考虑全路段环境及人为因素的列车自动驾驶预测控制方法

摘要

本发明公开了一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法，属于城市轨道交通控制技术领域。本发明首先建立列车的动力模型，考虑到了列车的牵引力、制动力、基本阻力和附加阻力；然后以列车的动力学模型作为预测模型，建立列车的优化控制目标函数，并确定目标函数求解的约束条件；引入列车行驶路段中的环境因素和人为因素，用于更新列车的动力学模型和控制约束条件；获取列车行驶信息，结合实时路段信息，求解优化控制目标函数，得到预测时段内的牵引力控制期望值。本发明凭借模型预测控制算法对解决约束系统控制问题的优势，考虑了列车实际运行过程中的环境影响和人为影响，实现列车舒适而高效的自动驾驶控制。

说明书

技术领域

本发明涉及城市轨道交通控制技术领域，具体是一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法。

背景技术

我国的城市轨道交通发展迅速并且普及广泛，相对于其他城市公共交通工具而言，有着安全舒适、快速环保、运量大的特点，因而逐渐成为人们出行首选的交通方式。尤其在发达城市中，城市轨道交通已经成为最大的交通运输载体，每天巨大而多变的客运量对列车的驾驶控制技术有着相当高的要求。

现有的列车自动驾驶系统(ATC-Automatic Train Control)可以自动控制列车速度，以避免超速、冒进、追撞等事故发生。ATC系统是一个完整的列车速度监督系统，它提供驾驶员一个连续的允行速度曲线。当列车行驶速度超过允许速度，刹车设备应自动强制其减慢速度，以确保行车安全。

针对ATC的子系统——列车自动运行系统(ATO-Automatic Train Operation)的控制算法研究种类繁多，常见的有传统的PID控制算法、模糊控制算法和神经网络控制算法等。但这些算法均存在一个共同的问题，它们只能单纯地解决列车对期望速度的跟踪，而无法考虑列车运行过程中的诸多影响因素。例如环境因素：轨道的坡度、列车的运行曲线、通过的隧道、行驶风阻和道路状况等；以及人为因素：载客数量、停靠站点的运行状况等。这些影响因素都会出现在列车的行驶过程中，而常见的控制算法很少甚至无法考虑这些因素的影响情况，因此无法保证对列车运行的自动控制效果。

发明内容

为实现列车在真实运行环境下的稳定控制，本发明提出了一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法。使用模型预测控制(MPC)算法，结合列车运行过程中可能涉及到的影响因素，将其代入控制系统的预测模型和约束条件中，进行约束系统控制问题的优化求解。在真实完整的控制系统下，以保证列车的通行安全、运行效率和乘坐舒适性为前提，实现列车的平稳自动驾驶控制。

本发明提供的一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法，具体步骤如下：

步骤一、考虑列车运行过程中的基本阻力和附加阻力，建立列车的阻力模型；

(1)基本阻力；

a.轴承阻力(轴颈部的摩擦阻力)：

其中：F_i-第i个轴摩擦阻力，Q_i-第i个轴荷重，r-轴颈半径，R_L-车轮半径，φ-轴承摩擦系数。

b.滚动摩擦阻力F_r：

其中：M_r-滚动摩擦力矩，F_n-第n个轮对的支承力，σ-滚动摩擦阻力系数。

c.空气阻力：

其中，F_w为空气阻力(N)，ρ为流体密度(kg/m³)，C为空气阻力系数(通常被认为是无量纲的常量)，S为迎风面积(m²)，v为列车速度(m/s)

考虑三种基本阻力，并整理上述公式，得到列车运行单位基本阻力修正计算公式：

其中w为列车运行单位基本阻力(N/kN)。

(2)附加阻力：

a.隧道阻力：

F_s＝1.16Lv²R²-0.74Lv²R+3.54LvR²-2.68LvR+0.13Lv²+39.79LR²+4.86v²R²-2.88v²R+13.42vR²+0.47Lv-26.4LR+5.99vR+0.3v²+15.62R²+4.64L-0.77R-0.92v-31.14

其中，L表示列车长度，v表示列车速度，R表示列车经过的曲线路径的半径。

b.坡度附加阻力：

W_i＝(M_m+M_t)g>

其中：W_i-坡度附加阻力；M_m-动车的质量；M_t-拖车质量；g-重力常数；θ-坡道角度。

单位坡度附加阻力：

其中，q表示坡度。

c.曲线附加阻力：

其中：w_r-单位曲线附加阻力(单位：N/kN)，A-经验常数，城际铁路在450-800之间，R-轨道曲线半径(m)。

如果列车所在第1段曲线半径为R₁，第2段曲线半径为R₂，列车在第1曲线段内长度为l，在第2曲线段内长度为L-l，则此时单位曲线附加阻力如下(单位为N/kN)：

若两曲线段内的坡度也不相同，第1曲线段内坡度为q₁，第2曲线段内坡度为q₂，则可结合单位坡度附加阻力模型，得到多质点模型单位坡度和曲线附加阻力合力：

L表示列车长度，q₁表示变坡点前的计算坡度，q₂表示变坡后的计算坡度。

步骤二、建立列车动力学模型，以此作为预测模型建立优化控制目标函数；

列车的总质量：M＝M_m+M_t+M_n，其中M_n为乘客总质量，估算为M_n＝60*n(n为载客数量，平均每位乘客质量为60kg)。

结合步骤一中的阻力模型，得到行驶中的列车总阻力：F_f＝Fs+(w+w_fj)*M，其中w表示列车运行单位基本阻力。

建立列车的离散动力学模型：

其中t为当前时刻，F(t)为t时刻列车牵引力(或制动力)，s(t)为列车从上一站点出发行驶里程，τ为惯性迟滞时间，Δt为计算时间间隔，u为控制量，v(t)表示t时刻列车速度。

从而建立优化控制目标函数J：

满足：

F(t+N_c)＝F_f(t+N_c)

v(t)∈(v_min，v_max)

S_n为两站点间总路程，N_c为控制时域，t₁为到达下一站点的期望历时，t₂为从上一站点出发截止目前历时，

Q，R为权重矩阵，Q＞0，R＞0。v_min和v_max分别为列车运行速度的最小值和最大值，a_min和a_max分别为列车运行加速度的最小值和最大值。

步骤三、引入列车行驶路段中的环境因素和人为因素，用于更新动力学模型和控制约束条件；

(1)环境因素：

a.固定行驶路段内的坡道信息，用于坡度阻力信息更新；

b.固定行驶路段内的隧道信息，用于列车隧道阻力修正；

c.固定行驶路段内的曲线信息，用于列车曲线阻力修正；

d.列车速度变化引起的风阻变化；

e.恶劣天气等原因导致的列车行驶速度限制；

(2)人为因素：

a.列车载客数量，用于列车总阻力修正；

b.目的地站点的进站情况，用于调整控制器中的目标抵达时间。

步骤四、获取列车行驶信息，结合实时路段信息，求解优化控制目标函数，得到预测时段内的牵引力控制目标。

需要得到列车的行驶信息：实时速度，从上一站点出发经历时间，到下一站点距离信息，当前载客数量；

需要获取的实时路段信息：坡道，隧道，道路曲线，天气，下一站点停靠情况；

将以上信息代入非线性预测控制器中，以通行安全、运行效率和乘坐舒适性为目标，在线求解一定控制时域内的牵引力控制量，控制器从任一站点出发开始进行初始化，并开始求解，直至到达下一站点结束。

列车在t0时刻从某站点出发，一直到下一站点的全局控制序列为：

{u(t₀|t₀)，u(t₀+1|t₀+1)，...，u(t₀+N_p|t₀+N_p)}

其中N_p为预测时域，以此控制序列作为列车的期望输入值，就能实现列车的平稳控制，并满足其运行效率。

本发明的优点在于：

建立了更加全面详细的列车动力学模型，并考虑了列车实际运行过程中存在的环境影响和人为影响，将其转化为列车动力学模型的更新参数和控制器约束，这也是发挥了模型预测控制算法的优势，能够有效处理约束系统控制问题。而行驶路段中存在的众多影响因素，是目前传统列车速度控制器设计中没有考虑到或是无法处理的，本发明以保证运行效率和乘坐舒适性为目标，实时求解出的最适合当前路段环境的控制量到执行器，从而实现列车的自动驾驶控制。

附图说明

图1为本发明建立的列车动力学模型结构框图。

图2为本发明预测控制算法的架构示意图。

具体实施方式

下面将结合附图和实例对本发明作进一步的详细说明。

本发明涉及一种考虑全路段环境和人为因素的预测控制器设计，控制器的基础是依靠图1列车动力学模型结构搭建出的预测模型，列车的牵引力和制动力作为本控制器的控制量。整个控制流程如图2所示。

本发明的一种考虑全路段环境和人为因素的列车自动驾驶预测控制方法，如图2所示流程，具体步骤如下：

步骤一、考虑列车运行过程中的基本阻力和附加阻力，建立列车的阻力模型；

(1)基本阻力：

a.轴承阻力(轴颈部的摩擦阻力)

城轨列车运行过程中，一部分阻力来源于轴颈部的摩擦阻力，轴颈与轴承之间存在相互作用力，轴颈部的摩擦阻力计算如公式(1)所示

其中：F_i-第i个轴摩擦阻力，Q_i-第i个轴荷重，r-轴颈半径，R_L-车轮半径，φ-轴承摩擦系数。

b.滚动摩擦阻力

物体在另一物体上滚动(或有滚动趋势)时受到的阻碍作用是由物体和支承面接触处的形变而产生的。一般用滚动摩擦力矩来量度。滚动摩擦阻力计算公式如(2)所示。

其中：M_r-滚动摩擦力矩，F_n-第n个轮对的支承力，σ-滚动摩擦阻力系数。

c.空气阻力

空气阻力是列车在空气介质中行驶时，列车相对于空气运动时空气作用力在行驶方向形成的分力，空气阻力与列车速度的平方成正比，车速越快阻力越大。

当忽略侧面风影响时，空气阻力按照以下公式估算：

其中，F_w为空气阻力(N)，ρ为流体密度(kg/m∧3)，C为空气阻力系数(通常被认为是无量纲的常量)，S为迎风面积(m∧2)，v为列车速度(m/s)

考虑计算公式(1)、(2)、(3)，得到列车运行基本阻力F_tol的表达式如下：

其中h为整车轴的数量，j为整车轮对的数量。由于轴荷重之和为列车总荷重，轮对压力之和为列车对钢轨的总压力，因此公式(4)可进一步整理得：

其中F_B为列车对钢轨的总压力(N)。公式(5)左右两边分别乘以1000/F_B，可得到如下的列车运行单位基本阻力修正计算公式：

其中w为列车运行单位基本阻力(N/kN)。

(2)附加阻力：

a.隧道阻力

在列车的附加阻力中，隧道空气附加阻力是一个重要的组成部分。隧道空气附加阻力形成的主要原因是因为活塞效应而产生。

隧道空气附加阻力修正公式：

F_s＝1.16Lv²R²-0.74Lv²R+3.54LvR²-2.68LvR+0.13Lv²+39.79LR²+4.86v²R²-2.88v²R+13.42vR²+0.47Lv-26.4LR+5.99vR+0.3v²+15.62R²+4.64L-0.77R-0.92v-31.14(7)

其中，L表示列车长度，v表示列车速度，R表示列车经过的曲线路径的半径。

b.坡度阻力

列车在上坡度运行，坡度附加阻力与列车运行方向相反，阻力是正值；列在下坡度运行，坡度附加阻力与列车运行方向相同，阻力是负值，起的负作用，即变成了“坡度下滑力”。在实际线路中，坡度的夹角都比较小。

坡度附加阻力的计算公式为：

W_i＝(M_m+M_t)g>

其中：W_i-坡度附加阻力；M_m-动车的质量；M_t-拖车质量；g-重力常数；θ-坡道角度。

近似处理：q＝1000sinθ≈1000tanθ(9)

其中：q-坡度(是坡度高度与坡度水平长度的比值，规定以其千分数表示，取两位小数)

单位坡度阻力：

如果列车的长度为L，跨过变坡点的长度为L-l，变坡点前的计算坡度为q₁，变坡后的计算坡度为q₂，坡度的正负表示上坡段和下坡段。列车坡度q_zj的计算如式(2-68)所示(其计算坡度也等于其坡道附加阻力值W_fz)：

c.曲线阻力

曲线附加阻力与曲线半径、列车速度、曲线的外轨高度以及轨距加宽、机车车辆的轴距等许多因素有关，很难用理论方法推导，一般也采用综合经验公式计算。一般公式为：

其中：w_r-曲线单位附加阻力(单位：N/kN)，A-经验常数，城际铁路在450-800之间，R-曲线半径(m)。

如果列车所在第1段曲线半径为R₁，第2段曲线半径为R₂，列车在第1曲线段内长度为l，在第2曲线段内长度为L-l，则此时曲线单位附加阻力如下(单位为N/kN)：

若两曲线段内的坡度也不相同，第1曲线段内坡度为q₁，第2曲线段内坡度为q₂，则可结合单位坡度附加阻力模型，得到多质点模型单位坡度和曲线附加阻力合力：

步骤二、建立列车动力学模型，以此作为预测模型建立优化控制目标函数；

列车的总质量：M＝M_m+M_t+M_n，其中Mn为乘客总质量，估算为M_n＝60*n(n为载客数量，平均每位乘客质量为60kg)。

结合步骤一中的阻力模型，得到实际行驶中的列车总阻力：

F_f＝Fs+(w+w_fj)*M(15)

建立列车的离散动力学模型：

其中F(t)为列车牵引力(或制动力)，s(t)为列车从上一站点出发行驶里程，t为当前时刻，τ为惯性迟滞时间，Δt为计算时间间隔，u为控制量。

从而建立优化控制目标函数：

满足：

F(t+N_c)＝F_f(t+N_c)

v(t)∈(v_min，v_max)

S_n为两站点间总路程，N_c为控制时域，t₁为到达下一站点的期望历时，t₂为从上一站点出发截止目前历时，Q，R为权重矩阵，Q＞0，R＞0，v_min和v_max分别为列车运行速度的最小值和最大值，a_min和a_max分别为列车运行加速度的最小值和最大值。

步骤三、引入列车行驶路段中的环境因素和人为因素，用于更新动力学模型和控制约束条件；

(1)环境因素：

a.固定行驶路段内的坡道信息，可在列车行驶过程中，及时或提前反馈至模型预测控制器中，进行坡度阻力w_i信息更新；

b.固定行驶路段内的隧道信息，当列车即将驶入隧道时，用于进行列车隧道阻力Fs修正；

c.固定行驶路段内的曲线信息，当列车即将驶入曲线轨道时，用于进行列车曲线阻力w_r修正；

d.列车速度变化引起的风阻Fw变化；

e.恶劣天气等原因导致的列车行驶速度限制，从而改变优化控制目标函数(17)的约束条件；

(2)人为因素：

a.列车载客数量的变化，导致列车的载荷发生改变，载客数量信息可用于列车总阻力F_f修正；

b.目的地站点的进站情况，若站点仍有列车停靠，或突发状况导致列车无法按时进站，可主动调节进站时间，更改控制器中的目标抵达时间t₁。

以上因素将相应代入至步骤二、三的动力学模型(16)和优化控制目标函数(17)中。

步骤四、获取列车行驶信息，结合实时路段信息，求解优化控制目标函数，得到预测时段内的牵引力控制目标。

需要得到列车的行驶信息(即图2中的状态量)：实时速度v(t)，从上一站点出发经历时间t₂，到下一站点距离信息S，当前载客数量n；

需要获取的实时路段信息：坡道，隧道，道路曲线，天气，下一站点停靠情况；

将以上信息代入模型预测控制器中，以通行安全、运行效率和乘坐舒适性为目标，在线求解目标函数(17)，得到一定时域内的牵引力控制量。控制器从任一站点出发时开始进行初始化，并开始求解，直至到达下一站点结束。

每个时刻t求解都会得到一个控制序列u(t|t)表示t时刻的第一个输出控制量；在控制过程中也只取其中的第一个控制量作为列车的期望控制值，因此列车在t0时刻从某站点出发，一直到下一站点的全局控制序列为：

{u(t₀|t₀)，u(t₀+1|t₀+1)，...，u(t₀+N_p|t₀+N_p)}

其中N_p为预测时域，u(t₀|t₀)表示t0时刻控制器的输出控制量。以此控制序列作为列车的输入值，就能实现列车的平稳控制，并满足其运行效率和乘坐舒适性。