[发明专利]基于机器学习的列车自动驾驶系统精准停车方法及装置

说明书

本发明实施例提供一种基于机器学习的列车自动驾驶系统精准停车方法及装置。其中，该方法包括：获取与精准停车强相关的实时信息参数；分别得到影响停车误差的输入变量参数和表示停车误差的输出变量参数；分别建立各个输入变量参数得到停车误差的回归预测模型，回归预测模型包括修正变量；通过机器学习多次迭代训练，得到优化的回归预测模型；计算优化的回归预测模型取值为0时的输入变量参数，更新输入变量参数，利用更新的输入变量参数进行控制，进而实现精准停车。本发明实施例通过基于大数据的预测回归分析方法，实现了自主优化ATO系统中的停车控制参数，从而实现精准停车；对于列车具有普适性，应用范围广，减少了调试的时间与工作量。

技术领域

本发明实施例涉及智能控制技术领域，具体为一种基于机器学习的列车自动驾驶系统精准停车方法及装置。

背景技术

列车自动驾驶系统(Automatic Train Operation,ATO)是列车自动控制系统(Automatic Train Control，ATC)的重要子系统，它完成列车车门开关的控制功能以及自动速度调整包括牵引、巡航、惰行、制动和停车的控制，实现正线、折返线及出入段(场)线运行的自动控制，实现区间运行时间的调整控制。ATO系统是提高运输效率的一个关键环节，通过实施ATO系统，可以改善城市轨道交通的运输组织管理，为旅客提供更舒适的乘坐感受，能够达到系统设计的最佳运输效率以及减轻司乘人员的劳动强度，更利于保障安全和提高效率。

车载ATO系统通过安装在站台区域内、预定位置的定位设备(TWC环线、应答器)来调整列车定位，实现精准停车。其中，TWC(Train to Wayside Communication system)为车地通信系统。ATO模式下列车停车精度应满足±0.3m，根据停车站台的位置、车辆运行方向及停车精度，在ATP的保护下自动地对相应站台侧的车门、站台门进行开关控制。ATO系统针对精准停车的算法对于列车能够安全可靠运行，以及实现ATC系统的需求功能具有重要的作用。目前列车自动驾驶系统(ATO)的精准停车算法主要应用控制过程是，在列车防护系统(Automatic Train Protection，ATP)的推荐速度防护下，将ATO的命令速度作为目标输入，将测速测距模块(SDU)的速度与距离作为反馈，运用模糊PID控制算法进行列车运行级位的输出控制，从而实现站间与站台的列车平稳运行；最后根据站台校位交叉点(如TWC)的位置校位，确定准确的列车当前位置，通过站台限速点与停车点的位置距离，拟合出站台上的推荐速度曲线，根据给定推荐速度与列车速度反馈的速度误差，运用模糊PID控车算法得到列车输出级位，最终达到精准停车的功能实现。

基于目前的ATO系统的精准停车逻辑，其主要的技术缺陷是不具有列车的普适性，对于单列车具有稳定列车参数、良好的列车性能的前提下，具有良好的停车效果，且能精确停稳，但是针对两辆列车间参数有差距，例如：ATO施加制动或牵引后车辆速度变化的响应时间、ATO施加制动级位至速度为0的平均加速度、ATO施加牵引级位至速度平滑的平均加速度、车辆开始制动至速度为0的平均加速度、车辆开始牵引至速度平滑的平均加速度、电制动与空气制动转换时间、速传模块的灵敏度等参数，若上述参数有差距，那么就会导致ATO无法有效的实现精准停车，从而列车过标或欠标，影响屏蔽门的打开、乘客的乘坐、司机的工作量，致使研发人员需要根据每辆车的性能参数与列车参数，去调节ATO在停车过程中的动力学参数，例如：上下行平移停车点、站台制动减速度，模块函数隶属表等参数，增加了工作人员的工作量与现场的调试时间，从而浪费资源。

发明内容

为解决现有技术中停车控制调试复杂、不具普适性的问题，本发明实施例提供一种基于机器学习的列车自动驾驶系统精准停车方法及装置。