[发明专利]一种高速列车的速度跟踪控制方法和自动驾驶控制系统

说明书

本发明提供一种高速列车的速度跟踪控制方法和自动驾驶控制系统，其跟踪控制方法设计了一种完全不依赖列车控制系统内部动态特性的ATO控制算法，基于积分强化学习技术通过分析利用列车运行状态数据来求解最优列车速度跟踪控制策略，并根据此进行列车速度跟踪控制，解决由于列车动力学特性的不确定性导致的控制性能下降问题，并且保证列车控制输入被约束在预设值内从而避免执行器饱和现象。自动驾驶控制系统在跟踪控制方法的作用下控制输入被约束在预设值以内，从而避免了执行器饱和，并且能控制列车按照给定的目标速度‑距离曲线行车，实现高速列车自动驾驶。

技术领域

本发明涉及高速列车自动驾驶系统技术领域，尤其涉及一种高速列车的速度跟踪控制方法和自动驾驶控制系统。

背景技术

作为高速列车自动驾驶(Automatic Train Operation，简称ATO)系统的核心，ATO控制算法在保障列车运行的安全性和可靠性方面发挥着重要作用。

在ATO控制算法设计过程中，列车动力学模型是必不可少的，因为它能反映控制对象的动态特性。但是由于高速铁路具有运行时速高、区间运行时间长等特点，在复杂的列车运行环境影响下，高速列车动力学特性是时变且不确定的。从列车内部理解，由于不同型号动车组的牵引制动特性、车头设计风格、编组方式不同，导致列车模型参数存在着差异；从外部扰动分析，高速列车模型参数会受到诸如运营里程增长、载客数量不同、外部环境变化等不确定因素影响。在高速列车运行过程中，复杂扰动导致的不确定列车动力学特性会对速度跟踪控制性能造成不利的影响，为了解决这个难题，学者们利用自适应控制、神经网络等技术来估计未知的列车模型参数或包含未知模型参数的函数，以此提升控制算法的跟踪精度。然而，由于计算精度的不足，在上述估计过程中存在着不可避免的估计误差，致使达不到理想的控制效果和控制性能；而且这些技术的使用需要较为复杂的公式推导，带来了的额外计算量和计算速度要求是现有的车载计算机难以承受的。

发明内容

本发明的实施例提供了一种高速列车的速度跟踪控制方法和自动驾驶控制系统，能从本质上解决外部环境扰动对高速列车速度跟踪控制的影响，对提升高速列车速度跟踪的精确性有一定意义。

为了实现上述目的，本发明采取了如下技术方案。

一种高速列车的速度跟踪控制方法，包括：

S1获取高速列车的实时位置p(t)、理想位置p_d(t)、实时速度v(t)和理想速度v_d(t)；

S2将实时位置p(t)与理想位置p_d(t)做差，获得实时位置误差e_p(t)；将实时速度v(t)与理想速度v_d(t)做差，获得实时速度误差e_v(t)；

S3基于实时位置误差e_p(t)、实时速度误差e_v(t)、理想位置p_d(t)和理想速度v_d(t)，获得高速列车优化控制模型；

S4通过基于演员-批评家神经网络结构的积分强化学习算法求解该高速列车优化控制模型，获得高速列车最优控制策略；基于该高速列车最优控制策略对高速列车进行速度跟踪控制。

优选地，步骤S3具体包括：