[发明专利]基于多模切换快速迭代UKF的列车速度追踪方法

说明书

本发明公开了一种基于多模切换快速迭代UKF的列车速度追踪方法，将UT变换引入传统Kalman滤波器中，组成适用于非线性系统的UKF；对运动模型线性及非线性的线路运行区段，分别采用KF和UKF进行控制，且通过预设不同的Q值，增强滤波器的跟踪性能；借鉴迭代控制理论中相关思想，将迭代控制引入UKF控制中，进行样本点的多次采样以提高控制器的追踪稳定性；借鉴快速强跟踪UKF中渐消因子的引入方法，将渐消因子引入设计的迭代UKF中，组成快速迭代UKF算法，降低滤波的运算量，保证货运列车自动驾驶速度追踪控制系统的追踪精度。

技术领域

本发明涉及到现代控制领域的具体实现方法，特别是货运列车自动驾驶时的输出速度曲线追踪领域。

技术背景

随着人类社会步入21世纪，全世界已经进入一个互联互通的地球村时代，生产力、生产资源都在世界范围内自由流动，按照人口和地区进行分配。当前世界范围内已经运行的最长铁道线路是连接西班牙和中国的国际铁道线路——“新丝绸之路”，线路总长为13000千米，行驶一趟需要耗费十余天的时间。同时，我国作为世界上人口最多的国家，已经于2018年底建成13万余公里的运营铁道线路，为世界第三，亚洲之最。其中2000千米以上的铁路包括3条，1700千米以上的铁路有5条之多。长距离、长时间的手动列车驾驶对列车司机是身体与心理的严峻考验。近年来，自动驾驶技术出现在相关领域研究人员的视线中，相较于手动驾驶，自动驾驶技术拥有诸多优点，例如低能耗、高稳定性、高效率、低事故率，能大大减少列车驾驶员的驾驶强度。在具体的技术实现方面，线路条件的复杂性、未知的路况以及多边的天气条件制约着自动驾驶技术的发展。伴随着现代控制理论，特别是追踪控制理论的不断完善发展，列车自动驾驶技术的实现又成为可能。

作为自动驾驶技术中最重要最难的技术部分，通过控制手段使得列车实时输出速度曲线追踪离线优化后的速度运行曲线是保证自动驾驶技术有效实施的关键。最早商用的速度追踪控制算法是传统的PID控制算法，通过将离线优化有的目标速度曲线与控制器输出的实际曲线之间的偏差送入PID控制器中，由控制器进行稳态误差的处理，输出合适的控制量。在运行点切换时，为尽可能的追踪目标曲线，需要进行多次手柄切换，实用性能较差。后续日本学者采用了基于模糊决策和评价的专家控制系统。但由于该算法是建立在专家规则之上的，需要不断累积优秀司机的驾驶经验，在驾驶经验较少的冷门线路运行时，也存在不稳定性。伴随着新的现代控制思想的不断涌现，新的控制策略将会不断应用在列车自动驾驶中的速度跟踪上。

货运列车行驶需要满足多种约束，如安全约束、稳定性约束以及控制输入约束。在满足各种约束的前提下，为满足高精度的速度快速追踪与停车精度，新一代采用更加合理控制策略的列车自动运行装置 (Automatic Train Operation,ATO)急需面世。基于时域的Kalman滤波方法将状态空间的概念引入随即估计理论中，把信号过程视作噪声作用下的线性系统输出，用空间状态方程描述这种输入输出关系，非常适用于带有一定不确定性的货运列车自动驾驶系统。但列车的运动方程显然不是线性的，通过引入无迹变换(UnscentedTransformation,UT)将传统Kalman拓展为适用于非线性系统的无迹Kalman滤波(Unscented Kalman Filter,UKF)。通过观察离线优化后的曲线，大致可把目标速度曲线分为变速运行路段和匀速运行路段，不同的路段采用不同的滤波策略，以达到更好的预测跟踪效果。同时将迭代算法中的思想引入传统Kalman滤波控制，引入渐消因子减小单次滤波的计算量，保证设计的算法兼具迭代控制的收敛性能，并保持一定的简洁度，降低对控制器的单次计算要求。

发明内容