基于机器学习的货运列车速度追踪方法技术

本发明专利技术公开了一种基于机器学习的货运列车速度追踪方法。通过判断任意时刻加速度是否为零把货运列车目标速度分为匀速行驶阶段和变速行驶阶段。在匀速行驶阶段建立货运列车线性动力学模型，使用传统的卡尔曼滤波算法实现随货运列车速度的快速追踪；在变速阶段建立货运列车非线性动力学模型，使用无迹卡尔曼滤波算法实现对货运列车的精准追踪。在分阶段对货运列车进行追踪后，在匀速行驶阶段和变速行驶阶段的切换处设计软切换控制方法，实现速度的平滑切换，减小因控制器切换带来的速度抖动。分别在KF算法和UKF算法中引入扰动观测器，扰动观测器形式采取基于机器学习的PID控制，补偿速度追踪过程中的速度误差，实现对货运列车目标行驶速度的精准追踪。目标行驶速度的精准追踪。目标行驶速度的精准追踪。

【技术实现步骤摘要】
基于机器学习的货运列车速度追踪方法


[0001]本专利技术涉及轨道交通运输领域，尤其涉及一种实现货运列车自动驾驶时的列车行驶速度追踪方法。
技术背景
[0002]随着现代社会的不断发展，交通运输行业迎来了新的历史节点。铁路运输作为陆地运输方式之一，具备广阔的发展前景。单次运输量大、时间短、运输价格适中、受气候影响较小等优点使得铁路运输适中在运输行业保有相当的地位。但铁路运输对驾驶员的要求较高，它需要驾驶员在货运列车行驶期间始终保持高度的专注以及百分之百的细心。现代社会动辄数十天的列车驾驶对驾驶员的心理及身体素质要求极高。因此，实现货运列车的自动驾驶刻不容缓。速度追踪是实现列车自动驾驶的核心，它保证货运列车的行驶速度实时追踪离线优化的最优行驶速度。现有的速度追踪方案在面对复杂路况是不能获得较高的追踪效果，为此，本专利技术提出一种基于机器学习的货运列车速度追踪方法
[0003]机器学习诞生于20世纪50年代，其前沿研究工作可以追溯到17世纪。作为一门交叉性学科，它研究如何给计算机赋予人脑的学习能力。经过几十年的发展，涌现出诸多优秀的机器学习算法，如神经网络、逻辑回归以及支持向量机等。以自动提取数据特征值为目标的机器学习子领域——深度学习，也在进入20世纪以来得到的长足发展。在机器学习中，我们向计算机输入的是数据，并非指令。机器学习通过拟合我们输入的数据，并对未来可能发生的情况做出预测，对于具有强非线性的货运列车行驶过程十分适用。

技术实现思路

[0004]针对货运列车实现自动驾驶中的核心问题：速度追踪，本专利技术提出一种基于机器学习的货运列车速度追踪方法。通过判断任意时刻加速度是否为零把货运列车目标速度分为匀速行驶阶段和变速行驶阶段。在匀速行驶阶段建立货运列车线性动力学模型，使用传统的卡尔曼滤波(Kalman Filter,KF)算法实现随货运列车速度的快速追踪；在变速阶段建立货运列车非线性动力学模型，使用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法实现对货运列车的精准追踪。在分阶段对货运列车进行追踪后，在匀速行驶阶段和变速行驶阶段的切换处设计软切换控制方法，实现速度的平滑切换，减小因控制器切换带来的速度抖动。最后，分别在KF算法和UKF算法中引入扰动观测器，扰动观测器形式采取基于机器学习的PID控制，以补偿速度追踪过程中的速度误差，实现对货运列车目标行驶速度的精准追踪。
[0005]本专利技术实现上述过程的技术方案为：
[0006]综合分析货运列车的受力情况，在匀速行驶阶段基于单质点模型，建立货运列车的线性动力学模型；在变速行驶阶段基于多质点模型，建立货运列车的非线性动力学模型；
[0007]定义合适的状态量和观测量，分别在线性模型和非线性模型中找到其状态转换方程以及观测方程，在匀速行驶阶段搭建KF算法实现对货运列车行驶速度的快速追踪，在变
速行驶阶段搭建UKF算法实现对货运列车行驶速度的精准追踪；
[0008]针对线性与非线性运动模型切换点的抖动问题，设计基于激活度函数加权的软切换控制方法，实现切换点速度的平滑切换，降低因速度抖动带来的货运列车速度追踪误差；
[0009]针对KF与UKF算法没有引入输出量反馈，无法进行速度误差补偿的问题，设计基于机器学习的PID扰动观测器，实现对目标速度的精准追踪。
[0010]本专利技术的技术效果在于：
[0011]通过区分匀速行驶和变速行驶将货运列车行驶阶段分为两个阶段，分别对货运列车进行力学分析。基于单质点模型和多质点模型，对货运列车的行驶过程进行数学描述，建立货运列车的线性模型和非线性模型。将KF和UKF引入货运列车自动驾驶领域，分别对匀速行驶的货运列车以及变速行驶的货运列车进行速度追踪。线性KF在满足匀速行驶阶段速度追踪要求的同时，能以最快的滤波速度进行速度追踪；非线性UKF能更好的处理非线性运动问题，使得列车在变速行驶阶段能保持较高的追踪精度。针对可能出现的切换点追踪速度抖动问题，设计基于激活度函数加权的软切换控制方法，实现速度的平滑切换。为更好的弥补整个追踪过程中可能出现的追踪误差，设计基于机器学习PID的扰动观测器，补偿 KF与UKF追踪过程中的追踪误差，提高系统的自适应追踪能力。
附图说明
图1软切换控制系统结构框图图2基于机器学习的货运列车追踪方法控制框图图3货运列车单质点模型图图4货运列车多质点模型图图5不同参数选取下Tanh函数图图6软切换控制器流程图图7 KF算法符号说明图图8 UKF算法符号说明图具体实现方式
[0012]下面结合附图，对本专利技术技术进行进一步的详细说明。
[0013]货运列车自动控制系统(Automatic Train Control,ATC)由列车自动驾驶(AutomaticTrain Operation,ATO)、列车自动监控(Automatic Train Supervision,ATS)系统和列车超速防护(Automatic Train Protection,ATP)系统组成。列车行驶之前，ATS通过相关设备将货运列车的行驶任务传送到列车。在货运列车行驶过程中，ATP计算出货运列车行驶防护曲线，并将列车行驶的实时数据送给ATO系统，同时实时检测ATO系统的具体工作转态。ATP系统主要负责货运列车的行驶安全，不仅可实时计算货运列车的行驶防护曲线，还将时刻监控列车的实际运行速度，确保其不超过当前的最高限制速度。作为列车实现自动驾驶的核心，ATO 系统需根据安全约束、节能约束等目标，计算最优的控制输出量。通过控制货运列车的下一级执行装置，实现列车的自动行驶。
[0014]KF虽然从名字上是称作滤波器，但实际上是一种控制器，可以称为卡尔曼控制器。 KF本质上是一种数字递归算法，在数学上已经被证明是最优数字递归算法。不同于传统的控制算法，KF算法能够利用有限的、不准确的、包含噪声的测量信息去估计目标信号，能够
有效的减少传感误差以及测量误差带来的影响。UKF算法是在KF算法采样点时加入无迹变换(Unscented Transection,UT)，通过非线性变换赋予UKF算法处理非线性问题的能力。
[0015]激活度函数在神经网络中应用广泛，常见的激活函数包括sigmoid函数、Tanh函数、ReLU函数、SoftMax函数以及阈值激活函数等。从数学上看，激活度函数能使输出值从1切换至0。不同的激活度函数在切换中的性质不同。sigmoid函数实现的是0,1之间的平滑切换，而阈值函数这是在某时刻实现0,1之间的瞬时切换。机器学习研究如何赋予计算机自我学习功能，与传统控制方法PID控制算法的结合能够达到较高的控制效果，实现对追踪误差的快速补偿。在本专利技术中，使用线性回归以及多项式回归算法拟合仿真实验中获得的最优PID控制参数，训练出模型后实现对未知速度误差的快速补偿。软切换控制是相较于硬切换提出的控制方法。硬切换是指在切换过程中不经过过度，被控对象的输入直接切换到对应的子控制器的输出上，类似于激活度函数中的阈值函数；软切本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的货运列车速度追踪方法，其基本框架为卡尔曼滤波(Kalman Filter,KF)算法和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法；所述方法为：依据货运列车行驶过程中加速度是否为零，将行驶阶段分为匀速行驶阶段和变速行驶阶段；在两个行驶阶段分别分析货运列车的行驶过程，使用不同的速度追踪方法，以实现货运列车行驶速度的精准追踪；在货运列车的匀速行驶阶段，综合分析货运列车的受力情况，基于牛顿运动定理，建立货运列车线性动力学模型；将传统的线性滤波算法KF用于匀速行驶状态下的货运列车速度追踪，依次建立动力学模型的空间状态转换方程以及模型的观测方程；在货运列车的变速运行阶段，综合分析货运列车的受力情况，基于牛顿运动定理，建立货运列车非线性动力学模型；将引入无迹变换(Unscented Transaction,UT)的非线性滤波算法UKF用于变速行驶状态下的货运列车速度追踪，依次建立动力学模型的空间状态转换方程以及模型的观测方程；按不同的行驶阶段进行货运列车速度追踪后，在匀速行驶与变速行驶的若干切换点处，使用软切换方法以降低切换点的速度抖动问题，优化整体的货运列车速度追踪效果；在KF算法和UKF算法的滤波过程中，加入基于机器学习的PID扰动观测器，以消除静态与动态的估计误差，实现对货运列车行驶速度的精准追踪；对该追踪方法输出的货运列车速度曲线进行安全、节能约束等货运列车行驶约束，以确保输出的速度曲线在符合追踪误差的前提下，能满足各项货运列车行驶指标。2.根据权利要求1所述匀速行驶阶段与变速行驶阶段的区分标志为货运列车此时的加速度；若为零，则为运行行驶阶段；若不为零，则为变速行驶阶段。3.根据权利要求1所述线性动力学模型与非线性动力学模型区分标志为模型中是否含有非线性运算；线...

【专利技术属性】
技术研发人员：易灵芝，易余，姜鹏，张大可，兰永红，兰志勇，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：