线性自抗扰控制算法在ATO系统中的应用研究

针对列车运行系统快速、稳定、精确等要求,将线性自抗扰控制（LADRC）算法应用于ATO系统的速度控制,并采用粒子群优化（PSO）算法对LADRC算法进行优化,提高LADRC控制器的参数整定效率。仿真 结果表明,该算法较传统的PID控制算法,能够有效提高速度控制的快速性和精度,改善乘客舒适度。     

广义预测控制隐式算法在ATO系统中的应用

ATO系统具有时滞性、非线性、时变性等特点,使用传统的PID控制器难以取得理想的控制效果。根据ATO系统的特点,设计了基于广义预测控制隐式算法的速度控制器,并对被控对象进行了仿真。Matlab仿真和实验结果证明,该控制策略比PID控制具有更好的控制效果。     

模糊预测控制在地铁舒适度方面的研究与仿真

针对地铁列车自行运行系统(Automatic Train Operation, ATO)舒适度方面进行研究,基于模糊预测控制理论设计了模糊预测控制器,在MATLAB平台上通过仿真模型建立,对模糊预测控制在ATO舒适度方面深入研究并进行仿真验证,表明ATO系统采用模糊预测控制算法在地铁舒适度方面有明显的改善,为地铁舒适度方面提供可行方案。     

基于模糊自适应PID控制的ATO系统控制算法

为了研究ATO系统控制算法的智能性和高效性,在传统PID算法的基础上,充分考虑到列车系统的非线性和复杂性,结合模糊控制理论能进行实时非线性调节的优点,提出了模糊自适应PID控制算法。并在Matlab/Simulink中建立了ATO系统的仿真模型和算法控制模块。将两种算法分别运用到ATO系统中,对目标速度曲线进行跟踪,从停车精度、追溯性、准时性、节能性、舒适性五个方面对二者的控制性能进行比较分析。仿真结果表明,将模糊自适应PID算法运用到ATO系统中,列车的控制性能能够很好地满足ATO系统的各个性能指标要求。     

遗传算法在ATO目标速度曲线规划中的应用

在列车自动驾驶(ATO)系统中,结合遗传算法和列车逐级变速技术,规划出列车运行的目标速度曲线,实现了对列车加速、巡航、减速等运行状态的规划控制.仿真结果表明,该算法满足列车对目标速度曲线的安全性、准时性、节能性和舒适性等要求,可运用于ATO系统和培训仿真系统.     

基于预测型灰色控制的列车自动运行速度控制器建模与仿真

速度控制器是列车自动运行(ATO)系统的核心技术之一.针对ATO速度控制器的调速功能,采用预测控制和灰色控制相结合的策略,综合考虑舒适性、节能性、准时性、停车精度等性能指标,并结合测速定位误差、空转打滑、操作时延等现场影响因素,建立了速度控制器数学模型.模型在车载平台下进行了仿真测试,验证了ATO速度控制器的调速功能,达到了预期的控制效果.     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。     

基于遗传算法列车自动运行速度曲线的优化

本文探讨了列车自动运行系统(ATO,Automatic Train Operation)中的列车自动运行速度曲线的优化问题.根据ATO控制指标的要求,建立了包含速度防护、舒适度、节能、精确停车等多个目标的列车运行控制模型;采用遗传算法对列车自动运行控制策略进行优化,验证和仿真了优化后的速度曲线,直观反映了列车自动运行的安全性,舒适性,高效性和停车精度等性能提高情况.     

基于改进MH算法的高铁ATO运行操纵多目标优化研究

在高速列车运行过程中,运行环境变化将对ATO提出更高的计算要求,ATO既要满足实时计算又要满足运行操纵多目标优化。针对该问题提出一种改进MH算法计算列车运行操纵序列。在原有MH算法基础上,对算法计算频率与寻优目标函数进行改进,提出随机惯性权重粒子群算法与司机驾驶逻辑相结合的方式计算运行操纵序列,通过选取合理的计算间隔时间使得算法性能最佳。以武广高铁85km线路仿真高铁自动驾驶,改进MH算法中随机惯性权重粒子群算法的收敛速度优于原算法。仿真结果表明:改进MH算法在列车运行准点性和停车精度方面得到提升,为ATO在线计算提供思路。     

高速铁路列车自动驾驶系统的研究和仿真实现

按照列车运行的启动、区间调速和定点停车3个阶段研究高速铁路的列车自动驾驶(ATO)系统.在满足时间性、停车精度、舒适性,安全性等性能指标的前提下,根据实际线路技术条件,提出ATO的控制算法,针对列车运行各阶段建立由最快加速策略,巡航和专家打分法及预测算法组成的数学模型,并对ATO系统进行仿真,效果理想.     

考虑ATP限速的ATO控制算法研究

一般列车自动运行(ATO)控制算法不直接考虑列车自动防护系统(ATP)限速的约束,因此可能造成列车在正常运行情况下的紧急停车。本文提出一种基于模型预测控制MPC(Model Predictive Control)的ATO控制算法,在控制器设计中直接考虑ATP限速约束,能够保证在ATO控制列车正常运行情况下不会触发ATP紧急制动,从而提高列车运行效率和舒适度。仿真结果表明该方法是有效的。     

基于GA优化模糊PID控制的ATO算法研究

针对城市轨道列车的自动驾驶系统(ATO)传统PID控制方法适应性差和智能化不足的问题,基于该领域专家知识和驾驶司机的操作经验,将遗传算法优化的模糊PID控制算法运用在ATO的控制系统中,并运用MTALAB进行仿真。仿真结果表明,该控制算法优于传统的PID控制,能够满足ATO系统对不同工况下的适应性和智能性要求,可以达到精确停车和准点到站的目的,能够有效提高列车舒适性和降低列车能耗。     

基于人工蜂群算法的高速列车运行节能优化研究

合理的列车操纵方式能在很大程度上降低列车运行过程中的能耗,为了有效降低高速列车运行能耗,从研究高速列车的操纵方式入手,首先建立列车牵引计算模型和列车运行能耗计算模型,其次通过对比人工蜂群算法(ABC算法)和粒子群算法(PSO算法)的优化性能证明ABC算法优于PSO算法,提出了在满足运行速度、运行时间以及运行区间等约束条件下,采用ABC算法与操纵工况序列相结合的方法来优化计算确定高速列车操纵工况关键转换点最优位置和速度。最后通过对选取线路的MATLAB仿真模拟,验算了ABC算法在降低列车运行能耗方面的有效性。研究表明,经过ABC算法优化后的结果均能满足优化操纵方式的基本操纵策略且达到了良好的优化效果,能较好地解决列车节能操纵优化问题。     

基于KH算法的高速列车ATO控制策略优化研究

针对传统高速列车自动驾驶(ATO)控制策略优化时简化线路参数、列车牵引计算采用单质点模型等问题,将列车通过牵引供电分相区断电惰行纳入运行工况,建立动车组多质点模型。在满足列车运行图固定运行时间条件下,以能耗、准点性、停车准确性及舒适性为指标建立高速列车ATO控制策略优化模型。利用磷虾群(KH)算法对高速列车ATO控制策略进行优化。以兰新高速铁路某区间线路数据为例,仿真测试表明KH算法可以在较少的迭代次数下获得较粒子群算法更优的ATO控制策略,且列车过分相区断电惰行会对优化结果产生影响,验证了所提算法在优化高速列车ATO控制策略中的优越性及将列车过分相区断电惰行纳入运行工况的合理性。     

高速列车多模型广义预测控制方法

列车运行过程是一个典型的非线性过程,并且随着列车速度的增加,非线性特性越来越强,这就给自动驾驶系统的设计提出更高的要求。本文针对高速列车自动驾驶系统设计多模型广义预测控制器。首先针对高速列车的非线性特性,利用聚类有效性评价指标确定最优的多模型个数,然后采用减法聚类方法建立多模型集合。接着针对每个聚类集合,利用递推最小二乘方法建立相应的线性模型。最后针对模型参数不确定性和未建模部分,设计多模型广义预测控制器进行控制。仿真结果证明了该方法的有效性。     

面向高速铁路的CTCS+ATO列控系统研究

为提高高速铁路运输效率和自动化程度,根据珠三角城际铁路CTCS2+ATO列控系统的运用经验,提出高速铁路引入自动驾驶(ATO)的方案。方案采用CTCS+ATO系统结构,根据系统配置分为CTCS+ATO-PFC(Partial Function Configuration)和CTCS+ATO-FFC(Full Function Configuration)两个等级。分别对每个等级的系统功能、地面和车载设备配置进行定义,并提出系统分级实施方案。CTCS+ATO列控系统方案综合考虑我国列控系统的现状和发展方向,为我国高速铁路引入自动驾驶提供参考依据。