一种自动驾驶系统加速度快速在线估计方法及装置制造方法及图纸

本发明专利技术涉及一种自动驾驶系统加速度快速在线估计方法及装置，所述方法包括其根据时间窗[(k‑2w)T，kT]内的速度数据，采用最小二乘法进行速度曲线拟合来实现加速度的快速估计，所述时间窗[(k‑2w)T，kT]内的速度数据记为从历史时刻(k‑2w)T到当前kT的历史数据v((k‑2w)T)，v((k‑2w+1)T)，…，v((k‑1)T)，v(kT)；根据速度曲线拟合误差的标准差

A fast online estimation method and device for acceleration of autopilot system

【技术实现步骤摘要】
一种自动驾驶系统加速度快速在线估计方法及装置
本专利技术属于高速列车的自动驾驶系统领域，特别涉及一种高速列车的自动驾驶系统加速度快速在线估计方法及装置。
技术介绍
近10年，我国高速铁路取得了高速发展。截至2019年7月，我国高速铁路总运营里程已经超过3万公里，跃居世界第一。与此同时，高速列车的运行速度在逐步提升，最新投入运营的“复兴号”高速列车也将逐步取代当前的“和谐号”高速列车。高速铁路里程的增加和高速列车运行速度的提高对列车司机驾驶能力提出了越来越高的要求。为解决这一困难，高速列车自动驾驶(AutomaticTrainOperation，ATO)成为一种必然的趋势。为实现列车运行平稳舒适、准时准点和精确停车等控制目标，ATO控制算法需要较精确的动力学模型。然而高速列车是由多节车厢构成的复杂非线性系统，并且列车的动力学特性可能会随着运行工况的改变而发生变化，此外，同一型号不同列车的动力学特性也会稍有不一致。列车加速度是列车动力学模型的重要参数，也是ATO控制的关键信号。加速度计是测量加速度的最直接方法，但由于安装成本、性能和可靠性等原因，多数现有列车并没有安装加速度计。基于速度来估计加速度是常用方法。但由于速度测量总是存在噪声，直接将速度差分得到的加速度噪声太大。现有技术有用线性回归平滑牛顿法(recursivelinearsmoothednewton，RLSN)来估计加速度，但该方法假设待估计加速度满足多项式形式。现有技术还有采用卡尔曼滤波方法来实现加速度的估计，但是该方法对加速度估计的实时性也不理想。现有方法在高铁ATO算法应用中都存在一个重要的不足：算法计算量大。在现有的高速列车ATO平台运算速度和存储能力有限。为了实现高可靠性和安全性，控制算法是只能使用定点数，不能够使用浮点数。现有的算法在ATO平台上用定点数计算时会面临着计算时间长、舍入误差大以及舍入误差累积等问题。
技术实现思路
为了解决上述技术问题，本专利技术第一个目的是提供了一种高速列车的自动驾驶系统加速度快速在线估计方法，所述在线估计方法包括如下步骤中的一种或多种：根据时间窗[(k-2w)T，kT]内的速度数据，采用最小二乘方法进行速度曲线拟合来实现加速度的快速估计，所述时间窗[(k-2w)T，kT]内的速度数据记为从历史时刻(k-2w)T到当前kT的历史数据v((k-2w)T)，v((k-2w+1)T)，…，v((k-1)T)，v(kT)，k代表当前时刻，w为常数，T为系统的采样周期；根据速度曲线拟合误差的标准差与已知噪声标准差σξ间的关系以及实时计算的加速度a0(t)的相对估计偏差来动态调整所述时间窗[(k-2w)T，kT]的时间窗口的长度。本专利技术的第二个目的是提供了一种高速列车的自动驾驶系统加速度快速在线估计装置，所述在线估计装置包括如下组件中的一种或多种：估算组件，所述估算组件被配置为根据时间窗[(k-2w)T，kT]内的速度数据，采用最小二乘方法进行速度曲线拟合来实现加速度的快速估计，所述时间窗[(k-2w)T，kT]内的速度数据记为从历史时刻(k-2w)T到当前kT的历史数据v((k-2w)T)，v((k-2w+1)T)，…，v((k-1)T)，v(kT)，k代表当前时刻，w为常数，T为系统的采样周期；时间窗动态调整组件，所述时间窗动态调整组件被配置为根据速度曲线拟合误差的标准差与已知噪声标准差σξ间的关系以及实时计算的加速度a0(t)的相对估计偏差来动态调整所述时间窗[(k-2w)T，kT]的时间窗口的长度。本专利技术的有益效果在于，采用最小二乘法，通过合理设计数据矩阵在滑动时间窗内可以实现加速度的快速估计，在ATO平台上采用定点数计算基本不会带来舍入误差累计，舍入误差也在可接受的范围。进一步，根据曲线拟合误差的标准差与已知噪声标准差间的关系以及实时计算的加速度的相对估计偏差来动态调整时间窗的长度从而实现低延时高准确度的加速度估计。进一步的，本专利技术根据一段时间窗内的速度数据，采用最小二乘法合理设计数据矩阵来实现加速度的快速估计，然后根据曲线拟合误差的标准差与已知噪声标准差间的关系以及实时计算的加速度的相对估计偏差来动态调整时间窗的长度从而实现低延时高准确度的加速度估计。本文所提方法的计算量小，可以在高铁的自动控制系统中直接应用具体实施方式本专利技术的一些实施例中提供了一种高速列车的自动驾驶系统加速度快速在线估计方法，该在线估计方法包括如下步骤中的一种或多种：根据时间窗[(k-2w)T，kT]内的速度数据，采用最小二乘方法进行速度曲线拟合来实现加速度的快速估计，所述时间窗[(k-2w)T，kT]内的速度数据记为从历史时刻(k-2w)T到当前kT的历史数据v((k-2w)T)，v((k-2w+1)T)，…，v((k-1)T)，v(kT)，k代表当前时刻，w为常数，T为系统的采样周期；根据速度曲线拟合的标准差与已知噪声标准差σξ间的关系以及实时计算的加速度a0(t)的相对估计偏差来动态调整所述时间窗[(k-2w)T，kT]的时间窗口的长度。进一步的，本专利技术的实施例优选的最小二乘法是采用一阶多项式拟合速度曲线，但其他拟合方式仍在本专利技术构思之内。需要注意的是，为书写方便和表达清楚，本专利技术有时将v(kT)将简写作v(k)。一些实施例的拟合表达式为：其中，α是待拟合的加速度，β＝β′+α(k-2ω)T，β、β′均为待拟合的常数项；将所述采用最小二乘法进行速度曲线拟合来实现加速度的快速估计可表示为如下的优化间题其中，则求解α，β的公式为：x＝(ATA)-1ATb＝Wb(式3)其中，W为系数矩阵，W＝(ATA)-1AT，且对所述系数矩阵W进行离线计算并存储。进一步的，系数矩阵W只依赖于采样周期T和时间窗的相关变量ω，但求解过程中矩阵求逆会带来计算量增大。在控制系统中采样周期T一般都是固定的，为减少在线的计算量，对系数矩阵W进行离线计算并存储，是实现本专利技术目的的技术方案之一。需要说明的是，如果列车的真实加速度a0在时间窗[(k-2w)T，kT]内是常数，那么加速度的估计误差将随着ω的增大而减小。但是如果真实加速度a0在时间窗[(k-2w)T，kT]内是变化的，那么加速度的估计误差可能会随着w的增大而增大。因此，在线估计加速度是需要动态的调整时间窗的大小，来实现加速度的可靠估计。进一步的，本专利技术实施例还意外的发现，在离线计算并存储W的方法不再有效时，本专利技术的一些实施例通过重新选择数据矩阵A的形式，大大减小系数矩阵W的计算量，从而可实现在线的实时计算。具体为：在另外一些优选实施例的拟合表达式为：其中，α是待拟合的加速度，β＝β′+α(k-2ω)T，β、β′均为待拟合的常数项；将所述采用最小二乘法进行速度曲线拟合来实现加速度的快速估计表示为如下的优化问题其中，则求解α，β的公式为：x＝(ATA)-1A本文档来自技高网...

【技术保护点】
1.一种自动驾驶系统加速度快速在线估计方法，其特征在于，所述在线估计方法包括如下步骤中的一种或多种：/n根据时间窗[(k-2w)T，kT]内的速度数据，采用最小二乘法进行速度曲线拟合来实现加速度的快速估计，所述时间窗[(k-2w)T，kT]内的速度数据记为从历史时刻(k-2w)T到当前kT的历史数据v((k-2w)T)，v((k-2w+1)T)，…，v((k-1)T)，v(kT)，k代表当前时刻，w为常数，k＞2ω，k，

【技术特征摘要】
1.一种自动驾驶系统加速度快速在线估计方法，其特征在于，所述在线估计方法包括如下步骤中的一种或多种：
根据时间窗[(k-2w)T，kT]内的速度数据，采用最小二乘法进行速度曲线拟合来实现加速度的快速估计，所述时间窗[(k-2w)T，kT]内的速度数据记为从历史时刻(k-2w)T到当前kT的历史数据v((k-2w)T)，v((k-2w+1)T)，…，v((k-1)T)，v(kT)，k代表当前时刻，w为常数，k＞2ω，k，k，w∈N，T为系统的采样周期；
根据速度曲线拟合误差的标准差与已知噪声标准差σξ间的关系以及实时计算的加速度a0(t)的相对估计偏差来动态调整所述时间窗[(k-2w)T，kT]的时间窗口的长度。


2.如权利要求1所述的方法，其特征在于，所述最小二乘方法是采用一阶多项式拟合速度曲线，拟合表达式为：



其中，α是待拟合的加速度，β＝β′+α(k-2ω)T，β、β′均为待拟合的常数项；
将所述采用最小二乘法进行速度曲线拟合来实现加速度的快速估计表示为如下的优化问题：



其中，



则求解α，β的公式为：
x＝(ATA)-1ATb＝Wb(式3)
其中，W为系数矩阵，W＝(ATA)-1AT，且对所述系数矩阵W进行离线计算并存储。


3.如权利要求1所述的方法，其特征在于，所述最小二乘法是采用一阶多项式拟合速度曲线，拟合表达式为：



其中，α是待拟合的加速度，β＝β′+α(k-2w)T，β、β′均为待拟合的常数项；
将所述采用最小二乘法进行速度曲线拟合来实现加速度的快速估计表示为如下的优化问题：



其中，



则求解α，β的公式为：
x＝(ATA)-1ATb＝Wb(式3)
其中，W为系数矩阵，



那么，待拟合加速度α的估计值：



其中，j＝1，2，…，ω，
待拟合常数项β的估计值：



其中，j＝0，1，2，…，2ω，
进一步，根据(式5)和(式6)估计得到待拟合加速度α的估计值和待拟合常数项β的估计值则当前时刻速度的滤波结果表示为：





4.如权利要求3所述的方法，其特征在于，构建高速列车的运动学模型：



其中，v0(t)和a0(t)是列车在时间t时的真实速度和加速度，v0(t1)为列车在时间t1时的速度；
高速列车测量实时速度时的公式为：
v(kT)＝v0(kT)+ξ(kT)(式9)
v(kT)为实时速度，v0(kT)为列车在时间kT时的真实速度，ξ(kT)为测量实时速度时的噪声，T为系统的采样周期。
则所述动态调整所述时间窗[(k2w)T，kT]的时间窗口的长度的步骤包括：
首先，给出在时间窗[(k-2w)T，kT]内真实加速度a0不变情况下的统计分析结果，此时式4将变为



将噪声ξ(kT)的标准差记为σ(ξ(kT))＝σξ；
则可知式5和式6分别为：






则加速度估计值的期望和标准差是：






(k-w)T时刻的速度估计值的期望和标准差是：






根据(式13)-(式16)可知，在时间窗[(k-2w)T，kT]内真实加速度a0不变情况下，加速度和速度的估计误差都随着w的增大而减小；
则在线计算速度曲线拟合误差的标准差的公式为：





5.如权利要求4所述的方法，其特征在于，所述动态调整所述时间窗[(k-2w)T，kT]的时间窗口的长度还包括如下步骤：
当与σξ的差值小于或等于第一预设值时，真实的速度曲线是一次曲线，即真实加速度在时间窗口内不变，增大时间窗口来减小估计误差；若其中，γmin为加速度相对估计偏差最小值，则停止增大时间窗口；
但当与σξ的差值大于第一预设值时，真实的速度曲线不是一次曲线，即真实加速度在时间窗口内发生改变，减小时间窗口来估计下一时间段内的加速度；若γmax为加速度相对估计偏差最大值，则停止减小时间窗口。


6.一种自动驾驶系统加速度快速在线估计装置，其特征在于，所述...

【专利技术属性】
技术研发人员：翟守超，江明，叶昊，陈志强，孙新亚，吉吟东，王佳，董炜，
申请(专利权)人：清华大学，北京全路通信信号研究设计院集团有限公司，
类型：发明
国别省市：北京;11