列车自动运行迭代学习控制算法的研究.docx

Vol.20No.9RAILWAY COMPUTER APPLICATION RESEARCH AND DEVELOPMENT文章编号：1005-8451（2011）09-0005-05列车自动运行迭代学习控制算法的研究窦鹏飞，王化深（北京交通大学 轨道交通控制与安全国家重点实验室，北京 100044 ）摘 要：针对列车自动运行系统，提出了新的迭代学习控制方案。为避免列车超速引发制动停车，在 迭代初期设置低于计划速度曲线的期望轨迹，随着迭代次数增加，控制精度与稳定性逐渐提高，设置的期 望轨迹将快速接近并保持为计划速度曲线，实现控制目标。在学习律中引入期望轨迹变化信息，实现变轨迹路径跟踪的迭代学习控制。仿真结果表明，该迭代学习控制方案能够实现变期望轨迹的跟踪，具有很快 的学习速度与良好的控制性能，能够有效避免迭代初期列车速度波动导致超速紧急制动。关键词：迭代学习控制；列车自动运行；变期望轨迹；学习律中图分类号：U284文献标识码：A采用先进的列车自动控制（ATC）技术，可以提高行车的密度、效率与安全性[1]，列车自动运行（ATO）系统是 ATC 系统中用于取代司机并对列车 进行自动控制的智能子系统，其功能包括列车的 自动启动、自动调速、自动停车和定点停车等。作 为 ATC 的一个重要子系统，ATO 是提高轨道交通 列车运行效率、实现列车高密度运行的关键[2]。ATO 系统的核心技术是列车速度自动控制（ASC）算法，列车速度自动控制的主要功能是根 据接收到的来自 ATP 的目标速度，对列车的牵引 与制动实施控制。其控制目标是在有限时间区间 上对给定计划速度曲线（由 ATP 系统计算得到的 一次模式制动曲线）进行完全跟踪。ATO 速度控 制算法的性能对整个系统的效率、安全性、准时 性、舒适性和节能具有重大的影响，是列车自动控 制系统的关键技术之一[3]。早期的 ATO 算法基于列车动力学模型的经验公式，通过比例、积分、微分（PID）控制技术实现列车速度调整。基于 PID 的 ATO 速度控制算法 是目前为大部分城市轨道交通 ATO 系统所采用， 并且具有成功应用经验的控制算法[4~5]。许多学者 后来提出各种改进的PID算法（智能型PID算法）， 主要是通过与其他智能控制算法结合实现对 PID 控制器的参数的自整定。20 世纪 80 年代，一些学 者开始尝试将模糊控制应用到 ATO 中，其控制质 量高于 PID，并能实现多目标控制。但由于经验不 完善导致控制规则不能细化，致使模糊控制不能 适应控制过程中列车动力系统参数的不断变化。 许多研究将专家系统运用到 ATO 中，但专家系统 中专家知识仍然是移植自驾驶员的经验，因此专家 系统与模糊控制一样无法克服因经验不完善而带来 的控制质量的下降。1ATO 控制器设计收稿日期：2010-11-03作者简介：窦鹏飞，在读硕士研究生；王化深 ，教授。1.1 迭代学习控制2011.9 总第 174 期5R C AResearch on Iterative Learning Control Algorithm for Automatic Train OperationDOU Peng-fei, WANG Hua-shen( State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China ) Abstract: Aiming for Automatic Train Operation(ATO) System, a new Iterative Learning Control Algorithm was presented. During the initial period, desired trajectories were set up lower than the planned speed trajectory to prevent train over speeding and triggering emergency brake. With the increased iterative times, the control accuracy and stability was increased gradually, and the desired trajectories would promptly approach and keep the same as planned speed trajectory. The variation information of desired trajectories was