[发明专利]基于极大值原理的高速列车自动驾驶节能优化方法

权利要求书

1.基于极大值原理的高速列车自动驾驶节能优化方法，其特征在于，具体操作过程包括如下步骤：

步骤1，根据高速列车的运行过程中的力学特征和运动学特征，建立高速列车的运行模型，从而得到高速列车节能运行的优化函数；

步骤2，根据庞德利亚金极大值原理，构造哈密尔顿函数，结合步骤1得到的优化函数对哈密尔顿函数进行分析，求解得到高速列车节能运行的驾驶策略；

步骤3，根据列车的牵引特性曲线、动力学方程和步骤2的驾驶策略，计算高速列车的运行时间；

步骤4，将步骤3得到的时间与标准时间比较，若大于标准时间，则适当增加巡航时间，反之则增加惰性时间，直到运行总时间达到标准时间的范围内，输出能耗值，实现高速列车节能自动驾驶。

2.如权利要求1所述的基于极大值原理的高速列车自动驾驶节能优化方法，其特征在于，所述步骤1的具体过程如下：

高速列车节能驾驶目的是最小化列车运行过程中的牵引能耗，目标函数如式(1)所示：

式中，E为列车运行中的总能耗，F为牵引力，x为列车的位置，v为列车的速度，S为列车总的运行距离；

列车运行的动力学方程如式(2)所示：

式中，B为制动力，w为运行中受到的阻力，g为坡道阻力，v为列车的速度，v(x)为列车在位置x处的速度；

约束条件：

0≤F≤F_max (4)

0≤B≤B_max (5)

0≤v≤v_max (6)

式中，F_max，B_max分别表示最大牵引力和最大制动力，t为高速列车运行的时间，v_max表示列车的限速。

3.如权利要求2所述的基于极大值原理的高速列车自动驾驶节能优化方法，其特征在于，所述步骤2的具体过程如下：

根据庞德利亚金极大值原理，构造哈密尔顿函数如式(7)所示：

λ₁和λ₂是拉格朗日乘子，考虑到有不等式约束，所以引入松弛互补因子M(x)，则拉格朗日乘子λ₁和λ₂分别满足式(8)和式(9)：

其中，松弛互补因子M(x)满足式(10)和式(11)：

根据式(8)得：

由式(12)可知，λ₁在列车运行过程中都为常数；

为了简化分析令β＝λ₂/v(x)，整理式(7)得到式(13)：

H＝(β-1)·F(v)+β·(B(v)+w(v)+g(x)) (13)

由极大值原理知要使E取最小值，则H要取最大值，所以β的取值范围决定了高速列车的驾驶策略：

当β<0时，F＝0，B＝Bmax，列车处于最大制动操纵工况；

当β＝0时，F＝0，B可变，只施加部分制动力，此时，列车处于部分制动操纵工况；

当β＞0时，列车可处于行驶操作工况。

4.如权利要求3所述的基于极大值原理的高速列车自动驾驶节能优化方法，其特征在于，当0<β<1时，F＝0，B＝0，列车处于惰行操纵工况；

当β＝1时，F可变，只施加部分牵引力，B＝0，此时列车处于部分牵引操纵工况；

当β≥1时，F＝Fmax，B＝0，列车处于最大加速操纵工况。

5.如权利要求4所述的基于极大值原理的高速列车自动驾驶节能优化方法，其特征在于，所述步骤3的过程包括如下过程：

步骤3.1，根据列车的牵引特性曲线、动力学方程和步骤2的驾驶策略计算得到列车运行的速度序列；

步骤3.2，根据列车的速度序列和列车的动力学方程计算得到列车运行的时间。