法律状态公告日
法律状态信息
法律状态
2017-07-28
未缴年费专利权终止 IPC(主分类):B61H11/02 授权公告日:20151028 终止日期:20160608 申请日:20130608
专利权的终止
2015-10-28
授权
授权
2013-10-16
实质审查的生效 IPC(主分类):B61H11/02 申请日:20130608
实质审查的生效
2013-09-11
公开
公开
技术领域
本发明涉及轨道交通安全领域,主要是一种基于精确惩罚优化的高速列车 紧急制动信号发生装置。在列车前方出现紧急状况时能够计算出使列车耽误时 间最短的制动策略,并将其作为制动信号加以实施。
背景技术
高速列车在行驶过程中,由于各种随机因素,可能会在车前方出现突发性 的紧急状况。如果处理不及时,将会酿成严重的事故。
在技术成熟的日本、德国和法国,高速列车发生事故并不罕见。典型的一 个案例是:2005年4月25日,日本一列高速列车在经过兵库县尼崎市时,因司 机欲追回误点时刻而来不及在弯道上减速造成出轨,列车与一辆列车相撞后, 冲入一座住宅大厦,造成第一车厢与第二车厢全毁,导致107人死亡,555人 受伤。这起惨案导致日本政府和国会修改了《铁道事业法》,规定各铁路公司必 须承担在铁路沿线安装“自动列车停止装置(ATS)”等义务。
我国“7.23”温州动车追尾事故更是引起了人们对列车安全的高度重视。国 产自主研发的高速车同样需要开发紧急避免制动技术和相关产品。
发明内容
假设在高速列车前方一段距离外出现险情,并且已知排除险情所需要的时 间。为了使列车安全通过险情发生地、同时使列车耽误的时间最短,本发明提 供一种基于精确惩罚优化方法的高速列车紧急制动信号发生装置,该装置能够 计算出满足上述要求的制动策略,并将其作为制动信号加以实施。
高速列车制动过程的数学模型可以描述为
x1(t0)=0
x2(t0)=x20
x1(t)≤sb
其中t表示时间,x1(t)表示列车行驶的距离,是x1(t)的一阶导数,x2(t)表示 列车的行驶速度,是x2(t)的一阶导数,t0表示列车开始制动的时间点,x2(t0) 为t0时刻的速度,sb是t0时刻列车距离险情发生地的距离,tf表示列车通过险情 发生地的时间点,在tf时刻要求列车行驶的距离不超过sb。从该描述可以看出, 列车紧急列车制动过程的数学模型是一组微分代数方程。
使列车耽误的时间最短,实际上等价于制动过程对列车施加的制动力最少。 以F(t)代表随时间变化的制动力,则该问题的最终表达式为:
x1(t0)=0
x2(t0)=x20
x1(t)≤sb
该问题本质上是最优控制问题。其中J[F(t)]是问题的目标函数,由制动力 F(t)决定。但是约束x1(t)≤sb是无穷维约束,从数学上来说很难处理,这里采用 精确惩罚函数将该问题转换为下面等价形式:
x1(t0)=0
x2(t0)=x20
其中ρ称为惩罚因子。在数学上已经证明:如果求解过程中将ρ的值不断增 大,得到的解将与原问题的解精确相等,这种方法称为精确罚函数优化(Exact Penalty Optimization,简称EPO)法。
本发明解决其技术问题所采用的技术方案是:在高速高速列车中控MCU中 集成了精确惩罚优化方法,在需要紧急制动时由所述MCU自动输出制动指令给 制动器单元,实现紧急减速或停车。所述MCU可以视为紧急制动信号产生器, 其完整系统如图2所示,包括车速传感器、险情距离/处理时间输入单元、高速 列车中控MCU、制动器单元、紧急制动警报与状态显示单元。所述系统内的各 组成部分均由车内数据总线统一连接。
所述系统的运行过程如下:
步骤A1:高速列车在行驶过程中开启车速传感器,用于实时测量当前该列 车的行驶速度;
步骤A2:在某时刻t0,列车司机被告知前方距离sb外有险情发生,处理该 险情需要的时间为tf-t0。列车司机将险情距离sb以及险情处理时间tf-t0输入险 情距离/处理时间输入单元;
步骤A3:高速列车中控MCU执行内部的精确惩罚优化方法,计算出既能 使列车安全通过险情发生地、同时又使列车耽误的时间最短的制动策略;
步骤A4:高速列车中控MCU将计算获得的制动策略转换为制动指令,发 给制动器单元,同时发出紧急制动报警信号。
集成了精确惩罚优化方法的高速列车中控MCU是本发明的核心,如图3所 示,其内部包括信息采集模块、初始化模块、常微分方程组(Ordinary Differential Equation,简称ODE)求解模块、收敛性判断模块、ρ更新模块、非线性规划问 题(Non-linear Programming,简称NLP)求解模块、控制指令输出模块。其中 信息采集模块包括险情距离采集、险情处理时间采集、当前车速采集三个子模 块,NLP求解模块包括寻优方向计算、寻优步长计算、NLP收敛性判断三个子 模块。
所述中控MCU产生紧急制动信号的过程如下:
步骤B1:信息采集模块获取从险情距离/处理时间输入单元输入到中控 MCU的设定值,以及从车速传感器输入到中控MCU的当前车速值。执行从步 骤B2开始的精确惩罚优化方法;
步骤B2:初始化模块开始运行,设置制动过程时间的分段数、制动策略的 初始猜测值F(k)(t),设定计算精度tol,将迭代次数k置零;
步骤B3:通过ODE求解模块获取本次迭代的目标函数值J[F(k)(t)]和约束函 数值。当k=0时跳过步骤B4直接执行步骤B5;
步骤B4:如果J[F(k)(t)]与上一次迭代的目标函数值J[F(k-1)(t)]的绝对值之差 小于精度tol,则判断收敛性满足,并将本次迭代的制动策略作为指令输出到制 动器单元;如果收敛性不满足,则继续执行步骤B5;
步骤B5:增大惩罚因子ρ,再用F(k)(t)的值覆盖F(k-1)(t)的值,并将迭代次数 k增加1;
步骤B6:NLP求解模块利用在步骤B3中获得的目标函数值和约束函数值, 通过计算寻优方向和寻优步长,获得比F(k-1)(t)更优的新制动策略F(k)(t)。该步骤 执行完成后再次跳转至步骤B3,直至收敛性判断模块满足为止。
所述的ODE求解模块,采用的方法为四步Adams方法,计算公式为:
其中t表示时间,ti表示Adams方法选择的制动过程中某一时间点,ti-1表示 在Adams方法中选择的ti的前一时间点,ti+1表示在Adams方法中选择的ti的后 一时间点,以此类推。积分步长h为任意两相邻时间点之差。x1(ti)表示列车在ti时 刻的行驶距离,x2(ti)表示列车在ti时刻的行驶速度,F(ti)表示在ti时刻的制动力。
所述的NLP求解模块,采用如下步骤实现:
步骤C1:将制动策略F(k-1)(t)作为向量空间中的某个点,记作P1,P1对应的 目标函数值就是J[F(k-1)(t)];
步骤C2:从点P1出发,根据选用的NLP算法构造向量空间中的一个寻优方 向d(k-1)和步长α(k-1)
步骤C3:通过式F(k)(t)=F(k-1)(t)+α(k-1)d(k-1)构造向量空间中对应u(k)的另外一 个点P2,使得P2对应的目标函数值J[F(k)(t)]比J[F(k-1)(t)]更优。
本发明的有益效果主要表现在:1、既能保证高速列车安全通过险情发生地; 2、同时又能使列车耽误的时间最短。
附图说明
图1是本发明的功能示意图;
图2是本发明的结构示意图;
图3是本发明中控MCU内部模块结构图;
图4是实施例1的紧急制动策略图。
具体实施方式
实施例1
假设高速列车在行驶过程中,司机被告知在前方1km处轨道上突然出现障 碍,且排除障碍需要30秒。司机将这两项信息输入险情距离/处理时间输入单元, 此时车速传感器传入中控MCU的当前车速为300km/h。中控MCU立即开始运 行内部精确惩罚优化方法,其运行过程如图3所示,为:
步骤D1:初始化模块32开始运行,设置制动过程时间的分段数为20、设 置制动策略的初始猜测值F(k)(t)为-0.5,设定数值计算精度tol为0.01,将迭代次 数k置零;
步骤D2:通过ODE求解模块33获取本次迭代的目标函数值J[F(k)(t)]和约 束函数值。当k=0时跳过步骤D3直接执行步骤D4;
步骤D3:如果J[F(k)(t)]与上一次迭代的目标函数值J[F(k-1)(t)]的绝对值之差 小于精度要求0.01,则判断收敛性满足,并将本次迭代的制动策略作为指令输 出到制动器单元;如果收敛性不满足,则继续执行步骤D4;
步骤D4:将惩罚因子ρ的值增加10倍,再用F(k)(t)的值覆盖F(k-1)(t)的值, 并将迭代次数k增加1;
步骤D5:NLP求解模块36利用在步骤D2中获得的目标函数值和约束函数 值,通过计算寻优方向和寻优步长,获得比F(k-1)(t)更优的新制动策略F(k)(t)。该 步骤执行完成后再次跳转至步骤D2,直至收敛性判断模块34满足为止。
所述的ODE求解模块,采用的方法为四步Adams方法,计算公式为:
其中t表示时间,ti表示Adams方法选择的制动过程中某一时间点,ti-1表示在 Adams方法中选择的ti的前一时间点,ti+1表示在Adams方法中选择的ti的后一时 间点,以此类推。积分步长设为0.01已能较好满足精度要求。x1(ti)表示列车在ti时刻的行驶距离,x2(ti)表示列车在ti时刻的行驶速度,F(ti)表示在ti时刻的制动 力。
所述的NLP求解模块,采用如下步骤实现:
步骤E1:将制动策略F(k-1)(t)作为向量空间中的某个点,记作P1,P1对应的 目标函数值就是J[F(k-1)(t)];
步骤E2:从点P1出发,选用SQP算法构造向量空间中的一个寻优方向d(k-1)和步长α(k-1)
步骤E3:通过式F(k)(t)=F(k-1)(t)+α(k-1)d(k-1)构造向量空间中对应u(k)的另外一 个点P2,使得P2对应的目标函数值J[F(k)(t)]比J[F(k-1)(t)]更优
精确惩罚优化方法的计算结果如图4所示。坐标经过归一化处理,纵坐标 值为-1表示最大制动力,值为1表示最大牵引力。整条控制曲线F(t)的值都不超 过0,表明这是一条制动控制曲线。曲线上的星号数目代表时间分段数为20。 曲线上的值只在制动过程结束时才为0,表明列车在安全通过障碍区时已经无需 再制动。
最后,中控MCU将获得的制动控制策略作为指令输出到制动器单元,完成 机械上的制动操作,同时发出紧急制动报警信号。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不 能认定本发明的具体实施只限于这些说明。对于本发明所属技术领域的普通技 术人员来说,在不脱离发明构思的前提下,还可以做出若干简单推演或替换, 都应当视为属于本发明的保护范围。
机译: 一种用于高速列车的可靠的无线电通信网络复制方法以及使用该方法的基于无线电通信的高速列车控制系统
机译: 基于历史记录和对齐方式的破解,用于存储多个指令以优化操作数存储比较惩罚
机译: 用于存储多指令的基于历史和对齐的裂纹,以优化操作数存储比较惩罚