基于无迹卡尔曼观测器的货运列车速度追踪与防滑控制

本发明涉及轨道交通运输领域，尤其涉及一种货运列车自动驾驶的速度追踪和防滑控制方法。

背景技术：

0、技术背景

1、轨道交通具有运量大、速度快、污染小、安全高效、准点性强等优势，正在逐渐成为国民经济的大动脉和现代城市交通运输的主体骨架。随着我国高速铁路网的快速建设，既有铁路的功能定位将逐渐向货物运输倾斜，形成更加高效、安全、快捷的货运通道。近年来，社会对能源安全和环境保护问题日益关注，轨道交通节能，特别是大功率电力机车牵引的货运列车的节能运行优化与控制问题，具有重要的学术意义和工程应用价值。货运列车是一个高度非线性、大惯性、运行环境恶劣、控制难度大的复杂机电系统，其运行过程是复杂系统与复杂环境相紧密耦合，形成的更为复杂的非线性、多约束、多目标运行过程。

2、货运铁路是我国货物运输的主要途径之一，货运铁路体系的完善对推动经济发展有着重要作用。铁路运营里程在六年里持续增加，由2015年的12.1万公里增加到2020年的14.63万公里，且呈现加速增长趋势。2020年新建铁路投产里程4933公里。

3、铁路运输量大、快速和低成本使在运输大宗和笨重的货物时有明显优势。且铁路运输在社会生产过程中起到重要作用，且不易受气候影响的特点也让它成为了货物运输的主要方式。随着我国加工制造业快速发展，对货物运输的需求也在不断增加。随着货运列车运行速度和载重量的提升，列车运行的安全性、节能性和智能化操作变得愈发重要，同时为提升铁路运输能力、降低货运成本，对重载列车关键技术的研究意义重大。货运列车的特点是载重大、编组多，结合智能化发展需求，货运列车关键控制技术为大功率控制、无线重联、自动化三个方面。

4、货运列车自动驾驶可以用自动化控制系统代替人工，不但能保障列车运行的安全性和精确跟踪，还能实现更高效的运行效率，降低运行能耗。然而货运列车自动驾驶系统发展速度较慢，因涉及到列车牵引系统、制动系统、传动系统、测速系统等子系统，控制器设计过程中遇到非线性、滞后性、多信息的问题是阻碍其发展的原因之一。货运列车速控系统控制过程异常复杂，是典型的非线性、多约束、多目标过程。随着功能指标日益提高，传统控制方式逐渐不能满足控制需求。在现有研究的基础上进行结构和技术的优化，设计更加高效实用的控制方法，具有巨大学术意义和实用价值。

技术实现思路

1、针对货运列车实现自动驾驶中的核心问题：速度追踪和列车防滑控制，本发明提出一种基于无迹卡尔曼观测器的货运列车速度追踪与防滑控制。基于多质点模型，深入分析货运列车行驶过程中的受力情况和动力学传递过程，建立货运列车动力学模型。充分考虑货运列车行驶时的能耗、准点和追踪精度等列车行驶指标，借助模型预测控制(modelpredictive control,mpc)实现对目标行驶速度的最优追踪。为增强控制系统的自适应性，在mpc中集成了一个参数自适应调整机制，结合货运列车的行驶状况，对代表各行驶指标的优化权重进行自适应调整，构成了自适应模型预测控制(adaptive model predictivecontrol,ampc)。参数自适应调整是通过埃尔曼神经网络(elman neural network,enn)实现的，通过对优秀控制权重的学习，enn能够对可能出现的行驶状况做出正确的权重调整。货运列车的防滑控制是通过一个无迹卡尔曼(unscented kalman,uk)观测器实现的。通过这个观测器，蠕滑率和黏着系数能够得到更加精确的观测。深入分析蠕滑率与黏着系数之间的关系，可以得到货运列车的防滑控制约束，实现列车防滑控制。

2、本发明实现上述过程的技术方案为：

3、结合线路条件和列车编组构成，深入分析货运列车行驶过程中的受力情况和动力学传递过程，适当简化后建立货运列车动力学模型；

4、依据货运列车在牵引、巡航、惰性、制动阶段时不同的行驶指标要求，在各个阶段分配不同的控制优化权重，构建货运列车速度追踪的mpc模型，并验证模型的稳定性；

5、mpc采用二次规划求解方式，将mpc模型中的优化代价函数转化为二次规划的标准形式；

6、搜集优秀的控制权重数据，构建enn模型，借助enn模型优秀的学习能力和泛化能力，达到对货运列车未知行驶状况做出正确的权重调整；

7、对货运列车动力学模型中的传动模型进行分析，选取模型中可观性较优的变量作为uk观测器的状态变量，对列车车轮的蠕滑率和黏着系数进行观测，充分利用uk的数据融合能力，对真实值进行最佳逼近；

8、利用观测得到的数据，得到货运列车防滑控制约束，通过控制货运列车行驶速度和驱动电机输出转矩，实现货运列车防滑控制。

9、本发明的技术效果在于：

10、同时考虑货运列车速度追踪控制中的两部分，将其划分为速度追踪和列车防滑控制，将列车最后的行驶速度作为最终的控制目标。基于多质点模型，对货运列车的行驶过程和传动过程进行数学描述，建立了货运列车动力学模型。货运列车的行驶过程需要满足多个行驶指标，且在货运列车的各个行驶阶段，各行驶指标的重要程度各不相同。采用滚动优化的策略，mpc能依据各优化权重，求解任意时刻的最优控制量。参数自适应调整机制中的enn能够学习优秀的控制权重数据，对未知的列车行驶情况做出正确的权重调整。列车防滑控制使用的uk观测器，继承了卡尔曼滤波优秀的数据逼近能力，并且适用于复杂的非线性系统。通过选取合适的状态量和观测量，构建恰当的观测模型，观测模型的可观性和待观测量的观测精度能够得到保证。通过分析蠕滑率和黏着系数之间的关系，得到的货运列车防滑控制约束能够更好的体现列车防滑的控制目标。

技术特征：

1.一种基于无迹卡尔曼观测器的货运列车速度追踪与防滑控制，其基本框架为自适应模型预测控制(adaptive model predictive control,ampc)和无迹卡尔曼(unscentedkalman,uk)观测器。所述方法为：

2.根据权利要求1所述的ampc中各个优化控制权重是通过一个参数自适应调整机制控制的，其使用的enn是一种优秀的循环式神经网络，借助其中的承接层，该神经网络拥有一步延时记忆能力，对初始数据集的数量要求较小，在线学习方法也能使其拥有较高的泛化能力。同时，相较于普通的enn模型，添加一个从输出端至输入端的反馈网络，并考虑列车行驶情况，能够进一步提高其自适应能力和自学习能力。

3.根据权利要求1所述的uk观测器，是一种基于无迹卡尔曼滤波(unscented kalmanfilter,ukf)的观测器。通过选取特定的状态量和观测量，各个状态量的可观测性和观测量的观测精度能够得到保证。借助状态的转化信息和观测量的量测信息，观测器可实现对待观测量的最佳逼近。

4.根据权利要求1所述的防滑控制，是指如何通过控制货运列车的行驶速度、驱动电机的输出转矩等，达到列车车轮防滑的控制效果。在获得货运列车蠕滑率的前提之下，可以总结得到货运列车防滑约束：尽量使得列车运行在临界点之前；若列车运行处在临界点之后，以最快的速度使得列车的运行状态回到临界点之前。

技术总结
本发明提出一种基于无迹卡尔曼观测器的货运列车速度追踪与防滑控制方法。基于多质点模型，深入分析货运列车行驶过程中的受力情况和动力学传递过程，建立货运列车动力学模型。充分考虑货运列车行驶时的能耗、准点和追踪精度等列车行驶指标，借助模型预测控制实现对目标行驶速度的最优追踪。为增强控制系统的自适应性，在MPC中集成了一个参数自适应调整机制，结合货运列车的行驶状况，对代表各行驶指标的优化权重进行自适应调整，构成了自适应模型预测控制。参数自适应调整是通过埃尔曼神经网络实现的，通过对优秀控制权重的学习，ENN能够对可能出现的行驶状况做出正确的权重调整。

技术研发人员：易灵芝,易余,谢成,张大可,兰永红,兰志勇
受保护的技术使用者：湘潭大学
技术研发日：
技术公布日：2024/1/14