地铁列车运行视景系统与ATO仿真模块的接口实现

提出一种基于微软模拟列车（MSTS）平台的地铁列车运行视景系统,介绍了视景系统的工作流程,实现了视景系统和列车自动驾驶子系统（ATO）仿真模块的接口,利用接口实现了ATO仿真模块对视景系统地铁列车客户端运行的跟踪控制,为今后在视景系统中对ATO进行的相关测试和研究提供了可能 ,同时也为城市轨道交通的相关研究提供了新思路。     

城市轨道交通列车自动驾驶各阶段速度控制算法的研究

本文介绍列车自动驾驶(ATO)的基本功能,重点描述列车速度调节和控制功能.将列车自动驾驶过程划分为车站发车、速度跟踪、目标制动3个阶段,对每个阶段的目标速度曲线、速度控制策略和计算算法进行了分析,提出了速度跟踪阶段采用的速度离散化PID控制方法并对其进行了重点研究.     

城市轨道交通ATO的节能优化研究

自动列车驾驶系统ATO通过对列车的速度调节实现列车在站间的自动运行,列车在站间的控制策略决定其运行的能耗。传统的ATO可以根据线路情况、列车当前速度、位置、牵引制动特性以及停车点的位置计算相应的速度曲线,通过一定的控制算法实现对列车速度的精确追踪,保证列车准点并精确地到达停车点。但是该过程使得列车在站间运行时反复实施牵引力和制动力的转换,能耗较大。本文在传统ATO控制策略的基础上,分析一种基于驾驶策略的ATO控制方法,给出一种ATO节能驾驶策略的求解算法。该算法在保证列车到站时间误差在一定范围的前提下,通过延长列车的惰行距离,减少列车在站间运行的能耗。     

基于滑模自适应鲁棒控制的城市轨道交通列车电空制动控制策略研究

针对城市轨道交通列车电空制动系统控制过程中外界干扰、执行机构时滞、基本阻力不确定等特性造成ATO(列车自动运行)系统速度跟踪及停车不准问题,根据李雅普诺夫稳定性理论提出一种基于SMARC(滑模自适应鲁棒控制)的城市轨道交通列车电空制动控制策略,设计城市轨道交通列车ATO系统基于SMARC的制动控制器。通过鲁棒控制将系统模型中非线性、输入时滞和外界扰动等所有不确定量减小到最小范围,同时也削弱了滑模控制器的抖振现象,增强了控制器的鲁棒性;进一步采用滑模控制减小列车制动过程中速度跟踪误差和减速度误差,从而获得较高的停车精度。仿真结果表明,基于SMARC的制动控制器的控制能完全满足城市轨道交通列车制动要求。     

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.     

基于自抗扰控制的地铁列车驾驶控制算法

基于PID算法或基于模糊PID算法的地铁列车ATO驾驶控制算法的速度响应误差大,加减速切换频繁,从而导致旅客舒适度一般,列车停车精度不高,列车能耗略高和运行时间存在一定误差的问题。搭建地铁列车模型,结合北京地铁亦庄线线路数据,通过仿真实验对比基于PID算法,基于模糊PID算法,基于专家系统,基于ADRC算法的地铁列车ATO驾驶控制算法的控制效果,并在实验中运用改进的粒子群算法对ADRC算法的参数进行快速整定。仿真结果表明:基于ADRC算法的地铁列车ATO驾驶控制算法的控制效果优于基于PID算法和基于模糊PID算法的地铁列车ATO驾驶控制算法,其控制效果和经验丰富的司机驾驶基本相当,可以有效提高旅客舒适度、列车停车精度,减小列车能耗、运行时间误差。     

列车自动运行牵引策略在载荷变化时对准点性的影响分析

地铁列车自动运行(ATO)系统应保证列车在不同载荷下的区间运行时间均能满足准点性要求。研究了ATO系统两种牵引控制策略(按当前载荷下的最大牵引力控制、按AW3(超常荷载)下的最大加速度控制)在不同的载荷下对准点性能的影响,并分别在最大能力运行场景和节能运行场景下对两种牵引控制策略下的区间运行时间进行了对比。计算结果表明,按AW3下的最大加速度控制这一牵引策略在载荷变化时的区间运行时间波动更小,且其波动范围小于2%,可满足ATO对准点性的严格要求。     

天津地铁2号线列车ATO模式下精确停车的实现

随着我国城市轨道交通的迅速发展,很多城市的城轨都采用了列车自动驾驶ATO模式来保证高效运行,这就对列车进站停车的精确性提出了更高的要求。本文根据天津地铁2号线ATO系统的停车控制原理及列车实际运行状况,分析了影响列车停车精度的因素,提出了提高测量列车速度和列车定位的的准确性及改进软件算法等措施,以保证列车进站停车精度在标准之内,从而确保列车运行安全的可靠性。     

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。     

基于粒子群优化的ATO控制策略

传统列车自动驾驶(ATO)控制策略通过提高对目标速度的追踪精度来精确控制工况切换频繁,能耗较大且无法进行全局优化。直接控制列车驾驶的全局ATO控制策略能较好解决传统控制策略的缺陷。列车在自动运行过程中依据不同的全局控制策略,能耗、运行时间误差、停站误差等评价指标均产生变化。由于评价指标存在内部矛盾,不存在所有指标均最优的控制策略。本文提出1种基于动态邻居和广义学习策略的粒子群(ADPSO)优化全局控制策略的算法。该算法通过挖掘线路信息和列车运行信息指导优化过程,以获得在列车安全运行的前提下,满足一定能耗、运行时间误差和停站误差要求的全局ATO控制策略。仿真研究结果表明与其他两种优化算法相比,该算法具有更好的性能。     

CTCS-2级＋ATO列车运行控制系统方案研究

CTCS-2级列车运行控制系统主要应用于国铁客专线路,ATO系统主要应用于地铁线路。但随着城际铁路的大量建设,广东珠三角城际线路拟采用CTCS-2级＋ATO控制系统。主要分析研究了其系统构成及功能需求。     

列车ATO定位停车不准故障分析

分析地铁车辆闸瓦国产化后,列车以ATO模式进站定位停车不准的故障,找出线路、速度等影响停车精度的原因,从信号专业方面提出改进方法。     

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。     

基于粒子群算法的隐式广义预测在ATO中的应用

由于列车运行速度的不断提高,对列车自动驾驶(Automatic Train Operation,ATO)系统提出更高的要求。针对隐式广义预测(Implicit Generalized Predictive Control,IGPC)控制器在ATO中难以获得最优预测控制输入的问题,运用一种基于粒子群优化(Particle Swarm Optimization,PSO)的IGPC算法对ATO系统进行控制。为更进一步提高PSO算法的寻优能力,对基本PSO算法进行改进,从而有效提高系统的寻优精度和速度。并对有约束情况下的CRH2型车进行仿真验证,仿真结果显示PSO-IGPC比单纯IGPC对ATO的控制效果更优。     

天津轻轨滨海线列车自动运行定点停车的可靠性试验及分析

对天津轻轨滨海线列车自动运行定点停车调试的过程及出现停车不准问题的原因进行了客观的分析。通过由用户、监理、制造厂商多方共同参加的联合试验,找出了定点停车不准的主要原因是速度检测不准和列车自动运行系统的设计余量不足,并提出了整改建议。     

考虑冲击限制的地铁列车牵引计算算法

地铁列车牵引计算往往沿用铁路列车的牵引计算方法,忽略了地铁车辆对控制加速度的"缓变式"处理过程,给牵引计算的控制加速度、速度和运行时间计算带来偏差。给出了考虑冲击限制情况下,地铁列车最大能力运行及节能运行时的牵引计算算法,并采用实际列车和线路数据对算法进行了验证。计算结果表明,考虑冲击限制的地铁列车牵引计算算法可以提高牵引计算中列车速度、加速度和时间的仿真精度,使速度和加速度的仿真计算结果更符合地铁列车运行实际,区间运行时间的计算精度可提高2%以上。     

两级模糊神经网络在高速列车ATO系统中的应用研究

列车自动驾驶系统(ATO)作为替代司机、实现铁路运输自动化的重要设备,受到国内外铁路科技工作者的广泛关注,它的性能关系到铁路运输系统的安全和效率。一种高效的高速列车控制方法可以很好地满足人们对高速铁路"安全、正点、舒适和快捷"的要求。由于模糊神经网络具有自动提取经验和进行推理的特点,在前人研究的基础上,本文用两级模糊神经网络对高速列车运行过程进行控制。参照当前列车运行速度、线路状况、列车编组、列车时刻表、距目标点距离以及目标点所允许的速度,前一子网模拟优秀司机的操纵可获得在当前状态下应采取的最佳列车运行工况,后一子网根据运行工况、线路状况、列车在线路上位置、列车编组、列车时刻表、距目标点距离和目标点允许速度,得到列车在该工况及当前条件下的运行速度。仿真实验结果表明该方法正确有效,达到了期望的效果。     

影响地铁列车旅行速度和追踪能力的关键因素

基于地铁信号和车辆系统对列车的控制机理,分析了影响列车旅行速度和追踪能力的关键因素及其内在联系,总结了提高列车旅行速度和追踪能力的思路和方法,为更好地实现地铁线路的运营需求提供参考.     

基于在线一致性测试理论的CBTC车载ATO功能测试研究

自动列车驾驶系统(ATO)是CBTC系统的重要组成部分,验证测试其控制功能逻辑的正确性和安全性至关重要。介绍了ATO控制原理和功能,分析了CBTC中典型的两车追踪控制运行场景控制流程,得到了该场景下的列车运行安全需求。结合时间自动机理论,建立了包含列车动力学、车载ATO、ZC以及时钟控制器的两车追踪场景时间自动机网络模型,验证了模型中安全需求的正确性;基于一致性测试理论,定义了被测车载ATO软件与测试环境的可观测输入/输出接口,利用UPPAAL-TRON工具设计了被测车载ATO软件的一致性测试框架,并进行了一致性测试分析。在此基础上,采用变异测试,针对典型的车载ATO软件功能实现错误(错误的安全距离、静态限速、功能逻辑以及命令丢失等)进行了安全性验证。结论表明:该在线一致性测试方法能够及时发现车载ATO软件行为与规范模型的不一致,有效提升了车载ATO功能测试的检错能力。