[发明专利]一种基于自适应A-Star算法的铁路机车优化操纵方法

说明书

技术领域

本发明涉及一种基于自适应A-Star算法的机车操纵方法，属于机车车辆控制技术领域。

背景技术

随着能源问题的日益突出，在保证车辆安全、准点的运行条件下，如何减少能耗、降低运营成本已经成为铁路部门十分关心的大事，因此节能控制研究也就具有重要意义。在已知车辆编组、运行时间、运行距离的情况下存在着许多不同的操纵方法，也会直接导致不同的能耗，寻找优化的操纵方法也因此成为一个重要课题。

档位与动力和能耗都有直接的关联。在实际驾驶过程中，车辆司机通过控制离散的档位来达到控制机车行驶速度，在保证不超过限速的前提下尽可能保证准点的需求。

因为涉及到的很多关系是非线性的（机车牵引力与档位、速度的关系曲线、机车制动力与档位、速度的关系曲线、能耗与档位的关系曲线等等），改变局部的若干档位对于车辆行驶的时间和能耗的影响是难以预测的（必须要通过复杂的计算过程来模拟实现），因此有必要应用优化算法来为档位操纵的策略提供方向性的指引。

为了实现档位操纵的优化，现有技术中通常按照以下序列计算方法：

实际驾驶中，车辆司机根据经验和操纵指导书的指引来进行档位控制。通常情况下，司机总是在固定的线路上进行驾驶，相应的档位序列（策略）也是固定的，并不会动态地根据路况、机车的参数变化进行调整。这样的策略以安全（不超过限速）为第一目标，能耗的节省效果有限，同时不具有通用性和理论基础（不同司机的在同一线路的策略多有不同，而同一司机在某一线路的策略很难迁移到别的线路上）。

基于遗传算法的优化操纵序列计算方法以车辆牵引计算为出发点，建立多目标的车辆节能控制模型，采用实数编码的遗传算法，根据遗传算法计算所得的适应度值的大小决定能耗曲线是否能继续参与迭代。在满足迭代函数后，得到适应度最大的操纵曲线，也就是机车优化操纵序列。这个方法的主要问题有两个：一是在不引入领域知识的情况下搜索的空间太大，得到优化解需要的时间太长，不能满足在线实时计算的需求，甚至对于较长或是较为复杂的路段，离线计算的时间代价也不能满足要求（优化50km长的路段就需要1小时以上的时间）。

通用电气公司2007年1月18日申请的，授权公告号为CN101374714B的发明公开了一种“用于车辆的行程优化系统及方法”，该发明实现了在外界因素变化下向司机提供既满足驾驶安全要求又能达到节能效果的操纵方法，但是由于该发明的技术方案是将在时域中的动态优化控制问题转化为具有多个决定变量的等效静态数学编程问题，对于实际中的线路操纵策略求解问题而言，等效问题的个数会达到上千个之多，对嵌入式设备的计算能力要求较高难以直接实现，因此需要使用简化的车辆模型，从而效果并不如直接使用精确的车辆模型的效果好。

北京交通大学2008年1月22日申请的，授权公开号为CN101214819B的发明发明公开了一种“内燃牵引机车优化操纵的方法和指导装置”，该发明提供了一种能实现车辆安全、平稳、准时、节能地行驶的，适用于国内各主要型号内燃机车的车辆优化操纵方法和指导装置，但是该发明的技术方案由于对两个重要的分支“节能算法”和“节时算法”的设计过于主观，并没有足够的理论支撑，并不能保证最优的效果。

普通A-Star算法通过估价函数来缩小解空间的搜索范围，提高了搜索的时间效率。但其搜索的时间阈值和深度是经验设定的固定值，无法根据实验设计的需求进行动态调整，人为调整参数的方式不仅耗时而且无法确保效率的稳定性，也无法适应不同实验设计中对时间和效果的平衡的要求。

本发明提出一种基于自适应A-Star算法的铁路机车优化操纵方法，通过自适应的调整相关时间阈值、搜索深度以及启发式估价函数中的各项系数等内容，提升了机车优化操纵序列的求解效率和优化效果。

发明内容

本发明提出一种基于自适应A-Star算法的铁路机车优化操纵方法，该方法通过自适应调整优化过程中的相关参数，可以取得更好的搜索效果，并可以取得时间和效率之间的更好平衡，达到了铁路机车操纵的节能优化。

本发明解决其技术问题所采用的技术方案是提供一种基于自适应A-Star算法的铁路机车优化操纵方法，其特征在于：包括以下步骤：

步骤1、准备当前机车车辆参数、线路数据和司机驾驶操纵历史数据，并进行数据预处理；

该步骤中，所需机车车辆参数由当前优化目标机型车次给定；所需线路数据从线路数据库中根据具体运行区间提取；所需司机驾驶历史数据从司机实际驾驶操纵曲线中选取；