CN112744270B - 一种基于状态辨识的列车快速精确停车方法 - Google Patents

Abstract

本发明公开了一种基于状态辨识的列车快速精确停车方法，其方法首先获取基础数据，然后根据基础数据规划列车停车的速度‑距离参考曲线，求解制动级位，接着规划列车参考停车曲线，形成速度‑距离曲线簇，并按照结算的制动级位控制列车进行停车，当列车运行时间超过制动调整时间时，根据列车实际运行速度‑距离曲线与生成的曲线簇进行快速匹配，并根据匹配结果更新列车参考曲线。本发明考虑车辆特性偏差、制动系统响应过程偏差、列车重量偏差等不确定性因素导致的列车运行状态偏差，调整列车参考速度曲线，从而提高列车停车精度，通过调整列车参考停车曲线，减少控制器跟踪曲线与参考停车曲线的误差，减少列车控制级位波动，提高乘客乘车舒适度。

Description

一种基于状态辨识的列车快速精确停车方法

技术领域

本发明涉及列车自动控制、列车自动驾驶领域，具体涉及一种基于状态辨识的列车快速精确停车方法。

背景技术

随着我国智慧城市化进程的推进，以及互联互通制式的先进信号技术在轨道交通线路的应用，城市轨道交通中针对列车自动运行系统(ATO)系统的运行可靠性、运行效率、旅客舒适度等的标准和规范日益完善。根据《城市轨道交通CBTC信号系统-ATO子系统规范》中对于ATO在站台停车精度的系统指标要求：ATO停车精度范围±0.5 m内的概率大于等于99.999 8％；精度范围±0.3m内的概率大于等于99.99％。因此信号系统车载ATO如何高效实现精准停车功能成为轨道交通列控系统研究的热点。

为了保证列车运行过程中一定的停车精度，列车通常先进行参考速度曲线计算，列车采用不同的自动驾驶控制方法跟踪参考速度曲线以到达精确停车的目的。列车自动驾驶控制方法有PID控制算法，模糊控制算法，自适应控制算法。PID控制算法需要根据控制情况调节算法参数，并且参数确定后不易修改，针对多列车的参数修改工作繁杂，停车精度稳定性较差。模糊控制算法学习能力较强，离线学习有较大优势可以有效调节算法参数，但是算法实时性有所欠缺。自适应控制算法可以对不确定性进行在线修正，较好的解决系统不确定性造成的不利影响，但是当前的自适应算法需要建立适当的精确模型，模型选择对停车精度影响较大。由于列车长时间不间断运行，载客人数不断变化，各个车辆特性存在差异，使得列车精确停车受到较多干扰而存在不确定性。当控制器中的牵引计算模块所用列车模型与实际列车存在偏差时，如果按照参考曲线的理想控制量进行控车，会导致停车出现偏差或者控制级位频繁切换。

发明内容

为解决上述问题，本发明提出一种基于状态辨识的列车快速精确停车方法，通过下述技术方案实现：

一种基于状态辨识的列车快速精确停车方法，包括如下步骤：

S1、获取基础数据；

S2、根据基础数据规划列车停车的速度-距离参考曲线，求解制动级位；

S3、规划列车参考停车曲线，形成速度-距离曲线簇；

S4、根据步骤S2中解算的制动级位控制列车进行停车；

S5、当列车运行时间超过制动调整时间时，根据列车实际运行速度-距离曲线与步骤S3中速度-距离曲线簇进行快速匹配；

S6、根据匹配结果更新列车参考停车曲线。

上述方案的有益效果是，通过调整列车参考停车曲线，减少控制器跟踪曲线与参考停车曲线的误差，减少列车控制级位波动，提高乘客乘车舒适度

进一步的，所述基础数据包括列车基础数据、线路基础数据、停车制动时间、制动调整时间、速度允许偏差和列车制动响应时滞，其中所述列车基础数据包括车重和牵引制动特性；所述线路基础数据包括车站公里标、限速、坡度和曲线。

上述进一步方案的有益效果是，获得基础数据，便于后续步骤中的计算。

进一步，所述步骤S2中列车参考停车曲线的计算方法为：

S21、获取列车制动起始点公里标、制动起始点速度和制动终点公里标；

S22、根据步骤S21获取的数据，计算列车平均制动减速度；

S23、建立列车牵引计算模型，进行列车速度位置解算，并保存列车的停车曲线。

上述进一步方案的有益效果是，计算列车参考曲线。

进一步，所述步骤S3中规划列车参考停车曲线的方法为：

S31、以车重偏差、制动响应时滞偏差、制动特性偏差为自变量，按照给定间隔，穷举偏差组合，具体可表示为：

(i＝1,2…N₁；j＝1,2…N₂；q＝1,2…N₃)；

其中，为W_p偏差组合，

分别为车重偏差、制动响应时滞偏差和制动特性偏差；N₁、N₂、N₃分别为偏差车重偏差、制动响应时滞偏差和制动特性偏差的个数；

S32、规划相应的列车参考停车曲线，具体可表示为：

其中，V_k为第k条列车制动速度曲线，M为列车质量，F为列车制动力，t为列车制动响应时滞。

上述进一步方案的有益效果是，计算出不同偏差组合下的列车参考停车曲线簇。

进一步，所述步骤S5中曲线簇进行快速匹配的方法为：

S51、根据当前列车位置与速度，精简曲线簇；

S52、计算精简后曲线簇中各列车停车参考曲线与实际列车制动速度曲线的重合度；

S53、在二次精简后的曲线簇基础上，按照偏差最小原则，选出偏差组合方案加权最小的列车参考制动曲线。

上述进一步方案的有益效果是，根据列车实际运行速度曲线，匹配与之最相符的偏差组合列车停车参考曲线。

进一步的，所述步骤S51中精简曲线簇的方法为：

根据当前列车位置与速度，从曲线簇中排除与当前位置速度差大于速度允许偏差的列车停车参考曲线。

进一步，所述曲线的重合度的计算方法包括：

S521、按照等间距离散列车制动曲线，具体计算方式为：

V_k＝{{V_ki}(i＝1,2,3…S)}(k＝1,2,3…N)；

其中，V_k为第k条列车制动速度曲线，{V_ki}是离散列车制动速度曲线中的各点；S为列车制动速度曲线离散点的个数，N为列车制动速度曲线总数量；

S522、计算曲线离散后曲线距离和，具体计算方式为：

其中，{V_0i}离散列车实际制动速度曲线，L_k为第k条曲线与实际列车制动曲线的距离和；

S523、确定距离和满足设定阈值的列车停车参考曲线，对曲线簇进行二次精简。

上述进一步方案的有益效果是，提高匹配效率。

进一步的，所述曲线重合度的计算方法为：根据曲线的相关系数作为曲线重合度的判断指标，具体包括如下步骤：

S521、按照等间距离散列车制动曲线，具体计算方式为：

V_k＝{{V_ki}(i＝1,2,3…S)}(k＝1,2,3…N)；

其中，V_k为第k条列车制动速度曲线，{V_ki}是离散列车制动速度曲线中的各点；S为列车制动速度曲线离散点的个数，N为列车制动速度曲线总数量；

S522、计算曲线离散后的相关系数，具体计算方式为：

其中，R_k为第k条曲线与实际列车制动曲线的相关系数，

为离散列车实际制动速度曲线{V_0i}的平均值，

为离散列车制动速度曲线{V_ki}的平均值。

进一步的，所述更新列车参考停车曲线的方法为：

按照选出的偏差组合方案，以列车当前速度位置为起点，规划更新列车的参考停车曲线。

上述进一步方案的有益效果是，更新列车参考停车曲线，提高列车停车精度。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明基于状态辨识的列车快速精确停车方法流程示意图。

图2为本发明实施例规划列车停车曲线及考虑误差的列车停车曲线示意图。

具体实施方式

在下文中，可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所发明的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本发明的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

在本发明的各种实施例中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。

在本发明的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本发明的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。

应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。

在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例1

一种基于状态辨识的列车快速精确停车方法，如图1所示，包括如下步骤：

S1、获取基础数据；

基础数据包括：列车基础数据，如车重、牵引制动特性；线路基础数据，如车站公里标、限速、坡度和曲线；停车制动时间、制动调整时间、速度允许偏差以及列车制动响应时滞，其中，

列车制动响应时滞是由于制动系统中的电气结构、微制动控制单元(MBCU)以及电空阀响应时间延时等因素造成时滞现象，使列车制动过程可以近似地描述成工业生产中典型的1阶滞后模型；

牵引制动特性表示列车运行速度与最大制动力之间的关系。

S2、根据基础数据规划列车停车的速度-距离参考曲线，求解制动级位；

制动级位是指列车手柄的级位，可以用来控制列车进行牵引和制动，在本实施例里，列车参考停车曲线的计算方法具体描述为：

S21、获取列车制动起始点公里标、制动起始点速度和制动终点公里标；

S22、根据步骤S21获取的数据，计算列车平均制动减速度；

S23、根据不同偏差组合，建立列车牵引计算模型，进行列车速度位置解算，并保存列车的停车曲线。

其中，平均制动减速度是制动过程中的两个瞬时速度之差，与两个瞬时速度的时间间隔比值，该特征量可以用来表征线路区间的制动水平。

S3、规划列车参考停车曲线，形成速度-距离曲线簇，如图2所示；

参考停车曲线即是理想的停车曲线，根据列车特性、线路特性等参数计算出的速度-距离曲线，速度-距离曲线簇是一系列参考停车曲线，每个曲线对应一个偏差组合方案，如图2所示，列车的速度距离曲线簇计算方式具体表示为：

S31、以车重偏差、制动响应时滞偏差、制动特性偏差为自变量，按照给定间隔，穷举偏差组合，具体表示为：

W_p＝{_1i,_2j,_3q}(p＝1,2…,N₁·N₂·N₃)；

(i＝1,2…N₁；j＝1,2…N₂；q＝1,2…N₃)；

其中，为W_p偏差组合，

分别为车重偏差、制动响应时滞偏差和制动特性偏差；N₁、N₂、N₃分别为偏差车重偏差、制动响应时滞偏差和制动特性偏差的个数；

S32、规划相应的列车参考停车曲线，具体可表示为：

其中，V_k为第k条列车制动速度曲线，M为列车质量，F为列车制动力，t为列车制动响应时滞。

S4、根据步骤S2中解算的制动级位控制列车进行停车，其实际运行曲线如图2所示；

S5、当列车运行时间超过制动调整时间时，根据列车实际运行速度-距离曲线与步骤S3中曲线簇进行快速匹配；

具体而言，曲线簇进行快速匹配的方法为：

S51、根据当前列车位置与速度，精简曲线簇；

在本实施例里，需要根据当前列车位置与速度，从曲线簇中排除与当前位置速度差大于速度允许偏差的列车停车参考曲线，精简曲线簇。

S52、计算精简后曲线簇中各列车停车参考曲线与实际列车制动速度曲线的重合度，对曲线簇进行二次精简；

曲线重合度的计算方法包括计算曲线相关性、计算曲线离散后的距离和等方法，其中计算曲线离散后的曲线距离和的方法为：

S521、按照等间距离散列车制动曲线，具体计算方式为：

V_k＝{{V_ki}(i＝1,2,3…S)}(k＝1,2,3…N)；

其中，V_k为第k条列车制动速度曲线，{V_ki}是离散列车制动速度曲线中的各点；S为列车制动速度曲线离散点的个数，N为列车制动速度曲线总数量；

S522、计算曲线离散后曲线距离和，具体计算方式为：

其中，{V_0i}离散列车实际制动速度曲线，L_k为第k条曲线与实际列车制动曲线的距离和；

S523、确定距离和满足设定阈值的列车停车参考曲线，对曲线簇进行二次精简。

曲线重合度的计算方法为：根据曲线的相关系数作为曲线重合度的判断指标，具体包括如下步骤：

S521、按照等间距离散列车制动曲线，具体计算方式为：

V_k＝{{V_ki}(i＝1,2,3…S)}(k＝1,2,3…N)；

其中，V_k为第k条列车制动速度曲线，{V_ki}是离散列车制动速度曲线中的各点；S为列车制动速度曲线离散点的个数，N为列车制动速度曲线总数量；

S522、计算曲线离散后的相关系数，具体计算方式为：

其中，{V_0i}离散列车实际制动速度曲线，R_k为第k条曲线与实际列车制动曲线的相关系数，

为离散列车实际制动速度曲线{V_0i}的平均值，

为离散列车制动速度曲线{V_ki}的平均值。

S53、在二次精简后的曲线簇基础上，按照偏差最小原则，选出偏差组合方案加权最小的列车参考制动曲线，并认为其对应的偏差组合方案最符合当前列车的实际状态。

S6、根据匹配之后的结果更新列车参考停车曲线，具体方法为，按照选出的偏差组合方案，以列车当前速度位置为起点，规划新的列车参考停车曲线。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于状态辨识的列车快速精确停车方法，其特征在于，包括如下步骤：

S1、获取基础数据；

S2、根据基础数据规划列车停车的速度-距离参考曲线，求解制动级位；

S3、规划列车参考停车曲线，形成速度-距离曲线簇，其中，规划列车参考停车曲线的方法为：

S31、以车重偏差、制动响应时滞偏差、制动特性偏差为自变量，按照给定间隔，穷举偏差组合，具体可表示为：

(i＝1，2…N₁；j＝1，2…N₂；q＝1，2…N₃)；

其中，为W_p偏差组合，

分别为车重偏差、制动响应时滞偏差和制动特性偏差；N₁、N₂、N₃分别为偏差车重偏差、制动响应时滞偏差和制动特性偏差的个数；

S32、规划相应的列车参考停车曲线簇，具体可表示为：

其中，V_k为第k条列车制动速度曲线，M为列车质量，F为列车制动力，t为列车制动响应时滞；

S4、根据步骤S2中解算的制动级位控制列车进行停车；

S5、当列车运行时间超过制动调整时间时，根据列车实际运行速度-距离曲线与步骤S3中速度-距离曲线簇进行快速匹配；

S6、根据匹配结果更新列车参考停车曲线。

2.根据权利要求1所述的一种基于状态辨识的列车快速精确停车方法，其特征在于，所述基础数据包括列车基础数据、线路基础数据、停车制动时间、制动调整时间、速度允许偏差和列车制动响应时滞，其中所述列车基础数据包括车重和牵引制动特性；所述线路基础数据包括车站公里标、限速、坡度和列车参考停车曲线。

3.根据权利要求2所述的一种基于状态辨识的列车快速精确停车方法，其特征在于，所述步骤S2中列车停车的速度-距离参考曲线的计算方法为：

S21、获取列车制动起始点公里标、制动起始点速度和制动终点公里标；

S22、根据步骤S21获取的数据，计算列车平均制动减速度；

S23、建立列车牵引计算模型，进行列车速度位置解算，并保存列车的停车曲线。

4.根据权利要求3所述的一种基于状态辨识的列车快速精确停车方法，其特征在于，所述步骤S5中速度-距离曲线簇进行快速匹配的方法为：

S51、根据当前列车位置与速度，精简曲线簇；

S52、计算精简后曲线簇中各列车停车参考曲线与实际列车制动速度曲线的重合度，对曲线簇进行二次精简；

S53、在二次精简后的曲线簇基础上，按照偏差最小原则，选出偏差组合方案加权最小的列车参考制动曲线。

5.根据权利要求4所述的一种基于状态辨识的列车快速精确停车方法，其特征在于，所述步骤S51中精简曲线簇的方法为：

根据当前列车位置与速度，从曲线簇中排除与当前位置速度差大于速度允许偏差的列车停车参考曲线。

6.根据权利要求5所述的一种基于状态辨识的列车快速精确停车方法，其特征在于，所述曲线的重合度的计算方法包括：

S521、按照等间距离散列车制动曲线，具体计算方式为：

V_k＝{{V_ki}(i＝1，2，3…S)}(k＝1，2，3…N)；

其中，V_k为第k条列车制动速度曲线，{V_ki}是离散列车制动速度曲线中的各点；S为列车制动速度曲线离散点的个数，N为列车制动速度曲线总数量；

S522、计算曲线离散后曲线距离和，具体计算方式为：

其中，{V_0i}离散列车实际制动速度曲线，L_k为第k条曲线与实际列车制动曲线的距离和；

S523、确定距离和满足设定阈值的列车停车参考曲线，对曲线簇进行二次精简。

7.根据权利要求6所述的一种基于状态辨识的列车快速精确停车方法，其特征在于，所述S6中更新列车参考停车曲线的方法为：

按照选出的偏差组合方案，以列车当前速度位置为起点，规划更新列车的参考停车曲线。

8.根据权利要求5所述的一种基于状态辨识的列车快速精确停车方法，其特征在于，所述曲线重合度的计算方法为：根据曲线的相关系数作为曲线重合度的判断指标，具体包括如下步骤：

S521、按照等间距离散列车制动曲线，具体计算方式为：

V_k＝{{V_ki}(i＝1，2，3…S)}(k＝1，2，3…N)；

其中，V_k为第k条列车制动速度曲线，{V_ki}是离散列车制动速度曲线中的各点；S为列车制动速度曲线离散点的个数，N为列车制动速度曲线总数量；

S522、计算曲线离散后的相关系数，具体计算方式为：

其中，R_k为第k条曲线与实际列车制动曲线的相关系数，

为离散列车实际制动速度曲线{V_0i}的平均值，

为离散列车制动速度曲线{V_ki}的平均值。

Images