CN115465332B - 一种动车组列车控制方法、系统、电子设备及存储介质 - Google Patents
一种动车组列车控制方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115465332B CN115465332B CN202211327658.4A CN202211327658A CN115465332B CN 115465332 B CN115465332 B CN 115465332B CN 202211327658 A CN202211327658 A CN 202211327658A CN 115465332 B CN115465332 B CN 115465332B
- Authority
- CN
- China
- Prior art keywords
- train
- motor train
- train unit
- unit
- motor
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 85
- 238000005265 energy consumption Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003137 locomotive effect Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 230000008685 targeting Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000271559 Dromaiidae Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- B61L15/0072—On-board train data handling
-
- 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
-
- 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)
Abstract
本发明涉及一种动车组列车控制方法、系统、电子设备及存储介质,属于列车运行控制领域。该方法包括:获取动车组列车每节车厢的受力情况、速度以及位置;根据所述受力情况、速度以及位置,构建动车组列车轨迹跟踪控制模型;利用所述动车组列车轨迹跟踪控制模型对设定时间范围内的动车组列车跟踪误差、车钩力以及能耗进行预测,得到第一预测结果;根据所述第一预测结果,构建离散的优化目标模型;获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果;将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头和车辆的位置和速度。本发明降低了列车运行的能耗。
Description
技术领域
本发明涉及列车运行控制领域,特别是涉及一种动车组列车一体化控制方法、系统、设备及介质。
背景技术
随着中国经济社会的快速发展,人口密度逐渐提高,安全便捷的出行成为中国城市居民日常工作生活的重要组成部分,随之而来的是对交通运输系统更加严厉的考验。动车组列车具有速度快、效率高、占地少、能耗低、污染小的优势,在中国交通运输体系起到重要的骨干作用。列车自动驾驶系统能够完成复杂参数的自动控制,在保障列车运行安全的基础上,同时也使得运行的效率、旅客的舒适度、节能以及停车精度等性能指标得到提高。更重要的是自动驾驶能够减少工作人员失误,改善工作条件,提高系统可靠性。
中国动车组列车均为动力分散式,但动力控制集中,动车组列车编组多样,有8节车辆的编组、16节车辆的编组,也有由两列8节车辆编组重联构成的16节车辆编组;不同编组的动车组列车中动车、拖车比例及排列方式不同,其中动车既能提供牵引力又能提供制动力,拖车只能提供制动力。当列车开启自动驾驶模式时,ATO根据运行时分、车辆参数、线路参数等计算推荐速度曲线,然后控制器利用PID控制算法输出列车控制指令;车辆根据ATO输出的控制指令,计算各动力单元的牵引/制动指令,最后完成对列车牵引/制动的控制。
综上所述,现有动车组列车ATO中轨迹跟踪控制方法存在如下缺陷:
1、目前,动车组列车的控制指令由ATO中的控制器算法输出后发送给车辆控制单元,车辆控制单元根据动力单元数量平均分配牵引力/制动力。然而,实际列车运行过程中每个动力单元的状态存在差异(如每个动力单元所在位置的坡度不同,每个动力单元的质量不同,以及每个动力单元所受的阻力不同等),直接给每个动力单元平均分配牵引力/制动力,不仅会增加动力单元间的相互作用力,还会使列车能耗增加。
2、控制器中的PID控制算法根据列车当前速度与ATO计算的推荐速度的误差生成控制指令,达到列车实时跟踪推荐速度曲线的目的,但该方法牵引/制动切换频繁,列车跟踪过程能耗大,乘客舒适性差。
发明内容
本发明的目的是提供一种动车组列车控制方法、系统、设备及介质,以解决现有技术中的对动车组列车的控制方法导致列车能耗大的问题。
为实现上述目的,本发明提供了如下方案:
一种动车组列车控制方法,包括:
获取动车组列车单节车辆的受力情况、速度以及位置;
以执行器饱和与车钩力限制为约束,以未来有限时域内列车跟踪误差、车钩力以及能耗为优化目标,根据所述受力情况、速度以及位置,构建动车组列车轨迹跟踪控制模型;
利用所述动车组列车轨迹跟踪控制模型对设定时间范围内的动车组列车跟踪误差、车钩力以及能耗进行预测,得到第一预测结果;
根据所述第一预测结果,构建离散的优化目标模型;
获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果;所述优化结果为优化后的车头/车辆位置和优化后的车头/车辆速度;
将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度。
可选地,所述根据所述第一预测结果,构建离散的优化目标模型,具体包括:
基于多点打靶法,以设定预测步长将所述第一预测结果离散化为多步第二预测结果;
根据多步所述第二预测结果,构建离散的优化目标模型。
可选地,所述获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果,具体包括:
利用所述离散的优化目标模型将所述动车组列车的运行轨迹转化为非线性规划问题;
利用序列二次规划算法,对所述非线性规划问题进行求解,得到优化结果。
可选地,所述将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度,具体包括:
以所述设定预测步长,根据所述优化结果,控制车头的动力单元和各车辆的动力单元。
可选地,还包括:
判断动车组列车运行的当前时刻是否大于或等于设定时刻;
若所述动车组列车运行的当前时刻大于或等于设定时刻,则控制结束;
若所述动车组列车运行的当前时刻小于设定时刻,则返回“获取动车组列车每节车厢的受力情况、速度以及位置”的步骤。
一种动车组列车控制系统,包括:
数据获取模块,用于获取动车组列车单节车辆的受力情况、速度以及位置;
轨迹跟踪控制模型构建模块,用于以执行器饱和与车钩力限制为约束,以未来有限时域内列车跟踪误差、车钩力以及能耗为优化目标,根据所述受力情况、速度以及位置,构建动车组列车轨迹跟踪控制模型;
预测模块,用于利用所述动车组列车轨迹跟踪控制模型对设定时间范围内的动车组列车跟踪误差、车钩力以及能耗进行预测,得到第一预测结果;
优化目标模型构建模块,用于根据所述第一预测结果,构建离散的优化目标模型;
优化模块,用于获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果;所述优化结果为优化后的车头/车辆位置和优化后的车头/车辆速度;
反馈模块,用于将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度。
一种电子设备,包括:存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述的动车组列车控制方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的动车组列车控制方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明的动车组列车控制方法通过获取动车组列车单节车厢的受力情况、速度以及位置,并构建动车组列车轨迹跟踪控制模型;然后对设定时间范围内的动车组列车跟踪误差、车钩力以及能耗进行预测,根据预测结果,构建离散的优化目标模型;获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果;将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度。本发明通过获取每节车厢的受力情况、速度以及位置,构建离散的优化目标模型,对列车运行轨迹进行优化,得到优化结果,根据优化结果对车辆和机车相应的动力单元进行控制,避免了给每个动力单元平均分配牵引/制动力,使动力单元之间的相互作用力增加,降低了列车运行的能耗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为目前的动车组列车的机车与车辆分级控制框架示意图;
图2为本发明提供的动车组列车的机车与车辆一体化控制框架示意图;
图3为本发明提供的动车组列车控制方法的流程图;
图4为本发明的动车组列车控制方法在实际应用中的流程图。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种动车组列车控制方法、系统、设备及介质,以解决现有技术中的对动车组列车的控制方法导致列车能耗大的问题。
目前动车组列车在自动驾驶模式时,ATO系统根据列车的给定运行时分、车辆参数、线路条件等计算推荐速度曲线,然后控制器利用PID控制算法输出列车控制指令,车辆根据ATO输出的控制指令,计算各个动力单元的牵引/控制指令,最后实现对列车的牵引/制动控制,如图1所示。本发明提出动车组列车与车辆一体化控制框架,如图2所示,首先ATO系统计算推荐速度曲线,ATO系统中的一体化控制模块根据推荐速度直接计算多动力单元的牵引/制动指令,实现对列车的控制。
然后在上述动车组列车与车辆一体化控制框架中,提出一种面向动车组列车与车辆一体化的轨迹跟踪控制模型(动车组列车控制方法),包括考虑各动力单元执行器饱和、车钩力限制、控制变量变化率等实际约束,构建动车组列车轨迹跟踪控制模型;设计优化目标,预测未来有限时域(设定时间范围)内列车的跟踪误差、舒适度以及能耗。其次,基于多点打靶法,将未来有限时域预测离散化为多步预测,得到列车的预测模型和离散的优化目标模型。然后,将动车组列车的轨迹跟踪控制问题转化为非线性规划问题。最后,通过设计SQP数值算法对上述非线性规划问题进行求解,得到未来多步的优化结果,并将第一步的优化结果直接反馈给各动力单元,基于四阶优格-库塔法求解列车动力学微分方程,实现高精度的列车轨迹跟踪控制。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图3为本发明提供的动车组列车控制方法的流程图,图4为本发明的动车组列车控制方法在实际应用中的流程图,如图3和图4所示,该方法包括:
步骤301:获取动车组列车单节车辆的受力情况、速度以及位置。
步骤302:以执行器饱和与车钩力限制为约束,以未来有限时域内列车跟踪误差、车钩力以及能耗为优化目标,根据所述受力情况、速度以及位置,构建动车组列车轨迹跟踪控制模型。
在实际应用中,基于模型预测控制框架(动车组列车与车辆一体化控制框架),构建动车组列车与车辆一体化轨迹跟踪控制模型(动车组列车轨迹跟踪控制模型)。
分析单节车厢受力情况,根据牛顿第二定律,以动车组列车单节车厢速度和位置为状态变量,表示为:
x(t)=[v1,…,vn,s1,…,sn]T,其中,v1,…,vn表示n节车厢的速度,s1,…,sn表示n节车厢的位置。
每节车厢的牵引/制动力为控制变量,表示为:
u(t)=[u1(t),…,un(t)]T。
构建如下动车组列车多质点动力学模型:
构建如下执行器饱和约束数学模型:
当第i节车厢为动车车厢时,执行器饱和约束数学模型(控制变量的约束模型)为:
其中,/>为控制变量的最大值;/>为控制变量的最小值。
当第i节车厢为拖车车厢时,执行器饱和约束数学模型为:
车钩力模型及约束:
fin,i=ki(si-si+1-l0)+di(vi-vi+1)。
其中,l0表示车钩原长,ki,di分别表示车钩的弹性系数和阻尼系数。
以未来有限时域内列车跟踪误差、车钩力、能耗为优化目标构建动车组列车轨迹跟踪控制模型:
其中,Kv,Kf,Ke分别表示优化目标中列车跟踪误差、车钩力和能耗的权重因子,ui 2为能耗。
步骤303:利用所述动车组列车轨迹跟踪控制模型对设定时间范围内的动车组列车跟踪误差、车钩力以及能耗进行预测,得到第一预测结果。第一预测结果为设定时间范围内的预测跟踪误差、预测车钩力和预测能耗。
步骤304:根据所述第一预测结果,构建离散的优化目标模型。
进一步地,所述根据所述第一预测结果,构建离散的优化目标模型,具体包括:
基于多点打靶法,以设定预测步长将所述第一预测结果离散化为多步第二预测结果。
根据多步所述第二预测结果,构建离散的优化目标模型。
在实际应用中,考虑未来有限时域内动车组列车轨迹跟踪控制效果,基于多点打靶法,将未来有限时域预测离散化为多步预测,构建动车组列车预测模型和离散的优化目标模型。
将未来有限时域[t0,tf]平均分为N份,并假设在每一份的时间区间内控制变量保不变,表示为:
其中,t0表示优化开始时刻,tf表示优化结束时刻;k表示第k步预测;δ表示预测步长(设定预测步长)。
根据预测步长内控制变量以及车厢的状态变量,构建列车状态预测模型,表示为:
将设定时间范围内的预测跟踪误差、预测车钩力和预测能耗离散为N步,构建离散的优化目标模型,表示为:
步骤305:获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果。所述优化结果为优化后的车头/车辆位置和优化后的车头/车辆速度。
进一步地,所述步骤305,具体包括:
利用所述离散的优化目标模型将所述动车组列车的运行轨迹转化为非线性规划问题。
利用序列二次规划算法,对所述非线性规划问题进行求解,得到优化结果。
步骤306:将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度。
进一步地,所述步骤306,具体包括:
以所述设定预测步长,根据所述优化结果,控制车头的动力单元和各车辆的动力单元输出的牵引力/制动力,调整动力组列车的车头/车辆的位置和速度。
所述步骤306,之后还包括:
判断动车组列车运行的当前时刻是否大于或等于设定时刻。
若所述动车组列车运行的当前时刻大于或等于设定时刻,则控制结束。
若所述动车组列车运行的当前时刻小于设定时刻,则返回“步骤301”。根据列车运行时间与规定运行时间,判断是否继续进行对动车组列车的轨迹跟踪控制进行优化。
在实际应用中,根据列车状态预测模型以及离散的优化目标模型,将动车组列车轨迹跟踪控制问题(动车组列车的运行轨迹)转化为非线性规划问题,表示为:
其中,Qdis(u)表示非线性目标函数;u表示设定时间范围内的所有控制变量;R表示控制变量u的定义域;gj(u)表示控制变量u的不等式约束;l表示控制变量约束条件的个数。设计SQP算法(序列二次规划算法)对该非线性规划问题进行求解,得到未来N步优化结果。
根据每步的预测步长,将第一步的优化结果反馈给各动力单元,基于四阶优格-库塔法求解列车动力学微分方程,实现高精度的列车轨迹跟踪控制。
列车动力学微分方程表示为:
列车在tk时刻的状态为x(k),第一步优化结果反馈给各动力单元后,利用列车状态预测模型,预测列车在tk+1时刻的状态,表示为:
列车运行到规定时间(设定时刻)T前,若tk+1≥T,重复步骤302到步骤306,直到列车运行到规定时间。
与现有技术相比,本发明具有如下优点:
1、本发明动车组列车控制方法,利用动车组列车的机车与车辆一体化控制框架代替了传统ATO中列车与车辆分级控制的结构,使各动力单元的牵引/制动力分配更加合理。
2、实现了未来有限时域内的多目标优化,降低了列车运行能耗,提高了列车运行稳定性。
3、使用四阶优格-库塔法求解列车动力学微分方程,使列车跟踪的精度更高。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种动车组列车控制系统,包括:
数据获取模块,用于获取动车组列车单节车辆的受力情况、速度以及位置。
轨迹跟踪控制模型构建模块,用于以执行器饱和与车钩力限制为约束,以未来有限时域内列车跟踪误差、车钩力以及能耗为优化目标,根据所述受力情况、速度以及位置,构建动车组列车轨迹跟踪控制模型。
预测模块,用于利用所述动车组列车轨迹跟踪控制模型对设定时间范围内的动车组列车跟踪误差、车钩力以及能耗进行预测,得到第一预测结果。
优化目标模型构建模块,用于根据所述第一预测结果,构建离散的优化目标模型。
优化模块,用于获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果。所述优化结果为优化后的车头/车辆位置和优化后的车头/车辆速度。
反馈模块,用于将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度。
实施例三
本发明还提供了一种电子设备,包括:存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行实施例一的动车组列车控制方法。
实施例四
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例一的动车组列车控制方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种动车组列车控制方法,其特征在于,包括:
获取动车组列车单节车辆的受力情况、速度以及位置;
以执行器饱和与车钩力限制为约束,以未来有限时域内列车跟踪误差、车钩力以及能耗为优化目标,根据所述受力情况、速度以及位置,构建动车组列车轨迹跟踪控制模型;所述动车组列车轨迹跟踪控制模型为:
其中,t0表示优化开始时刻,tf表示优化结束时刻;Kv,Kf,Ke分别表示优化目标中列车跟踪误差、车钩力和能耗的权重因子;vi表示第i节车厢的速度;vr表示第r节车厢的速度;fin,i表示车钩力;ui 2为能耗;
利用所述动车组列车轨迹跟踪控制模型对设定时间范围内的动车组列车跟踪误差、车钩力以及能耗进行预测,得到第一预测结果;
根据所述第一预测结果,构建离散的优化目标模型;
根据所述第一预测结果,构建离散的优化目标模型,具体包括:
基于多点打靶法,以设定预测步长将所述第一预测结果离散化为多步第二预测结果;
根据多步所述第二预测结果,构建离散的优化目标模型;
获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果;所述优化结果为优化后的车头/车辆位置和优化后的车头/车辆速度;
获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果,具体包括:
利用所述离散的优化目标模型将所述动车组列车的运行轨迹转化为非线性规划问题;
利用序列二次规划算法,对所述非线性规划问题进行求解,得到优化结果;
将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度。
2.根据权利要求1所述的动车组列车控制方法,其特征在于,所述将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度,具体包括:
以所述设定预测步长,根据所述优化结果,控制车头的动力单元和各车辆的动力单元。
3.根据权利要求1所述的动车组列车控制方法,其特征在于,还包括:
判断动车组列车运行的当前时刻是否大于或等于设定时刻;
若所述动车组列车运行的当前时刻大于或等于设定时刻,则控制结束;
若所述动车组列车运行的当前时刻小于设定时刻,则返回“获取动车组列车每节车厢的受力情况、速度以及位置”的步骤。
4.一种动车组列车控制系统,其特征在于,包括:
数据获取模块,用于获取动车组列车单节车辆的受力情况、速度以及位置;
轨迹跟踪控制模型构建模块,用于以执行器饱和与车钩力限制为约束,以未来有限时域内列车跟踪误差、车钩力以及能耗为优化目标,根据所述受力情况、速度以及位置,构建动车组列车轨迹跟踪控制模型;所述动车组列车轨迹跟踪控制模型为:
其中,t0表示优化开始时刻,tf表示优化结束时刻;Kv,Kf,Ke分别表示优化目标中列车跟踪误差、车钩力和能耗的权重因子;vi表示第i节车厢的速度;vr表示第r节车厢的速度;fin,i表示车钩力;ui 2为能耗;
预测模块,用于利用所述动车组列车轨迹跟踪控制模型对设定时间范围内的动车组列车跟踪误差、车钩力以及能耗进行预测,得到第一预测结果;
优化目标模型构建模块,用于根据所述第一预测结果,构建离散的优化目标模型;根据所述第一预测结果,构建离散的优化目标模型,具体包括:
基于多点打靶法,以设定预测步长将所述第一预测结果离散化为多步第二预测结果;
根据多步所述第二预测结果,构建离散的优化目标模型;
优化模块,用于获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果;所述优化结果为优化后的车头/车辆位置和优化后的车头/车辆速度;获取动车组列车的运行轨迹,利用所述离散的优化目标模型,对所述动车组列车的运行轨迹进行优化,得到优化结果,具体包括:
利用所述离散的优化目标模型将所述动车组列车的运行轨迹转化为非线性规划问题;
利用序列二次规划算法,对所述非线性规划问题进行求解,得到优化结果;
反馈模块,用于将所述优化结果反馈至动车组列车的各动力单元,调整动力组列车的车头/车辆的位置和速度。
5.一种电子设备,其特征在于,包括:存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-3任一项所述的动车组列车控制方法。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-3任一项所述的动车组列车控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211327658.4A CN115465332B (zh) | 2022-10-27 | 2022-10-27 | 一种动车组列车控制方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211327658.4A CN115465332B (zh) | 2022-10-27 | 2022-10-27 | 一种动车组列车控制方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115465332A CN115465332A (zh) | 2022-12-13 |
CN115465332B true CN115465332B (zh) | 2023-12-29 |
Family
ID=84336283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211327658.4A Active CN115465332B (zh) | 2022-10-27 | 2022-10-27 | 一种动车组列车控制方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115465332B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116339190A (zh) * | 2023-02-16 | 2023-06-27 | 株洲中车时代电气股份有限公司 | 基于无参考轨迹模型预测控制的列车运行控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103010268A (zh) * | 2012-12-21 | 2013-04-03 | 上海交通大学 | 一种动车邻域子系统的动力分布式优化调度方法 |
CN103064285A (zh) * | 2012-12-29 | 2013-04-24 | 杭州电子科技大学 | 一种基于模型的热泵供暖多目标优化控制方法 |
CN110525487A (zh) * | 2019-09-10 | 2019-12-03 | 中车株洲电力机车有限公司 | 一种基于车钩力约束的自动驾驶方法及系统 |
CN111258323A (zh) * | 2020-03-30 | 2020-06-09 | 华南理工大学 | 一种智能车辆轨迹规划与跟踪的联合控制方法 |
CN112735126A (zh) * | 2020-12-24 | 2021-04-30 | 成都格林希尔德交通科技有限公司 | 一种基于模型预测控制的混合交通流协同优化控制方法 |
CN114326386A (zh) * | 2021-11-30 | 2022-04-12 | 卡斯柯信号有限公司 | 一种列车自动驾驶轨迹规划与跟踪一体化控制方法及装置 |
CN115221717A (zh) * | 2022-07-26 | 2022-10-21 | 西南交通大学 | 一种减少重载列车纵向冲动的运行曲线滚动优化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3494709B2 (ja) * | 1994-06-07 | 2004-02-09 | 石塚電子株式会社 | 温度センサとそのリードフレーム |
US7099136B2 (en) * | 2002-10-23 | 2006-08-29 | Seale Joseph B | State space control of solenoids |
JP2015129731A (ja) * | 2014-01-09 | 2015-07-16 | 株式会社村田製作所 | 温度センサ |
-
2022
- 2022-10-27 CN CN202211327658.4A patent/CN115465332B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103010268A (zh) * | 2012-12-21 | 2013-04-03 | 上海交通大学 | 一种动车邻域子系统的动力分布式优化调度方法 |
CN103064285A (zh) * | 2012-12-29 | 2013-04-24 | 杭州电子科技大学 | 一种基于模型的热泵供暖多目标优化控制方法 |
CN110525487A (zh) * | 2019-09-10 | 2019-12-03 | 中车株洲电力机车有限公司 | 一种基于车钩力约束的自动驾驶方法及系统 |
CN111258323A (zh) * | 2020-03-30 | 2020-06-09 | 华南理工大学 | 一种智能车辆轨迹规划与跟踪的联合控制方法 |
CN112735126A (zh) * | 2020-12-24 | 2021-04-30 | 成都格林希尔德交通科技有限公司 | 一种基于模型预测控制的混合交通流协同优化控制方法 |
CN114326386A (zh) * | 2021-11-30 | 2022-04-12 | 卡斯柯信号有限公司 | 一种列车自动驾驶轨迹规划与跟踪一体化控制方法及装置 |
CN115221717A (zh) * | 2022-07-26 | 2022-10-21 | 西南交通大学 | 一种减少重载列车纵向冲动的运行曲线滚动优化方法 |
Non-Patent Citations (2)
Title |
---|
基于动车组强耦合模型的速度跟踪控制方法;金柏;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第06期);第C033-225页 * |
基于钩缓约束的重载列车驾驶过程优化;付雅婷等;《自动化学报》;第45卷(第12期);第2355-2365页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115465332A (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104590333B (zh) | 一种铁路列车智能操纵优化控制系统 | |
DE102018116826B4 (de) | Fahrzeug mit modellbasierter Streckenenergievorhersage, -korrektur und -optimierung | |
CN109910890B (zh) | 一种基于道路地形信息的卡车预测节能系统及控制方法 | |
CN111619624B (zh) | 一种基于深度强化学习的有轨电车运行控制方法和系统 | |
CN115465332B (zh) | 一种动车组列车控制方法、系统、电子设备及存储介质 | |
CN103010268B (zh) | 一种动车邻域子系统的动力分布式优化调度方法 | |
CN104881527A (zh) | 城市轨道交通列车ato速度命令优化方法 | |
CN113561793B (zh) | 一种动态约束的智能燃料电池汽车能量管理策略 | |
CN106056238B (zh) | 列车区间运行轨迹的规划方法 | |
CN112660130A (zh) | 基于智能网联信息的新能源汽车滑行控制系统、方法及新能源汽车 | |
CN106777717A (zh) | 一种考虑载客量变化的ato速度命令节能优化方法 | |
Xu et al. | Decentralized optimal merging control with optimization of energy consumption for connected hybrid electric vehicles | |
Xiao et al. | Joint optimization of speed and voltage trajectories for hybrid electric trams | |
CN101425106B (zh) | 车辆多目标协调式自适应巡航控制性能的数学量化方法 | |
Hou et al. | Research on speed control of high-speed train based on multi-point model | |
Chen et al. | A survey of control algorithm for automatic train operation | |
CN108749816B (zh) | 运用能量耗散理论进行智能车辆速度调控的方法 | |
Guo et al. | Adaptive fuzzy sliding mode control for high‐speed train using multi‐body dynamics model | |
Chu et al. | Energy-efficient longitudinal driving strategy for intelligent vehicles on urban roads | |
CN116691779A (zh) | 一种虚拟编组列车推荐驾驶曲线生成方法、系统及设备 | |
CN113821966A (zh) | 高速磁浮列车运行节能优化方法、系统及存储介质 | |
CN117048667A (zh) | 一种基于车辆动态响应辨识的重载列车控制方法及系统 | |
CN115571125A (zh) | 商用车pcc功能的模型预测控制算法 | |
CN112793625B (zh) | 一种基于离散采样数据的高速列车事件触发控制方法 | |
CN113561976A (zh) | 基于反馈优化的车辆节能预测自适应巡航控制方法和装置 |
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 |