详情

原文传递考虑全路段环境及人为因素的列车自动驾驶预测控制方法

专利名称：	考虑全路段环境及人为因素的列车自动驾驶预测控制方法
摘要：	本发明公开了一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法，属于城市轨道交通控制技术领域。本发明首先建立列车的动力模型，考虑到了列车的牵引力、制动力、基本阻力和附加阻力；然后以列车的动力学模型作为预测模型，建立列车的优化控制目标函数，并确定目标函数求解的约束条件；引入列车行驶路段中的环境因素和人为因素，用于更新列车的动力学模型和控制约束条件；获取列车行驶信息，结合实时路段信息，求解优化控制目标函数，得到预测时段内的牵引力控制期望值。本发明凭借模型预测控制算法对解决约束系统控制问题的优势，考虑了列车实际运行过程中的环境影响和人为影响，实现列车舒适而高效的自动驾驶控制。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京航空航天大学
发明人：	张辉;罗乾悦;刘春璐
专利状态：	有效
申请日期：	2019-07-24T00:00:00+0800
发布日期：	2019-10-25T00:00:00+0800
申请号：	CN201910672329.5
公开号：	CN110371163A
代理机构：	北京永创新实专利事务所
代理人：	姜荣丽
分类号：	B61L23/14(2006.01);B;B61;B61L;B61L23
申请人地址：	100191 北京市海淀区学院路37号
主权项：	1.一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法，其特征在于：具体步骤如下，步骤一、考虑列车运行过程中的基本阻力和附加阻力，建立列车的阻力模型；步骤二、建立列车动力学模型，以此作为预测模型建立优化控制目标函数；列车的总质量：M＝Mm+Mt+Mn，其中Mn为乘客总质量，估算为Mn＝60n，n为载客数量；结合步骤一中的阻力模型，得到行驶中的列车总阻力：Ff＝Fs+(w+wfj)M，其中w表示列车运行单位基本阻力；建立列车的离散动力学模型：其中t为当前时刻，F(t)为t时刻列车牵引力，s(t)为列车从上一站点出发至t时刻行驶里程，τ为惯性迟滞时间，Δt为计算时间间隔，u为控制量，v(t)表示t时刻列车速度；从而建立优化控制目标函数J：满足： F(t+Nc)＝Ff(t+Nc) v(t)∈(vmin,vmax) Sn为两站点间总路程，Nc为控制时域，t1为到达下一站点的期望历时，t2为从上一站点出发截止目前历时，其中，Q，R为权重矩阵，Q>0，R>0；vmin和vmax分别为列车运行速度的最小值和最大值，amin和amax分别为列车运行加速度的最小值和最大值；步骤三、引入列车行驶路段中的环境因素和人为因素，用于更新动力学模型和控制约束条件；步骤四、获取列车行驶信息，结合实时路段信息，求解优化控制目标函数，得到预测时段内的牵引力控制目标。 2.根据权利要求1所述的一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法，其特征在于：步骤一所述的阻力模型如下： (1)基本阻力； a.轴承阻力：其中：Fi-第i个轴摩擦阻力，Qi-第i个轴荷重，r-轴颈半径，RL-车轮半径，φ-轴承摩擦系数； b.滚动摩擦阻力Fr：其中：Mr-滚动摩擦力矩，Fn-第n个轮对的支承力，σ-滚动摩擦阻力系数； c.空气阻力：其中，Fw为空气阻力，ρ为流体密度，C为空气阻力系数，S为迎风面积，v为列车速度；考虑三种基本阻力，并整理上述公式，得到列车运行单位基本阻力修正计算公式：其中w为列车运行单位基本阻力； (2)附加阻力： a.隧道阻力： Fs＝1.16Lv2R2-0.74Lv2R+3.54LvR2-2.68LvR+0.13Lv2+39.79LR2+4.86v2R2-2.88v2R+13.42vR2+0.47Lv-26.4LR+5.99vR+0.3v2+15.62R2+4.64L-0.77R-0.92v-31.14 其中，L表示列车长度，v表示列车速度，R表示列车经过的曲线路径的半径； b.坡度附加阻力： Wi＝(Mm+Mt)gsinθ 其中：Wi—坡度附加阻力；Mm—动车的质量；Mt—拖车质量；g—重力常数；θ—坡道角度；单位坡度附加阻力：其中，q表示坡度； c.曲线附加阻力：其中：wr—单位曲线附加阻力，A—经验常数，城际铁路在450—800之间，R—轨道曲线半径；如果列车所在第1段曲线半径为R1，第2段曲线半径为R2，列车在第1曲线段内长度为l，在第2曲线段内长度为L-l，则此时单位曲线附加阻力如下：若两曲线段内的坡度也不相同，第1曲线段内坡度为q1，第2曲线段内坡度为q2，则结合单位坡度附加阻力模型，得到多质点模型单位坡度和曲线附加阻力合力: L表示列车长度，q1表示变坡点前的计算坡度，q2表示变坡后的计算坡度。 3.根据权利要求1所述的一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法，其特征在于：步骤三所述的环境因素包括： a.固定行驶路段内的坡道信息，用于坡度阻力信息更新； b.固定行驶路段内的隧道信息，用于列车隧道阻力修正； c.固定行驶路段内的曲线信息，用于列车曲线阻力修正； d.列车速度变化引起的风阻变化； e.恶劣天气等原因导致的列车行驶速度限制；所述的人为因素包括： a.列车载客数量，用于列车总阻力修正； b.目的地站点的进站情况，用于调整控制器中的目标抵达时间。 4.根据权利要求1所述的一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法，其特征在于：步骤四中所述的列车行驶信息作为状态量，包括实时速度v(t)，从上一站点出发经历时间t2，到下一站点距离信息S，当前载客数量n；所述的实时路段信息包括坡道、隧道、道路曲线、天气和下一站点停靠情况；将以上信息代入模型预测控制器中，以通行安全、运行效率和乘坐舒适性为目标，在线求解目标函数，得到一定时域内的牵引力控制量；控制器从任一站点出发时开始进行初始化，并开始求解，直至到达下一站点结束；每个时刻t求解都会得到一个控制序列u(t\|t)表示t时刻的第一个输出控制量；在控制过程中也只取其中的第一个控制量作为列车的期望控制值，因此列车在t0时刻从某站点出发，一直到下一站点的全局控制序列为： {u(t0\|t0),u(t0+1\|t0+1),...,u(t0+Np\|t0+Np)} 其中Np为预测时域，u(t0\|t0)表示t0时刻控制器的输出控制量；以此控制序列作为列车的输入值，就能实现列车的平稳控制，并满足其运行效率和乘坐舒适性。
所属类别：	发明专利