本发明涉及城市轨道交通控制领域。更具体地,涉及一种在线列车自动调整控制方法。
背景技术:
目前,基于通信的列车运行控制系统方法在城市轨道交通中广泛应用。针对处理城市地铁列车运行中发生的不确定事件干扰(如列车信号故障、突发事件),列车自动调整方法已成为城市地铁信号系统的一个核心功能。该方法通过设计不同列车自动调整方法,满足列车自动调整的实时性和精准性。传统的列车自动控制方法主要分为基于动态规划方法和基于状态反馈控制方法两种。基于动态规划方法虽然能够综合考虑列车运行中的各种约束(如速度约束,安全车间距约束等),但该方法需要提前估计地铁系统列车运行中的各种参数,因而对于地铁系统列车运行中参数的实时性和鲁棒性不高。基于状态反馈控制的列车自动调整控制方法可以根据实时获取的列车运行参数和列车运行状态进行在线调整,具有很好的实时性和鲁棒性。然而传统的基于状态反馈控制方法难以考虑列车运行中的一些速度和安全车间距约束,因此该方法在实际运用中也有其局限性。
因此,从城市地铁系统列车实际运行状况出发,研究一种同时考虑列车运行速度和安全车间距约束的实时在线调整列车控制方法是非常有必要。
技术实现要素:
为了解决上述问题,本发明提出一种在线列车自动调整控制方法,其特征在于,包括:
s1:采集列车位移和速度信息;
s2:根据该列车位移和速度信息判断列车是否偏离既定运行曲线;
s3:如果列车偏离既定运行曲线则计算并产生新的列车运行曲线,计算方法步骤包括:
s31:建立状态反馈控制器;
s32:建立列车实际运行曲线和既定运行曲线的偏差动态转移方程;
s33:根据列车实际运行曲线与既定运行曲线的偏差动态转移方程和当前实时监测信息,建立预测控制模型;
s34:根据预测控制模型和转移方程以及状态反馈控制器计算状态反馈控制增益生成调整后的列车运行曲线。
在一个优选的实施例中,建立列车实际运行曲线和既定运行曲线的偏差动态转移方程步骤包括:
s1:由公式
s2:考虑列车停站时间受到客流影响,由公式
s3:引入偏差变量
在另一个优选的实施例中,该状态反馈控制器uk=kxk,其中k为状态反馈控制增益,xk为能够实时获取的状态变量。
在另一个优选的实施例中,该预测控制模型基于列车实际运行曲线与既定运行曲线的偏差动态转移方程和当前实时监测信息,在控制阶段k,给定一个预测时域m,在所提线性状态反馈控制器下,可以计算得到预测时域m内的系统状态情况,预测时域m内系统控制模型为xk+1=akxk+bkkxk+bkwk,更优选的,对于预测时域m内系统控制模型xk+1=akxk+bkkxk+bkwk,利用matlablmi工具箱提供的内点算法进行求解,计算得到状态反馈控制增益k,进一步根据实时反馈信息xk,将控制序列中的第一项kxk用于阶段k时的列车自动调整控制策略,结合列车自动驾驶算法生成列车运行曲线。
本发明的有益效果如下:
本发明通过实时在线获取列车动态位置和速度信息,当检测到列车偏离既定运行曲线情况,列车自动调整控制系统开始启动,在所提方法下可快速求得列车自动调整的状态反馈控制增益,从而计算出列车自动调整控制策略,并结合已有的列车自动驾驶算法(ato)形成列车自动运行曲线,保障列车在延误下能够正常运行。本发明满足列车实际运行调整的实时性和鲁棒性要求。此外,由于本发明采样的是线性状态反馈控制器设计,易于硬件实现,费用低,应用范围广。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明提供的城市地铁线路示意图。
图2示出本发明提供的列车动态转移的示意图。
图3示出本发明提供的列车自动调整控制流程图
图4示出本发明提供的预测控制流程图。
图5示出本发明提供的列车自动调整控制大小图。
图6示出本发明提供的没有调整下的列车运行偏差图。
图7示出本发明提供的调整策略下的列车运行偏差图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
如图1所示,给出了北京地铁亦庄线的示意图,该地铁线路包含14个车站,其中宋家庄至亦庄火车站为上行方向,亦庄火车站到宋家庄为下行方向,本实施例考虑的是宋家庄至亦庄线火车站的上行方向,时间为早上7点到8点半的高峰时段。
如图2所示,图中的阴影部分代表列车的停站时段,空白部分代表列车的运行时段,当第i列车驶出第j列车站,在停站时段和运行时段,不确定事件不可避免发生(如乘客行为,列车信号故障灯)。不确定事件将影响列车正常运行曲线,与既定运行曲线发生偏离。列车正常运行曲线与既定运行曲线的偏离记做列车状态变量,根据当前k时刻实时获取的列车状态以及客流信息,由实际运行曲线与既定运行曲线的偏差动态转移方程为:
进一步利用matlablmi工具箱提供的内点算法对预测时域m内的控制模型xk+1=akxk+bkkxk+bkwk进行求解求出状态反馈增益k,由于状态变量xk的信息可以实时的获取,所以能够求得状态反馈控制器uk=kxk,从而确定了列车调整控制算法。当列车驶入下一站时重复上述过程,达到在不确定扰动事件下,城市轨道交通列车能够快速追踪到既定运行曲线的效果。
如图3所示,通过地铁系统传感器装置实时监测并得到扰动输入下的列车实际测量值tk,根据既定运行曲线的参考值tk,计算得到列车偏差运行曲线的偏差值xk,然后求解状态反馈增益,从而确定状态反馈控制器uk,作为控制输入信号输入到列车调整控制系统,控制列车运行曲线,追踪既定运行曲线,形成了一个闭环的控制系统。
如图4所示,预测控制模型的建立思路在于在当前阶段k,根据实时检测的列车状态信息,选取预测时域m,计算出控制序列(u1,u2,…,um),只需将控制序列的第一个控制项(u1=kxk)作为实时控制算法并作用于k阶段列车自动调整控制系统。下一阶段,也将重复上述过程。由于每一阶段都是输入的更新信息,从而可以达到列车运行调整控制算法的实时性和鲁棒性。
在一个实施例中,考虑北京地铁亦庄线早7点到早9点高峰时段,我们将其分为k=1,2…20个阶段。进一步,考虑列车运行中受到不确定事件的干扰造成的列车延误。假定在阶段k=1,4,6,12,列车分别受到了不确定事件的干扰
w1=[20001010000010000];
w4=[0020101500121518000];
w6=[100015300030010000];
w12=[[010020035000352000]。
根据每一阶段k实时更新的列车运行状态,可以计算得到在阶段k,列车调整控制增益k,从而得到状态反馈控制器uk=kxk,即列车在阶段k实时运行调整控制策略。
如图5所示,给出了在上述实施例中,各个阶段k实时运行调整控制策略在车站1、4、6、8、10所生成的调整量u的大小。
如图6所示,给出了在不施加调整控制策略时列车实际运行与既定运行曲线的偏差。从图中可以看出,在不确定事件的干扰下,列车在不同车站均受到了延误,其中最大延误为50s。
如图7所示,给出了施加调整控制策略时列车实际运行与既定运行曲线的偏差。可以看出,当施加调整控制策略后,列车实际运行曲线与既定运行曲线之间的偏差可被有效降低,并且在每次不确定事件扰动后,实际运行曲线与既定运行曲线的偏差均能控制在20s范围以内。此外,在阶段15以后,列车实际与既定运行曲线的偏差逐渐稳定到零点,从而说明本发明设计的列车自动调整控制算法在实际运行中的鲁棒性和稳定性。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。