CN112550359B - 基于阶梯形目标速度曲线的列车平滑跟踪控制方法 - Google Patents

基于阶梯形目标速度曲线的列车平滑跟踪控制方法 Download PDF

Info

Publication number
CN112550359B
CN112550359B CN202011315878.6A CN202011315878A CN112550359B CN 112550359 B CN112550359 B CN 112550359B CN 202011315878 A CN202011315878 A CN 202011315878A CN 112550359 B CN112550359 B CN 112550359B
Authority
CN
China
Prior art keywords
train
speed
dtg
control
target speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011315878.6A
Other languages
English (en)
Other versions
CN112550359A (zh
Inventor
顾立忠
吕新军
戴虎
职文超
王维旸
熊波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Casco Signal Ltd
Original Assignee
Casco Signal Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Casco Signal Ltd filed Critical Casco Signal Ltd
Priority to CN202011315878.6A priority Critical patent/CN112550359B/zh
Publication of CN112550359A publication Critical patent/CN112550359A/zh
Application granted granted Critical
Publication of CN112550359B publication Critical patent/CN112550359B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/08—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only
    • B61L23/14—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only automatically operated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明涉及一种基于阶梯形目标速度曲线的列车平滑跟踪控制方法，该方法包括以下步骤：步骤1、在DTG‑CC接口消息周期时刻，根据车载预处理单元DTG目标速度命令变化计算车载控制器CC控车状态；步骤2、基于卡尔曼滤波算法计算参考速度及参考加速度的估计值；步骤3、计算DTG目标速度命令扰动过程中的参考速度估计值；步骤4、在CC控制周期时刻，根据参考速度及参考加速度的估计值来计算CC控车参考速度；步骤5、设计CC控车参考加速度为零的拟平行滑动模态控制策略生成列车控制命令。与现有技术相比，本发明具有降低列车制动损耗，节能及提高乘客舒适度等优点。

Description

基于阶梯形目标速度曲线的列车平滑跟踪控制方法
技术领域
本发明涉及城市轨道交通信号控制领域，尤其是涉及一种基于阶梯形目标速度曲线的列车平滑跟踪控制方法。
背景技术
城市轨道交通在城市公共交通中起着重要作用，承载了大量的城市客流。然而随着城市轨道交通技术的日新月异，一些建设比较早的线路迫切需要技术升级以应对日益增长的客流压力。如上海2号线全线建设为分段开通，时间跨度较大，其中首通路段已经到了大修年限，需要大修升级成CBTC信号系统，而其它路段尚未达到大修年限，既有轨道电路还需保留使用。为了不影响日常运营，能够平稳地从既有的TBTC信号系统逐步过渡到CBTC信号系统，车载需要同时兼容TBTC和CBTC两种制式信号系统。
在多制式兼容性车载系统中，由既有的车载预处理单元设备DTG(Distance ToGo)接收既有音频轨道电路信号，生成目标速度曲线，新集成的车载控制器CC(CarborneController)从DTG接收目标速度命令，控制列车区间运行。这里涉及到三种不同周期，车载预处理单元DTG的计算周期，车载控制器CC的控制周期，两个设备之间的消息接口周期。车载预处理单元设备与车载控制器(DTG-CC)之间的接口通信采用Peer协议，消息间隔时间是不固定的，范围在600ms至900ms之间。
在列车从区间高限速巡航减速进入到低限速区域(如站台区域)过程中，DTG设备发送的是间隔周期不固定的递减目标速度命令序列，由于CC车载控制周期远小于DTG-CC接口消息周期，从车载控制器CC角度观察，减速过程中的DTG目标速度命令序列是阶梯形的。如果车载控制器CC不加处理地直接使用接收到的目标速度命令进行ATO控车，那么由于接口消息周期比较长，使得列车在减速过程中会频繁地在制动和惰行状态之间切换，列车速度曲线也将类似一个阶梯形状的曲线。另外由于受重定位等因素影响，在这个减速阶段，DTG发送的目标速度命令并不总是递减的，会出现一个消息周期时刻的目标速度增大、之后目标速度命令继续递减的现象，上述现象都将严重影响列车性能和乘客舒适度。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于阶梯形目标速度曲线的列车平滑跟踪控制方法，该方法不仅可以克服轨道电路信息周期长，获取周期不固定所带来的控车工况频繁切换问题，还可以避免由于重定位等因素引起的控车波动现象，以及由于DTG消息中目标速度命令大滞后引起的速度曲线凹坑现象。
本发明的目的可以通过以下技术方案来实现：
根据本发明的一个方面，提供了一种基于阶梯形目标速度曲线的列车平滑跟踪控制方法，该方法包括以下步骤：
步骤1、在DTG-CC接口消息周期时刻，根据车载预处理单元DTG目标速度命令变化计算车载控制器CC控车状态；
步骤2、基于卡尔曼滤波算法计算参考速度及参考加速度的估计值；
步骤3、计算DTG目标速度命令扰动过程中的参考速度估计值；
步骤4、在CC控制周期时刻，根据参考速度及参考加速度的估计值来计算CC控车参考速度；
步骤5、设计CC控车参考加速度为零的拟平行滑动模态控制策略生成列车控制命令。
作为优选的技术方案，所述的步骤1中的车载控制器CC控车状态包括巡航状态、估计状态和扰动状态；
作为优选的技术方案，所述的巡航状态用于表示恒定限速下的CC控车状态；所述的估计状态用于表示列车从高限速区域进入到低限速区域的减速过程；所述的扰动状态出现在减速过程中，由重定位因素引起的DTG目标速度命令波动。
作为优选的技术方案，所述的步骤2只在DTG-CC接口消息周期时刻计算，其中卡尔曼滤波算法动态过程模型间隔时间以CC控制周期进行计算。
作为优选的技术方案，所述的步骤2中的卡尔曼滤波算法估计参考速度初始值为进入估计状态之前收到的DTG目标速度。
作为优选的技术方案，所述的步骤2中的卡尔曼滤波算法估计参考加速度初始值根据日常运营特点来定，取值-0.5m/s^2。
作为优选的技术方案，所述的步骤3只在DTG-CC接口消息周期时刻计算，其中扰动状态时估计参考加速度取值为退出估计状态时刻的卡尔曼估计参考加速度。
作为优选的技术方案，所述的步骤4中的CC控车参考速度及参考加速度在CC控制周期时刻计算，其中在计算CC控车参考速度时使用的估计参考速度，需要根据控车状态选择卡尔曼估计参考速度或者扰动估计参考速度；CC控车参考加速度在两次DTG消息周期内保持恒定，即为收到DTG目标速度命令时刻计算的估计参考加速度。
作为优选的技术方案，所述的步骤5中的拟平行滑动模态控制策略是让列车速度、加速度跟随CC控车参考速度及CC控车参考加速度，包括：
计算列车控制命令时把CC控车参考加速度设为零；列车实际速度是沿着高于CC控车参考速度的虚拟平行曲线进行减速。
作为优选的技术方案，所述的步骤5还包括：
在列车速度进入到DTG目标速度设定阈值范围内，提前退出估计状态，进入到巡航状态。
与现有技术相比，本发明具有以下优点：
1、本发明采取了基于卡尔曼滤波算法的参考速度、参考加速度估计以及拟平行滑动模态控制策略，可以克服轨道电路信息周期长，获取周期不固定所带来的控车工况频繁切换问题，实现多制式兼容性车载中阶梯形目标速度曲线的平滑跟踪控制，降低列车制动损耗及节约能耗。
2、本发明设计了三种CC控车状态，根据DTG目标速度变化判断CC控车状态，避免由于重定位等因素引起的控车波动现象，以及由于DTG目标速度命令大周期滞后引起的速度曲线凹坑现象，提高乘客舒适度。
附图说明
图1是本发明城市轨道交通列车多制式兼容性车载设备功能结构示意图；
图2是本发明城市轨道交通列车多制式兼容性车载区间运行目标速度曲线示意图；
图3是本发明城市轨道交通列车多制式兼容性车载阶梯形目标速度曲线平滑跟踪控制方法流程图；
图4是本发明城市轨道交通列车多制式兼容性车载控车状态转移示意图；
图5是本发明城市轨道交通列车多制式兼容性车载扰动状态下的估计参考速度计算示意图；
图6是本发明城市轨道交通列车多制式兼容性车载拟平行滑动模态控制策略示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
上海2号线多制式兼容性车载设备功能结构如图1所示，由DTG负责与轨旁接口通信，接收轨道电路信息，经过安全运算处理，生成DTG目标速度命令，发送给CC车载控制器。CC车载控制器负责控制列车，根据接收到的DTG目标速度命令，生成列车控制命令。DTG与CC接口采用Peer通信协议，每隔600ms至900ms，DTG会给CC发送目标速度命令。CC车载控制周期为100ms，远小于DTG与CC的接口消息周期，在未收到DTG目标速度命令时刻，为了控车的舒适、平稳，需要计算合适的列车控制命令。在列车从区间高限速巡航减速进入到低限速区域的这个过程中，从CC车载控制周期的角度观察，DTG的目标速度命令序列类似一个阶梯形的目标速度曲线，如图2所示。DTG目标速度命令序列有两个特点，第一是间隔不固定，第二是间隔周期长，远大于车载CC控制周期。若CC车载控制器直接使用DTG目标速度命令进行ATO控车，那么在减速过程中会频繁地在制动工况和惰行工况之间切换，严重影响列车性能和乘客舒适度。
因此为了能够生成平稳的列车控制命令，车载CC控制器不能直接使用DTG目标速度命令进行ATO控车，需要对DTG目标速度命令进行适当处理。图3给出了多制式兼容性车载阶梯形目标速度曲线平滑跟踪控制方法的流程图，由于DTG-CC接口消息周期远大于CC车载控制周期，因此对这两个周期分别进行处理，一个是收到DTG目标速度命令时的估计参考速度计算，另外一个是未收到DTG目标速度命令、在CC控制周期时刻的控车参考速度计算。
1、根据DTG目标速度命令变化计算CC控车状态
考虑到上述现实场景中的DTG目标速度命令扰动现象，在参考速度、参考加速度估计过程中设计了3个控车状态，巡航状态、估计状态和扰动状态，如图4所示。巡航状态用于恒速阶段，此时CC参考加速度设置为0。估计状态用于高限速区域减速进入到低限速区域的过渡过程，使用卡尔曼滤波算法估计参考速度及参考加速度，其中参考加速度数值小于0。扰动状态用于平缓减速过程中的DTG目标速度命令跳变影响，此时要求CC计算的参考速度及参考加速度不要有太大的跳变。
从巡航状态进入到估计状态的条件如下，CC接收到的DTG目标速度命令小于上个消息周期的数值且小于阈值DELTA TARGET SPEED，说明此时应该从高限速区域减速进入到低限速区域，否则若CC接收到的DTG目标速度大于等于上个消息周期的数值、或者小于上个消息周期的数值且不小于阈值DELTA TARGET SPEED，那么仍然维持巡航状态。
当CC控车状态处于估计状态时，若接收到的DTG目标速度命令小于上个消息周期的数值，则维持估计状态。若CC接收到的DTG目标速度命令大于等于上个消息周期的数值，则根据DTG目标速度命令变化判断是进入巡航状态还是扰动状态，当DTG目标速度命令变化小于阈值DELTA JITTER SPEED时进入到扰动状态，否则进入到巡航状态。
当CC控车状态处于扰动状态时，若CC连续两次收到大于等于上个消息周期的DTG目标速度命令，则进入到巡航状态。在CC控制周期内，若扰动计算的平缓速度大于等于DTG目标速度命令，则重新进入估计状态，否则仍然维持扰动状态。
2、基于卡尔曼滤波算法的估计参考速度及参考加速度计算
在列车从高限速区域进入到低限速区域的减速过程中，CC接收到递减的DTG目标速度命令，为平滑目标速度命令，在DTG-CC消息周期时刻需要使用卡尔曼滤波算法计算估计参考速度及参考加速度。卡尔曼滤波算法是一种最优自回归估计算法，尽管存在过程噪声、测量噪声，但是基于对整个动态过程的先验知识，通过噪声参数的适当配置，可以估计出比较平缓的参考速度及参考加速度，且估计参考速度将比原DTG消息中的目标速度更加平缓。为了使用卡尔曼滤波算法估计参考速度及参考加速度，先建立动态过程模型及测量过程模型，动态过程模型如公式(1)所示，
xk＝Axk-1+wk (1)
其中，
xk是状态向量，
Figure BDA0002791393470000061
vk表示估计参考速度，ak表示估计参考速度，
A是状态转移矩阵，
Figure BDA0002791393470000062
Δt是CC两次收到DTG目标速度命令的间隔时间，
wk是过程噪声向量，
Figure BDA0002791393470000063
ω1表示估计参考速度噪声，ω2表示估计参考加速度噪声。
测量过程模型如公式(2)所示，
zk＝Hxk+vk (2)
其中，
zk表示在DTG-CC消息周期时刻收到的DTG目标速度命令，
H表示测量矩阵，H＝[1,0]，
zk表示测量噪声。
基于卡尔曼滤波算法的估计过程如公式(3)所示，
Figure BDA0002791393470000064
Figure BDA0002791393470000065
Figure BDA0002791393470000066
Figure BDA0002791393470000067
Figure BDA0002791393470000068
其中，xk表示状态向量，有两个分量vk和ak，vk初始取值为进入估计状态之前消息周期收到的DTG目标速度命令，根据日常运营减速过程特点，ak初始取值为-0.5m/s^2，可以使得卡尔曼滤波算法能够快速收敛，
Figure BDA0002791393470000069
表示预估状态向量，
P表示状态向量的误差协方差矩阵，初始取值为二维单位矩阵，
Figure BDA00027913934700000610
表示预估状态向量的误差协方差矩阵，
Q表示过程噪声协方差矩阵，这里Q取值
Figure BDA0002791393470000071
R表示测量噪声方差，这里R取值160，
K表示卡尔曼增益，
I2×2表示二维单位矩阵。
通过公式(3)的计算，可以从含有噪声的、间隔不固定的DTG目标速度命令中获得相对平稳的估计参考速度及参考加速度。
3、DTG目标速度命令扰动时刻的估计参考速度计算
在列车从高限速区域进入到低限速区域的减速过程中，受重定位等因素影响，DTG目标速度命令会出现扰动现象，如图5所示，在DTG-CC接口消息周期时刻，DTG目标速度命令会出现跳变，之后再恢复成递减序列。为了能够更加平缓地控制列车，当CC根据DTG目标速度命令变化判断控车状态转移到扰动状态后，不再使用卡尔曼滤波计算估计参考速度及参考加速度，而是设计了一个相对平缓的过渡过程来估计参考速度，以此来减少由于DTG目标速度扰动所引起的控车波动影响。在这个扰动过渡过程中，估计参考速度的计算如公式(4)所示，
interp_speedk＝interp_speedk-1+interp_accel×Δt (4)
其中，interp_speedk表示扰动状态下计算的估计参考速度，
interp_accel表示估计参考加速度，在两次DTG目标速度命令的间隔周期内保持恒定，其值即退出估计状态时刻的卡尔曼估计参考加速度ak；
Δt即CC两次收到DTG目标速度命令的间隔时间。
当扰动状态下计算的估计参考速度大于等于DTG目标速度命令时，则可以退出这个过渡过程，重新进入卡尔曼估计状态。
4、在CC控制周期时刻计算ATO控车参考速度
由于DTG-CC接口消息周期比较长，最多有900ms，而CC控制周期只有100ms。在未收到DTG目标速度命令的CC控制周期时刻，CC需要根据前述计算的估计参考速度及参考加速度，自行估算ATO控车使用的参考速度。
Figure BDA0002791393470000072
其中，ref_speedn表示CC控制周期n时刻的控车参考速度，其初始值即DTG-CC接口消息周期时刻估计的参考速度，根据当前控车状态选择vk或interp_speedk；
ref_acceln表示CC控制周期n时刻的控车参考加速度，在两次DTG目标速度命令的间隔周期内保持恒定，其初始值即DTG-CC接口消息周期时刻估计的参考加速度ak。
5、控车参考加速度为零的拟平行滑动模态控制策略
在从高限速区域进入低限速区域的减速开始阶段，若CC直接跟随控车参考速度曲线，必然需要在减速开始阶段施加非常大制动，严重影响乘客舒适度。因此这里设计了拟平行滑动模态控制策略，让列车速度沿着平行于CC控车参考速度的虚拟曲线进行减速，这样既可以保证乘客的舒适度，同时也不会触发DTG的常用制动，列车控制命令计算方法如公式(6)所示。
cmdn＝kv×(ref_speedn-train_speedn)+ka×(0-train_acceln) (6)
其中，kv，ka分别是速度控制增益系数和加速度控制增益系数，
train_speedn，train_acceln，分别是列车速度和加速度，
ref_speedn是CC控制周期时刻计算的控车参考速度，
cmdn是计算的列车控制命令。
从公式(6)中可看出，尽管在DTG-CC接口消息周期时刻获得了估计参考速度及参考加速度，在CC控制周期时刻获得了CC控车参考速度及控车参考加速度，但是在计算列车控车命令时，只需要使用控车参考速度ref_speedn，为了让列车速度平行于控车参考速度曲线，在计算过程中控车参考加速度ref_acceln设为0。
这里采取的拟平行滑动模态控制策略除了能够避免减速开始阶段的大制动现象，还为避免减速过程结束阶段出现的速度曲线凹坑现象提供了先决条件。如图6所示，在列车从减速估计状态重新进入到巡航状态的过程中，由于DTG目标速度命令间隔周期长，CC一直要等收到相同的DTG目标速度命令才能判断出进入巡航状态，此时CC参考速度已经至少低于DTG的巡航目标速度2kph。如果列车速度一直贴合CC控车参考速度曲线，那么必然出现速度曲线的凹坑现象，影响乘客的舒适度。因此上述拟平行滑动模态控制策略可以使得列车速度沿着高于且平行于CC控车参考速度的虚拟曲线进行减速，当列车速度进入到DTG目标速度命令的一定阈值范围内(通常设为2.5kph)，说明此时可以提前退出估计状态，进入到巡航状态，避免速度曲线的凹坑现象。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种基于阶梯形目标速度曲线的列车平滑跟踪控制方法，其特征在于，该方法包括以下步骤：
步骤1、在DTG-CC接口消息周期时刻，根据车载预处理单元DTG目标速度命令变化计算车载控制器CC控车状态；
步骤2、基于卡尔曼滤波算法计算参考速度及参考加速度的估计值；
步骤3、计算DTG目标速度命令扰动过程中的参考速度估计值；
步骤4、在CC控制周期时刻，根据参考速度及参考加速度的估计值来计算CC控车参考速度；
步骤5、设计CC控车参考加速度为零的拟平行滑动模态控制策略生成列车控制命令；
所述的步骤2只在DTG-CC接口消息周期时刻计算，其中卡尔曼滤波算法动态过程模型间隔时间以CC控制周期进行计算；
所述的步骤2中的卡尔曼滤波算法估计参考速度初始值为进入估计状态之前收到的DTG目标速度；
所述的步骤3只在DTG-CC接口消息周期时刻计算，其中扰动状态时估计参考加速度取值为退出估计状态时刻的卡尔曼估计参考加速度；
所述的步骤4中的CC控车参考速度及参考加速度在CC控制周期时刻计算，其中在计算CC控车参考速度时使用的估计参考速度，需要根据控车状态选择卡尔曼估计参考速度或者扰动估计参考速度；CC控车参考加速度在两次DTG消息周期内保持恒定，即为收到DTG目标速度命令时刻计算的估计参考加速度；
所述的步骤5中的拟平行滑动模态控制策略是让列车速度、加速度跟随CC控车参考速度及CC控车参考加速度，包括：
计算列车控制命令时把CC控车参考加速度设为零；列车实际速度是沿着高于CC控车参考速度的虚拟平行曲线进行减速；
所述的步骤5还包括：
在列车速度进入到DTG目标速度设定阈值范围内，提前退出估计状态，进入到巡航状态。
2.根据权利要求1所述的一种基于阶梯形目标速度曲线的列车平滑跟踪控制方法，其特征在于，所述的步骤1中的车载控制器CC控车状态包括巡航状态、估计状态和扰动状态。
3.根据权利要求2所述的一种基于阶梯形目标速度曲线的列车平滑跟踪控制方法，其特征在于，所述的巡航状态用于表示恒定限速下的CC控车状态；所述的估计状态用于表示列车从高限速区域进入到低限速区域的减速过程；所述的扰动状态出现在减速过程中，由重定位因素引起的DTG目标速度命令波动。
4.根据权利要求1所述的一种基于阶梯形目标速度曲线的列车平滑跟踪控制方法，其特征在于，所述的步骤2中的卡尔曼滤波算法估计参考加速度初始值根据日常运营特点来定，取值-0.5m/s^2。
CN202011315878.6A 2020-11-22 2020-11-22 基于阶梯形目标速度曲线的列车平滑跟踪控制方法 Active CN112550359B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011315878.6A CN112550359B (zh) 2020-11-22 2020-11-22 基于阶梯形目标速度曲线的列车平滑跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011315878.6A CN112550359B (zh) 2020-11-22 2020-11-22 基于阶梯形目标速度曲线的列车平滑跟踪控制方法

Publications (2)

Publication Number Publication Date
CN112550359A CN112550359A (zh) 2021-03-26
CN112550359B true CN112550359B (zh) 2022-08-23

Family

ID=75044529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011315878.6A Active CN112550359B (zh) 2020-11-22 2020-11-22 基于阶梯形目标速度曲线的列车平滑跟踪控制方法

Country Status (1)

Country Link
CN (1) CN112550359B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114323706B (zh) * 2021-11-22 2024-04-12 卡斯柯信号有限公司 一种列车ato控车故障检测方法、装置、设备及介质
CN114506366B (zh) * 2022-01-10 2024-01-19 北京全路通信信号研究设计院集团有限公司 一种列车下坡参考速度曲线确定方法、系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202007010761U1 (de) * 2006-09-05 2008-01-10 Ebm-Papst St. Georgen Gmbh & Co. Kg Lüfter
CN106143540A (zh) * 2015-03-27 2016-11-23 上海申通地铁集团有限公司 轨道交通列车全速密贴运行控制曲线的自适应计算方法
CN108764571A (zh) * 2018-05-28 2018-11-06 西南交通大学 一种重载列车运行的多目标优化方法
CN109484414A (zh) * 2017-09-12 2019-03-19 株洲中车时代电气股份有限公司 一种用于多机重联牵引列车的平稳性控制方法
CN109782325A (zh) * 2019-03-06 2019-05-21 西南交通大学 基于粒子滤波和多传感器信息融合的列车速度估计方法
CN110632846A (zh) * 2019-09-17 2019-12-31 北京交通大学 基于二阶adrc算法的地铁列车速度自动控制方法
CN110758491A (zh) * 2019-11-13 2020-02-07 通号城市轨道交通技术有限公司 列车运行控制方法及系统
CN110901695A (zh) * 2019-12-06 2020-03-24 北京华高世纪科技股份有限公司 列车平稳性检测系统及方法
CN111595592A (zh) * 2020-05-21 2020-08-28 东南大学 一种自适应巡航控制系统性能测评方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8700256B2 (en) * 2008-08-22 2014-04-15 Daimler Trucks North America Llc Vehicle disturbance estimator and method

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202007010761U1 (de) * 2006-09-05 2008-01-10 Ebm-Papst St. Georgen Gmbh & Co. Kg Lüfter
CN106143540A (zh) * 2015-03-27 2016-11-23 上海申通地铁集团有限公司 轨道交通列车全速密贴运行控制曲线的自适应计算方法
CN109484414A (zh) * 2017-09-12 2019-03-19 株洲中车时代电气股份有限公司 一种用于多机重联牵引列车的平稳性控制方法
CN108764571A (zh) * 2018-05-28 2018-11-06 西南交通大学 一种重载列车运行的多目标优化方法
CN109782325A (zh) * 2019-03-06 2019-05-21 西南交通大学 基于粒子滤波和多传感器信息融合的列车速度估计方法
CN110632846A (zh) * 2019-09-17 2019-12-31 北京交通大学 基于二阶adrc算法的地铁列车速度自动控制方法
CN110758491A (zh) * 2019-11-13 2020-02-07 通号城市轨道交通技术有限公司 列车运行控制方法及系统
CN110901695A (zh) * 2019-12-06 2020-03-24 北京华高世纪科技股份有限公司 列车平稳性检测系统及方法
CN111595592A (zh) * 2020-05-21 2020-08-28 东南大学 一种自适应巡航控制系统性能测评方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
以列车平稳性优化CRTS I板式无砟轨道下路涵过渡段的研究;王辉煌;《路基工程》;20161231;第51-56页 *

Also Published As

Publication number Publication date
CN112550359A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN112550359B (zh) 基于阶梯形目标速度曲线的列车平滑跟踪控制方法
CN110304113B (zh) 一种自动调整列车自动驾驶停车精度的方法
CN111994135B (zh) 一种基于迭代计算的协同编队列车安全防护方法及系统
CN112141063B (zh) 列车制动方法、装置、电子设备及存储介质
CN111776018B (zh) 一种列车编队跟踪控制方法及装置
CN112429046B (zh) 一种混合制动阶段的列车自动控制方法
CN109649441A (zh) 一种列车自动驾驶节能控制方法
CN113320576B (zh) 虚拟编组列车编队的停车控制方法、装置及存储介质
CN112124364B (zh) 列车精确停车的控制方法、ato、vobc及列车
CN113401173B (zh) 列车运行控制方法、装置、电子设备及存储介质
CN109229160B (zh) 应对恶劣天气的列车自动控制方法、装置及车载设备
CN109177972A (zh) 一种车辆柔性避撞系统及其控制方法
CN112158232B (zh) 一种克服延迟响应牵引的停车开门控制方法及系统
CN114132364B (zh) 虚拟联挂列车的控制方法、控制装置和电子设备
CN114802362B (zh) 时分控制的列车节能运行方法和装置
CN103886127A (zh) 载运工具跟驰关系的确定与行为调整实施方法
CN112078631A (zh) 列车速度控制方法及系统
CN112744270B (zh) 一种基于状态辨识的列车快速精确停车方法
CN112918520B (zh) 一种高速铁路列车的节能运行控制方法
CN117698790A (zh) 列车加速度的控制方法及装置
CN116080716B (zh) 一种列车自动驾驶协同控制方法、系统和计算机存储介质
CN117184176A (zh) 列车自动驾驶速度规划方法及装置
JP2012039738A (ja) 自動列車運転装置
CN113428195B (zh) 列车自动控制方法及装置
JP2021121155A (ja) 列車制御装置、及び列車制御方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant