一种面向地铁列车自动驾驶的在线能量混杂反馈控制方法技术

本发明专利技术公开了一种面向地铁列车自动驾驶的在线能量混杂反馈控制方法，本方法考虑基本阻力、列车牵引特性等因素，以列车位置为自变量、速度和时间为状态变量建立列车动力学模型，建立基于模态切换的列车节能优化操纵模型，规定多站间的模态切换顺序规则，构造列车节能运行优化问题，根据线路条件将列车位置、速度和时间离散化构成状态空间，确定状态递推方程，每切换一个模态，在线获取实时状态并更新，用离散动态规划算法在线搜索剩余的列车最优模态切换位置点序列，该方法具有充分利用模态切换思想、在线控制列车等优点。在线控制列车等优点。在线控制列车等优点。

【技术实现步骤摘要】
一种面向地铁列车自动驾驶的在线能量混杂反馈控制方法


[0001]本专利技术属于列车运行优化
，主要涉及一种面向地铁列车自动驾驶的在线能量优化混杂反馈控制方法。

技术介绍

[0002]地铁以其速度快、运量大、准时安全等特点，成为支撑城市公共交通的重要方式之一。与此同时，地铁的运行能量消耗也大得惊人。为了响应国家“节约电能，绿色发展”的号召，也为了提高地铁运营管理公司的经济效益，大力发展列车节能运行越来越重要。
[0003]目前，列车节能运行主要是离散的生成最优节能速度曲线，在线跟踪离线生成的最优节能速度曲线。离线的生成最优速度曲线可以找到全局最优解，其中动态规划方法可以找到全局最优解，离线生成最优节能速度曲线，在搜索精度要求较高的时候计算量较大大。但当实际运行过程中运行会出现干扰，在线跟踪最优曲线误差会被累积，使得列车行驶偏离实际最优解。

技术实现思路

[0004]本专利技术的目的在于针对现有方法的缺陷，提供面向地铁列车自动驾驶的在线能量优化混杂反馈控制方法，以位置作为自变量在线获取列车的状态，应用模态切换思想降低动态规划计算时间，利用动态规划算法实时求解列车最优切换控制序列及最优模态序列，该方法具有充分利用模态切换思想、在线控制列车等优点。
[0005]为解决上述技术问题，本专利技术通过以下技术方案进行实施：
[0006]一种面向地铁列车自动驾驶的在线能量优化混杂反馈控制方法，该优化方法包括如下步骤：
[0007][0008]S1、根据线路长度将列车位置离散化，以列车位置为自变量、速度和时间为状态变量建立列车动力学模型；所述列车模型考虑车重、列车牵引特性、基本阻力；
[0009]S2、建立基于模态切换的列车节能优化操纵模型；建立列车运行牵引/制动力切换方案；五种不同的模态包括牵引加速、制动减速、惰行、巡航、停站；规定多站间的五种模态切换顺序规则；
[0010]S3、构造列车节能运行优化问题；所述列车节能运行优化问题为求取列车运行牵引力对运行距离累加的最小值；
[0011]S4、根据线路条件将列车速度、时间分别离散化构成状态空间；所述线路条件包括速度限制、列车总运行时间、列车停站时间，构成优化问题的约束条件；
[0012]S5、确定状态递推方程，每切换一个模态，用离散动态规划算法在线搜索剩余的列车节能模态切换位置点；所述离散动态规划算法包括动态规划正向状态搜索与反向控制搜索，得到列车最优切换控制序列及最优模态序列，对列车实现在线控制。
[0013]进一步的，所述步骤S1中，所述列车动力学模型为：
[0014][0015]其中，将列车总运行距离按照位置等间隔离散化得到K个Δx，K代表离散的总阶段数，k为位置的索引，x
k
为第k个Δx的位置，v
k
,t
k
分别代表列车在位置x
k
对应速度、时间，u
k
为切换控制，u
k
∈{0,1}，w
k
(u
k
)代表位置x
k
列车所处的模态，M代表列车质量，为列车处于w
k
(u
k
)模态的牵引/制动力，r(v
k
)代表列车所受的基本阻力。
[0016]进一步的，所述步骤S1中，所述列车基本阻力为：
[0017]r(v
k
)＝r0+r1|v
k
|+r2v
k2
[0018]其中，前两项表示列车机械阻力，最后一项表示列车空气阻力，参数r0,r1,r2由列车型号和质量确定。
[0019]进一步的，所述步骤S2中，列车运行牵引/制动力切换方案如下：
[0020]u
k
＝0：表示在位置x
k
保持现有模态不切换，列车运行牵引/制动力如下：
[0021]第一模态
‑
牵引加速模态：
[0022]f
1(0)
(v
k
)＝T(v
k
)
[0023]其中，T(v
k
)为列车牵引加速力，满足列车牵引特性。
[0024]第二模态
‑
巡航模态：
[0025]f
2(0)
(v
k
)＝r(v
k
)
[0026]其中，r(v
k
)代表列车所受的基本阻力。
[0027]第三模态
‑
惰行模态：
[0028]f
3(0)
(v
k
)＝0
[0029]第四模态
‑
制动减速模态：
[0030]f
4(0)
(v
k
)＝
‑
B(v
k
)
[0031]其中，B(v
k
)为列车制动减速力，满足列车制动特性。
[0032]第五模态
‑
停站模态：
[0033]f
5(0)
(v
k
)＝0
[0034]u
k
＝1：表示在位置x
k
切换至下一模态，列车运行牵引/制动力如下：
[0035]第一模态
→
第二模态：
[0036]f
1(1)
(v
k
)
→
f
2(0)
(v
k
)＝r(v
k
)
[0037]第二模态
→
第三模态：
[0038]f
2(1)
(v
k
)
→
f
3(0)
(v
k
)＝0
[0039]第三模态
→
第四模态：
[0040]f
3(1)
(v
k
)
→
f
4(0)
(v
k
)＝
‑
B(v
k
)
[0041]第四模态
→
第五模态：
[0042]f
4(1)
(v
k
)
→
f
5(0)
(v
k
)＝0
[0043]第五模态
→
第一模态：
[0044]f
5(1)
(v
k
)
→
f
1(0)
(v
k
)＝T(v
k
)
[0045]进一步的，所述步骤S2中，规定多站间的五种模态切换顺序规则如下：
[0046]w
k
(1)＝1...

【技术保护点】

【技术特征摘要】
1.一种面向地铁列车自动驾驶的在线能量混杂反馈控制方法，其特征在于，该方法包括如下步骤：S1、根据线路长度将列车位置离散化，以列车位置为自变量、速度和时间为状态变量建立列车动力学模型；所述列车模型考虑车重、列车牵引特性和基本阻力；S2、建立基于模态切换的列车节能优化操纵模型；建立列车运行牵引/制动力切换方案；五种不同的模态包括牵引加速、制动减速、惰行、巡航和停站；规定多站间的五种模态切换顺序规则；S3、构造列车节能运行优化问题；所述列车节能运行优化问题为求取列车运行牵引力对运行距离累加的最小值；S4、根据线路条件将列车速度、时间分别离散化构成状态空间；所述线路条件包括速度限制、列车总运行时间、列车停站时间，构成优化问题的约束条件；S5、确定状态递推方程，每切换一个模态，用离散动态规划算法在线搜索剩余的列车节能模态切换位置点；所述离散动态规划算法包括动态规划正向状态搜索与反向控制搜索，得到列车最优切换控制序列及最优模态序列，对列车实现在线控制。2.根据权利要求1所述的面向地铁列车自动驾驶的在线能量混杂反馈控制方法，其特征在于，所述步骤S1中，所述列车动力学模型为：其中，将列车总运行距离按照位置等间隔离散化得到K个Δx，K代表离散的总阶段数，k为位置的索引，x
k
为第k个Δx的位置，v
k
,t
k
分别代表列车在位置x
k
对应速度、时间，u
k
为切换控制，u
k
∈{0,1}，w
k
(u
k
)代表位置x
k
列车所处的模态，M代表列车质量，为列车处于w
k
(u
k
)模态的牵引/制动力，r(v
k
)代表列车所受的基本阻力；所述列车基本阻力为：r(v
k
)＝r0+r1|v
k
|+r2v
k2
其中，前两项表示列车机械阻力，最后一项表示列车空气阻力，参数r0,r1,r2由列车型号和质量确定。3.根据权利要求1所述的面向地铁列车自动驾驶的在线能量混杂反馈控制方法，其特征在于，所述步骤S2中，列车运行牵引/制动力切换方案如下：u
k
＝0：表示在位置x
k
保持现有模态不切换，列车运行牵引/制动力如下：第一模态
‑
牵引加速模态：f
1(0)
(v
k
)＝T(v
k
)其中，T(v
k
)为列车牵引加速力，满足列车牵引特性；第二模态
‑
巡航模态：f
2(0)
(v
k
)＝r(v
k
)其中，r(v
k
)代表列车所受的基本阻力；
第三模态
‑
惰行模态：f
3(0)
(v
k
)＝0第四模态
‑
制动减速模态：f
4(0)
(v
k
)＝
‑
B(v
k
)其中，B(v
k
)为列车制动减速力，满足列车制动特性；第五模态
‑
停站模态：f
5(0)
(v
k
)＝0u
k
＝1：表示在位置x
k
切换至下一模态，列车运行牵引/制动力如下：第一模态
→
第二模态：f
1(1)
(v
k
)
→
f
2(0)
(v
k
)＝r(v
k
)第二模态
→
第三模态：f
2(1)
(v
k
)
→
f
3(0)
(v
k
)＝0第三模态
→
第四模态：f
3(1)
(v
k
)
→
f
4(0)
(v
k
)＝
‑
B(v
k
)第四模态
→
第五模态：f
4(1)
(v
k
)
→
f
5(0)
(v
k
...

【专利技术属性】
技术研发人员：陈阳舟，郭翔宇，詹璟原，尚飞，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：