[发明专利]一种小样本深度迁移学习的列车应急自走行控制方法

说明书

本发明提供了一种小样本深度迁移学习的列车应急自走行控制方法，其特征在于：当列车行驶过程中由于牵引供电故障停车时，判断模块首先根据列车在多目标模式下完成应急走行距离所需预测能耗与车载储能装置的剩余电能的比较进行判断，如果电能充裕，则车载应急驾驶控制模块控制利用多目标模块生成的速度曲线和运行档位控制列车运行，否则，车载应急驾驶控制模块控制利用单目标模块生成的速度曲线和运行档位控制列车运行。采用本发明所述的控制方法，能在实现列车应急自走行的实时、精准控制，提高事故处置效率，减少线路占用时间，提高线路利用率，降低潜在安全隐患。

技术领域

本发明涉及交通运输技术领域，特别是一种小样本深度迁移学习的列车应急自走行控制方法。

背景技术

在列车运营过程中，不可避免地会因设备故障或气候等原因造成牵引电网供电中断，从而导致列车失去牵引动力，线路被长时间占用，降低了线路的利用率，并造成经济损失。

列车技术条件规定，列车在无供电网状态下应具备一定的应急自走行功能，即当列车发生供电中断事故时，它可通过车载储能装置进行应急自走行，提高救援效率，降低潜在安全隐患。同时，列车处于应急状态时，列车所有能量均由车载储能装置提供，包括列车应急走行阶段的牵引动力能量和空调、照明所需用电。

但是，由于受安装空间和能量密度限制，车载储能装置容量有限，在有限的车载储能装置容量限制下，必须提前规划出列车应急运行速度曲线和列车运行档位，以实现最佳的行车指导。特别是当列车运行于复杂线路时，该项工作如果仅凭借司机个人经验完成，存在较大困难。

发明内容

针对背景技术的问题，本发明提供一种小样本深度迁移学习的列车应急自走行控制方法，以解决现有技术中列车发生供电故障停车时线路占用时间长、降低线路利用率的问题。

为实现本发明的目的，本发明提供了一种小样本深度迁移学习的列车应急自走行控制方法，其创新点在于：所述控制方法涉及的硬件包括地面列控中心、牵引供电站、车载应急驾驶控制模块、单目标模块、多目标模块、判断模块和车载储能装置；所述牵引供电站与地面列控中心通信连接，所述地面列控中心与车载应急驾驶控制模块通信连接，所述单目标模块、多目标模块和判断模块三者均与所述车载应急驾驶控制模块连接，所述车载储能装置与所述车载应急驾驶控制模块连接；所述车载应急驾驶控制模块能实时获取列车的行驶特征量；

所述单目标模块、多目标模块和判断模块三者分别包括一个LSTM深度学习模型，所述单目标模块和多目标模块二者对应的LSTM深度学习模型均能以所述行驶特征量作为输入特征量进行计算并输出列车速度曲线特征量和列车运行档位特征量；所述判断模块对应的LSTM深度学习模型能以应急走行距离作为输入特征量进行计算，并输出列车完成应急走行距离所需的预测能耗特征量；所述应急走行距离为列车故障停车点到终端折返线或待避线的走行距离；

所述单目标模块中的LSTM深度学习模型采用单目标数据训练获取，所述多目标模块中的LSTM深度学习模型采用多目标数据训练获取，所述判断模块中的LSTM深度学模型采用多目标数据训练获取；所述单目标数据为以能耗为目标的应急自行走驾驶数据，所述多目标数据为以能耗、运行准点率、乘坐舒适度和停车精度为目标的应急自行走驾驶数据；

所述控制方法包括：

当列车在行驶过程中由于牵引供电故障停车时，

一）牵引供电站生成供电故障信号，并将所述供电故障信号发送给地面列控中心；

二）地面列控中心收到供电故障信号后即计算列车应急走行距离，然后将供电故障信号和应急走行距离数据发送给车载应急驾驶控制模块；

三）车载应急驾驶控制模块收到供电故障信号后即将所述应急走行距离数据传输给判断模块；同时，车载应急驾驶控制模块从车载储能装置获取剩余电能，并将所述剩余电能数据传输给判断模块；