基于双模糊控制器的列车速度跟随控制方法及平台

技术领域

本发明属于列车控制技术领域，尤其涉及一种基于双模糊控制器的列车速度跟随控制方法及平台。

背景技术

随着我国经济的快速发展,城市化进程不断加快,人口密度也逐渐增大,轨道交通对于缓解城市以及城际交通压力的重要性也越来越突出。而随着高铁技术的不断发展,列车运行向着密度大、速度高、运输量大的方向发展,传统的人工驾驶模式已经难以满足要求。

ATO(Automatic Train Operation,列车自动驾驶)利用先进的计算机控制技术对列车进行牵引、制动、停车等控制,保证列车的安全行车要求,实现列车自动运行。因此,ATO取代人工驾驶是未来高铁技术的发展趋势。ATO中最重要的部分是列车的速度控制,目前已有多种控制方法应用到了列车速度控制中,但是由于列车运行是一个复杂的非线性过程,没有精确的数学模型来描述列车运行过程,常规的控制算法难以达到令人满意的自主控制效果。

发明内容

本发明实施例的目的在于提供一种基于双模糊控制器的列车速度跟随控制方法及平台，旨在解决上述背景技术中提出的问题。

本发明实施例是这样实现的，一方面，一种基于双模糊控制器的列车速度跟随控制方法，所述方法包括以下步骤：

建立列车单质点动力学模型，将油门与刹车作为两个相互独立的执行机构，共同组成完整的整车动力学模型；

采用双模糊控制器来实时调整列车的牵引力并应用于整车动力学模型中，实现了列车牵引力的在线自动整定。

作为本发明的进一步方案，在建立列车单质点动力学模型的步骤中，将列车组视为一个质点,即将各个车厢看成一个整体,列车在运行过程中,作用于列车的合力C可用机车牵引力F、列车制动力B和列车运行阻力W来描述，其表达式为:

C＝F-W-B；

其中W包含了列车基本阻力和由弯道、隧道及坡道引起的附加阻力；单位重量合力c为：

式中，P为机车计算重量，多机牵引或有补机时为各机车计算重量之和，G为牵引重量；

根据受力分析，可以计算列车的状态值，状态值包括加速度、速度和距离状态值；

根据单质点牛顿动力学原理，可将质点动态特性描述为：

其中M为整列车的等价总质量，

作为本发明的再进一步方案，所述采用双模糊控制器来实时调整列车的牵引力并应用于整车动力学模型中包括：

将模糊控制器Ⅰ作为主控制器，模糊控制器Ⅱ作为副控制器，模糊控制器Ⅰ将平台误差和误差变化率作为整车动力学模型的输入语言变量，模糊控制器Ⅱ将平台误差作为模糊平台的输入语言变量；

将两个控制器输出之和作为被控对象的输入数据；

利用输入数据和模糊推理规则，经过模糊关系合成和模糊推理合成的运算，得到输出结果；

将输出结果转化为具体的数值。

作为本发明的又进一步方案，采用重心法，将输出结果转化为具体的数值。

作为本发明的进一步方案，另一方面，一种基于双模糊控制器的列车速度跟随控制平台，所述平台包括：

建立模块，用于建立列车单质点动力学模型，将油门与刹车作为两个相互独立的执行机构，共同组成完整的整车动力学模型；

模糊控制模块，用于采用双模糊控制器来实时调整列车的牵引力并应用于整车动力学模型中，实现了列车牵引力的在线自动整定。

作用于列车的合力C可用机车牵引力F、列车制动力B和列车运行阻力W来描述，其表达式为:

C＝F-W-B；

其中W包含了列车基本阻力和由弯道、隧道及坡道引起的附加阻力；单位重量合力c为：

式中，P为机车计算重量，多机牵引或有补机时为各机车计算重量之和，G为牵引重量；

根据受力分析，可以计算列车的状态值，状态值包括加速度、速度和距离状态值；

根据单质点牛顿动力学原理，可将质点动态特性描述为：

其中M为整列车的等价总质量，

作为本发明的又进一步方案，所述模糊控制模块具体用于：

将模糊控制器Ⅰ作为主控制器，模糊控制器Ⅱ作为副控制器，模糊控制器Ⅰ将平台误差和误差变化率作为整车动力学模型的输入语言变量，模糊控制器Ⅱ将平台误差作为模糊平台的输入语言变量；

两个控制器输出之和作为被控对象的输入数据；

利用输入数据和模糊推理规则，经过模糊关系合成和模糊推理合成的运算，得到输出结果；

将输出结果转化为具体的数值。

本发明实施例提供的一种基于双模糊控制器的列车速度跟随控制方法及平台，通过借鉴模糊PID控制，提出了双模糊控制器。弥补了普通模糊PID控制和普通模糊控制调节的不足，加快了对干扰的动态响应。双模糊控制控制采用模糊推理方法对列车牵引力进行在线自整定，能提高控制精度，具有更好的灵活性。

附图说明

图1是一种基于双模糊控制器的列车速度跟随控制平台的整体控制结构图。

图2是一种基于双模糊控制器的列车速度跟随控制方法中模糊控制器Ⅰ规则表。

图3是一种基于双模糊控制器的列车速度跟随控制方法中模糊规则表。

图4是一种基于双模糊控制器的列车速度跟随控制方法中双模糊控制流程图。

图5是一种基于双模糊控制器的列车速度跟随控制方法中的模糊推理图。

图6是一种基于双模糊控制器的列车速度跟随控制方法中的三角隶属度函数。

图7是一种基于双模糊控制器的列车速度跟随控制方法中论域划分图。

图8是一种基于双模糊控制器的列车速度跟随控制方法中论域包括的模糊集图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的具体实现进行详细描述。

本发明提供的一种基于双模糊控制器的列车速度跟随控制方法及平台，很好地建立列车单质点动力学模型。模型建立后，针对驾驶员驾驶特点以及车辆传动结构滞后的问题，开发了一种符合驾驶员特点的速度跟随控制系统。在速度跟随控制系统，通过后车的雷达传感器获取后车与前车的相对距离，相对速度，后车速度、加速度，前车速度、加速度等信息，列车速度跟随控制模型根据这些信息计算出前后车需要保持的距离并将其与实际的车辆距离做比较。当实际的车辆距离小于避撞系统中的安全距离时，车辆本身将会处于危险的状况，列车速度跟随控制系统开始制动，从而保持合适的跟车距离；

用的控制算法是双模糊控制算法。模糊PID控制系统以传统PID控制为核心，将模糊算法与PID控制技术结合，由模糊系统实时调整PID的控制参数，实现PID在不同时刻、不同状态下具有相适应的控制参数。但是，模糊PID控制对系统噪声的抑制能力一般。因此本研究借鉴模糊PID控制，提出了双模糊控制器。弥补了普通模糊PID控制和普通模糊控制调节的不足，加快了对干扰的动态响应。双模糊控制控制采用模糊推理方法对列车牵引力进行在线自整定，能提高控制精度，具有更好的灵活性。

如图1所示，为本发明的一个实施例提供的一种基于双模糊控制器的列车速度跟随控制平台整体控制系统结构图。

下面结合具体来对此进行说明。

建立了列车的连续时间运动动力学模型，并将作用在列车上的阻力表示为与速度有关的非线性参数化函数，这样可以在保持系统非线性的同时，便于控制设计。

应用最广泛的列车运动模型可以描述如下：

M是列车总质量，s(t)、v(t)和

总阻力f

f

需要注意的是，基本阻力f

作用于列车的合力C可用机车牵引力F、列车制动力B和列车运行阻力W来描述，其表达式为：

C＝F-W-B； (4)

其中W包含了列车基本阻力和由弯道、隧道及坡道引起的附加阻力；单位重量合力c为：

式中，P为机车计算重量，多机牵引或有补机时为各机车计算重量之和，G为牵引重量；

根据受力分析，可以计算列车的状态值，状态值包括加速度、速度和距离状态值；

根据单质点牛顿动力学原理，可将质点动态特性描述为：

其中M为整列车的等价总质量，

其中a(t)、b(t)和c(t)为基本阻力系数，取决于许多因素，如车辆类型或结构，l(t)是额外的阻力系数，γ(s)为s该位置处的等效斜率。时变系数a(t)、b(t)、c(t)和l(t)比操作过程中的常量更能反映实际情况。

模糊PID控制系统以传统PID控制为核心，将模糊算法与PID控制技术结合，由模糊系统实时调整PID的控制参数，实现PID在不同时刻、不同状态下具有相适应的控制参数。但是，模糊PID控制对系统噪声的抑制能力一般。因此本研究借鉴模糊PID控制，提出了双模糊控制器，如图4所示。

其中，“模糊控制器Ⅰ”为主控制器，“模糊控制器Ⅱ”为副控制器，“模糊控制器Ⅰ”将系统误差和误差变化率作为模糊系统的输入语言变量，“模糊控制器Ⅱ”将系统误差作为模糊系统的输入语言变量。两个控制器输出之和作为被控对象的输入变量。

隶属度函数是模糊控制的应用基础,是否正确地构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程，本质上说应该是客观的，但每个人对于同一个模糊概念的认识理解又有差异。因此，隶属度函数的确定又带有主观性。隶属度函数是为了表达模糊集合而设定的特殊函数，在数学集合中，函数的取值是离散的，但是在模糊集合中，特征函数的取值是连续的，取值范围是0～1之间。数学集合和模糊系统中的模糊集合是不一样的，所以模糊集合又称为隶属度函数。隶属度函数一般有三角形，等腰梯形，钟形，高斯型等。三角形隶属度函数曲线形状较尖,其分辨率较高,控制灵敏度也高；相反,钟形和高斯型隶属度函数曲线形状较平缓，控制特性也就比较平缓,稳定性能也较好。本文采用三角形(如图6)隶属度函数，由于其运算量不大，结构简单等特点，有利于模糊规则的调整。

“模糊控制器Ⅰ”的模糊规则如2所示：

“模糊控制器Ⅱ”的模糊规则如图3所示：

如图5所示，去模糊化在模糊系统中也称作清晰化，是为了将模糊推理所产生的模糊值转化为清晰的控制量。重心法、加权平均法和最大隶属度法是比较常见的去模糊方法。模糊系统在实际使用过程中，模糊系统的输入量通过模糊规则库进行推理演算得到系统的输出，但此时系统的输出还是模糊值，需要去模糊化才能得到实际系统的输出。

模糊系统的输出量必须是精确值，在执行相应的控制过程中，重心法是一种具有代表性的解模糊方法，选取的是范围内的重心值，取隶属度函数曲线与横坐标围成面积的重心，作为模糊推理的最终输出值。本文采用重心法，如式(7)所示。y是模糊集隶属度函数μ(z)所覆盖的区域的中心。

说明：

模糊化方法将一个确定的点集

模糊推理是算法核心，模糊推理利用输入数据和模糊推理规则，经过模糊关系合成和模糊推理合成等运算，可以得出模糊控制系统的输出结果。本发明使用模糊规则库中的模糊“IF-THEN”规则和推理的组合规则。

清晰化将模糊变量转化为具体的数值，使之可以用于实际计算和应用中。本发明通过重心法，将模糊变量转化为三个参数调整变化量具体数值。

标准的模糊系统将模糊变量划分为N

如图8所示，标准的模糊系统将模糊变量划分为N

需要说明的是，参照前述实施例中对一种基于双模糊控制器的列车速度跟随控制方法的具体实施描述，本平台与该方法的实施方法完全对应，在此不再叙述。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。