【技术实现步骤摘要】
本专利技术涉及智能交通，具体是一种基于分布式模型预测控制的客货共线列车协同驾驶策略在线优化方法。
技术介绍
1、铁路交通由于其交通能力大、能耗低、效率高，在公共交通系统中变得越来越重要。列车自动运行(ato)系统是列车控制系统的关键组成部分，可以实现列车运行的自动控制和调整，降低驾驶员劳动强度，降低运行能耗，确保运行系统的安全和可靠性。近几十年来，人们提出了大量先进的ato控制算法，以实现精确、快速和稳定的跟踪控制，以应对不断扩大的铁路网和提高的列车速度。
2、在列车离开车站之前，ato系统计算出下一次行程的推荐速度曲线，它作为ato系统的参考信号，并确定计划的位置和给定时间内的运行速度。它在确保列车自动运行过程中的准时性和能源效率方面起着至关重要的作用。推荐速度曲线的生成通常被建模为一个优化问题，可以通过多种计算方法来求解。这些方法大致可以分为两类：直接方法和间接方法。间接法，如庞特里亚金极大值原理，已被广泛应用于列车最优控制问题。最早关于基于庞特里亚金极大值原理的列车最优控制问题的工作是1968年由ichikawa进行研究的，其中导出了列车在水平轨道上节能行驶的最优机制(即最大加速、巡航、惰行和最大制动)。此后，许多研究人员利用庞特里亚金极大值原理，在考虑轨道坡度变化、任意速度限制和牵引力/制动力约束的情况下，生成最优的列车驾驶策略和速度曲线。上述这些间接方法的主要挑战之一是得到最优机制转换条件。相比之下，直接方法是通过使用数学规划算法来寻找原始最优问题的近似解。近年来，伪谱法由于其较快的收敛速度和较好的计算精度
3、然而，许多方法大多局限于固定的运行参数，如列车阻力系数、线路静态限速等，离线计算列车的参考速度曲线。如果某列车的ato系统在存在列车运行干扰的情况下仍然按照离线确定的参考曲线运行，可能会造成不必要的能量消耗，甚至导致整条线路的混乱。不仅如此，为支持区域经济增长，提升铁路在货运方面的竞争力，部分铁路积极推行客货混跑模式，客货列车共线运营。显然，客货列车在运营需求和制约因素上存在显著差异，给交通调控和管理带来了挑战。然而，现有关于客货共线列车优化控制问题的研究工作仍十分有限。
4、现有的技术文献[1]([1]li,d.,dong,x.,cao,j.,zhang,s.,and yang,l.(2022).“energy-efficient rail transit vertical alignment optimization:gaussianpseudospectral method.”journal of transportation engineering,part a.systems,(1),148.)提出了以能耗和运行时间偏差最小为目标的高能效线路垂直对准优化模型，并提出了精确求解的方法。
5、现有的技术文献[2]([2]yan,x.-h.,cai,b.-g.,ning,b.,and shangguan,w.(2015).“moving horizon optimization of dynamic trajectory planning for high-speed train operation.”ieee transactions on intelligent transportationsystems,17(5),1258–1270.)提出了一种滚动时域优化方案，用以处理多个高速列车的协同运行规划问题，较大程度上优化了不确定条件下多列车的参考轨迹。
6、现有的技术文献[3]([3]liu,l.and dessouky,m.(2017).“a decompositionbased hybrid heuristic algorithm for the joint passenger and freight trainscheduling problem.”computers&operations research,87,165–182.)研究了面向复杂铁路网络的客货列车联合调度问题，并提出了一种新颖的启发式算法，但是并没有考虑到节能和列车运行过程中受到的干扰。
7、综上，目前针对客货共线运行场景，还没有一种考虑到运行扰动并且兼顾节能运行的客货共线列车在线控制算法。
技术实现思路
1、基于此，本专利技术的目的是提供一种新的列车运行在线控制算法，采用分布式模型预测控制(dmpc)方法设计考虑运行扰动的客货共线列车节能运行在线控制算法。
2、为达到上述目的，本专利技术提供了如下技术方案：
3、基于分布式模型预测控制的客货共线列车协同驾驶策略优化方法，包括以下步骤
4、步骤1：建立基本列车动力学模型；
5、步骤1.1：旅客列车在各个车站都停靠，货运列车不在中间站停靠。令qt＝qp∪qf，其中qt表示列车的集合，qp表示旅客列车的集合，qf表示货运列车的集合。则对于列车i∈qt以位置s为自变量的动力学模型描述为：
6、
7、其中，vi(s)为列车i的速度，ti为时间，s为位置，mi为列车i的质量，ui1(s)和ui2(s)分别表示列车i的牵引力和制动力。货运列车的最大牵引力和最大制动力均大于客运列车的最大牵引力和最大制动力，两者具有不同的牵引特性曲线。是由机械和空气摩擦引起的列车运行基本阻力，一般由以下davis方程表示：
8、
9、其中，ai、bi、ci为由特定列车决定的非负系数。此外，是由轨道坡度引起的线路阻力，可表示为：
10、
11、其中，α(s)为轨道在位置s处的倾斜角，g为重力加速度。当α(s)较小时，公式(3)成立。
12、由于复杂的环境因素，列车在运行过程中不可避免地会受到外界的干扰，即：
13、
14、其中，rand表示使用rand函数生成的一组随机数，模拟列车运行时受到的干扰。
15、步骤1.2：单线铁路线路图如图1所示，其中，车站总数为m，令zm，m＝1,2,…,m表示车站m的位置，则列车运行的初始位置为z1，终点位置为zm。
16、步骤2：设计列车运行控制目标；
17、步骤2.1：对于旅客列车i∈qp，时刻表指定了每列车的规定到站和发车时刻，每列车必须在给定时刻离开初始位置z1，然后沿轨道运行，在给定时刻到达终点位置zm。
18、因此，
19、
20、此外，旅客列车在中间站需要停靠，便于旅客在中间站上下车：
21、vi(zm)＝0，m＝2,3,...,m-1 (6)
22、
23、
24、其中zm为车站m的位置，为列车i在车站m的实际到达时间，为列车i在车站m的实际出发时间，为列车i在车站m的规定到达时间，为列本文档来自技高网...
【技术保护点】
1.基于分布式模型预测控制的客货共线列车协同驾驶策略优化方法，其特征在于，包括以下步骤
2.根据权利要求1所述的基于分布式模型预测控制的客货共线列车协同驾驶策略优化方法，其特征在于，所述DMPC算法的输入：各车站的位置zm，实时测量的列车i在tk时刻的状态[vi(si)，ti(si)]，其中ti(si)＝tk，各列车在车站m的规定到达时间和规定发车时间
【技术特征摘要】
1.基于分布式模型预测控制的客货共线列车协同驾驶策略优化方法，其特征在于，包括以下步骤
2.根据权利要求1所述的基于分布式模型预测控制的客货共线列车协同驾驶策略优化方法，其...
【专利技术属性】
技术研发人员：詹璟原，王丹丹，刘禹希，张利国，黎俊扬，成鸿飞，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
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。