详情

原文传递基于机器学习的列车自动驾驶系统精准停车方法及装置

专利名称：	基于机器学习的列车自动驾驶系统精准停车方法及装置
摘要：	本发明实施例提供一种基于机器学习的列车自动驾驶系统精准停车方法及装置。其中，该方法包括：获取与精准停车强相关的实时信息参数；分别得到影响停车误差的输入变量参数和表示停车误差的输出变量参数；分别建立各个输入变量参数得到停车误差的回归预测模型，回归预测模型包括修正变量；通过机器学习多次迭代训练，得到优化的回归预测模型；计算优化的回归预测模型取值为0时的输入变量参数，更新输入变量参数，利用更新的输入变量参数进行控制，进而实现精准停车。本发明实施例通过基于大数据的预测回归分析方法，实现了自主优化ATO系统中的停车控制参数，从而实现精准停车；对于列车具有普适性，应用范围广，减少了调试的时间与工作量。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京通号国铁城市轨道技术有限公司
发明人：	邓红元;田元;彭朝阳;张晨;孙净亮;朱波
专利状态：	有效
申请日期：	2017-12-08T00:00:00+0800
发布日期：	2019-06-18T00:00:00+0800
申请号：	CN201711296236.4
公开号：	CN109895794A
代理机构：	北京路浩知识产权代理有限公司
代理人：	王莹;李相雨
分类号：	B61C17/00(2006.01);B;B61;B61C;B61C17
申请人地址：	100073 北京市丰台区汽车博物馆南路1号院D座11层
主权项：	1.一种基于机器学习的列车自动驾驶系统精准停车方法，其特征在于，包括：获取与精准停车强相关的实时信息参数；根据所述与精准停车强相关的实时信息参数分别得到输入变量参数和输出变量参数；其中，所述输入变量参数是影响停车误差的所述与精准停车强相关的实时信息参数；所述输出变量参数是停车误差参数；分别建立以各个所述输入变量参数为自变量，以停车误差为因变量的回归预测模型，所述回归预测模型包括修正变量；通过机器学习多次迭代训练，得到所述回归预测模型的值与所述输出变量参数误差最小的所述修正变量的取值，进而得到优化的所述回归预测模型；计算所述优化的所述回归预测模型取值为0时的所述输入变量参数，利用计算得到的所述输入变量参数更新所述输入变量参数，并利用更新的所述输入变量参数进行停车控制，进而实现精准停车。 2.根据权利要求1所述的方法，其特征在于，所述分别得到输入变量参数和输出变量参数具体包括：得到所述输入变量参数，所述输入变量参数包括进站速度、过最后一个校位交叉点时的速度、电空转换延迟时间以及上下行平移停车点的数据参数；得到所述输出变量参数，所述输出变量参数为ATO停车误差。 3.根据权利要求1所述的方法，其特征在于，所述分别建立以各个所述输入变量参数为自变量，以停车误差为因变量的回归预测模型具体包括：分别获取以各个所述输入变量参数为自变量，以所述停车误差为因变量的停车过程中的经验公式模型；其中，根据车辆方提供的列车的数学模型或ATO系统的数据预处理与分析得到所述经验公式模型；根据所述经验公式模型和预设修正函数得到所述预测回归模型。 4.根据权利要求3所述的方法，其特征在于，所述根据所述经验公式模型和预设修正函数得到所述预测回归模型还包括：获取所述预设修正函数，所述预设修正函数的表达式为： Δh(x)＝αx+β 其中，Δh(x)为所述预设修正函数；x为所述输入变量参数；α、β为所述修正变量。 5.一种基于机器学习的列车自动驾驶系统精准停车装置，其特征在于，包括：数据获取模块，具体用于获取与精准停车强相关的实时信息参数；变量确定模块，具体用于根据所述与精准停车强相关的实时信息参数分别得到输入变量参数和输出变量参数；其中，所述输入变量参数是影响停车误差的所述与精准停车强相关的实时信息参数；所述输出变量参数是停车误差参数；模型建立模块，具体用于分别建立以各个所述输入变量参数为自变量，以停车误差为因变量的回归预测模型，所述回归预测模型包括修正变量；迭代优化模块，具体用于通过机器学习多次迭代训练，得到所述回归预测模型的值与所述输出变量参数误差最小的所述修正变量的取值，进而得到优化的所述回归预测模型；停车控制模块，具体用于计算所述优化的所述回归预测模型取值为0时的所述输入变量参数，利用计算得到的所述输入变量参数更新所述输入变量参数，并利用更新的所述输入变量参数进行停车控制，进而实现精准停车。 6.根据权利要求5所述的装置，其特征在于，所述变量确定模块还用于：得到所述输入变量参数，所述输入变量参数包括进站速度、过最后一个校位交叉点时的速度、电空转换延迟时间以及上下行平移停车点的数据参数；得到所述输出变量参数，所述输出变量参数为ATO停车误差。 7.根据权利要求5所述的装置，其特征在于，所述模型建立模块还用于：分别获取以各个所述输入变量参数为自变量，以所述停车误差为因变量的停车过程中的经验公式模型；其中，根据车辆方提供的列车的数学模型或ATO系统的数据预处理与分析得到所述经验公式模型；根据所述经验公式模型和预设修正函数得到所述预测回归模型。 8.根据权利要求7所述的装置，其特征在于，所述模型建立模块还用于：获取所述预设修正函数，所述预设修正函数的表达式为： Δh(x)＝αx+β 其中，Δh(x)为所述预设修正函数；x为所述输入变量参数；α、β为所述修正变量。 9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。 10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。
所属类别：	发明专利