基于遗传算法的列车自动驾驶过程优化研究

针对列车自动驾驶系统（ATO）控制的目标复杂多样和环境变量不稳定等问题,在对列车的运行过程进行研究的基础上,建立了列车运行过程的多目标优化模型,并用遗传算法对列车的目标曲线进行优化,同时加入精英统治保持模型的高适应度,提高了运算速度,得到列车运行的最优控制策略。仿真结果表明,该系统在兼顾列车运行的准时性、停车精度、能耗及舒适性等多目标的情况下,使列车运行的各项性能指标都有所提高。     

货运列车自动驾驶关键技术研究

在既有车载设备中集成安装ATO设备,是解决目前铁路货物运输问题的方法之一。在分析货运列车ATO使用前景的基础上,通过借鉴高速铁路ATO系统架构及控制逻辑,提出适用于国内国情的货运列车ATO架构,并对货运列车ATO的新特性进行详细分析。     

基于模型库的列车自动驾驶仿真系统设计

为了使仿真系统有较好的通用性和友好界面，本文提出了基于模型库的列车自动驾驶仿真系统的设计方案，同时利用三视图法和基于语言的住处分析支持进行列车自动驾驶系统的面向对象分析设计。     

基于自动驾驶的列车牵引计算系统

引入关系数据库理论,建立列车牵引计算的数据库,对各类数据进行集中管理.引入列车牵引计算理论,根据列车受力分析,建立列车物理模型,结合列车运动方程和各种约束条件建立数据模型,设计列车自动驾驶算法;以VC++6.0为开发平台,实现数据库和算法;并利用计算机图形技术,以图形和动画方式实现列车运行过程的可视化,实时模拟列车的运行状态.     

基于可拓学的列车自动驾驶算法研究

以可拓学理论为基础研究列车自动驾驶算法,该算法兼顾了列车运行的安全性、舒适性、节能性、停车精度等性能指标.通过对列车自动驾驶优化操作策略进行分析,建立了评价列车运行过程的物元模型,确定关联度函数对各性能指标进行量化,利用层次分析法得到性能指标的权重,在此基础上用可拓学中的优度评价法以滚动优化的方式实现得到优化策略.本文将可拓学应用于列车自动驾驶,该方法不需要建立精确的数学模型,为研究列车自动驾驶算法提供了一个新的方向.     

列车自动驾驶技术研究和系统设计

伴随着计算机技术的进步和控制理论的发展,列车自动驾驶技术逐渐成为轨道交通领域研究的重点,文章通过对既有普通列车自动驾驶技术实现方法的研究得出,列车的自动驾驶不仅能减轻乘务员的劳动强度,而且还能有效提高客运列车的准点率及货运列车的达速率,是未来轨道交通技术发展的方向。     

列车自动驾驶的仿真实现

针对ATO实现的难点，提出了一种ATO的解决方案，并在牵规电算软件的基础上编程，仿真列车运行的过程，实现了列车的自动驾驶。通过与实际案例的对比分析，证明了该方案的可行性，对进一步研究ATO技术有现实意义。     

基于改进PID算法的列车自动驾驶控制方法研究

由于列车自身结构以及运行线路比较复杂,为了保证自动控制的效果,确定了列车自动控制的数学模型;研究基于神经网络算法优化的改进PID控制算法,利用神经网络算法以及模糊算法得到微分系数、积分系数以及比例系数的最佳组合,从而实现PID参数的自适应调节,提高列车自动控制的精度。     

基于UIO方法的列车自动驾驶信号故障检测研究

列车自动驾驶ATO(Automatic Train Operation)状态故障检测是实现CBTC(Communication BasedTrain Control)系统车载ATO控制功能可靠性的必要条件之一。针对影响列车自动驾驶功能与性能的速度、位置量测传感器故障及执行器故障进行故障建模,利用基于未知输入观测器UIO的故障检测方法对存在未知干扰与噪声情况下的ATO状态故障进行检测。通过构建残差与设置阈值来降低对未知干扰或噪声的敏感度,从而降低故障报错率。仿真结果表明,本文所提出的方法能够完成对列车控制状态3种故障模式的检测,该检测信息不仅能够给已经装备ATO的车辆提供实时优化曲线生成所需的参数,也可以为仍使用人工驾驶的列车进行预警,并为车辆维护业务提供有用信息。     

列车自动驾驶技术方案探讨

作为智能高速铁路体系框架智能装备的重要组成部分,自动驾驶（ATO）系统在京张高速铁路与珠三角城际铁路得到了示范性应用,并在节能增效、减轻司机工作强度方面自动取得了良好的效果。本文分析了高速铁路ATO系统与城市轨道ATO系统的区别,阐述了高速铁路运营场景ATO系统主要功能需求,总结了高速铁路ATO系统的架构、原理、子系统接口及工程实施方案,并结合智能高速铁路体系架构提出了高速铁路ATO系统智能化发展方向。研究成果可为我国高速铁路智能化发展提供参考。     

列车自动驾驶系统控制算法综述

介绍了列车自动驾驶系统的基本结构和功能,并对各控制算法的研究情况与投入使用的情况作了详细分析,同时还对列车自动驾驶系统控制算法的前景作了展望。     

重载列车自动驾驶纵向动力学仿真技术研究

为了保障列车自动驾驶的平稳性,需要充分考虑列车多质点的纵向冲击力问题。文章研究了重载列车纵向动力学相关内容,主要包含对重载列车多质点模型、空气制动模型和车钩缓冲器模型的建模和仿真技术,并在此基础上开发了面向列车自动驾驶的纵向动力学仿真软件。与实际运行的线路数据对比试验结果表明,所开发的重载列车纵向动力学软件能够较准确地模拟列车实际运行工况,对重载列车自动驾驶平稳操纵具有重要的指导价值。     

基于混合系统模型预测控制的列车自动驾驶策略

本文研究多优化目标和多约束条件下的动车组列车自动驾驶ATO控制问题。通过分段线性化列车运行阻力,引入列车运行状态整数变量,建立了动车组混合整数列车运行模型。提出基于混合系统模型预测控制HMPC的列车自动驾驶策略,并应用输入分块化技术和显式模型预测控制,降低算法的计算量,以提高硬件实现的可行性。前者通过固定一定时间段内的控制量,对输入序列进行分块化,降低控制器的自由度;后者通过离线设计和在线综合的方法减少算法的在线计算时间。最后利用Matlab仿真软件环境下的MPT 3.0扩展工具箱对所提控制策略进行数值仿真。结果表明:该控制器能在列车运行安全约束下,合理分配动车组各车厢的牵引力和制动力,保障列车准时及节能高效地运行,同时所提出的改进算法能有效降低计算量。     

基于列车全自动驾驶下的联动预案研究与设计

以目前国内CBTC系统向FAO系统升级换代为背景,说明信号系统中列车监控系统(ATS)引入联动预案系统的研究的必要性,详细介绍该系统的软件结构和系统功能。通过与传统综合监控中使用联动作对比,说明联动预案系统广泛的应用场景。同时结合FAO系统的推出进一步说明,联动预案系统将在行车指挥领域扮演重要的角色。     

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.     

基于混合系统建模预测控制的列车自动驾驶优化运行

针对现有列车自动驾驶速度追踪精度不高的问题,提出一种基于混合系统神经网络反馈补偿控制的模型预测控制算法。根据混合系统建模的特点与优势,引入辅助变量,建立混合系统列车运行动力学模型。为了便于求解包含约束的预测控制律,采用二次规划方法求出满足列车各项性能指标的控制作用序列。神经网络反馈控制器用于对系统目标速度与实际速度之间的误差进行在线学习并求出一个补偿控制量,并将补偿后的控制力作用于列车系统模型。研究结果表明:该控制结构包含补偿控制策略,可以较大程度减小系统跟踪误差,保留模型预测控制的优势,同时提高系统的控制精度。     

基于遗传算法的重载列车驾驶策略研究

针对重载列车在长大下坡道运行时需采取循环制动来保证列车安全运行的难点问题,通过分析重载列车动力学模型和操纵要求,研究了一种基于遗传算法的列车驾驶策略。首先,基于线路数据和列车编组数据,对重载列车运行过程进行了动力学模型的建立;然后以操纵要求建立约束集,设计了以工况(制动和制动缓解)转换点为编码对象的驾驶策略生成算法;最后选取朔黄铁路一段长大下坡道实际线路数据,仿真得到最优的工况转换序列,并生成列车驾驶曲线。分析仿真驾驶曲线与指导驾驶曲线速度的均方根误差以及速度误差的期望和方差,表明该方法是可行的。     

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分（PID,Proportional Integral Derivative）控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足,提出一种基于PID型迭代学习控制（ILC,Iterative Learning Control）的列车自动驾驶（ATO,Automatic Train Operation）曲线跟踪算法。通过迭代学习控制,优化跟踪过程,减小跟踪误差,缩短收敛时间;设置典型场景对所设计的算法进行仿真试验,并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明,PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度,能够在有限的迭代次数内实现精确跟踪,验证了所提算法的有效性。     

列车优化操纵与自动驾驶模式的研究与仿真

对列车优化操纵与自动驾驶模式进行了深入研究,在总结优秀司机操纵经验的基础上阐述了合理操纵和节能操纵两种优化操纵方法,提出了在不同坡道上和通过限速时列车自动驾驶的基本策略,给出了实现最大能力操纵的主要原则以及由此达到正点运行的方法,进行了优化操纵及自动驾驶模式的仿真,证明了研究成果的正确性。     

基于自抗扰控制的高速列车自动驾驶速度控制

针对高速列车在复杂环境运行时,传统PID控制器受未建模动态及外界未知干扰导致列车速度追踪误差大的问题,提出一种基于自抗扰控制ADRC(Active Disturbance Rejection Control)的高速列车速度控制算法。基于单质点模型建立列车的状态空间方程,令列车方程中的未知部分作为扩张状态设计二阶自抗扰控制器,并利用CRH380A型列车参数进行仿真,对指定的目标速度曲线进行追踪,证明基于自抗扰控制算法的可行性;同时设置干扰量,与传统PD控制、非线性PID控制算法在抗干扰性能和追踪误差等方面作比较。结果表明,基于自抗扰控制的高速列车速度控制器具有抗干扰性强、追踪误差小的优点。