原文传递
基于集成分类回归树算法的高速列车智能驾驶
| 论文题名： | 基于集成分类回归树算法的高速列车智能驾驶 |
| 关键词： | 高速列车;智能驾驶模型;集成分类回归树算法;优化运行 |
| 摘要： | 在我国高速铁路飞速发展的基础上，高速列车的运营密度与运行速度有了巨大提升，目前高速列车仍处于人工驾驶阶段，这将难以满足高速铁路安全高效运行的基本要求。而列车自动驾驶运用计算机技术可以对列车进行实时控制，不仅可以保证列车的精确停车和准点到站，还可以保证乘客的舒适性以及降低运行能耗。因此，研究更好的高速列车驾驶模型有助于高速铁路的高效运行，更好的高速列车驾驶方式也是未来高速铁路的发展趋势。 通过分析实际高速铁路人工驾驶数据，发现有经验的、优秀的司机可以将列车安全、准时、精确地停在指定位置，整个驾驶过程也比较平稳。因此，本文拟建立高速列车智能驾驶模型，运用集成分类回归树算法归纳总结优秀司机的驾驶策略，并将其转变为计算机可以识别的智能控制语言进而控制高速列车的运行。本文的研究内容主要由以下三部分组成: (1)针对高速列车人工驾驶的不足，提出本文的研究目标:建立高速列车智能驾驶模型，进行仿真实验，将仿真结果与人工驾驶进行对比。 (2)介绍高速列车智能驾驶模型的建立过程。本文首先分析了高速列车运行的数学模型，随后介绍该智能模型所应用的智能算法——集成分类回归树算法，最后展示了该智能模型所用的人工驾驶数据的采集方法和示例，最后画出了该智能模型的流程图。 (3)通过MATLAB建立高速列车智能驾驶仿真平台，利用汉宜高速铁路实际人工驾驶数据对该模型进行仿真测试和分析评估。仿真结果表明，该模型可以达到精确停车、准点到站、运行平稳、低能耗的基本要求，各项指标优于人工驾驶。此外，在改变列车的牵引和制动参数、人为的设置复杂限速和复杂坡度条件下，仿真结果显示本文的高速列车智能驾驶模型能够适应这些变化，且运行结果误差较小，验证了该模型的鲁棒性。 |
| 作者： | 盖伟龙 |
| 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 |
检索历史
应用推荐
