基于类脑脉冲神经网络的列车协同控制方法及系统技术方案

本发明专利技术提供一种基于类脑脉冲神经网络的列车协同控制方法及系统，属于列车运行控制技术领域。本发明专利技术通过建立基于脉冲神经网络的列车自动运行控制架构，实现了列车在外界环境干扰等限制因素下对于给定目标速度的自动跟踪及多列车协同运行实现了列车安全主动防护，保证列车不超速运行及协同状态下安全距离约束，满足多种场景下运行过程中的安全要求，可在保证安全运行情况下控制列车协同运行，并将运行间隔缩小40％以上，对应行车效率可提升2倍以上；以脉冲神经元为基本单元，基于类脑结构及仿生原理，通过动态调整突触权重提升整体控制效果，提高了控制架构的生物可解释性和仿生性，有利于在类脑计算平台的迁移及计算效率的提升。提升。提升。

【技术实现步骤摘要】
基于类脑脉冲神经网络的列车协同控制方法及系统


[0001]本专利技术涉及列车运行控制
，具体涉及一种基于类脑脉冲神经网络的列车协同控制方法及系统。

技术介绍

[0002]为进一步提高列车运行效率，以诸多自动控制算法为基础的多列车协同运行控制技术得到了广泛关注。在多车协同运行模式下，列车间耦合关系更为复杂，车车之间追踪距离更近，最终协同状态需要同速运行，这对于控制技术的性能提出了更高要求。在完成追踪、协同任务的过程中，环境干扰、线路限速等诸多限制因素不可忽略，列车间安全防护间距计算方法与现有运行模式相比也存在一定差异。针对这些新的要求与挑战，面向多列车协同运行的自动控制技术需要向智能化发展，并能够一体化处理协同过程中的各种安全约束、复杂扰动等，最终保证列车安全高效运行。
[0003]此外，列车运行过程中，对于自动控制算法的最终应用时的计算效率、功耗等存在一定要求。以深度学习、强化学习等为代表的智能控制方法在满足提高控制技术智能性的同时，也存在训练数据要求高、计算能力要求高等问题。事实上，以上人工智能方法与真正生物智能在结构上、信息处理方式上仍存在差异，生物可解释性较差，不利于充分发挥人类在处理复杂问题的灵活与低功耗等优势。因此，需要一种更符合人类智能机理的，未来应用时有利于发挥高计算能力、低功耗等优势的新型智能控制技术。
[0004]列车运行过程中，控制系统需要保证其实现设定目标速度跟踪，并防止列车超速运行影响运行安全；考虑多列车协同时，需在避免列车碰撞情况下控制列车以相同速度、稳定间隔运行。因此，综合考虑速度和追踪间距约束，在充分利用脉冲神经网络控制架构优势的前提下，如何建立新型控制防护一体化架构是一个待解决的问题。随着类脑计算、类脑芯片等技术发展，基于类脑架构的控制方法已成为研究重点。脉冲神经网络作为第三代神经网络，通过建立神经元细胞、突触模型等，通过脉冲信号实现信息传递，模拟生物机理。基于脉冲神经网络的类脑计算结构有利于进一步模拟生物对于任务等的理解及完成能力，同时利于整体架构在类脑计算平台的实现，最终建立高效、低能耗及快速的控制系统。
[0005]现有列车协同自动控制技术中，以自适应控制、模型预测控制等为代表的传统控制方法。传统控制方法主要通过建立列车动力学模型，以多列车实时状态与期望值误差为输入，最终实现多列车间协同运行控制，安全防护或通过与控制系统相独立的列车运行防护系统实现，或通过状态约束等形式体现。为进一步提高列车控制智能性，以引入深度学习、强化学习等的基于人工智能技术控制方法得到了广泛关注。以深度学习方法为例，利用大量运行数据对深度学习网络进行训练，从而输出控制信号或防护信号作用于列车，即基于数据的智能控制。
[0006]现有列车协同自动控制技术主要包括以自适应控制、模型预测控制等为代表的传统控制方法，以及引入深度学习、强化学习等的基于人工智能技术控制方法。传统控制方法通常在进行列车协同控制过程中对于安全防护考虑不充分，部分方法或不具备主动安全防
护功能；基于深度学习等人工智能方法的列车协同运行控制与防护方法通常对于前期数据、计算能力要求高，实际应用过程中功耗高，此外，深度学习等神经网络训练及使用时，神经元之间仍以连续信号传递信息，与真正生物神经元机理存在差异，生物可解释性差。

技术实现思路

[0007]本专利技术的目的在于提供一种基于类脑脉冲神经网络的列车协同控制方法及系统，以解决上述
技术介绍
中存在的至少一项技术问题。
[0008]为了实现上述目的，本专利技术采取了如下技术方案：
[0009]一方面，本专利技术提供一种基于类脑脉冲神经网络的列车协同控制方法，包括：
[0010]获取被控列车运行过程中期望目标信息、实时状态信息及本车安全防护信息、前车安全防护信息，并完成数据预处理及编码，得到编码后的脉冲信号；
[0011]利用预先训练好的类脑控制模型对编码后的脉冲信号进行处理；所述预先训练好的类脑控制模型包括：仿前额叶计算模块对隐藏层权重进行在线调整，并根据目标信息及速度防护信息计算控制信号传输至防护与控制驱动模块；在协同运行模式下，仿小脑计算模块根据预设协同目标计算控制信号传输至协同控制驱动模块，动态调整列车速度及前后车间距直至被控列车与前车协同运行；防护与控制驱动模块及协同控制驱动模块对脉冲输出进行解编，并计算最终控制输出，进一步控制列车运行。
[0012]优选的，被控列车实时状态信息包括列车当前位置及速度；安全防护信息包括限制最高速度或本车与前车间安全防护距离；
[0013]两车协同追踪过程中采用相对制动距离防护规则，按照如下规则计算安全防护距离d
w
(t)：
[0014][0015]其中ΔL为预留的安全边界，v(t)为被控车(后车)速度，v
l
(t)为前车速度，a
u
被控车最大常用制动率，a
l,max
为前车最大紧急制动率；
[0016]在线路限速v
lim
(t)和安全防护距离d
w
(t)下，定义安全防护误差e(t)：其中，
ò
v
与
ò
s
为人为设定的速度、位置安全裕量，Δp(t)为前后车实时距离。
[0017]优选的，对于给定参考速度信号v
ref
(t)，定义速度追踪误差e
v
(t)＝v
ref
(t)
‑
v(t)；考虑到各状态信息尺度差距，对各信息进行预处理，处理规则为其中x为处理前信号，为处理后信号，P
x
为根据不同信号定义的归一化参数，η为放缩系数；利用泊松编码方式，将各状态信息转化为满足泊松分布的、不同频率的脉冲信号，激发频率为各预处理后的信号。
[0018]优选的，所述仿前额叶计算模块包括感知层、中间层以及驱动层；感知层包含3组神经元，接收外部刺激并产生输入脉冲；中间层包含5个神经元，与感知层全连接，中间层中四个神经元间全连接，连接权重根据R
‑
STDP规则进行调整；感知层将经预处理及泊松编码
后的参考速度v
ref
(t)、实时速度v(t)、追踪误差e
v
(t)及与安全防护信息e(t)以脉冲形式输入，经中间层后对驱动层神经元起到激励与抑制作用，利用R
‑
STDP规则权重调整主要由采集多巴胺信号及权重更新两部分组成；在一个采样周期内，定义DA(t)＝ωe
v
(t)，其中DA(t)为多巴胺信号，其中ω为给定的放缩系数；利用泊松编码将DA转化为脉冲信号；多巴胺信号作用于中间神经元间突触，进一步调整各权重值，经反复计算更新后进入下一个采样周期。
[0019]优选的，预先训练好的类脑控制模型基于生物机理在线对于权重进行调整，预训练包括：实时获取不同控制信号下的速度、位置信息，利用多巴胺信号刺激权重调整；
[0020][0021][0022]其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于类脑脉冲神经网络的列车协同控制方法，其特征在于，包括：获取被控列车运行过程中期望目标信息、实时状态信息及本车安全防护信息、前车安全防护信息，并完成数据预处理及编码，得到编码后的脉冲信号；利用预先训练好的类脑控制模型对编码后的脉冲信号进行处理；所述预先训练好的类脑控制模型包括：仿前额叶计算模块对隐藏层权重进行在线调整，并根据目标信息及速度防护信息计算控制信号传输至防护与控制驱动模块；在协同运行模式下，仿小脑计算模块根据预设协同目标计算控制信号传输至协同控制驱动模块，动态调整列车速度及前后车间距直至被控列车与前车协同运行；防护与控制驱动模块及协同控制驱动模块对脉冲输出进行解编，并计算最终控制输出，进一步控制列车运行。2.根据权利要求1所述的基于类脑脉冲神经网络的列车协同控制方法，其特征在于，被控列车实时状态信息包括列车当前位置及速度；安全防护信息包括限制最高速度或本车与前车间安全防护距离；两车协同追踪过程中采用相对制动距离防护规则，按照如下规则计算安全防护距离d
w
(t)：其中ΔL为预留的安全边界，v(t)为被控车(后车)速度，v
l
(t)为前车速度，a
u
被控车最大常用制动率，a
l,max
为前车最大紧急制动率；在线路限速v
lim
(t)和安全防护距离d
w
(t)下，定义安全防护误差e(t)：其中，
ò
v与
ò
s
为人为设定的速度、位置安全裕量，Δp(t)为前后车实时距离。3.根据权利要求2所述的基于类脑脉冲神经网络的列车协同控制方法，其特征在于，对于给定参考速度信号v
ref
(t)，定义速度追踪误差e
v
(t)＝v
ref
(t)
‑
v(t)；考虑到各状态信息尺度差距，对各信息进行预处理，处理规则为其中x为处理前信号，为处理后信号，P
x
为根据不同信号定义的归一化参数，η为放缩系数；利用泊松编码方式，将各状态信息转化为满足泊松分布的、不同频率的脉冲信号，激发频率为各预处理后的信号。4.根据权利要求3所述的基于类脑脉冲神经网络的列车协同控制方法，其特征在于，所述仿前额叶计算模块包括感知层、中间层以及驱动层；感知层包含3组神经元，接收外部刺激并产生输入脉冲；中间层包含5个神经元，与感知层全连接，中间层中四个神经元间全连接，连接权重根据R
‑
STDP规则进行调整；感知层将经预处理及泊松编码后的参考速度v
ref
(t)、实时速度v(t)、追踪误差e
v
(t)及与安全防护信息e(t)以脉冲形式输入，经中间层后对驱动层神经元起到激励与抑制作用，利用R
‑
STDP规则权重调整主要由采集多巴胺信号及权重更新两部分组成；在一个采样周期内，定义DA(t)＝ωe
v
(t)，其中DA(t)为多巴胺信号，其中ω为给定的放缩系数；利用泊松编码将DA转化为脉冲信号；多巴胺信号作用于中间神经
元间突触，进一步调整各权重值，经反复计算更新后进入下一个采样周期。5.根据权利要求4所述的基于类脑脉冲神经网络的列车协同控制方法，其特征在于，预先训练好的类脑控制模型基于生物机理在线对于权重进行调整，预训练包括：实时获取不同控制信号下的速度、位置信息，利用多巴胺信号刺激权重调整；同控制信号下的速度、位置信息，利用多...

【专利技术属性】
技术研发人员：董海荣，宋海锋，张子轩，王洪伟，马建军，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：