CN112960020A - 基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法 - Google Patents

基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法 Download PDF

Info

Publication number
CN112960020A
CN112960020A CN202110398370.5A CN202110398370A CN112960020A CN 112960020 A CN112960020 A CN 112960020A CN 202110398370 A CN202110398370 A CN 202110398370A CN 112960020 A CN112960020 A CN 112960020A
Authority
CN
China
Prior art keywords
train
module
point
time
urban rail
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.)
Granted
Application number
CN202110398370.5A
Other languages
English (en)
Other versions
CN112960020B (zh
Inventor
刘平
周磊
胡清泉
陈天奕
刘明杰
朴昌浩
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202110398370.5A priority Critical patent/CN112960020B/zh
Publication of CN112960020A publication Critical patent/CN112960020A/zh
Application granted granted Critical
Publication of CN112960020B publication Critical patent/CN112960020B/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
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • 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
    • 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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (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伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法，属于城市轨道列车控制领域，系统包括城市轨道列车动力学模型与性能参数设定模块、列车运行参数设定模块、列车运行模式选择模块、实时路况测量模块、实时速度测量模块、列车自动防护模块、列车自动驾驶系统ATO、列车自动监督模块和列车牵引制动模块。城市轨道列车在运行时，根据实际情况执行符合不同赶点模式的运行策略，根据相关模块中输入的信息，计算出当前所需策略的列车牵引制动控制量的变化，把控制量给到列车牵引制动模块中得到速度曲线。本发明不仅能满足多种晚点情况的运行策略的需求，还能在短时间内计算出新的运行策略，通过人工和机器的结合能让城市轨道列车安全稳定的运行。

Description

基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生 系统及方法
技术领域
本发明属于城市轨道列车控制领域，涉及一种基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法。
背景技术
随着智能城市的建设，城市轨道交通成为人们出行的重要方式之一。针对城市轨道列车的各个方面的研究正在如火如荼的进行。一种能够完成多种赶点模式的运行方案的信号发生装置及方法对于智慧城市的建设以及解放劳动力具有重要意义。
因此，研究高效的控制算法来尽早规划城市轨道列车的运行方案，对于智慧城市的建设和无人驾驶技术的发展具有重大的理论价值和有效的应用价值。
发明内容
有鉴于此，本发明的目的在于提供一种基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法，当城市轨道列车在日常的运行过程中，驾驶者可以根据不同的运营情况选择不同的运行模式，通过本装置得到相应的牵引制动控制量的指导方案，使得人工量减至最低，并保证列车的安全运行。
为达到上述目的，本发明提供如下技术方案：
一方面，本发明提供一种基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统，包括城市轨道列车动力学模型与性能参数设定模块、列车运行参数设定模块、列车运行模式选择模块、实时路况测量模块、实时速度测量模块、列车自动防护模块、列车自动驾驶系统ATO、列车自动监督模块和列车牵引制动模块；
所述城市轨道列车动力学模型与性能参数设定模块与列车自动驾驶系统ATO连接，用于设定城市轨道列车的初始参数；
所述列车运行参数设定模块、实时速度测量模块均与列车自动防护模块连接，用于输入城市轨道列车运行过程中的限制参数和获取实时的列车运行速度；
所述实时路况测量模块和实时速度测量模块均与列车自动驾驶系统ATO连接，用于接收实时路况和实时速度信息；
所述列车运行模式选择模块与列车自动监督模块连接，用于对城市轨道列车的不同运行模式进行选择；
所述列车自动防护模块和列车自动监督模块均与列车自动驾驶系统ATO连接，用于对列车运行过程的防护和监督；
所述列车自动驾驶系统ATO与列车牵引制动模块连接，所述列车自动驾驶系统ATO采用伪谱法得到城市轨道列车在不同站之间的速度运行策略，并根据获得的速度运行策略输出相应的控制参数给列车牵引制动模块。
进一步，所述列车自动驾驶系统ATO包括信息收集模块、初始化模块、伪谱法配点控制参数化模块、非线性规划问题求解模块和控制信号输出模块；
所述信号采集模块用于采集城市轨道列车行驶过程中的线路情况、列车速度、列车自动监督模块与列车自动防护模块的信息，并将采集到的信息输入到初始化模块中；
所述初始化模块用于设置城市轨道列车不同运行模式下的高斯配点数G和牵引制动控制量的初始控制参数μ(0)(t)，并设定优化精度tol，将迭代次数D置零；
所述伪谱法配点控制参数化模块用于将城市轨道列车运行时间[t0,tf]转化为具有高斯分布的离散点列，对时间分段上对应的变量进行离散近似；
所述非线性规划问题求解模块用于通过计算得到满足收敛性要求的牵引制动控制量μ(D)(t)并输出到控制信号输出模块；
所述控制信号输出模块将牵引制动控制量μ(D)(t)传输到列车牵引制动模块。
进一步，所述伪谱法配点控制参数化模块的工作步骤如下：
步骤A1：引入新的时间变量τ进行时间尺度变换，将时间区间从[t0,tf]转化为[-1,1]，时间变换公式为
Figure BDA0003011668480000021
其中，t表示时间，tf表示城市轨道列车的终端运行时刻，t0表示城市轨道列车的初始运行时刻；
步骤A2：运用Legendre多项式的零点来得到[-1,1]区间的时间配点，其中，N次Legendre多项式的表达式为
Figure BDA0003011668480000022
P0(x)＝1,P-1(x)＝0
其中，Pn+1(z)表示N次Legendre多项式，Pn(z)表示N-1次Legendre多项式，Pn-1(z)表示N-2次Legendre多项式，P0(z)表示-1次Legendre多项式，P-1(z)表示-2次Legendre多项式，z表示多项式参数变量，αn表示N-1次Legendre多项式Pn(z)的特征参数，βn表示N-2次Legendre多项式Pn-1(z)的特征参数，n表示配点个数参数；N为时间段[-1,1]的离散时间子区间数；
步骤A3：设置参数αn和βn的取值，分别为αn＝0，
Figure BDA0003011668480000031
步骤A4：运用高斯时间配点将时间区间划分为N段，其中，第D段子区间为[tD-1,tD],D＝0,…,N；tD-1表示第D段子区间的初始时间点；tD表示第D段子区间的终值时间点；
步骤A5：将状态变量在前N+1个LG节点上进行Lagrange插值近似，得到如下表达式：
Figure BDA0003011668480000032
Figure BDA0003011668480000033
步骤A6：将控制变量在区间(-1,1)中的LG配点上进行离散化，得到如下表达式：
Figure BDA0003011668480000034
其中，
Figure BDA0003011668480000035
步骤A7：把状态方程中的状态变量的导数进行离散化，把原问题转化为非线性规划问题。
进一步，所述非线性规划问题求解模块的计算具体步骤如下：
步骤B1：记点P1为列车运行过程中的某个点，对应于列车牵引制动控制量μ(D-1)(t)和目标函数值J(D-1)；
步骤B2：选定NLP问题内点求解算法，从点P1开始迭代计算，利用原对偶路径构建P1点的预测寻优方向d(D-1)和预测步长α(D-1)；
步骤B3：记点P2为列车当前运行过程中的某个点，由上一次迭代点P1和公式μ(D)(t)＝μ(D-1)(t)+α(D-1)d(D-1)求解得到点P2对应列车牵引制动控制量μ(D)(t)和目标函数值J(D)；
步骤B4：对μ(D)(t)加入扰动量δ(D)，计算得到扰动校正后寻优方向
Figure BDA0003011668480000041
和校正步长
Figure BDA0003011668480000042
利用公式
Figure BDA0003011668480000043
得到校正后的点
Figure BDA0003011668480000044
记为点P3，令
Figure BDA0003011668480000045
则点P3对应的列车牵引制动控制量为μ(D)(t)和目标函数值为
Figure BDA0003011668480000046
步骤B5：将当前点P3得的目标函数值
Figure BDA0003011668480000047
与上一次迭代点P1的目标函数值J(D-1)作差，若两点的目标函数值之差的绝对值
Figure BDA0003011668480000048
小于精度tol，则满足收敛性，控制策略输出模块输出本次迭代控制策略μ(D)(t)；若不满足收敛性，则继续迭代，将μ(D)(t)设置为初始值，D增加1，执行步骤B2。
另一方面，本发明提供一种基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生方法，包括以下步骤：
S1：通过实时路况测量模块与实时速度测量模块得到实时线路状况与实时速度，并通过列车自动防护模块和列车自动监督模块得到防护与模式的信息参数，收集城市轨道列车运行的终端状态参数，将这些信息输入到初始化模块中；
S2：设置城市轨道列车运行过程时间的伪谱法配点数G和列车的牵引制动控制参数的初始控制参数μ(0)(t)，并设定优化精度tol，将迭代次数D置零；
S3：采用伪谱法配点控制参数化算法将列车运行时间[t0,tf]转化为具有高斯分布的离散点列后，对时间分段上对应的变量进行离散近似，把问题转化为非线性规划问题；
S4：通过非线性规划问题求解算法计算得到满足要求的列车牵引制动控制量μ(D)(t)并输出到控制信号输出模块；
S5：将列车牵引制动控制量μ(D)(t)通过控制信号输出模块传输到列车牵引制动模块中。
进一步，通过伪谱法配点控制参数化算法把问题转化为非线性规划问题，具体包括：
步骤C1：引入新的时间变量τ进行时间尺度变换，将时间区间从[t0,tf]转化为[-1,1]，时间变换公式为
Figure BDA0003011668480000051
其中，t表示时间，tf表示城市轨道列车的终端运行时刻，t0表示城市轨道列车的初始运行时刻。
步骤C2：运用Legendre多项式的零点来得到[-1,1]区间的时间配点，其中，N次Legendre多项式的表达式为
Figure BDA0003011668480000052
P0(x)＝1,P-1(x)＝0
其中，Pn+1(z)表示N次Legendre多项式，Pn(z)表示N-1次Legendre多项式，Pn-1(z)表示N-2次Legendre多项式，P0(z)表示-1次Legendre多项式，P-1(z)表示-2次Legendre多项式，z表示多项式参数变量，αn表示N-1次Legendre多项式Pn(z)的特征参数，βn表示N-2次Legendre多项式Pn-1(z)的特征参数，n表示配点个数参数；N为时间段[-1,1]的离散时间子区间数；
步骤C3：设置参数αn和βn的取值，分别为αn＝0，
Figure BDA0003011668480000053
步骤C4：运用高斯时间配点将时间区间划分为N段，其中，第D段子区间为[tD-1,tD],D＝0,…,N；tD-1表示第D段子区间的初始时间点；tD表示第D段子区间的终值时间点；
步骤C5：将状态变量在前N+1个LG节点上进行Lagrange插值近似，得到如下表达式：
Figure BDA0003011668480000054
Figure BDA0003011668480000055
步骤C6：将控制变量在区间(-1,1)中的LG配点上进行离散化，得到如下表达式：
Figure BDA0003011668480000056
其中，
Figure BDA0003011668480000061
步骤C7：把状态方程中的状态变量的导数进行离散化，把原问题转化为非线性规划问题。
进一步，所述非线性规划问题求解算法的计算具体步骤如下：
步骤D1：记点P1为列车运行过程中的某个点，对应于列车牵引制动控制量μ(D-1)(t)和目标函数值J(D-1)；
步骤D2：选定NLP问题内点求解算法，从点P1开始迭代计算，利用原对偶路径构建P1点的预测寻优方向d(D-1)和预测步长α(D-1)；
步骤D3：记点P2为列车当前运行过程中的某个点，由上一次迭代点P1和公式μ(D)(t)＝μ(D-1)(t)+α(D-1)d(D-1)求解得到点P2对应列车牵引制动控制量μ(D)(t)和目标函数值J(D)；
步骤D4：对μ(D)(t)加入扰动量δ(D)，计算得到扰动校正后寻优方向
Figure BDA0003011668480000062
和校正步长
Figure BDA0003011668480000063
利用公式
Figure BDA0003011668480000064
得到校正后的点
Figure BDA0003011668480000065
记为点P3，令
Figure BDA0003011668480000066
则点P3对应的列车牵引制动控制量为μ(D)(t)和目标函数值为
Figure BDA0003011668480000067
步骤D5：将当前点P3得的目标函数值
Figure BDA0003011668480000068
与上一次迭代点P1的目标函数值J(D-1)作差，若两点的目标函数值之差的绝对值
Figure BDA0003011668480000069
小于精度tol，则满足收敛性，控制策略输出模块输出本次迭代控制策略μ(D)(t)；若不满足收敛性，则继续迭代，将μ(D)(t)设置为初始值，D增加1，执行步骤的D2。
本发明的有益效果在于：本发明提供的基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统，包括城市轨道列车动力学模型与性能参数设定模块、列车运行参数设定模块、列车运行模式选择模块、实时路况测量模块、实时速度测量模块、列车自动防护模块、列车自动驾驶系统ATO、列车自动监督模块和列车牵引制动模块。其中城市轨道列车动力学模型与性能参数设定模块与列车自动驾驶系统ATO连接，用于设定城市轨道列车的初始参数；列车运行参数设定模块和实时速度测量模块与列车自动防护模块连接，用于输入城市轨道列车运行过程中的限制参数和获取实时的列车运行速度；列车运行模式选择模块与列车自动监督模块连接，用于对城市轨道列车的不同运行模式进行选择；实时路况测量模块和实时速度测量模块与列车自动驾驶系统ATO连接，用于接收实时路况和实时速度信息；列车自动防护模块和列车自动监督模块分别与列车自动驾驶系统ATO连接，用于对列车运行过程的防护和监督；列车自动驾驶系统ATO与列车牵引制动模块连接，所述列车自动驾驶系统ATO采用伪谱法得到城市轨道列车在不同站之间的速度运行策略，并根据获得的速度运行策略输出相应的控制参数给列车牵引制动模块。
通过实时测量的线路情况以及实时速度，与通过内部的列车自动驾驶系统ATO计算得出的牵引制动驾驶策略得到的相应的速度等相关曲线相比较，在列车自动防护模块和列车自动监督模块的防护与监督下，使得城市轨道列车的运行更加方便安全。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1是本发明控制信号发生装置的结构示意图；
图2是本发明列车自动驾驶系统ATO内部模块结构图；
图3是实例2城市轨道列车三种运行模式下的速度—时间曲线图；
图4是实例2城市轨道列车三种运行模式下的牵引控制曲线图；
图5是实例2城市轨道列车三种运行模式下的制动控制曲线图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施例1
请参阅图1～图2，本发明提供一种基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统，包括城市轨道列车动力学模型与性能参数设定模块、列车运行参数设定模块、列车运行模式选择模块、实时路况测量模块、实时速度测量模块、列车自动防护模块、列车自动驾驶系统ATO、列车自动监督模块和列车牵引制动模块；
所述城市轨道列车动力学模型与性能参数设定模块与列车自动驾驶系统ATO连接，用于设定城市轨道列车的初始参数；
所述列车运行参数设定模块、实时速度测量模块均与列车自动防护模块连接，用于输入城市轨道列车运行过程中的限制参数和获取实时的列车运行速度；
所述实时路况测量模块和实时速度测量模块均与列车自动驾驶系统ATO连接，用于接收实时路况和实时速度信息；
所述列车运行模式选择模块与列车自动监督模块连接，用于对城市轨道列车的不同运行模式进行选择；
所述列车自动防护模块和列车自动监督模块均与列车自动驾驶系统ATO连接，用于对列车运行过程的防护和监督；
所述列车自动驾驶系统ATO与列车牵引制动模块连接，所述列车自动驾驶系统ATO采用伪谱法得到城市轨道列车在不同站之间的速度运行策略，并根据获得的速度运行策略输出相应的控制参数给列车牵引制动模块。
所述列车自动驾驶系统ATO包括信息收集模块、初始化模块、伪谱法配点控制参数化模块、非线性规划问题求解模块和控制信号输出模块；
所述信号采集模块用于采集城市轨道列车行驶过程中的线路情况、列车速度、列车自动监督模块与列车自动防护模块的信息，并将采集到的信息输入到初始化模块中；
所述初始化模块用于设置城市轨道列车不同运行模式下的高斯配点数G和牵引制动控制量的初始控制参数μ(0)(t)，并设定优化精度tol，将迭代次数D置零；
所述伪谱法配点控制参数化模块用于将城市轨道列车运行时间[t0,tf]转化为具有高斯分布的离散点列，对时间分段上对应的变量进行离散近似；
所述非线性规划问题求解模块用于通过计算得到满足收敛性要求的牵引制动控制量μ(D)(t)并输出到控制信号输出模块；
所述控制信号输出模块将牵引制动控制量μ(D)(t)传输到列车牵引制动模块。
伪谱法配点控制参数化模块的工作步骤如下：
步骤A1：引入新的时间变量τ进行时间尺度变换，将时间区间从[t0,tf]转化为[-1,1]，时间变换公式为
Figure BDA0003011668480000091
其中，t表示时间，tf表示城市轨道列车的终端运行时刻，t0表示城市轨道列车的初始运行时刻；
步骤A2：运用Legendre多项式的零点来得到[-1,1]区间的时间配点，其中，N次Legendre多项式的表达式为
Figure BDA0003011668480000092
P0(x)＝1,P-1(x)＝0
其中，Pn+1(z)表示N次Legendre多项式，Pn(z)表示N-1次Legendre多项式，Pn-1(z)表示N-2次Legendre多项式，P0(z)表示-1次Legendre多项式，P-1(z)表示-2次Legendre多项式，z表示多项式参数变量，αn表示N-1次Legendre多项式Pn(z)的特征参数，βn表示N-2次Legendre多项式Pn-1(z)的特征参数，n表示配点个数参数；N为时间段[-1,1]的离散时间子区间数；
步骤A3：设置参数αn和βn的取值，分别为αn＝0，
Figure BDA0003011668480000093
步骤A4：运用高斯时间配点将时间区间划分为N段，其中，第D段子区间为[tD-1,tD],D＝0,…,N；tD-1表示第D段子区间的初始时间点；tD表示第D段子区间的终值时间点；
步骤A5：将状态变量在前N+1个LG节点上进行Lagrange插值近似，得到如下表达式：
Figure BDA0003011668480000101
Figure BDA0003011668480000102
步骤A6：将控制变量在区间(-1,1)中的LG配点上进行离散化，得到如下表达式：
Figure BDA0003011668480000103
其中，
Figure BDA0003011668480000104
步骤A7：把状态方程中的状态变量的导数进行离散化，把原问题转化为非线性规划问题。
非线性规划问题求解模块的计算具体步骤如下：
步骤B1：记点P1为列车运行过程中的某个点，对应于列车牵引制动控制量μ(D-1)(t)和目标函数值J(D-1)；
步骤B2：选定NLP问题内点求解算法，从点P1开始迭代计算，利用原对偶路径构建P1点的预测寻优方向d(D-1)和预测步长α(D-1)；
步骤B3：记点P2为列车当前运行过程中的某个点，由上一次迭代点P1和公式μ(D)(t)＝μ(D-1)(t)+α(D-1)d(D-1)求解得到点P2对应列车牵引制动控制量μ(D)(t)和目标函数值J(D)；
步骤B4：对μ(D)(t)加入扰动量δ(D)，计算得到扰动校正后寻优方向
Figure BDA0003011668480000105
和校正步长
Figure BDA0003011668480000106
利用公式
Figure BDA0003011668480000107
得到校正后的点
Figure BDA0003011668480000108
记为点P3，令
Figure BDA0003011668480000109
则点P3对应的列车牵引制动控制量为μ(D)(t)和目标函数值为
Figure BDA00030116684800001010
步骤B5：将当前点P3得的目标函数值
Figure BDA00030116684800001011
与上一次迭代点P1的目标函数值J(D-1)作差，若两点的目标函数值之差的绝对值
Figure BDA00030116684800001012
小于精度tol，则满足收敛性，控制策略输出模块输出本次迭代控制策略μ(D)(t)；若不满足收敛性，则继续迭代，将μ(D)(t)设置为初始值，D增加1，执行步骤B2。
另一方面，本发明提供一种基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生方法，包括以下步骤：
S1：通过实时路况测量模块与实时速度测量模块得到实时线路状况与实时速度，并通过列车自动防护模块和列车自动监督模块得到防护与模式的信息参数，收集城市轨道列车运行的终端状态参数，将这些信息输入到初始化模块中；
S2：设置城市轨道列车运行过程时间的伪谱法配点数G和列车的牵引制动控制参数的初始控制参数μ(0)(t)，并设定优化精度tol，将迭代次数D置零；
S3：采用伪谱法配点控制参数化算法将列车运行时间[t0,tf]转化为具有高斯分布的离散点列后，对时间分段上对应的变量进行离散近似，把问题转化为非线性规划问题；具体包括以下步骤：
步骤C1：引入新的时间变量τ进行时间尺度变换，将时间区间从[t0,tf]转化为[-1,1]，时间变换公式为
Figure BDA0003011668480000111
其中，t表示时间，tf表示城市轨道列车的终端运行时刻，t0表示城市轨道列车的初始运行时刻。
步骤C2：运用Legendre多项式的零点来得到[-1,1]区间的时间配点，其中，N次Legendre多项式的表达式为
Figure BDA0003011668480000112
P0(x)＝1,P-1(x)＝0
其中，Pn+1(z)表示N次Legendre多项式，Pn(z)表示N-1次Legendre多项式，Pn-1(z)表示N-2次Legendre多项式，P0(z)表示-1次Legendre多项式，P-1(z)表示-2次Legendre多项式，z表示多项式参数变量，αn表示N-1次Legendre多项式Pn(z)的特征参数，βn表示N-2次Legendre多项式Pn-1(z)的特征参数，n表示配点个数参数；N为时间段[-1,1]的离散时间子区间数；
步骤C3：设置参数αn和βn的取值，分别为αn＝0，
Figure BDA0003011668480000113
步骤C4：运用高斯时间配点将时间区间划分为N段，其中，第D段子区间为[tD-1,tD],D＝0,…,N；tD-1表示第D段子区间的初始时间点；tD表示第D段子区间的终值时间点；
步骤C5：将状态变量在前N+1个LG节点上进行Lagrange插值近似，得到如下表达式：
Figure BDA0003011668480000121
Figure BDA0003011668480000122
步骤C6：将控制变量在区间(-1,1)中的LG配点上进行离散化，得到如下表达式：
Figure BDA0003011668480000123
其中，
Figure BDA0003011668480000124
步骤C7：把状态方程中的状态变量的导数进行离散化，把原问题转化为非线性规划问题。
S4：通过非线性规划问题求解算法计算得到满足要求的列车牵引制动控制量μ(D)(t)并输出到控制信号输出模块；具体步骤如下：
步骤D1：记点P1为列车运行过程中的某个点，对应于列车牵引制动控制量μ(D-1)(t)和目标函数值J(D-1)；
步骤D2：选定NLP问题内点求解算法，从点P1开始迭代计算，利用原对偶路径构建P1点的预测寻优方向d(D-1)和预测步长α(D-1)；
步骤D3：记点P2为列车当前运行过程中的某个点，由上一次迭代点P1和公式μ(D)(t)＝μ(D-1)(t)+α(D-1)d(D-1)求解得到点P2对应列车牵引制动控制量μ(D)(t)和目标函数值J(D)；
步骤D4：对μ(D)(t)加入扰动量δ(D)，计算得到扰动校正后寻优方向
Figure BDA0003011668480000125
和校正步长
Figure BDA0003011668480000126
利用公式
Figure BDA0003011668480000127
得到校正后的点
Figure BDA0003011668480000128
记为点P3，令
Figure BDA0003011668480000129
则点P3对应的列车牵引制动控制量为μ(D)(t)和目标函数值为
Figure BDA00030116684800001210
步骤D5：将当前点P3得的目标函数值
Figure BDA0003011668480000131
与上一次迭代点P1的目标函数值J(D-1)作差，若两点的目标函数值之差的绝对值
Figure BDA0003011668480000132
小于精度tol，则满足收敛性，控制策略输出模块输出本次迭代控制策略μ(D)(t)；若不满足收敛性，则继续迭代，将μ(D)(t)设置为初始值，D增加1，执行步骤D2。
S5：将列车牵引制动控制量μ(D)(t)通过控制信号输出模块传输到列车牵引制动模块中。
实施例2
本实施例装置在实行时，首先需要向城市轨道列车动力学模型与性能参数设定模块内输入城市轨道列车的动力学模型和相关的性能参数，其次需要驾驶员通过列车运行模式选择模块选择当前需要的运行模式，然后通过列车自动驾驶系统ATO整合相关信息并计算得到列车牵引制动控制量和速度曲线，最后将得到的列车牵引制动控制量输出给列车牵引制动模块。在运行过程中通过实时速度测量模块实时监测列车是否超速或者运行是否符合计算得到的速度曲线。
本实施例采用研究中常用的单质点模型，在实施例2中需要输入的性能参数为列车运行初始时刻为0s，终止时刻为110s，并设定运行延迟时间为10s，计算延迟时间为5s，线路长度为1354m。然后通过动力学及相关理论得到基础的城市轨道列车动力学优化模型，如下：
Figure BDA0003011668480000133
Figure BDA0003011668480000134
Figure BDA0003011668480000135
ν(t0)＝ν0，ν(t(L))＝0
t0＝Δtr_delay+Δtc_delay,t(L)＝T
0≤μf(t)≤1,0≤μb(t)≤1
0≤ν(t)≤Vlimit
式中J为牵引所需能耗，L为运行距离，μf为牵引变量，μb为制动变量，fF为牵引力，fB为制动力，v0为初速度，Δtr_delay为运行延迟时间，Δtc_delay为计算延迟时间，T为终端时刻，Vlimit为运行过程中速度限制。
列车自动驾驶系统ATO自动运行内部伪谱法配点控制参数化算法，其运行过程如图2所示，具体步骤为：
E1：城市轨道列车待运行阶段，信息采集模块开启，输入列车单质点模型，获取初始时刻是否正常，判断是否进入赶点模式的计算，输入线路最大速度限制80km/h，并设定运行延迟时间为10s，计算延迟时间为5s，线路长度为1354m；
E2：初始化模块开始运行，将列车运行过程中所需的伪谱法配点数设置为G＝50，列车牵引制动量μ(0)(t)＝0，精度设置为tol＝10-6，将迭代次数D置零；
E3：伪谱法配点控制参数化模块运行，采用伪谱法配点控制参数化算法将列车运行时间[t0,tf]转化为具有高斯分布的离散点列后，对时间分段上对应的变量进行离散近似，把问题转化为非线性规划问题；
E4：非线性规划问题求解模块运行，通过非线性规划问题求解算法计算得到满足要求的列车牵引制动控制量μ(D)(t)并输出到控制信号输出模块；
E5：控制信号输出模块运行，将列车牵引制动控制量μ(D)(t)通过控制信号输出模块传输到列车牵引制动模块中。
所述的伪谱法配点控制参数化模块，采用如下步骤实现：
步骤A1：引入新的时间变量τ进行时间尺度变换，将时间区间从[t0,tf]转化为
[-1,1]，时间变换公式为
Figure BDA0003011668480000141
其中，t表示时间，tf表示城市轨道列车的终端运行时刻，t0表示城市轨道列车的初始运行时刻；
步骤A2：运用Legendre多项式的零点来得到[-1,1]区间的时间配点，其中，N次Legendre多项式的表达式为
Figure BDA0003011668480000142
P0(x)＝1,P-1(x)＝0
其中，Pn+1(z)表示N次Legendre多项式，Pn(z)表示N-1次Legendre多项式，Pn-1(z)表示N-2次Legendre多项式，P0(z)表示-1次Legendre多项式，P-1(z)表示-2次Legendre多项式，z表示多项式参数变量，αn表示N-1次Legendre多项式Pn(z)的特征参数，βn表示N-2次Legendre多项式Pn-1(z)的特征参数，n表示配点个数参数；N为时间段[-1,1]的离散时间子区间数；
步骤A3：设置参数αn和βn的取值，分别为αn＝0，
Figure BDA0003011668480000143
步骤A4：运用高斯时间配点将时间区间划分为N段，其中，第D段子区间为[tD-1,tD],D＝0,…,N；tD-1表示第D段子区间的初始时间点；tD表示第D段子区间的终值时间点；
步骤A5：将状态变量在前N+1个LG节点上进行Lagrange插值近似，得到如下表达式：
Figure BDA0003011668480000151
Figure BDA0003011668480000152
步骤A6：将控制变量在区间(-1,1)中的LG配点上进行离散化，得到如下表达式：
Figure BDA0003011668480000153
其中，
Figure BDA0003011668480000154
步骤A7：把状态方程中的状态变量的导数进行离散化，把原问题转化为非线性规划问题。
所述非线性规划问题求解模块的计算具体步骤如下：
步骤B1：记点P1为列车运行过程中的某个点，对应于列车牵引制动控制量μ(D-1)(t)和目标函数值J(D-1)；
步骤B2：选定NLP问题内点求解算法，从点P1开始迭代计算，利用原对偶路径构建P1点的预测寻优方向d(D-1)和预测步长α(D-1)；
步骤B3：记点P2为列车当前运行过程中的某个点，由上一次迭代点P1和公式μ(D)(t)＝μ(D-1)(t)+α(D-1)d(D-1)求解得到点P2对应列车牵引制动控制量μ(D)(t)和目标函数值J(D)；
步骤B4：对μ(D)(t)加入扰动量δ(D)，计算得到扰动校正后寻优方向
Figure BDA0003011668480000155
和校正步长
Figure BDA0003011668480000156
利用公式
Figure BDA0003011668480000157
得到校正后的点
Figure BDA0003011668480000158
记为点P3，令
Figure BDA0003011668480000159
则点P3对应的列车牵引制动控制量为μ(D)(t)和目标函数值为
Figure BDA00030116684800001510
步骤B5：将当前点P3得的目标函数值
Figure BDA0003011668480000161
与上一次迭代点P1的目标函数值J(D-1)作差，若两点的目标函数值之差的绝对值
Figure BDA0003011668480000162
小于精度tol，则满足收敛性，控制策略输出模块输出本次迭代控制策略μ(D)(t)；若不满足收敛性，则继续迭代，将μ(D)(t)设置为初始值，D增加1，执行步骤B2。
图3—5给出了经过伪谱法配点控制参数化优化后得到的城市轨道列车多种运行模式下的牵引控制策略和速度—时间曲线，此三种运行模式为正常运行模式、运行延迟模式和计算延迟模式。其中图3为在本实例设置的性能参数要求下得到的三种运行模式的速度—时间曲线图；图4为城市轨道列车在满足本实例性能指标要求下三种运行模式下的牵引控制量；图5为城市轨道列车在满足本实例性能指标要求下三种运行模式下的制动控制量。通过图3—5可以得到城市轨道列车在不同运行模式下的运行图，可以给驾驶员提供较好的参考。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统，其特征在于：包括城市轨道列车动力学模型与性能参数设定模块、列车运行参数设定模块、列车运行模式选择模块、实时路况测量模块、实时速度测量模块、列车自动防护模块、列车自动驾驶系统ATO、列车自动监督模块和列车牵引制动模块；
所述城市轨道列车动力学模型与性能参数设定模块与列车自动驾驶系统ATO连接，用于设定城市轨道列车的初始参数；
所述列车运行参数设定模块、实时速度测量模块均与列车自动防护模块连接，用于输入城市轨道列车运行过程中的限制参数和获取实时的列车运行速度；
所述实时路况测量模块和实时速度测量模块均与列车自动驾驶系统ATO连接，用于接收实时路况和实时速度信息；
所述列车运行模式选择模块与列车自动监督模块连接，用于对城市轨道列车的不同运行模式进行选择；
所述列车自动防护模块和列车自动监督模块均与列车自动驾驶系统ATO连接，用于对列车运行过程的防护和监督；
所述列车自动驾驶系统ATO与列车牵引制动模块连接，所述列车自动驾驶系统ATO采用伪谱法得到城市轨道列车在不同站之间的速度运行策略，并根据获得的速度运行策略输出相应的控制参数给列车牵引制动模块。
2.根据权利要求1所述的基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统，其特征在于：所述列车自动驾驶系统ATO包括信息收集模块、初始化模块、伪谱法配点控制参数化模块、非线性规划问题求解模块和控制信号输出模块；
所述信号采集模块用于采集城市轨道列车行驶过程中的线路情况、列车速度、列车自动监督模块与列车自动防护模块的信息，并将采集到的信息输入到初始化模块中；
所述初始化模块用于设置城市轨道列车不同运行模式下的高斯配点数G和牵引制动控制量的初始控制参数μ(0)(t)，并设定优化精度tol，将迭代次数D置零；
所述伪谱法配点控制参数化模块用于将城市轨道列车运行时间[t0,tf]转化为具有高斯分布的离散点列，对时间分段上对应的变量进行离散近似；
所述非线性规划问题求解模块用于通过计算得到满足收敛性要求的牵引制动控制量μ(D)(t)并输出到控制信号输出模块；
所述控制信号输出模块将牵引制动控制量μ(D)(t)传输到列车牵引制动模块。
3.根据权利要求1所述的基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统，其特征在于：所述伪谱法配点控制参数化模块的工作步骤如下：
步骤A1：引入新的时间变量τ进行时间尺度变换，将时间区间从[t0,tf]转化为[-1,1]，时间变换公式为
Figure FDA0003011668470000021
其中，t表示时间，tf表示城市轨道列车的终端运行时刻，t0表示城市轨道列车的初始运行时刻；
步骤A2：运用Legendre多项式的零点来得到[-1,1]区间的时间配点，其中，N次Legendre多项式的表达式为
Figure FDA0003011668470000022
P0(x)＝1,P-1(x)＝0
其中，Pn+1(z)表示N次Legendre多项式，Pn(z)表示N-1次Legendre多项式，Pn-1(z)表示N-2次Legendre多项式，P0(z)表示-1次Legendre多项式，P-1(z)表示-2次Legendre多项式，z表示多项式参数变量，αn表示N-1次Legendre多项式Pn(z)的特征参数，βn表示N-2次Legendre多项式Pn-1(z)的特征参数，n表示配点个数参数；N为时间段[-1,1]的离散时间子区间数；
步骤A3：设置参数αn和βn的取值，分别为αn＝0，
Figure FDA0003011668470000023
步骤A4：运用高斯时间配点将时间区间划分为N段，其中，第D段子区间为[tD-1,tD],D＝0,…,N；tD-1表示第D段子区间的初始时间点；tD表示第D段子区间的终值时间点；
步骤A5：将状态变量在前N+1个LG节点上进行Lagrange插值近似，得到如下表达式：
Figure FDA0003011668470000024
Figure FDA0003011668470000025
步骤A6：将控制变量在区间(-1,1)中的LG配点上进行离散化，得到如下表达式：
Figure FDA0003011668470000031
其中，
Figure FDA0003011668470000032
步骤A7：把状态方程中的状态变量的导数进行离散化，把原问题转化为非线性规划问题。
4.根据权利要求2所述的基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统，其特征在于：所述非线性规划问题求解模块的计算具体步骤如下：
步骤B1：记点P1为列车运行过程中的某个点，对应于列车牵引制动控制量μ(D-1)(t)和目标函数值J(D-1)；
步骤B2：选定NLP问题内点求解算法，从点P1开始迭代计算，利用原对偶路径构建P1点的预测寻优方向d(D-1)和预测步长α(D-1)；
步骤B3：记点P2为列车当前运行过程中的某个点，由上一次迭代点P1和公式μ(D)(t)＝μ(D-1)(t)+α(D-1)d(D-1)求解得到点P2对应列车牵引制动控制量μ(D)(t)和目标函数值J(D)；
步骤B4：对μ(D)(t)加入扰动量δ(D)，计算得到扰动校正后寻优方向
Figure FDA0003011668470000033
和校正步长
Figure FDA0003011668470000034
利用公式
Figure FDA0003011668470000035
得到校正后的点
Figure FDA0003011668470000036
记为点P3，令
Figure FDA0003011668470000037
则点P3对应的列车牵引制动控制量为μ(D)(t)和目标函数值为
Figure FDA0003011668470000038
步骤B5：将当前点P3得的目标函数值
Figure FDA0003011668470000039
与上一次迭代点P1的目标函数值J(D-1)作差，若两点的目标函数值之差的绝对值
Figure FDA00030116684700000310
小于精度tol，则满足收敛性，控制策略输出模块输出本次迭代控制策略μ(D)(t)；若不满足收敛性，则继续迭代，将μ(D)(t)设置为初始值，D增加1，执行步骤B2。
5.一种基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生方法，其特征在于：包括以下步骤：
S1：通过实时路况测量模块与实时速度测量模块得到实时线路状况与实时速度，并通过列车自动防护模块和列车自动监督模块得到防护与模式的信息参数，收集城市轨道列车运行的终端状态参数，将这些信息输入到初始化模块中；
S2：设置城市轨道列车运行过程时间的伪谱法配点数G和列车的牵引制动控制参数的初始控制参数μ(0)(t)，并设定优化精度tol，将迭代次数D置零；
S3：采用伪谱法配点控制参数化算法将列车运行时间[t0,tf]转化为具有高斯分布的离散点列后，对时间分段上对应的变量进行离散近似，把问题转化为非线性规划问题；
S4：通过非线性规划问题求解算法计算得到满足要求的列车牵引制动控制量μ(D)(t)并输出到控制信号输出模块；
S5：将列车牵引制动控制量μ(D)(t)通过控制信号输出模块传输到列车牵引制动模块中。
6.根据权利要求5所述的基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生方法，其特征在于：通过伪谱法配点控制参数化算法把问题转化为非线性规划问题，具体包括：
步骤C1：引入新的时间变量τ进行时间尺度变换，将时间区间从[t0,tf]转化为[-1,1]，时间变换公式为
Figure FDA0003011668470000041
其中，t表示时间，tf表示城市轨道列车的终端运行时刻，t0表示城市轨道列车的初始运行时刻；
步骤C2：运用Legendre多项式的零点来得到[-1,1]区间的时间配点，其中，N次Legendre多项式的表达式为
Figure FDA0003011668470000042
P0(x)＝1,P-1(x)＝0
其中，Pn+1(z)表示N次Legendre多项式，Pn(z)表示N-1次Legendre多项式，Pn-1(z)表示N-2次Legendre多项式，P0(z)表示-1次Legendre多项式，P-1(z)表示-2次Legendre多项式，z表示多项式参数变量，αn表示N-1次Legendre多项式Pn(z)的特征参数，βn表示N-2次Legendre多项式Pn-1(z)的特征参数，n表示配点个数参数；N为时间段[-1,1]的离散时间子区间数；
步骤C3：设置参数αn和βn的取值，分别为αn＝0，
Figure FDA0003011668470000051
步骤C4：运用高斯时间配点将时间区间划分为N段，其中，第D段子区间为[tD-1,tD],D＝0,…,N；tD-1表示第D段子区间的初始时间点；tD表示第D段子区间的终值时间点；
步骤C5：将状态变量在前N+1个LG节点上进行Lagrange插值近似，得到如下表达式：
Figure FDA0003011668470000052
Figure FDA0003011668470000053
步骤C6：将控制变量在区间(-1,1)中的LG配点上进行离散化，得到如下表达式：
Figure FDA0003011668470000054
其中，
Figure FDA0003011668470000055
步骤C7：把状态方程中的状态变量的导数进行离散化，把原问题转化为非线性规划问题。
7.根据权利要求5所述的基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生方法，其特征在于：所述非线性规划问题求解算法的计算具体步骤如下：
步骤D1：记点P1为列车运行过程中的某个点，对应于列车牵引制动控制量μ(D-1)(t)和目标函数值J(D-1)；
步骤D2：选定NLP问题内点求解算法，从点P1开始迭代计算，利用原对偶路径构建P1点的预测寻优方向d(D-1)和预测步长α(D-1)；
步骤D3：记点P2为列车当前运行过程中的某个点，由上一次迭代点P1和公式μ(D)(t)＝μ(D-1)(t)+α(D-1)d(D-1)求解得到点P2对应列车牵引制动控制量μ(D)(t)和目标函数值J(D)；
步骤D4：对μ(D)(t)加入扰动量δ(D)，计算得到扰动校正后寻优方向
Figure FDA0003011668470000056
和校正步长
Figure FDA0003011668470000057
利用公式
Figure FDA0003011668470000061
得到校正后的点
Figure FDA0003011668470000062
记为点P3，令
Figure FDA0003011668470000063
则点P3对应的列车牵引制动控制量为μ(D)(t)和目标函数值为
Figure FDA0003011668470000064
步骤D5：将当前点P3得的目标函数值
Figure FDA0003011668470000065
与上一次迭代点P1的目标函数值J(D-1)作差，若两点的目标函数值之差的绝对值
Figure FDA0003011668470000066
小于精度tol，则满足收敛性，控制策略输出模块输出本次迭代控制策略μ(D)(t)；若不满足收敛性，则继续迭代，将μ(D)(t)设置为初始值，D增加1，执行步骤D2。
CN202110398370.5A 2021-04-08 2021-04-08 基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法 Active CN112960020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110398370.5A CN112960020B (zh) 2021-04-08 2021-04-08 基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110398370.5A CN112960020B (zh) 2021-04-08 2021-04-08 基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法

Publications (2)

Publication Number Publication Date
CN112960020A true CN112960020A (zh) 2021-06-15
CN112960020B CN112960020B (zh) 2023-02-28

Family

ID=76280312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110398370.5A Active CN112960020B (zh) 2021-04-08 2021-04-08 基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法

Country Status (1)

Country Link
CN (1) CN112960020B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114735053A (zh) * 2022-03-18 2022-07-12 浙江众合科技股份有限公司 一种轨道交通列车能耗自动计量方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020067824A1 (en) * 2000-12-04 2002-06-06 Baoli Wang Two-step algorithm for training an echo cancellation filter
US20040062217A1 (en) * 2002-09-30 2004-04-01 Farrokh Abrishamkar Method and apparatus for pilot estimation using an adaptive prediction error method with a kalman filter and a gauss-newton algorithm
CN106444421A (zh) * 2016-09-29 2017-02-22 南京理工大学 城市轨道交通车载牵引制动控制器系统及其工作方法
CN108717265A (zh) * 2018-05-30 2018-10-30 重庆邮电大学 一种基于控制变量参数化的无人飞行器巡航跟踪控制系统及控制方法
CN108717268A (zh) * 2018-06-22 2018-10-30 南京航空航天大学 基于最优控制与安全距离的自动驾驶最速操纵控制系统及其控制方法
CN110727285A (zh) * 2019-11-27 2020-01-24 浙江大学 基于高斯时间配点控制参数化的无动力航空飞行器控制信号发生装置及方法
CN110877617A (zh) * 2019-11-27 2020-03-13 浙江大学 基于两阶段正交配置的货运电力机车赶点参考速度自动发生装置及方法
CN111016882A (zh) * 2019-12-13 2020-04-17 苏州智加科技有限公司 一种车辆控制信号计算方法、装置、设备及存储介质
CN111444603A (zh) * 2020-01-17 2020-07-24 北京理工大学 一种返回式航天器时间最短离轨轨迹快速规划方法
CN112016187A (zh) * 2020-07-27 2020-12-01 中国空气动力研究与发展中心计算空气动力研究所 一种基于混合动力的近地小行星交会任务轨道优化方法
CN112249099A (zh) * 2020-09-27 2021-01-22 北京交通大学 一种基于预测控制的高速列车节能运行曲线在线计算方法
CN112380692A (zh) * 2020-11-12 2021-02-19 北京航天自动控制研究所 一种运载火箭的大气层内在线轨迹规划方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020067824A1 (en) * 2000-12-04 2002-06-06 Baoli Wang Two-step algorithm for training an echo cancellation filter
US20040062217A1 (en) * 2002-09-30 2004-04-01 Farrokh Abrishamkar Method and apparatus for pilot estimation using an adaptive prediction error method with a kalman filter and a gauss-newton algorithm
CN106444421A (zh) * 2016-09-29 2017-02-22 南京理工大学 城市轨道交通车载牵引制动控制器系统及其工作方法
CN108717265A (zh) * 2018-05-30 2018-10-30 重庆邮电大学 一种基于控制变量参数化的无人飞行器巡航跟踪控制系统及控制方法
CN108717268A (zh) * 2018-06-22 2018-10-30 南京航空航天大学 基于最优控制与安全距离的自动驾驶最速操纵控制系统及其控制方法
CN110727285A (zh) * 2019-11-27 2020-01-24 浙江大学 基于高斯时间配点控制参数化的无动力航空飞行器控制信号发生装置及方法
CN110877617A (zh) * 2019-11-27 2020-03-13 浙江大学 基于两阶段正交配置的货运电力机车赶点参考速度自动发生装置及方法
CN111016882A (zh) * 2019-12-13 2020-04-17 苏州智加科技有限公司 一种车辆控制信号计算方法、装置、设备及存储介质
CN111444603A (zh) * 2020-01-17 2020-07-24 北京理工大学 一种返回式航天器时间最短离轨轨迹快速规划方法
CN112016187A (zh) * 2020-07-27 2020-12-01 中国空气动力研究与发展中心计算空气动力研究所 一种基于混合动力的近地小行星交会任务轨道优化方法
CN112249099A (zh) * 2020-09-27 2021-01-22 北京交通大学 一种基于预测控制的高速列车节能运行曲线在线计算方法
CN112380692A (zh) * 2020-11-12 2021-02-19 北京航天自动控制研究所 一种运载火箭的大气层内在线轨迹规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘平等: "基于两阶段自适应GAUSS配点重构伪谱法的电力机车操纵优化", 《自动化学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114735053A (zh) * 2022-03-18 2022-07-12 浙江众合科技股份有限公司 一种轨道交通列车能耗自动计量方法及系统

Also Published As

Publication number Publication date
CN112960020B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
CN110852482B (zh) 一种燃料电池公交车实时全局优化智能控制系统及方法
CN103914985B (zh) 一种混合动力客车未来车速轨迹预测方法
Shi et al. Pontryagin’s minimum principle based fuzzy adaptive energy management for hybrid electric vehicle using real-time traffic information
CN104881550B (zh) 动力电池运行温度的自适应预测方法
CN102508167B (zh) 一种电池管理系统自动测试、自动标定参数的装置和方法
CN103112450B (zh) 一种插电式并联混合动力汽车的实时优化控制方法
CN109484407A (zh) 一种电动汽车辅助驾驶的自适应跟车方法
US20210179062A1 (en) Hybrid vehicle and method of controlling the same
CN112960020B (zh) 基于伪谱法的城市轨道列车赶点运行优化操纵控制信号发生系统及方法
CN112590760B (zh) 一种考虑模式切换频繁度的双电机混合动力汽车能量管理系统
Guo et al. A novel energy consumption prediction model with combination of road information and driving style of BEVs
CN114103967B (zh) 四轮独立驱动电动汽车质心侧偏角与轮胎侧向力估计方法
WO2022028257A1 (zh) 新能源车辆的能耗回收比预测方法、节能控制方法和系统
CN104932262A (zh) 基于mpc和pi控制方法的带电动汽车的微网调频方法
CN108052002A (zh) 一种改进的模糊pid的智能汽车自动循迹方法
CN114942642A (zh) 一种无人驾驶汽车轨迹规划方法
CN106019938B (zh) 基于数据驱动的acc系统离散二阶滑模控制系统的控制方法
CN112580251A (zh) 基于交通信息和模型预测控制的混动汽车能量管理方法
CN112550290B (zh) 一种考虑电机能耗的能量最优自适应巡航控制方法及系统
Hu et al. Vehicle mass and road grade estimation based on adaptive forgetting factor RLS and EKF algorithm
CN113581163B (zh) 基于lstm的多模phev模式切换优化与能量管理方法
Li et al. A comparative study of energy-oriented driving strategy for connected electric vehicles on freeways with varying slopes
Li et al. Velocity tracking control based on throttle-pedal-moving data mapping for the autonomous vehicle
CN110194179B (zh) 一种串联式混合动力电动汽车动力模式的确定系统
Tao et al. Modeling and energy-optimal control for freight trains based on data-driven approaches

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