[发明专利]一种基于多目标DMC预测控制算法的地铁列车跟踪控制方法及系统

权利要求书

1.一种基于多目标DMC预测控制算法的地铁列车跟踪控制方法，其特征在于，包括：

S1、获取滚动优化所需的输入量，控制周期计数器发送当前控制周期开始的指令，获取得到参考目标值、前一控制周期的模型预测修正值以及前一控制周期的实时融合速度；

S2、对获取到的输入量进行滚动优化，得到牵引电机当前控制周期所需的控制量和DMC模型预测所需的控制增量；

S3、在控制周期的末期，根据地铁列车实时速度监测方法，获得地铁列车跟踪控制所需的实时融合速度；

S4、实施DMC模型预测，获取相应控制周期的模型预测值；

S5、基于地铁列车的实时位置，判断列车当前处于速度轨迹中的区域类型并自适应的给出相应的柔化因子；

S6、反馈校正，结合步骤S3中获得的实时融合速度以及步骤S5中得到的列车当前位置所对应的柔化因子的取值，对当前控制周期的模型预测值进行反馈校正，获得模型预测修正值；

S7、保留下一控制周期滚动优化所必需的参考目标值、前一控制周期的模型预测修正值以及前一控制周期的实时融合速度且停止计算，并等待控制周期计数器发送下一控制周期开始的指令；

S8、循环往复执行步骤S1至步骤S7，直至地铁列车于终点位置停车。

2.根据权利要求1所述的基于多目标DMC预测控制算法的地铁列车跟踪控制方法，其特征在于，所述的地铁列车实时速度监测方法，具体包括如下步骤：

S31、根据地铁列车自动驾驶的优化指标以及地铁列车跟踪控制的速度轨迹特性，基于多种采样数据源，建立地铁列车实时速度融合模型；

S32、基于熵权法，对上述建立的地铁列车实时速度融合模型的融合权重进行赋值；

S33、基于附加速度采样数据源，对地铁列车的实时融合速度进行校正。

3.根据权利要求2所述的基于多目标DMC预测控制算法的地铁列车跟踪控制方法，其特征在于，所述建立的地铁列车实时速度融合模型，具体为：

式中，v_is,a表示速度分析仪最终计算得到的第is个采样点的最终融合速度；v_is,v表示由实际电机采样转速计算得到的第is个采样点的速度；v_is,F表示由实际电机采样转矩计算得到的第is个采样点的速度；v_is,s表示由实际采样位移计算得到的第is个采样点的速度；tr_ntv表示电机转速与列车速度之间的传动比；η_g表示齿轮间的传动效率；η_is,itc表示列车在第is个采样点克服滑行、空转和蠕滑的效率；n_is表示速度传感器采样得到的第is个采样点的电机转速；F_is表示由第is个采样点的电机转矩计算得到列车动力，F_is＝η_is,F×T_is/R_mr，T_is表示由扭矩仪采样得到的第is个采样点的电机转矩，η_is,F表示在第is个采样点的列车动力综合传动效率，R_mr表示电机转子的半径；w_is表示在第is个采样点列车所受的阻力；Δt_is表示采样间隔时间；Δs_is表示在第is个采样点与第is-1个采样点之间的位置；s_is表示由位移传感器采样得到的第is个采样点的列车位置；λ_is＝[λ_is,v,λ_isF,,λ_iss],，λ_is,v+λ_is,F+λ_is,s＝1，λ_is表示第is个采样点的各采样方式的采样速度值融合权重。