CN116331271A - 一种重载列车的辅助智能驾驶控制方法、系统及产品 - Google Patents
一种重载列车的辅助智能驾驶控制方法、系统及产品 Download PDFInfo
- Publication number
- CN116331271A CN116331271A CN202310425756.XA CN202310425756A CN116331271A CN 116331271 A CN116331271 A CN 116331271A CN 202310425756 A CN202310425756 A CN 202310425756A CN 116331271 A CN116331271 A CN 116331271A
- Authority
- CN
- China
- Prior art keywords
- train
- driving
- control
- traction
- braking force
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 15
- 238000005265 energy consumption Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 230000010365 information processing Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000003137 locomotive effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61C—LOCOMOTIVES; MOTOR RAILCARS
- B61C17/00—Arrangement or disposition of parts; Details or accessories not otherwise provided for; Use of control gear and control systems
-
- 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
- B61L27/20—Trackside control of safe travel of vehicle or train, e.g. braking curve calculation
-
- 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)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种重载列车的辅助智能驾驶控制方法、系统及产品，涉及铁路列车牵引运行控制领域，该方法包括：获取驾驶操作信息、运行数据信息以及列车运行防护曲线；将所述运行数据信息以及反馈数据输入至节能驾驶模型，将手柄级位指令以及列车运行防护曲线输入辅助驾驶专家系统，生成列车操纵运行曲线以及列车运行驾驶工况控制模式；基于列车操纵运行曲线以及列车运行驾驶工况控制模式，根据反馈数据调整牵引/电制动力输出值；根据牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车。本发明能够辅助智能驾驶。
Description
技术领域
本发明涉及铁路列车牵引运行控制领域，特别是涉及一种重载列车的辅助智能驾驶控制方法、系统及产品。
背景技术
目前重载列车有着高载重、大惯性，特别是列车牵引和加速过程中车辆纵向冲击易于劣化等一系列问题。通常的人工操纵驾驶对列车的控制非常困难，尤其是在复杂线路上开行重载组合列车，其操纵难度将远超普通货运列车，主要包括由长大列车纵向动力引起的脱钩、断钩及脱轨风险加大。对此，对司乘人员的操纵技术有着较为严格的要求，但是司乘人员的驾驶技术个体差异较大，同时长时间驾驶会造成司乘人员的驾驶疲劳等情况的发生，因此借助人工智能技术推广列车辅助智能驾驶控制具有长远发展的意义。
发明内容
本发明的目的是提供一种重载列车的辅助智能驾驶控制方法、系统及产品，能够辅助智能驾驶，以解决长时间驾驶会造成司乘人员的驾驶疲劳等情况发生的问题。
为实现上述目的，本发明提供了如下方案：
一种重载列车的辅助智能驾驶控制方法，包括：
获取驾驶操作信息、运行数据信息以及列车运行防护曲线；所述驾驶操作信息包括司机驾驶操纵逻辑，所述司机驾驶操纵逻辑包括操纵控制指令以及手柄级位指令；所述运行数据信息包括列车运行线路条件以及列车车辆属性；所述列车车辆属性包括列车车辆轴重、载重以及车辆限速；
将所述运行数据信息以及反馈数据输入至节能驾驶模型，将所述手柄级位指令以及所述列车运行防护曲线输入辅助驾驶专家系统，生成列车操纵运行曲线以及列车运行驾驶工况控制模式；所述列车运行驾驶工况控制模式包括列车牵引运行工况、制动运行工况、惰性运行工况以及匀速运行工况；所述反馈数据包括列车运行工况反馈、速度反馈以及加/减速度反馈；
基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值；
根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车；所述辅助智能操纵指令包括牵引、制动、向前、向后、压缩机启动、司机手柄级位以及大零位。
可选的，获取驾驶操作信息、运行数据信息以及列车运行防护曲线，之后还包括：
利用驾驶逻辑专家判断控制模组对所述司机驾驶操纵逻辑进行督查。
可选的，基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值，具体包括：
结合所述速度反馈、所述加/减速度反馈以及所述手柄级位指令确定给定规划列车运行速度；
获取速度反馈检测值，对比所述给定规划列车运行速度以及所述速度反馈检测值，控制列车运行速度；
根据所述列车运行速度确定所需的牵引/电制动力；
根据所述列车运行速度以及所述所需的牵引/电制动力确定期望牵引/电制动力；
对比所述期望牵引/电制动力以及反馈结果，输出优化结果；
将所述优化结果输入至列车驱动系统进行执行，确定牵引/电制动力输出值；
根据所述牵引/电制动力输出值确定预测牵引/电制动力；
结合所述牵引/电制动力输出值以及所述预测牵引/电制动力，生成结合后的牵引/电制动力；
汇总所述优化结果、所述预测牵引/电制动力以及所述结合后的牵引/电制动力，生成新的反馈结果，并返回“对比所述期望牵引/电制动力以及反馈结果，输出优化结果”。
可选的，所述牵引/电制动力输出值的优化目标函数为：
其中，E(k)为优化目标；M为控制时域长；p为预测时域长度；Fp(k+i)为反馈结果；Fr(k+i)V(k+i)为所述辅助驾驶专家系统在k+i时刻获得的期望的牵引/电制动力功率，Fr(k+i)为所对应功率的期望牵引/电制动力，k为列车运行优化中对应的时刻，i为预测时域计数；ai为输出预测误差加权系数；bi为控制量加权矩阵；j为控制时域计数；u为控制策略。
可选的，根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车，具体包括：
基于所述牵引/电制动力输出值，根据对应的列车车型输出控制信号；所述控制信号包括电平、依照量纲转换为实际输出的牵引/电制动力输出值的比例以及操作逻辑的互锁；
根据所述控制信号生成辅助智能操纵指令，辅助驾驶重载列车。
一种重载列车的辅助智能驾驶控制系统，包括：
采集模组，用于获取驾驶操作信息、运行数据信息以及列车运行防护曲线；所述驾驶操作信息包括司机驾驶操纵逻辑，所述司机驾驶操纵逻辑包括操纵控制指令以及手柄级位指令；所述运行数据信息包括列车运行线路条件以及列车车辆属性；所述列车车辆属性包括列车车辆轴重、载重以及车辆限速；
驾驶逻辑专家判断控制及模型预测控制模组，用于将所述运行数据信息以及反馈数据输入至节能驾驶模型，将所述手柄级位指令以及所述列车运行防护曲线输入辅助驾驶专家系统，生成列车操纵运行曲线以及列车运行驾驶工况控制模式；所述列车运行驾驶工况控制模式包括列车牵引运行工况、制动运行工况、惰性运行工况以及匀速运行工况；所述反馈数据包括列车运行工况反馈、速度反馈以及加/减速度反馈；
反馈模块，用于基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值；
辅助智能操纵指令输出模块，用于根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车；所述辅助智能操纵指令包括牵引、制动、向前、向后、压缩机启动、司机手柄级位以及大零位。
可选的，所述驾驶逻辑专家判断控制及模型预测控制模组，具体包括：辅助驾驶专家系统、节能驾驶模型预测模组、驾驶逻辑判断模组、列车优化控制模组、驾驶行为控制模组以及列车能耗计算模组；
所述辅助驾驶专家系统、所述节能驾驶模型预测模组以及所述驾驶逻辑判断模组为决策层；所述决策层用于生成列车操纵运行曲线以及列车运行驾驶工况控制模式；
所述列车优化控制模组、所述驾驶行为控制模组以及所述列车能耗计算模组为控制层；所述控制层用于执行转义处理，根据所述决策层的输出，确定对应的列车车型输出的控制信号；所述控制信号包括电平、依照量纲转换为实际输出的牵引/电制动力输出值的比例以及操作逻辑的互锁。
可选的，还包括：信息处理模组以及司机操纵控制处理模组；
所述信息处理模组以及所述司机操纵控制处理模组为信号输入与输出层；所述信号输入与输出层用于输入驾驶操作信息、运行数据信息、列车运行防护曲线以及反馈数据，输出所述辅助智能操纵指令。
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重载列车的辅助智能驾驶控制方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述重载列车的辅助智能驾驶控制方法。
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：本发明提供了一种重载列车的辅助智能驾驶控制方法、系统及产品，通过驾驶操作信息、运行数据信息以及列车运行防护曲线达到调整及优化司机的驾驶操纵控制，基于节能驾驶模型以及辅助驾驶专家系统生成列车操纵运行曲线以及列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值，生成辅助智能操纵指令，从而能够在司机异常错误行为进行辅助分析，防止司机异常错误驾驶行为的发生，快速有效提升列车的智能化水平，并适应更广泛的列车车型技术升级。
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为本发明所提供的重载列车的辅助智能驾驶控制方法流程图；
图2为本发明所提供的重载列车辅助智能驾驶控制系统示意图；
图3为本发明构建的重载列车辅助智能驾驶控制系统结构示意图；
图4为本发明所提供的核心预测模型算法构架图；
图5为本发明所提供的系统与相关设备关联结构图。
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重载列车的辅助智能驾驶控制方法、系统及产品，能够辅助智能驾驶，避免长时间驾驶造成司乘人员的驾驶疲劳等情况的发生。
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。
实施例一
如图1所示，本发明提供了一种重载列车的辅助智能驾驶控制方法，包括：
步骤101：获取驾驶操作信息、运行数据信息以及列车运行防护曲线；所述驾驶操作信息包括司机驾驶操纵逻辑，所述司机驾驶操纵逻辑包括操纵控制指令以及手柄级位指令；所述运行数据信息包括列车运行线路条件以及列车车辆属性；所述列车车辆属性包括列车车辆轴重、载重以及车辆限速。
在实际应用中，获取驾驶操作信息、运行数据信息以及列车运行防护曲线，之后还包括：利用驾驶逻辑专家判断控制模组对所述司机驾驶操纵逻辑进行督查。
步骤102：将所述运行数据信息以及反馈数据输入至节能驾驶模型，将所述手柄级位指令以及所述列车运行防护曲线输入辅助驾驶专家系统，生成列车操纵运行曲线以及列车运行驾驶工况控制模式；所述列车运行驾驶工况控制模式包括列车牵引运行工况、制动运行工况、惰性运行工况以及匀速运行工况；所述反馈数据包括列车运行工况反馈、速度反馈以及加/减速度反馈。
步骤103：基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值。
在实际应用中，基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值，具体包括：结合所述速度反馈、所述加/减速度反馈以及所述手柄级位指令确定给定规划列车运行速度；获取速度反馈检测值，对比所述给定规划列车运行速度以及所述速度反馈检测值，控制列车运行速度；根据所述列车运行速度确定所需的牵引/电制动力；根据所述列车运行速度以及所述所需的牵引/电制动力确定期望牵引/电制动力；对比所述期望牵引/电制动力以及反馈结果，输出优化结果；将所述优化结果输入至列车驱动系统进行执行，确定牵引/电制动力输出值；根据所述牵引/电制动力输出值确定预测牵引/电制动力；结合所述牵引/电制动力输出值以及所述预测牵引/电制动力，生成结合后的牵引/电制动力；汇总所述优化结果、所述预测牵引/电制动力以及所述结合后的牵引/电制动力，生成新的反馈结果，并返回“对比所述期望牵引/电制动力以及反馈结果，输出优化结果”。
所述牵引/电制动力输出值的优化目标函数为：
其中，E(k)为优化目标；M为控制时域长；p为预测时域长度；Fp(k+i)为反馈结果；Fr(k+i)V(k+i)为所述辅助驾驶专家系统在k+i时刻获得的期望的牵引/电制动力功率，Fr(k+i)为所对应功率的期望牵引/电制动力，k为列车运行优化中对应的时刻，i为预测时域计数；ai为输出预测误差加权系数；bi为控制量加权矩阵；j为控制时域计数；u为控制策略。
步骤104：根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车；所述辅助智能操纵指令包括牵引、制动、向前、向后、压缩机启动、司机手柄级位以及大零位。
在实际应用中，根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车，具体包括：基于所述牵引/电制动力输出值，根据对应的列车车型输出控制信号；所述控制信号包括电平、依照量纲转换为实际输出的牵引/电制动力输出值的比例以及操作逻辑的互锁；根据所述控制信号生成辅助智能操纵指令，辅助驾驶重载列车。
本发明针对重载列车人工驾驶控制的不足及驾驶技术个体的差异性，在现有的列车人工驾驶的多目标综合基础上，对列车的运行采用智能算法进行操纵控制的优化，以此满足列车驾驶的智能化及节能效果。
实施例二
如图2所示，本发明还提供了一种重载列车的辅助智能驾驶控制系统，包括：
采集模组，用于获取驾驶操作信息、运行数据信息以及列车运行防护曲线；所述驾驶操作信息包括司机驾驶操纵逻辑，所述司机驾驶操纵逻辑包括操纵控制指令以及手柄级位指令；所述运行数据信息包括列车运行线路条件以及列车车辆属性；所述列车车辆属性包括列车车辆轴重、载重以及车辆限速。
驾驶逻辑专家判断控制及模型预测控制模组，用于将所述运行数据信息以及反馈数据输入至节能驾驶模型，将所述手柄级位指令以及所述列车运行防护曲线输入辅助驾驶专家系统，生成列车操纵运行曲线以及列车运行驾驶工况控制模式；所述列车运行驾驶工况控制模式包括列车牵引运行工况、制动运行工况、惰性运行工况以及匀速运行工况；所述反馈数据包括列车运行工况反馈、速度反馈以及加/减速度反馈；其中，辅助驾驶专家系统用于分析并制定辅助驾驶控制策略。
在实际应用中，所述驾驶逻辑专家判断控制及模型预测控制模组，具体包括：辅助驾驶专家系统6、节能驾驶模型预测模组7、驾驶逻辑判断模组8、列车优化控制模组9、驾驶行为控制模组10以及列车能耗计算模组11。
所述辅助驾驶专家系统6、所述节能驾驶模型预测模组7以及所述驾驶逻辑判断模组8为决策层；所述决策层用于生成列车操纵运行曲线以及列车运行驾驶工况控制模式。
所述列车优化控制模组9、所述驾驶行为控制模组10以及所述列车能耗计算模组11为控制层；所述控制层用于执行转义处理，根据所述决策层的输出，确定对应的列车车型输出的控制信号；所述控制信号包括电平、依照量纲转换为实际输出的牵引/电制动力输出值的比例以及操作逻辑的互锁。
在实际应用中，本发明还包括：信息处理模组5以及司机操纵控制处理模组12；所述信息处理模组5以及所述司机操纵控制处理模组12为信号输入与输出层；所述信号输入与输出层用于输入驾驶操作信息、运行数据信息、列车运行防护曲线以及反馈数据，输出所述辅助智能操纵指令。
反馈模块，用于基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值。
辅助智能操纵指令输出模块，用于根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车；所述辅助智能操纵指令包括牵引、制动、向前、向后、压缩机启动、司机手柄级位以及大零位。
本发明结合列车控制系统14、LKJ列车运行监控系统4、运行线路条件以及列车运行区间，通过在列车控制系统14上增加列车辅助智能驾驶控制单元并嵌入模型预测控制及驾驶逻辑判断控制子模块，基于辅助驾驶专家系统6形成的列车运行防护曲线进行实时跟随预测、协同智能控制基础上融合驾驶逻辑专家判断控制及模型预测控制模组，自适应调整列车控制牵引/电制动力特性，进行滚动寻优控制，优化列车操纵运行曲线，精准控制列车的牵引/电制动力发挥，从而优化列车运行时车-环境-线路协同控制性能，降低列车能耗。
系统通过结合列车控制系统14来实现，包含三个层次结构，第一层次是决策层，第二层次是控制层，第三层级是接口层。
其中第一层决策层由辅助驾驶专家系统6、节能驾驶模型预测模组7、驾驶逻辑判断模组8组成，驾驶逻辑判断模组8负责对司机驾驶操纵的逻辑进行监督，防止异常驾驶、超速以及错误操纵；节能驾驶模型预测模组7辅助根据列车运行防护曲线、列车属性车辆属性、运行线路条件滚动优化形成列车操纵运行曲线，并生成列车牵引运行、制动运行、惰性等运行控制工况，根据列车运行工况反馈、速度反馈、加/减速度反馈来调整牵引/电制动力。第二层控制层执行转义处理，由列车优化控制模组9、驾驶行为控制模组10、列车能耗计算模组11组成，根据决策层的输出及对应的列车车型输出控制信号的电平及依照量纲转换实际输出牵引/电制动力的比例大小，以及操纵逻辑的互锁。第三接口层负责信号的输入与输出，由信息处理模组5以及司机操纵控制处理模组12组成，输入的信号包括通过CAN与RS485接口从LKJ列车运行监控系统4的信息，通过列车电气系统13的I/O接口获取列车的操纵指令，以及通过车辆总线从列车控制系统14获取列车的运行工况反馈、速度反馈以及加/减速度反馈等。输出的信号包括向列车电气系统13的I/O接口输出到司机台的指示，以及通过车辆总线输出给列车控制系统14的操纵指令。
在实际应用中，本发明所提供的重载列车的辅助智能驾驶控制系统包括列车属性输入模组1、运行线路输入模组2、人工驾驶输入模组3、LKJ列车运行监控系统4、信息处理模组5、辅助驾驶专家系统6、节能驾驶模型预测模组7、驾驶逻辑判断模组8、列车优化控制模组9、驾驶行为控制模组10、列车能耗计算模组11、司机操纵控制处理模组12、列车电气系统13、列车控制系统14、列车驱动系统15、列车16。
系统主要分为3大部分，第1部分为司机驾驶操纵数据及运行数据信息，通过列车电气系统13的列车司机操纵台电气接口获取司机操纵指令，通过LKJ列车运行监控系统4获取运行线路输入模组2中的列车运行线路条件以及列车属性输入模组1中列车车辆属性，列车车辆属性包括列车车辆轴重、载重和车辆限速，形成列车运行防护曲线。
第2部包括辅助驾驶专家系统6、节能驾驶模型预测模组7、驾驶逻辑判断模组8、列车优化控制模组9和驾驶行为控制模组10。列车能耗计算模组11、节能驾驶模型预测模组7根据输入信息和反馈数据，依据图4所描述的算法模型中进行计算推导，基于列车运行防护曲线实时跟随预测、协同智能控制基础上经过多次迭代后得到优化组合后列车运行驾驶工况控制模式。
第3部分为操纵指令输出及反馈模块，通过司机操纵控制处理模组12将预测模型及优化控制导出的操纵指令及牵引/电制动力输出，以精准控制列车的牵引/制动力发挥，输出给列车电气系统13以传输给列车控制系统14，针对有网络系统的列车可通过车辆总线输出给列车控制系统14，同时并将反馈的列车运行工况及速度等数据再次导入信息处理模组5及LKJ列车运行监控系统4，结合图4所描述的算法模型进行闭环调整滚动优化。
如图3所示，接收操纵控制指令29及手柄级位指令30，经信息处理模组5送入驾驶逻辑判断模组8，驾驶逻辑判断模组8包括3部分，一是逻辑信号判断模块26，对牵引、电制动、向前、向后、压缩机启动、大零位等单个信号的操纵控制指令29进行判断，防止操纵操纵异常错误，如向前及向后信号同时输入；二是逻辑时序判断模块27，对牵引、电制动、向前、向后、压缩机启动、大零位等信号及手柄级位指令30在运行中需遵守逻辑时序，如运行中向前信号有效，牵引才能有效，向前、牵引有效，手柄级位指令30给定才有效；三是驾驶行为判断模块28，对列车运行过程中，实时与列车运行防护曲线进行判断，特别是列车运行工况(牵引、电制动、惰性、匀速)的切换进行判断，以及手柄级位指令30是否平稳操纵的判断，如短时间连续频繁移动牵引/电制动力给定转换。逻辑信号判断模块26、逻辑时序判断模块27、驾驶行为判断模块28的输出封锁司机操纵控制处理模组12信号的输出。
如图4所示，本发明还构建了一种基于模型预测的牵引及电制动调节优化算法构架，辅助驾驶专家系统6在节能预测模块中构建了预测模型及算法，列车运行防护曲线输入导入辅助驾驶专家系统6，辅助驾驶专家系统6结合列车能耗计算模组11的反馈值及人工驾驶输入模组3的手柄级位指令30计算给定的规划列车运行速度Vg(k+i)，与速度反馈检测模块17的速度反馈检测值Vf(k+i)进行比较，通过速度跟踪控制模块18控制速度的控制，该控制采用PID控制，同时，牵引/制动特性控制模块19接收速度跟踪控制模块18的速度给定计算所需的牵引/电制动力，并与速度跟踪控制模块18的输出一起经最小值选择模块20输出期望牵引/电制动力输出值Fr(k+j)，与输出反馈预测模块22的输出值Fp(k+j)比较，导入运行优化控制模块21中，运行优化控制模块21的输出结果值u(k+j)输出给列车驱动系统15进行执行并输出F(k+j)，同时给列车运动模型23进行列车牵引/电制动力预测Fm(k+j)，两者导出的结果值F(k+j)和Fm(k+j)结合生成偏差e(k+j)。输出反馈预测模块22会将u(k+j)、Fm(k+j)和e(k+j)这是三个参数进行汇总，输出反馈结果值Fp(k+j)并与Fr(k+j)比较，提供给运行优化控制模块21进行调节控制，列车驱动系统15的输出控制列车16运行。
根据实时能耗检测值，结合所对应列车的牵引/制动特性及专家系统输出的列车牵引、制动、惰性、匀速运行工况，修正原列车的牵引//制动特性，通过列车牵引/制动特性控制模组预测导出所对应区间连续的列车牵引/电气制动力调节输出值F(k)(实际输出)符合列车运行节能优化控制的目标，如图5所示，列车辅助驾驶控制系统可在原机车的人工驾驶与列车电气系统13和列车控制系统14之间接入，对应两节内重联的载机车，其I端司机台的列车辅助智能驾驶控制单元A24与II端司机台的列车辅助智能驾驶控制单元B25通过通信网络连接，进行数据的交互，但以操纵端的驾驶操纵控制系统为主控单元。
其中，运行工况牵引/制动调节优化目标函数为：
其中，M为控制时域长，p为预测时域长度，为列车运行的区间长度，M设置为1<M<P；Fr(k+i)V(k+i)为所述辅助驾驶专家系统6在k+i时刻获得的期望的牵引/电制动力功率，Fr(k+i)为所对应功率的期望列车牵引/电制动力，因列车速度为实时获取得到，因此，辅助驾驶专家系统6规划期望的牵引/电制动力表达式为：Fr(k+i)＝Fr(k)+cu(k)；c为专家系统按列车属性定义的调整系数，根据客车、货车等类型及牵引载重进行系数定义，范围为0.5～1.0；A＝diag[a1,a2,…,aP]，a1,a2,…,aP为输出预测误差加权系数；B＝diag[b1,b2,…,bM]，b1,b2,…,bM为控制量加权矩阵；H＝[h1,h2,…,hP]T，h1,h2,…,hP为反馈系数矩阵；G＝[g1,g2,…,gP]T，g1,g2,…,gp为脉冲响应系数矩阵；e(k)为k时刻的预测误差；牵引/电制动力能耗优化控制率为：u(k)＝(GTQG+B)-1[Fr(k+1)V(k+1)-Fr(k-1)V(k-1)u(k-1)-He(k)]；Fp(k)＝Fm(k)+He(k)；e(k)＝F(k)-Fm(k)；Fm(k)为k时刻的预测输出。
预测输出定义为：
在实际应用中，接收列车驾驶操纵的指令包括：牵引、电制动、向前、向后、压缩机启动、司机手柄级位以及大零位等；针对电力机车还包括主断闭合、主断分、受电弓升、受电弓降等信号。这些信号通过机车的电气系统接收，辅助智能驾驶控制系统判断后通过车辆总线以及电气系统并输出给列车控制系统14。
驾驶逻辑专家判断控制及模型预测控制模组根据列车的运行环境以及车-线-环境耦合状态进行牵引/电制动力特性的实时调整，实时进行能耗反馈检测，达到优化节能运行的目的。
驾驶逻辑专家判断控制及模型预测控制模组优化列车牵引/电制动力特性的给定目标值，包括牵引运行工况时的牵引力矩给定目标值，以及电制动工况时，电制动力矩给定目标值。
针对重载机车可通过通信方式实现两节车之间辅助驾驶专家系统6的通信，由操纵端的列车驾驶操纵控制系统为主控单元。
列车驾驶操纵控制系统不影响原列车性能。
本发明结合列车的控制单元、LKJ列车运行监控系统4、线路运行条件以及列车运行区间，通过在列车驾驶操纵控制系统上增加驾驶逻辑专家判断控制及模型预测控制模组形成列车的辅助智能驾驶控制系统，具体包括：1)每个司机室安装一套辅助智能驾驶控制系统，利用车辆通信网与列车控制系统14、安全监控防护单元连接起来，并通过驾驶室电气I/O电缆与司机台中相应的信号点相连。2)在辅助智能驾驶控制系统中构建列车驾驶逻辑判断模组8，避免重载列车驾驶操纵控制异常或者错误；3)根据地面指挥调度的行车许可数据，基于LKJ列车运行监控系统4的列车运行防护曲线通过辅助智能驾驶控制系统中驾驶逻辑专家判断控制及模型预测控制模组进行实时跟随预测、协同智能控制，自适应调整列车控制牵引/制动特性，进行滚动寻优控制，优化列车操纵运行曲线，形成达速条件下得列车节能控制方案，优化列车运行区间的控制模式及运行工况，根据运行线路区间合理设置列车的牵引、制动、惰行、匀速等工况，进行全局最优或者次优规划，使得列车按规定时间运行的同时尽可能节省能量消耗，提高重载货运列车的运输效率同时，降低运输成本。
本发明通过在原列车司机操纵控制台与列车电气及其控制系统之间串入辅助驾驶控制单元，通过辅助驾驶操纵控制单元达到调整及优化司机的驾驶操纵控制，根据相应的司机设定工况，结合优化算法调节列出的牵引力以及电气制动力，并可在司机异常错误行为进行辅助分析，防止司机异常错误驾驶行为的发生，可快速有效提升列车的智能化水平，并适应更广泛的列车车型技术升级。
实施例三
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重载列车的辅助智能驾驶控制方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述重载列车的辅助智能驾驶控制方法。
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 (10)
1.一种重载列车的辅助智能驾驶控制方法，其特征在于，包括：
获取驾驶操作信息、运行数据信息以及列车运行防护曲线；所述驾驶操作信息包括司机驾驶操纵逻辑，所述司机驾驶操纵逻辑包括操纵控制指令以及手柄级位指令；所述运行数据信息包括列车运行线路条件以及列车车辆属性；所述列车车辆属性包括列车车辆轴重、载重以及车辆限速；
将所述运行数据信息以及反馈数据输入至节能驾驶模型，将所述手柄级位指令以及所述列车运行防护曲线输入辅助驾驶专家系统，生成列车操纵运行曲线以及列车运行驾驶工况控制模式；所述列车运行驾驶工况控制模式包括列车牵引运行工况、制动运行工况、惰性运行工况以及匀速运行工况；所述反馈数据包括列车运行工况反馈、速度反馈以及加/减速度反馈；
基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值；
根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车；所述辅助智能操纵指令包括牵引、制动、向前、向后、压缩机启动、司机手柄级位以及大零位。
2.根据权利要求1所述的重载列车的辅助智能驾驶控制方法，其特征在于，获取驾驶操作信息、运行数据信息以及列车运行防护曲线，之后还包括：
利用驾驶逻辑专家判断控制模组对所述司机驾驶操纵逻辑进行督查。
3.根据权利要求1所述的重载列车的辅助智能驾驶控制方法，其特征在于，基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值，具体包括：
结合所述速度反馈、所述加/减速度反馈以及所述手柄级位指令确定给定规划列车运行速度；
获取速度反馈检测值，对比所述给定规划列车运行速度以及所述速度反馈检测值，控制列车运行速度；
根据所述列车运行速度确定所需的牵引/电制动力；
根据所述列车运行速度以及所述所需的牵引/电制动力确定期望牵引/电制动力；
对比所述期望牵引/电制动力以及反馈结果，输出优化结果；
将所述优化结果输入至列车驱动系统进行执行，确定牵引/电制动力输出值；
根据所述牵引/电制动力输出值确定预测牵引/电制动力；
结合所述牵引/电制动力输出值以及所述预测牵引/电制动力，生成结合后的牵引/电制动力；
汇总所述优化结果、所述预测牵引/电制动力以及所述结合后的牵引/电制动力，生成新的反馈结果，并返回“对比所述期望牵引/电制动力以及反馈结果，输出优化结果”。
4.根据权利要求3所述的重载列车的辅助智能驾驶控制方法，其特征在于，所述牵引/电制动力输出值的优化目标函数为：
其中，E(k)为优化目标；M为控制时域长；p为预测时域长度；Fp(k+i)为反馈结果；Fr(k+i)V(k+i)为所述辅助驾驶专家系统在k+i时刻获得的期望的牵引/电制动力功率，Fr(k+i)为所对应功率的期望牵引/电制动力，k为列车运行优化中对应的时刻，i为预测时域计数；ai为输出预测误差加权系数；bi为控制量加权矩阵；j为控制时域计数；u为控制策略。
5.根据权利要求1所述的重载列车的辅助智能驾驶控制方法，其特征在于，根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车，具体包括：
基于所述牵引/电制动力输出值，根据对应的列车车型输出控制信号；所述控制信号包括电平、依照量纲转换为实际输出的牵引/电制动力输出值的比例以及操作逻辑的互锁；
根据所述控制信号生成辅助智能操纵指令，辅助驾驶重载列车。
6.一种重载列车的辅助智能驾驶控制系统，其特征在于，包括：
采集模组，用于获取驾驶操作信息、运行数据信息以及列车运行防护曲线；所述驾驶操作信息包括司机驾驶操纵逻辑，所述司机驾驶操纵逻辑包括操纵控制指令以及手柄级位指令；所述运行数据信息包括列车运行线路条件以及列车车辆属性；所述列车车辆属性包括列车车辆轴重、载重以及车辆限速；
驾驶逻辑专家判断控制及模型预测控制模组，用于将所述运行数据信息以及反馈数据输入至节能驾驶模型，将所述手柄级位指令以及所述列车运行防护曲线输入辅助驾驶专家系统，生成列车操纵运行曲线以及列车运行驾驶工况控制模式；所述列车运行驾驶工况控制模式包括列车牵引运行工况、制动运行工况、惰性运行工况以及匀速运行工况；所述反馈数据包括列车运行工况反馈、速度反馈以及加/减速度反馈；
反馈模块，用于基于所述列车操纵运行曲线以及所述列车运行驾驶工况控制模式，根据所述反馈数据，将当前牵引/电制动力调整至牵引/电制动力输出值；
辅助智能操纵指令输出模块，用于根据所述牵引/电制动力输出值生成辅助智能操纵指令，辅助驾驶重载列车；所述辅助智能操纵指令包括牵引、制动、向前、向后、压缩机启动、司机手柄级位以及大零位。
7.根据权利要求6所述的重载列车的辅助智能驾驶控制系统，其特征在于，所述驾驶逻辑专家判断控制及模型预测控制模组，具体包括：辅助驾驶专家系统、节能驾驶模型预测模组、驾驶逻辑判断模组、列车优化控制模组、驾驶行为控制模组以及列车能耗计算模组；
所述辅助驾驶专家系统、所述节能驾驶模型预测模组以及所述驾驶逻辑判断模组为决策层；所述决策层用于生成列车操纵运行曲线以及列车运行驾驶工况控制模式；
所述列车优化控制模组、所述驾驶行为控制模组以及所述列车能耗计算模组为控制层；所述控制层用于执行转义处理，根据所述决策层的输出，确定对应的列车车型输出的控制信号；所述控制信号包括电平、依照量纲转换为实际输出的牵引/电制动力输出值的比例以及操作逻辑的互锁。
8.根据权利要求7所述的重载列车的辅助智能驾驶控制系统，其特征在于，还包括：信息处理模组以及司机操纵控制处理模组；
所述信息处理模组以及所述司机操纵控制处理模组为信号输入与输出层；所述信号输入与输出层用于输入驾驶操作信息、运行数据信息、列车运行防护曲线以及反馈数据，输出所述辅助智能操纵指令。
9.一种电子设备，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如权利要求1-5中任一项所述的重载列车的辅助智能驾驶控制方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的重载列车的辅助智能驾驶控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310425756.XA CN116331271B (zh) | 2023-04-20 | 2023-04-20 | 一种重载列车的辅助智能驾驶控制方法、系统及产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310425756.XA CN116331271B (zh) | 2023-04-20 | 2023-04-20 | 一种重载列车的辅助智能驾驶控制方法、系统及产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116331271A true CN116331271A (zh) | 2023-06-27 |
| CN116331271B CN116331271B (zh) | 2024-05-17 |
Family
ID=86885904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310425756.XA Active CN116331271B (zh) | 2023-04-20 | 2023-04-20 | 一种重载列车的辅助智能驾驶控制方法、系统及产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116331271B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104442843A (zh) * | 2014-11-06 | 2015-03-25 | 株洲南车时代电气股份有限公司 | 一种自动校正方法、装置及系统 |
| WO2022021700A1 (zh) * | 2020-07-28 | 2022-02-03 | 株洲中车时代电气股份有限公司 | 一种机车运行速度曲线规划方法、装置及相关组件 |
| CN114771607A (zh) * | 2022-06-22 | 2022-07-22 | 中国铁道科学研究院集团有限公司通信信号研究所 | 铁路行车调度与列车运行控制一体化方法、系统及应用 |
| CN115963740A (zh) * | 2023-01-30 | 2023-04-14 | 中南大学 | 储能型高速重载列车及其滚动试验系统 |
-
2023
- 2023-04-20 CN CN202310425756.XA patent/CN116331271B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104442843A (zh) * | 2014-11-06 | 2015-03-25 | 株洲南车时代电气股份有限公司 | 一种自动校正方法、装置及系统 |
| WO2022021700A1 (zh) * | 2020-07-28 | 2022-02-03 | 株洲中车时代电气股份有限公司 | 一种机车运行速度曲线规划方法、装置及相关组件 |
| CN114771607A (zh) * | 2022-06-22 | 2022-07-22 | 中国铁道科学研究院集团有限公司通信信号研究所 | 铁路行车调度与列车运行控制一体化方法、系统及应用 |
| CN115963740A (zh) * | 2023-01-30 | 2023-04-14 | 中南大学 | 储能型高速重载列车及其滚动试验系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116331271B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023126023A1 (zh) | 重载列车及其纵向动力学牵引运行优化控制系统、方法 | |
| CN113267992B (zh) | 一种基于冗余设计的矿卡无人驾驶控制系统 | |
| CN110525487A (zh) | 一种基于车钩力约束的自动驾驶方法及系统 | |
| CN109591613B (zh) | 一种城轨列车牵引力控制方法和系统 | |
| 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 | |
| CN113561793B (zh) | 一种动态约束的智能燃料电池汽车能量管理策略 | |
| CN102582460A (zh) | 一种适用于纯电动车电机目标扭矩给定方法 | |
| CN101378939A (zh) | 分布式火车智能系统和方法 | |
| CN110588652B (zh) | 一种低油耗的车辆自适应巡航控制系统及其控制方法 | |
| CN105365851A (zh) | 智能机车司机控制装置 | |
| CN112733448B (zh) | 列车自动驾驶系统参数自学习双q表联合代理建立方法 | |
| CN112441027A (zh) | 交通工具和运行交通工具的方法 | |
| CN116331271B (zh) | 一种重载列车的辅助智能驾驶控制方法、系统及产品 | |
| CN104169908A (zh) | 列车控制系统 | |
| CN113085815B (zh) | 一种基于数字孪生的线控制动系统及其动态优化控制方法 | |
| CN110371313B (zh) | 一种用于电动航食车的整车控制系统及控制方法 | |
| Zhang et al. | Braking-penalized receding horizon control of heavy-haul trains | |
| Hofman et al. | Rule-based energy management strategies for hybrid vehicle drivetrains: A fundamental approach in reducing computation time | |
| WO2024120045A1 (zh) | 一种交流传动机车的速度控制方法 | |
| Yu et al. | Research on operating strategy based on particle swarm optimization for heavy haul train on long down-slope | |
| CN116118817B (zh) | 一种基于自抗扰控制的高速列车主动防风控制方法 | |
| CN115465332B (zh) | 一种动车组列车控制方法、系统、电子设备及存储介质 | |
| CN113378296B (zh) | 列车电空复合制动系统的建模方法、系统及存储介质 | |
| CN113085806B (zh) | 一种基于超磁致伸缩制动系统的复合再生制动控制方法 | |
| CN110466491A (zh) | 一种车辆电动真空泵的控制系统及方法 |
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 |