列车自动驾驶运行过程的多目标优化研究

摘要

随着经济的高速发展，我国的铁路行业已经进入了发展的黄金时期。列车运行速度的提高以及运营密度的增大，使得传统的人工驾驶模式，难以满足列车运行的进一步发展需求。自动驾驶模式作为一种在取代驾驶司机的同时，又能提升列车运行性能指标的运行模式，通常被用来取代人工驾驶模式，是未来发展的趋势。
　　ATO(Automatic Train Operation，列车自动驾驶)系统，作为自动驾驶模式的核心子系统，是提高列车运行效率、增大列车运行密度的关键装备。由于列车运行过程的复杂性，其运行速度通常要受到线路条件、限速条件及司机熟练程度的影响，因此具有很多不确定因素。使用自动驾驶系统取代列车司机驾驶，可以在满足列车运行过程各性能指标需求的基础上，同时避免人为引起的随意性因素。所以，对自动驾驶系统进行研究具有其必要性。
　　本文首先介绍ATO系统的结构、功能及其工作原理，提出从自动驾驶的运行曲线和控制器两方面，来优化列车自动驾驶运行过程的思路;其次，针对列车运行曲线的优化，选择使用智能的NPSO(Niche Particle Swarm Optimization，小生境粒子群)算法，通过对多目标优化模型的求解，得到理想的列车运行曲线;在控制器的设计方面，结合灰色预测、模糊控制以及PID(Proportion Integration Differentiation，比例积分微分)控制的优点，设计基于灰色预测模糊PID控制的ATO控制器核心算法;最后，针对理想运行曲线的生成及ATO控制器的控制效果，选取相关的仿真线路及车型，进行仿真分析，验证其合理性及有效性。
　　对仿真得到的列车运行曲线各性能指标进行分析，其结果可以实现各性能指标综合最优化的目标，证明小生境粒子群算法可以达到优化列车运行目标曲线的目的。以优化后的列车运行曲线作为输入，经控制器作用后，对比输入与输出曲线，发现这两者间的误差较小，证明以灰色预测模糊PID控制算法为核心的列车自动驾驶控制器，可以取得良好的控制效果。综上，通过对列车运行曲线及自动驾驶控制器的核心算法进行优化，可以达到优化列车自动驾驶运行过程的目的。

目录

声明

摘要

1 绪论

1．1 论文选题背景及研究意义

1．2 国内外研究现状

1．2．1 ATO控制算法的研究现状

1．2．2 ATO控制策略的研究现状

1．3 论文的主要研究内容

2 列车自动驾驶系统理论

2．1 列车自动驾驶运行系统的分析

2．1．1 ATO系统的技术要求

2．1．2 ATO系统的结构及功能

2．1．3 ATO系统的工作原理

2．2 ATO评价指标及多目标优化模型

2．2．1 各性能指标模型的建立

2．2．2 多目标优化问题

2．2．3 ATO多目标优化模型的建立

2．3 ATO控制列车运行模型

2．3．1 列车牵引制动特性

2．3．2 列车运行阻力

2．3．3 ATO控制对象动力学模型

3 列车自动驾驶理想速度曲线的优化

3．1 多目标问题的小生境粒子群算法

3．1．1 小生境技术

3．1．2 基本粒子群算法

3．1．3 基于小生境技术的粒子群算法

3．2 NPSO优化列车运行曲线过程

3．2．1 优化分析

3．2．2 优化步骤

3．3 权重的确定

3．3．1 层次分析法主观评价矩阵的确定

3．3．2 粗糙集客观评价矩阵的确定

3．3．3 组合权重

4 列车自动驾驶控制器的设计

4．1．1 经典PID控制基本理论

4．1．2 模糊控制基本理论

4．1．3 模糊PID控制系统

4．2 灰色预测模糊PID控制系统设计

4．2．1 灰色预测控制基本理论

4．2．2 灰色预测模糊PID控制器

5 仿真验证与分析

5．1 仿真车型与线路

5．2 选取线路优化曲线的生成

5．3 控制器曲线跟随仿真

5．3．1 灰色预测模糊PID控制系统参数设置

5．3．2 灰色预测模糊PID跟随仿真

结论

致谢

参考文献

攻读学位期间的研究成果