一种机车智能操纵优化计算方法与流程

本发明涉及机车控制领域，特别涉及一种机车智能操纵优化计算方法。

背景技术：

随着人工智能的快速发展，促进自动控制向着更高层次——智能控制发展。智能控制是一类无需人干预就能够自主地驱动智能奇迹实现其目标的自动控制，也是用计算机模拟人类智能的一个重要领域。在智能控制领域中一个关键问题是复杂操纵序列优化问题。在工业工程领域，人们所关注的是在某些约束条件下，目标物体能够满足某方面的优化性能的最优序列，这个寻优过程称为操纵序列优化。目前国内外的研究解决方案大体分为三类。

第一类方法运用数值搜索的方法设计在线或离线算法来求解优化问题。2000年Yakimenko O A提出直接快速成型的数值算法寻找近似最优的飞行轨迹，并在实际飞机飞行中验证。2011年,针对超高声高速滑翔飞行器的路径规划研究中,国防科大的谢愈等人运用了高斯伪谱法来进行飞行路径规划,他们将整条飞行轨迹划分为若干段,对每个段分别运用算法进行路径的求解,最终求得的飞行路径能够满足多约束的条件。除上述在线优化算法外，也有部分学者采用离线搜索的方式来解决此类优化问题，并在在线决策中运用了离线的优化结果。2002年Al-Hasan S等人针对天然地形中的无人汽车驾驶线路规划问题，通过if-then的模糊规则以及矩阵结构构建图中的点到其他可达线路的离线知识库，用于在线AStar算法搜索优化线路。数值搜索的算法耗时长，且短时间内无法收敛到最优结果，不适合在线控制系统优化。

第二类方法运用解析求解方法求解复杂操纵序列优化问题。2009年P.G.Howlett等人对货运机车在线优化策略的计算进行了研究，他们通过解析求解的方式计算机车在陡坡中运行时，其操纵控制能够达到局部最小能耗的关键转换点来得到全局的优化操纵序列，该方法目前已成功运用于澳大利亚的长途货运机车上。2014年,Xiang Li等人对地铁系统的节能问题进行了研究,他们通过遗传算法结合解析推导对地铁时刻表和运行速度进行了优化,使得最终的操纵序列能够满足时间准点的约束条件。这类方法的主要缺陷是转换点的解析公式推导过程复杂，较难处理多约束条件。

第三类方法采用在线启发式的人工根据约束条件分析与设计操纵序列优化策略的方式来解决操纵序列优化问题。2008年，Bai Y,Mao B等针对货运机车节能优化问题提出了通过启发式的算法来构建一套在线的优化控制系统，实现机车的节能目标。这种方式的缺点在于过多地引入人工的分析与设计，极大地降低了策略设计的效率，同时由于人思考范围有限，无法覆盖所有可能的情况，这势必会导致部分有化解遗漏。

技术实现要素：

本发明提供了一种机车智能操纵优化计算方法，包括以下步骤：

步骤1：对机车智能操纵优化所需信息进行预处理；

输入机车信息文件和线路信息文件,进行加算坡道计算和线路分段，得到线路分段结果；其中加算坡道是线路信息中的坡段、曲线、隧道三种线路对机车叠加所产生的坡度；线路分段是根据所在线路加算坡度的不同，对线路进行分类，并经过坡段合并处理之后得到具有坡段类型标识的分段数据；

步骤2：生成初始优化曲线；

首先以线路分段数据和司机驾驶数据为输入，生成司机驾驶数据中不同分段下的子操作序列；随后以不同分段下的子操作序列为输入，利用序列模式挖掘技术得到每种坡段类型下的频繁子操作序列，作为优化策略的基础原型；根据坡段的坡度情况、前后坡段的类型、整体时刻表运行时间、坡段限速等条件通过知识学习和迭代进行优化策略设计；根据机车运行的状态参数，匹配优化策略，即按照策略中的档位指导机车行驶，从而生成机车按照优化策略运行后的档位和速度曲线，即初始优化曲线；

步骤3：基于限速进行优化调整；

线路在每个坡段下都会有规定的坡段限速，同时司机在起车过程中会输入对于该机车类型所能允许的最大限速，以线路限速信息及步骤2生成的优化曲线为输入修改原始优化曲线的部分档位使机车速度符合限速要求，得到限速优化调整后的优化曲线；

步骤4：基于时间偏差进行优化调整；

基于时间偏差进行优化调整，主要解决时刻表对机车运行时间上的约束条件，为保证中途达到每个车站的时间和最终到达目的车站的时间能够尽量准点，需要对曲线进行调整，即基于时间偏差进行优化调整，以线路时刻表和步骤3中得到的优化曲线为输入，对优化曲线中的部分档位做修改调整，使机车运行符合时刻表的要求，得到时间偏差调整后的优化曲线。

步骤5：基于运行平稳安全档位切换的要求，对优化曲线进行调整，生成最终优化策略；

机车在铁路上运行除了限速和时间准点要求之外，还应当满足运行平稳安全，需要后处理来对优化曲线进行调整，主要针对频繁换挡以及满足逐级切换档位的要求；以步骤4中得到的优化曲线为输入，对曲线中频繁换挡或大幅度切换档位进行修改调整，使曲线中的档位符合运行平稳安全档位切换的要求，得到处理后的优化曲线，生成符合多约束条件的最终优化策略。

进一步地，其中步骤3进一步包括：遍历所有的坡段限速，对于每个超出该限速的限速：判断每个限速的起始位置limitstart和终止位置limitend所在的坡段类型，对于限速起始位置来说，根据所在坡段类型的情况，使原始曲线能够减速到限速以下；对于限速终止位置来说，也根据所在的坡段类型的情况，让原始曲线以限速为起始速度，反求追上速度曲线；针对限速内部的策略，根据限速所在的坡段类型的特点，通过合适的档位策略保证机车运行过程中不超出坡段限速；当对所有的限速进行验证并调整之后，得到的最终曲线为能够满足限速约束的优化曲线。

进一步地，其中步骤4进一步包括：时间偏差调整地策略与坡段限速类似，遍历时刻表中连续的当前车站station_current和下一车站station_next，由于时刻表中记录了两个车站的计划运行时间，因此可以从优化曲线中找到当前车站station_current和下一车站station_next的位置，统计优化运行时间，若优化时间短于实际运行时间，则从当前车站station_current位置遍历该段曲线中的牵引档位，将牵引档位将为惰行档位，使得机车速度降低，后通过高牵引档位进行牵引追上原曲线；若优化时间长于实际运行时间，则从下一车站station_current位置遍历该段曲线中的制动档位，将制动档位提升1-2个档位进行提速，后通过低档位进行降速追上原曲线。

进一步地，其中步骤4中基于时间偏差进行优化调整应满足如下条件：不处理限速附近的档位，以防止速度超出限速；在运行时间计算上，对于每个车站的到达时间应通过累计时间来判断是否准点。

进一步地，每个步骤中的策略都受到坡段类型、车重、前后段坡段类型、坡长等机车驾驶策略影响参数的影响，这些参数在不同条件下会匹配不同的策略，共同作为策略分类属性来进行策略的分类，每个步骤的策略都可以构成策略树，树中的叶节点为最终根据分类属性匹配到的优化策略；从第2步到第5步每个步骤中都维持对应的策略树结构，其中第2步维持原始优化策略树，第3步维持限速调整策略树，第4步维持时间偏差策略树，第5步维持平稳性策略树。

整个方案的各个步骤满足了机车运行时准点、限速、时刻表、平稳运行、节能等各项要求，保证了良好地优化效果和整体运行效率。

附图说明

图1为本发明机车智能操纵优化计算流程图。

图2为策略的子操作序列表达示意图。

图3为本发明完整的优化策略树组织结构示意图。

图4为本发明优化策略匹配与执行流程图。

图5为本发明树结构的优化策略组织结构。

图6为本发明陡上坡策略内部子操作结构图。

图7为本发明限速调整策略举例。

具体实施方式

为了使本发明的技术方案和优点更加清楚，下面结合附图对本发明做进一步的详细描述。

参见图1，描述了机车智能操纵优化计算方法的流程图。整个方案针对机车运行的各种约束条件对机车智能操纵序列进行逐步优化计算和调整，主要分为五个步骤：对数据进行预处理，生成初始曲线优化生成，基于限速的优化调整，面向时间偏差的优化调整和后处理。

步骤1：对机车智能操纵优化所需信息进行预处理

预处理是整个流程策略设计与生成的基础，主要包括加算坡道计算和线路分段。列车在运行过程中，坡道、曲线、隧道会产生附加阻力。坡道附加单位阻力在数值上等于该坡道的坡度千分度，因此这些附加阻力也可以用一个相当的坡道附加阻力代替，这个相当的坡道称为加算坡道(丁勇.列车运行计算与设计.北京交通大学出版社,2011.)。加算坡道是线路信息中的坡段、曲线、隧道三种线路对机车叠加所产生的坡度。线路分段是根据所在线路加算坡度的不同，对线路进行分类，如表1坡段分类所示，并经过一些坡段合并处理，如相邻的相同类型的坡段可以合并为一个坡段，长度短到低于一定阈值的坡段可以合并到长坡段中之后得到具有坡段类型标识的分段数据。为之后的优化步骤提供基础，针对分段后的坡段进行优化策略的匹配和执行。

预处理部分的输入为机车信息文件和线路信息文件。机车信息文件中包含机车车重、车长、总车厢节数、重载车厢节数及空载车厢节数。线路信息文件中包含坡段、曲线、隧道信息文件，具体来说，坡段信息包括坡段的起始、坡度值和坡长，曲线信息包括曲线起始位置、终止位置、方向和曲率半径，隧道信息则包括隧道的起始和终止位置。经过预处理阶段的加算坡道和线路分段处理之后，得到线路分段结果。

线路分段的原因在于机车在不同类型的坡度情况下，其驾驶的档位操纵规律不同，在相同近似的坡度范围内，其驾驶档位操纵规律基本一致，因此可以对具有相同或相近的道路坡段情况进行统一策略设计，并充分利用不同的道路坡段情况对机车的影响，来提高策略的节能效果。例如对于上坡需要减速的情况，可以利用上坡所产生的向后的作用力让机车尽量使用惰行档位或较低的牵引档位进行减速，对于下坡可以利用下坡所产生的向前的作用力，通过较低档位使机车加速，从而达到节能的效果。针对以上特点，将一条距离较长的完整线路根据坡度情况拆分为不同坡段类型的集合，并针对不同的坡段类型单独进行驾驶策略的设计很有必要，分段类型表如表1所示。

表1坡段分类表

步骤2：初始优化曲线优化生成

不同坡段类型下机车驾驶优化策略是不同的，优化策略的构建基于大量的司机驾驶数据，利用序列模式挖掘技术，如GSP算法，从中挖掘出不同坡段类型下不同的优化策略，这些策略使用一些优化子操作来表征，如图2所示，图中以机车在某个坡段的运行曲线为例，根据机车的速度变化情况将该坡段的操纵策略分为加速子操作、匀速子操作、减速子操作三种类型。对于图中的坡段策略来说，其子操作序列为加速、减速、匀速、加速，这些子操作通过相应的档位实现。这一部分分为两个步骤完成。第一步是机车子操作的构建，以线路分段数据和司机驾驶数据为输入，输出为司机驾驶数据中不同分段下的子操作序列。第二步为基于GSP算法的子操作序列挖掘，以上一步骤的不同分段下的子操作序列为输入，经过子操作序列的挖掘，得到每种坡段类型下的频繁子操作序列，结果如表2所示，这些挖掘出的序列为优化策略的基础原型。在已知策略的子操作序列的情况下，根据该坡段的坡度情况、前后坡段的类型、整体时刻表运行时间、坡段限速等条件进行进一步的优化策略设计，而优化策略的设计是迭代的过程，利用RDR知识获取原理，通过大量的线路数据对其进行测试，若在当前策略中存在不合理或者错误，则会添加新的操作对优化策略进行扩展调整，形成优化策略库。

在优化策略设计过程中，结合坡段自身约束条件及特点，在满足节能、准点这一目标下进行策略设计。机车在行驶过程中，影响其操纵驾驶的因素较多，在优化分步计算中需要尽可能地针对不同因素的影响来进行设计，才能够保证整体的运行过程能够达到节能的优化效果。对机车驾驶运行影响的因素分为如下几类：坡段类型、坡长、车重、陡坡所占百分比、前后坡段类型等。最终，对每种坡段类型会形成指导机车档位操纵的策略，对于每个优化策略来说，其内部的组织结构是一个由子操作衔接的树形结构，以陡上坡策略为例，如图6所示，图中每个非叶节点对应为策略子操作，共包含4个子操作，子操作与子操作之间的转换为上一个子操作结束之后运行情况满足的例外条件，叶节点为策略执行结束标识。

图6的策略说明，当机车行驶在陡上坡坡段上时，首先通过最大牵引档位牵引到限速后保持匀速到段末。如果到达段末的速度要高于预期的末速度(预期的末速度是在预处理步骤中根据线路分段、线路时刻表及前后段坡段类型计算而得)，则从段末通过预期的末速度进行反求同原曲线优化曲线相交。如果反求过程中一直没有交点，那么从段起始位置就以0档行驶到段尾。

表2.不同坡段类型不同坡长下子操作序列结果表

基于上述构建的优化策略库，根据机车运行的状态参数，包括车重、当前坡段类型和坡长及前后段坡段类型和坡长，匹配优化策略，如当前运行的机车属于重车，则匹配到重车策略集合中，再根据所在坡段的属性匹配策略，匹配到相应策略之后按照策略指导执行，即按照策略中的档位指导机车行驶，从而生成机车按照优化策略运行后的档位和速度曲线，称为初始优化曲线。如图4为优化策略匹配与执行流程图。

步骤3：基于限速的优化调整

生成初始优化曲线过程中，在一定程度上考虑了限速约束，对于每个优化策略，其在牵引计算过程中都不能够超出给定的最大限速，然而，除了给定的最大限速之外，线路在每个坡段下都会有路局规定的坡段限速，同时司机在起车过程中会输入对于该机车类型所能允许的最大限速，因此需要综合考虑坡段限速和司机给的限速等级来对曲线进行局部的二次调整，即本专利方案框架中的基于限速的优化调整。基于限速的优化调整以步骤2生成的优化曲线、线路限速信息为输入，按照下面所述方案对优化曲线进行调整，修改原始优化曲线的部分档位使机车速度符合限速要求，得到限速优化调整后的优化曲线。限速调整的策略设计针对不同的路段类型、车重设计不同的限速调整策略。

步骤3中，基于限速的优化调整主要针对线路的坡段限速约束。其整体思路为遍历所有的坡段限速，对于每个超出该限速的限速来说，做出如下策略调整：判断每个限速的起始位置limit_start和终止位置limit_end所在的坡段类型，对于限速起始位置来说，通过所在坡段类型的情况，设计节能策略让原始曲线能够减速到限速以下；对于限速终止位置来说，也根据所在的坡段类型的情况，设计策略让原始曲线以限速为起始速度，反求追上速度曲线；针对限速内部的策略，根据限速所在的坡段类型的特点，通过合适的档位策略保证机车运行过程中不超出该坡段限速。下面以某个跨越缓坡和陡上坡的限速为例，其限速调整策略设计如图7所示，限速的起始位置为A点，终止位置为B点，该限速跨越了缓坡和陡上坡，其中M点为两种坡段类型的分界点，限速值为limit_AB，对于HXN5型机车实际驾驶来说，最高牵引档位为8档，最低牵引档位为-6档，则策略设计如下：

(1)从B点位置通过8档牵引追上原曲线交于D点

(2)从B点位置通过8档反求到缓坡和陡上坡的交点M位置

(3)从M点位置通过惰行反求到A点位置，若惰行反求到A点超过限速，则从M点位置开始不断降低档位直到到达A点位置的速度小于限速

(4)从A点位置惰行反求交原曲线于C点

通过正反向求解相结合，将限速根据坡段情况拆分为几个步骤对优化曲线进行局部调整，当对所有的限速进行验证并调整之后，得到的最终曲线为能够满足限速约束的优化速度曲线。

步骤4：面向时间偏差的优化调整

机车在运行过程中，不仅要满足限速要求，还要符合时刻表运行约束。由于每个坡段都需要与前后坡段类型进行速度衔接，因此虽然在设计过程中考虑到了车站的平均速度，但是最终达到每个车站的时间会有一些偏差。为了保证中途达到每个车站的时间和最终到达目的车站的时间能够尽量准点，需要对原曲线进行调整，即进行面向时间偏差的优化调整。面向时间偏差的优化调整以步骤3中得到的优化曲线和线路时刻表为输入，对当前优化曲线中的部分档位做修改调整，使机车运行符合时刻表的要求，得到时间偏差调整后的优化曲线。

步骤4中面向时间偏差的优化调整主要解决时刻表对机车运行时间上的约束条件。对于每个车站到站时间来说，一般可允许的时间偏差为[-3,3]分钟。时间偏差调整地策略与坡段限速类似，遍历时刻表中连续两个车站station_current和station_next，由于时刻表中记录了两个车站的计划运行时间，因此可以从优化曲线中找到station_current和station_next的位置，统计优化运行时间，若优化时间短于实际运行时间，则从station_current位置遍历该段曲线中的牵引档位，将牵引档位将为惰行档位，使得机车速度降低，后通过高牵引档位进行牵引追上原曲线；若优化时间长于实际运行时间，则从station_current位置遍历该段曲线中的制动档位，将制动档位提升1-2个档位进行提速，后通过低档位进行降速追上原曲线。整个策略的调整过程需要满足一下原则：不处理限速附近的档位，以防止速度超出限速；在运行时间计算上，对于每个车站的到达时间应通过累计时间来判断是否准点。

步骤5：优化后处理

机车在铁路上运行除了限速和时间准点要求之外，还应当满足运行平稳安全，需要后处理来对优化结果进行调整，主要针对频繁换挡以及满足逐级切换档位的要求。后处理步骤以步骤4中得到的优化曲线为输入，对曲线中频繁换挡或大幅度切换档位进行修改调整，使曲线中的档位符合运行平稳安全档位切换的要求，得到后处理后的优化曲线。

机车运行时除了限速和时间表的约束，还要求运行平稳，后处理针对这样的约束条件对优化结果进行调整。运行平稳主要表现为在这个运行过程中不能够频繁变换档位，且档位切换过程需满足逐档变换的要求。因此，对于得到的优化操纵档位，为了减小档位变换的频繁性，需要将一些跨越距离较短的档位进行合并，同时档位的变换过程应满足：牵引档位和制动档位切换时，需要在惰行档位中停留10s，其他档位以2s逐档进行切换。

图3中展示了由生成初始优化策略、基于限速的优化调整、面向时间偏差的优化调整和后处理共同组成的策略树结构。每个步骤中的策略都受到坡段类型、车重、前后段坡段类型、坡长等的影响，这些参数在不同条件下回匹配不同的策略，因而每个步骤的策略都可以构成策略树，形成了原始优化策略树、限速调整策略树、时间偏差调整策略树和平稳性策略树(即后处理部分的策略树)。机车驾驶策略影响因素：坡段类型、坡长、陡坡占百分比、上一坡段类型、下一坡段类型等共同作为策略分类属性来进行策略的分类，树中的叶节点为最终根据分类属性匹配到的优化策略。每个优化步骤都是以策略树的组织结构构成，根据当前的机车和线路信息匹配到相应的策略，如车重、坡段类型、坡长等，根据影响因素进行匹配之后，调用策略，实现机车的智能操纵。整个方案的各个步骤满足了机车运行时准点、限速、时刻表、平稳运行、节能等各项要求，保证了良好地优化效果和整体运行效率。从第2步到第5步每个步骤中都维持对应的策略树，如第2步维持原始优化策略树，第3步维持限速调整策略树，第4步维持时间偏差策略树，第5步维持平稳性策略树，图5的策略树是这几个每个策略树的结构通用表征，图3的策略树是这几个步骤策略树的总和结构。

优化策略的生成和调整是智能操纵的核心。本专利通过生成初始优化曲线、基于限速的优化调整、面向时间偏差的优化调整以及后处理这四步进行策略优化，在每一步中策略都以策略树为组织方式。

图5为优化策略树组织结构。除去根节点，树的每个非叶节点为属性节点，表示策略对应的某个属性值或者属性范围，每个叶节点对应为优化操纵策略，从根节点到叶节点所经过的每条路径表示匹配叶节点策略的策略属性集合。当需要匹配某个操纵策略时，则根据其策略属性值从根节点进行深度搜索，当搜索路径到达叶节点则定位到匹配的操纵策略。

本专利的优点在于通过生成初始曲线优化、基于限速的优化调整、面向时间偏差的优化调整和后处理分步对机车操纵进行优化计算，每一步针对不同的约束条件进行优化计算和调整，各自满足一定的约束条件又彼此相互关联，有效地解决了机车运行的多约束的优化策略调整问题；与此同时，这种分步设计方案可以针对任何一种约束的临时调整迅速生成满足需求的优化结果，降低各约束条件显示下的优化模块的耦合性，易于调整。

虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。