【技术实现步骤摘要】
一种基于多目标DMC预测控制算法的地铁列车跟踪控制方法及系统
本专利技术涉及地铁列车运行
，具体而言，尤其涉及一种基于多目标DMC预测控制算法的地铁列车跟踪控制方法及系统。
技术介绍
为确保地铁列车运行过程满足安全、舒适、节能、准时、准确停车的优化控制指标，要求其列车自动驾驶(ATO)系统中的子系统跟踪控制系统具有良好的跟踪控制性能，以能够实施稳定、快速、准确的跟踪控制，从而使得跟踪控制速度曲线与预设目标速度轨迹尽可能得接近，进而实现列车自动驾驶运行过程的舒适、节能、准时及准确停车等各项优化指标都尽可能的优化。当下，多数的地铁列车跟踪控制系统仅仅单一的考虑跟踪控制速度曲线与预设目标速度轨迹的拟合程度，其结果会是牺牲掉列车自动驾驶的综合性能指标的优化，而最大程度的满足了单一的准时性指标的优化。随着地铁交通的迅猛发展，人们对地铁列车自动驾驶的综合性能指标的需求日渐增长，依靠单一优化目标寻优获得的优化结果将不能满足现阶段地铁乘行人群的出行需求。为了实现地铁列车自动驾驶运行过程的舒适、节能、准时、准确停车等各项优化指标...
【技术保护点】
1.一种基于多目标DMC预测控制算法的地铁列车跟踪控制方法，其特征在于，包括：/nS1、获取滚动优化所需的输入量，控制周期计数器发送当前控制周期开始的指令，获取得到参考目标值、前一控制周期的模型预测修正值以及前一控制周期的实时融合速度；/nS2、对获取到的输入量进行滚动优化，得到牵引电机当前控制周期所需的控制量和DMC模型预测所需的控制增量；/nS3、在控制周期的末期，根据地铁列车实时速度监测方法，获得地铁列车跟踪控制所需的实时融合速度；/nS4、实施DMC模型预测，获取相应控制周期的模型预测值；/nS5、基于地铁列车的实时位置，判断列车当前处于速度轨迹中的区域类型并自适应...
【技术特征摘要】
1.一种基于多目标DMC预测控制算法的地铁列车跟踪控制方法，其特征在于，包括：
S1、获取滚动优化所需的输入量，控制周期计数器发送当前控制周期开始的指令，获取得到参考目标值、前一控制周期的模型预测修正值以及前一控制周期的实时融合速度；
S2、对获取到的输入量进行滚动优化，得到牵引电机当前控制周期所需的控制量和DMC模型预测所需的控制增量；
S3、在控制周期的末期，根据地铁列车实时速度监测方法，获得地铁列车跟踪控制所需的实时融合速度；
S4、实施DMC模型预测，获取相应控制周期的模型预测值；
S5、基于地铁列车的实时位置，判断列车当前处于速度轨迹中的区域类型并自适应的给出相应的柔化因子；
S6、反馈校正，结合步骤S3中获得的实时融合速度以及步骤S5中得到的列车当前位置所对应的柔化因子的取值，对当前控制周期的模型预测值进行反馈校正，获得模型预测修正值；
S7、保留下一控制周期滚动优化所必需的参考目标值、前一控制周期的模型预测修正值以及前一控制周期的实时融合速度且停止计算，并等待控制周期计数器发送下一控制周期开始的指令；
S8、循环往复执行步骤S1至步骤S7，直至地铁列车于终点位置停车。
2.根据权利要求1所述的基于多目标DMC预测控制算法的地铁列车跟踪控制方法，其特征在于，所述的地铁列车实时速度监测方法，具体包括如下步骤：
S31、根据地铁列车自动驾驶的优化指标以及地铁列车跟踪控制的速度轨迹特性，基于多种采样数据源，建立地铁列车实时速度融合模型；
S32、基于熵权法，对上述建立的地铁列车实时速度融合模型的融合权重进行赋值；
S33、基于附加速度采样数据源，对地铁列车的实时融合速度进行校正。
3.根据权利要求2所述的基于多目标DMC预测控制算法的地铁列车跟踪控制方法，其特征在于，所述建立的地铁列车实时速度融合模型，具体为：
式中，vis,a表示速度分析仪最终计算得到的第is个采样点的最终融合速度；vis,v表示由实际电机采样转速计算得到的第is个采样点的速度；vis,F表示由实际电机采样转矩计算得到的第is个采样点的速度；vis,s表示由实际采样位移计算得到的第is个采样点的速度；trntv表示电机转速与列车速度之间的传动比；ηg表示齿轮间的传动效率；ηis,itc表示列车在第is个采样点克服滑行、空转和蠕滑的效率；nis表示速度传感器采样得到的第is个采样点的电机转速；Fis表示由第is个采样点的电机转矩计算得到列车动力，Fis＝ηis,F×Tis/Rmr，Tis表示由扭矩仪采样得到的第is个采样点的电机转矩，ηis,F表示在第is个采样点的列车动力综合传动效率，Rmr表示电机转子的半径；wis表示在第is个采样点列车所受的阻力；Δtis...
【专利技术属性】
技术研发人员：王兴成，王龙达，鲁森魁，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。