[发明专利]基于ELM的自动驾驶列车车速跟随的控制方法

说明书

本发明提供一种基于ELM的自动驾驶列车车速跟随的二阶变结构控制方法。方法包括以下步骤：以列车运行数据为输入，利用极限学习机算法训练生成理想的列车自动驾驶模型，模型输出为列车车速；应用自适应超螺旋滑模算法设计列车车速跟随控制器，用以计算列车跟随理想车速的控制量；对列车车速跟随控制器进行稳定性分析，得到稳定性条件；设计列车牵引制动力操纵杆控制器。本发明通过神经网络算法ELM生成列车自动驾驶模型，可有效表征人为驾驶下列车运行车速，该车速可有效保证列车的安全性、舒适性和正点运行；基于ASTSM的列车车速跟随控制器可有效计算得列车跟随理想车速的控制量，使列车迅速跟随理想车速，有效降低系统抖振。

技术领域

本发明属于列车自动驾驶技术领域，具体涉及一种基于ELM(极限学习机)的自动驾驶列车车速跟随的控制方法。

背景技术

近十多年来，我国高速列车技术发展迅猛，不仅服务于国内市场，更走向了世界。列车运营路线长而复杂，乘客上下车频繁，且列车提速是必然的趋势。因此，列车具备自动驾驶功能意义非常，研究列车自动驾驶控制技术具有明显的现实要求。

中国专利201110328206.3提供了一种列车自动驾驶系统实现站间运行自动驾驶曲线生成的方法，该方法通过实时获取列车自动监控系统的运营信息、列车参数信息、线路数据库的线路信息等，实时自适应计算列车站间各运行阶段的驾驶曲线信息，从而生成最优的列车站间运行自动驾驶曲线；该方法可有效保证列车的舒适性、安全性和节能等，但涉及实时采集大量信息，需要自动驾驶系统作大量的计算，当需要采集的信息过于密集时，实时性有待商榷。中国专利201310689453.5提供了一种自动驾驶的控制系统及方法，该方法设计了一个优化单元对多目标数据进行判断，结合反馈单元决策出优化的控制指令，实现列车的自适应自动驾驶控制；该控制系统可有效保证控制系统适应性、精确性，抑制列车性能的时间慢性漂移，但涉及使用模糊算法选用不同的控制器，从而得到不同的控制输出，这需要人为地作大量的规划从而得到模糊逻辑，一旦模糊逻辑选择不当，控制系统有失效的风险。

发明内容

为解决上述问题，本发明提供一种基于ELM的自动驾驶列车车速跟随的二阶变结构控制方法，通过以列车大量的任意站点区间历史运行数据为输入，利用ELM算法进行神经网络训练获得列车自动驾驶模型，从而规划出任意站点间列车实时理想车速；利用ASTSM算法对列车车速进行控制，控制精度高、可有效抑制系统抖振，从而有效保证列车的安全性、舒适性和实时运行。

本发明提供一种基于ELM的自动驾驶列车车速跟随的控制方法，包括以下步骤：

S1，以列车运行数据为输入，基于神经网络算法ELM训练生成理想的列车自动驾驶模型，所述列车自动驾驶模型输出为列车车速；

S2，以所述S1生成的列车自动驾驶模型为理想模型，根据所述列车自动驾驶模型设计列车车速跟随控制器；

S3，对所述S2设计的列车车速跟随控制器进行稳定性分析，给出稳定条件；

S4，根据所述稳定条件设计列车牵引/制动力控制器。

较佳地，所述S1的具体过程为包括：

S1.1，采集某两站点之间人为驾驶列车的运行数据-实时加速度和距下一站点的距离数据，作为列车自动驾驶模型的训练输入；

S1.2，基于ELM算法训练列车自动驾驶模型，包括确定训练集、激活函数和隐含节点个数，以及分配输入权重和阈值，具体为：

利用单隐含层反馈的ELM算法训练获得列车自动驾驶模型；对于自动驾驭列车模型指定训练集：a为列车加速度，m/s²；；s为列车跟下一站点的距离，m；v为列车车速，km/h；激活函数为隐含节点数目选取为

单隐含层反馈的ELM算法训练获得列车自动驾驶模型如下：