基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

LKJ无线换装车地数据传输关键技术研究

针对既有LKJ车载数据人工换装方式费时费力、效率低下等问题,研究通过无线通信网络将LKJ车载数据从地面传输至车载。首先,通过对移动公网(4G/5G)、铁路专网(GSM-R)和无线局域网(WLAN)进行综合比较,选择移动公网作为LKJ无线换装车地通信的载体;然后,通过与SSL VPN的对比,确定采用IPSec VPN技术建立车地通信安全传输通道;最后,在实验室搭建LKJ无线换装车地通信测试环境进行算法验证。测试结果表明:换装业务数据以密文形式传输,验证了车地通信是通过安全传输通道进行的。     

铁路时间同步网溯源及同步性能研究

铁路时间同步网是为铁路各通信子系统提供精确时间的重要支撑系统，其运行性能非常重要。针对铁路时间同步网及其3层固定结构以及移动列车时间同步节点，分析铁路时间同步网4种不同的溯源参考，并基于经过校准的全球导航卫星系统（GNSS）时间频率传递装置，设计了铁路时间同步网溯源监测方法，评估了铁路时间同步网中不同溯源源头可能造成的时间同步性能差异。针对铁路时间同步网现状，测量分析其现有性能能否对未来5G-R提供有效支撑具有重要意义。     

车站站名变更对LKJ数据编制的影响分析及优化建议

在采用列车运行监控装置（LKJ）设备的铁路线路上，车站站名存在多交路复用、站名重复等情况，对车站站名变更的影响及优化进行研究具有重要意义。首先，从LKJ车载设备和地面数据编制软件方面，对车站站名的取用方式和作用进行分析；其次，在车站站名发生新增、改名、撤销、站场和发车方向变更等场景下，对LKJ基础数据编制及数据换装过程的影响进行分析；最后，从LKJ列车运行径路组织方式、基础数据格式和数据换装流程三方面提出优化建议，以提高地面数据编制人员的工作效率，降低劳动强度，并简化数据换装流程，提高作业安全。