列车ATO精确停车方法、设备、存储介质技术

本申请提供一种列车ATO精确停车方法、设备、存储介质，该方法包括：列车进入精确停车阶段后，获取列车的动力学模型；周期性获取列车的速度和位置状态信息；每次获取所述列车的速度和位置状态信息后，均根据当前周期获取的速度和位置状态信息，通过动力学模型，确定当前周期的控制量；根据当前周期的控制量控制列车运行。本申请在列车进入精确停车阶段后，获取列车的动力学模型，根据各周期获取的速度和位置状态信息，通过动力学模型，确定各周期的控制量，进而根据各周期的控制量控制列车运行，实现了通过各周期控制量的增量式预测的列车ATO精确停车控制。ATO精确停车控制。ATO精确停车控制。

【技术实现步骤摘要】
列车ATO精确停车方法、设备、存储介质


[0001]本申请涉及轨道交通
，尤其涉及一种列车ATO精确停车方法、设备、存储介质。

技术介绍

[0002]城市轨道交通因为其方便快捷、准时、绿色低碳环保且对道路交通影响较少，近年来不断发展，成为解决大城市交通拥堵的途径之一。随着列车自动驾驶技术的不断发展，城市轨道交通列车的运行也更加自动化、智能化。列车精确停车作为ATO(Automatic Train Operation，列车自动驾驶)的核心功能，能够保障列车安全、平稳、精准的停靠在预定的停车位置。然而列车运行过程中受到满载率、天气原因、线路特性不不确定性因素影响，导致列车精确停车控制的难度较大。
[0003]现有的ATO系统多采用传统的比例
‑
积分
‑
微分(Proportional
‑
Integral
‑
Derivative，PID)控制器对列车进行停车控制，实现站台的精确停车控制。然而在实际工程应用中，传统的PID控制器的参数需要根据不同的线路参数、列车牵引制动特性等通过大量试验和反复调试获得，工作强度大、耗费时间长且难以保障精确停车。

技术实现思路

[0004]为了解决上述技术缺陷之一，本申请提供了一种列车ATO精确停车方法、设备、存储介质。
[0005]本申请第一个方面，提供了一种列车ATO精确停车方法，所述方法包括：
[0006]列车进入精确停车阶段后，获取列车的动力学模型；
[0007]周期性获取所述列车的速度和位置状态信息；
[0008]每次获取所述列车的速度和位置状态信息后，均根据当前周期获取的速度和位置状态信息，通过所述动力学模型，确定当前周期的控制量；根据当前周期的控制量控制所述列车运行。
[0009]可选地，所述动力学模型为：
[0010][0011]其中，a为列车实际加速度，a
des
为列车期望加速度，K为系统增益，τ为时间常数。
[0012]可选地，所述根据当前周期获取的速度和位置状态信息，通过所述动力学模型，确定当前周期的控制量，包括：
[0013]根据所述动力学模型，构建优化问题；
[0014]将当前周期获取的速度和位置状态信息作为初始状态，求解所述优化问题得到当前周期的控制量。
[0015]可选地，所述根据所述动力学模型，构建优化问题，包括：
[0016]根据所述动力学模型，确定列车动力学离散系统方程；
[0017]根据所述列车动力学离散系统方程，确定目标函数和约束条件；
[0018]根据所述目标函数和约束条件构建优化问题。
[0019]可选地，所述列车动力学离散系统方程为：
[0020]x(k+1)＝Ax(k)+Bu(k)；
[0021]其中，T
s
为采样间隔；k为当前采样时刻，x(k)为当前采样时刻的系统状态值，x(k+1)为下一采样时刻的系统状态值，u(k)为当前采样时刻的控制量，系统状态值为[s v a]T
，u(k)＝a
des
，s为列车位置，v为列车速度。
[0022]可选地，所述目标函数为：
[0023][0023][0024]其中，N
p
为预测步长，i为步长标识，x(k+i|k)表示基于当前采样时刻预测的k+i采样周期后的系统状态值；x
ref
(k+i|k)表示基于当前采样时刻预测的k+i采样周期后的系统状态期望值，Q是系统状态权重系数矩阵，N
c
为控制步长，R为控制量增量的权重，Δu(k+i)为k+i采样周期后的控制量增量。
[0025]可选地，所述约束条件为：
[0026]u
min
≤u(k+i)≤u
max
；
[0027]Δu
min
≤Δu(k+i)≤Δu
max
；
[0028]其中，u
min
为控制量最大值，u
max
为控制量最大值，Δu
min
为控制量增量最小值，Δu
max
为控制量增量最大值，u(k+i)为k+i采样周期后的控制量。
[0029]可选地，所述将当前周期获取的速度和位置状态信息作为初始状态，求解所述优化问题得到当前周期的控制量，包括：
[0030]将当前周期获取的速度和位置状态信息作为初始状态，求解所述优化问题的最优解Δu
*
(k)；
[0031]确定当前周期的列车控制量u(k)＝u(k
‑
1)+Δu
*
(k)。
[0032]本申请第二个方面，提供了一种电子设备，包括：
[0033]存储器；
[0034]处理器；以及
[0035]计算机程序；
[0036]其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述第一个方面所述的方法。
[0037]本申请第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现如上述第一个方面所述的方法。
[0038]本申请提供一种列车ATO精确停车方法、设备、存储介质，该方法包括：列车进入精确停车阶段后，获取列车的动力学模型；周期性获取列车的速度和位置状态信息；每次获取所述列车的速度和位置状态信息后，根据当前周期获取的速度和位置状态信息，通过动力
学模型，确定当前周期的控制量；根据当前周期的控制量控制列车运行。
[0039]本申请在列车进入精确停车阶段后，获取列车的动力学模型，根据各周期获取的速度和位置状态信息，通过动力学模型，确定各周期的控制量，进而根据各周期的控制量控制列车运行，实现了通过各周期控制量的增量式预测的列车ATO精确停车控制。
[0040]另外，在一种实现中，通过对动力学模型进行限定，保证了各周期的控制量的准确性，进而保证了对列车进行ATO精确停车控制。
[0041]另外，在一种实现中，根据所述动力学模型，构建优化问题，通过优化问题得到当前周期的控制量，使得各周期的控制量的确定更加准确，进而保证了对列车进行ATO精确停车控制。
[0042]另外，在一种实现中，根据所述动力学模型，确定列车动力学离散系统方程，得到目标函数和约束条件，进而构建优化问题，使得优化问题的构建较为准确，进而保证了对列车进行ATO精确停车控制。
[0043]另外，在一种实现中，通过对列车动力学离散系统方程进行限定，使得优化问题的构建较为准确，进而保证了对列车进行ATO精确停车控制。
[0044]另外，在一种实现中，通过对目标函数进行限定，使得优化问题的构建较为准确，进而保证了对列车进行ATO精确停车控制。
[0045]另外，在一种实现中，通过对约束条件进行限定，使得优化问题的构建较本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种列车ATO精确停车方法，其特征在于，所述方法包括：列车进入精确停车阶段后，获取列车的动力学模型；周期性获取所述列车的速度和位置状态信息；每次获取所述列车的速度和位置状态信息后，均根据当前周期获取的速度和位置状态信息，通过所述动力学模型，确定当前周期的控制量；根据当前周期的控制量控制所述列车运行。2.根据权利要求1所述的方法，其特征在于，所述动力学模型为：其中，a为列车实际加速度，a
bes
为列车期望加速度，K为系统增益，τ为时间常数。3.根据权利要求2所述的方法，其特征在于，所述根据当前周期获取的速度和位置状态信息，通过所述动力学模型，确定当前周期的控制量，包括：根据所述动力学模型，构建优化问题；将当前周期获取的速度和位置状态信息作为初始状态，求解所述优化问题得到当前周期的控制量。4.根据权利要求3所述的方法，其特征在于，所述根据所述动力学模型，构建优化问题，包括：根据所述动力学模型，确定列车动力学离散系统方程；根据所述列车动力学离散系统方程，确定目标函数和约束条件；根据所述目标函数和约束条件构建优化问题。5.根据权利要求4所述的方法，其特征在于，所述列车动力学离散系统方程为：x(k+1)＝Ax(k)+Bu(k)；其中，T
s
为采样间隔；k为当前采样时刻，x(k)为当前采样时刻的系统状态值，x(k+1)为下一采样时刻的系统状态值，u(k)为当前采样时刻的控制量，系统状态值为[s v a]
T
，u(k)＝a
des
，s为列车位置，v为列车速度。6.根据权利要求5所述的方法，其特征在于，所述目标函数为：其中，N
p
为预测步长，i为步长标识，x(k+i|k)表示基于当前采样时刻预测的k+...

【专利技术属性】
技术研发人员：陈明亮，王伟，郜春海，
申请(专利权)人：交控科技股份有限公司，
类型：发明
国别省市：