详情

原文传递城市轨道交通停车算法研究

论文题名：	城市轨道交通停车算法研究
关键词：	城市轨道交通;停车算法;列车制动策略;误差分析
摘要：	城市轨道交通的快速发展，使得相关部门越来越重视列车的运行效率、乘客安全等方面。近年来，由于地铁普遍加装车站屏蔽门，对于列车停车精度提出了新的要求，更加精确的车站停车已成为未来研究的重点方向。然而列车的停车精确性又受到了列车制动前的初始速度、测速不准、制动系统特性等因素的影响，因此对于列车停车过程的研究很有必要。　　首先，本文根据列车停车时的制动特性，建立相应制动模型，再根据制动模型和列车基本阻力特性搭建了车站停车仿真平台，能够用来模拟实际的城市轨道交通车站停车系统，执行相关的运算和控制列车制动等任务，并且起到车地通信中传输设备的作用。　　然后，通过不同的计算智能方法计算出5种不同值的制动策略。创新性地将制动策略作为增强学习的动作集合，选择动作的过程即选择制动策略，并且将列车位置和速度信息作为增强学习的状态集合，停车误差作为立即回报，将停车过程与增强学习良好结合。以上能将不同制动策略应用到一次停车过程当中，使得停车时制动率的选择组合是不同的，得到的停车结果也是不同的，我们通过随机最优选则或者Q学习从中找出较好的结果即可。有效利用每个制动策略的优势，也是本文的一大创新之处。　　其次，给出了两种实用性算法来寻找最优的停车策略:随机最优选择算法(OSSa)、模糊隶属Q学习算法(FQLa)，存储算法所得到的仿真结果和最优停车策略。之后提出三种制动率融合生成方法来计算任意初始速度下的停车误差，并使之满足误差要求，它们是:线性制动率融合生成法(LRm)、拟合制动率融合生成法（FRm）、插值制动率融合生成法(IRm)。通过选取一定的评估指标作为评估算法的标准。　　最后，通过进行大量的仿真实验测试，对算法的结果分析得出:两种算法都能够通过重复的训练和学习过程逐步减小停车误差，经过算法训练后的停车误差都能保持在±30cm以内，这满足了城市轨道交通的精确停车要求，能够保证精确停车可靠性在99.5％以上。FQLa比OSSa有更快的收敛速度、更小的停车误差、更好的稳定性和智能性。对于三种制动率融合生成方法，都能够求出每个未训练速度的停车策略，并保证停车误差在±30cm以内，其中LRm得到的误差最大值和平均误差是三种方法中最小的。
作者：	曾强
专业：	控制工程
导师：	陈德旺
授予学位：	硕士
授予学位单位：	北京交通大学
学位年度：	2015
正文语种：	中文