本發(fā)明涉及高速動車組運行過程多個工況建模與運行優(yōu)化控制方法，屬高速動車組跟蹤運行實時優(yōu)化控制
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：高速動車組以其載客量大，安全舒適、正點快速、節(jié)能環(huán)保和全天候運輸?shù)葍?yōu)勢，為各國所重視，成為諸多國家發(fā)展先進交通系統(tǒng)的首選。隨著我國經(jīng)濟、社會的發(fā)展，迫切需要規(guī)?；焖侔l(fā)展高速鐵路，建設(shè)以安全、正點、節(jié)能為標志的列車運行控制系統(tǒng)。在軌道交通系統(tǒng)中，列車運行控制系統(tǒng)是確保列車能夠安全運行并提高運行效率的核心系統(tǒng)，其控制策略的優(yōu)劣直接影響鐵路運輸?shù)哪芰?。高速動車組運行速度高，路程遠，其運行過程對相關(guān)影響因素敏感程度高，受到的影響比傳統(tǒng)鐵路更多，更復(fù)雜?，F(xiàn)有的高速動車組運行控制是駕駛員在列車自動防護系統(tǒng)(ATP)指導(dǎo)下，基于實際的運營工況的人工操縱控制模式，動車組運行性能與駕駛員操作經(jīng)驗和對故障反應(yīng)程度密切相關(guān)。因此，為實時保障動車組高速安全運行，我們需要建立高速動車組運行過程模型并對其運行過程進行實時優(yōu)化控制。傳統(tǒng)的高速動車組運行過程的建模，通常采用基于牽引計算和運行阻力經(jīng)驗?zāi)Ｐ偷拿枋龇椒?，但其無法完整刻畫動車組復(fù)雜多變的動態(tài)行為。為更準確地還原高速動車組的動態(tài)運行過程，數(shù)據(jù)驅(qū)動建模逐漸成為高速動車組建模的研究熱點。針對列車運行過程的跟蹤控制，較經(jīng)典的是PID控制方法。相關(guān)學者設(shè)計了一種模糊PID方法控制捷運列車跟蹤速度軌跡，由于PID控制不具有自適應(yīng)能力，其只比較適用于環(huán)境較穩(wěn)定，速度較低的地鐵系統(tǒng)。為了解決這個問題，有學者采用魯棒自適應(yīng)控制方法實現(xiàn)高速動車組速度、位置跟蹤控制；但自適應(yīng)魯棒控制的參數(shù)分解和控制律設(shè)計需要大量計算，不能很好地解決實際高速動車組運行環(huán)境情況?？紤]到廣義預(yù)測控制方法可有效地克服過程的不確定性和非線性，并能方便的處理過程被控變量的各種約束，適用于復(fù)雜不確定系統(tǒng)，目前較多學者研究高速動車組廣義預(yù)測控制，實現(xiàn)了高速動車組運行過程速度、位移高精度控制。但上述控制方法都不具備實時優(yōu)化控制性能，難以及時消除高速動車組運行過程中一些不確定因素帶來的影響。技術(shù)實現(xiàn)要素：本發(fā)明的目的是，針對高速動車組運行環(huán)境復(fù)雜，工況變化頻繁，影響運行性能的因素多等特點，為保證其安全、正點、高效自動運行，本發(fā)明設(shè)計一種高速動車組跟蹤運行實時優(yōu)化控制系統(tǒng)，在線調(diào)整模型參數(shù)，提高高速動車組運行過程的安全性和正點性。本發(fā)明的技術(shù)方案是：一種高速動車組實時優(yōu)化控制方法，所述方法通過采集高速動車組實際運營數(shù)據(jù)，建立高速動車組ANFIS模型，并基于此模型設(shè)計相應(yīng)預(yù)測控制器，實時采集預(yù)測輸出速度和期望速度，分析運行速度誤差；當高速動車組受到未知環(huán)境或動車組特性改變等不確定因素對跟蹤控制影響，結(jié)合卡爾曼濾波算法和BP梯度下降法實時調(diào)整模型參數(shù)，以適應(yīng)接下來的高速動車組高精度跟蹤控制，消除特性改變對動車組運行帶來的影響，從而保證高速動車組的運行性能。所述的高速動車組實時優(yōu)化控制方法，所述高速動車組離線ANFIS模型為：假設(shè)有m個高速動車組運行過程數(shù)據(jù)點{X1,…,Xi,…,Xm}，其中Xi＝[vi(k-1),ui(k-1),vi(k)]，數(shù)據(jù)點Xi處的密度指標定義為式中，δa為設(shè)定的聚類中心有效鄰域半徑，是一個正數(shù)；選擇密度指標最高值得到第一個聚類中心則每個數(shù)據(jù)點Xi的密度指標用以下公式修正其中δb是一個大于δa的正數(shù)；顯然，靠近第一個聚類中心c1的數(shù)據(jù)點的密度指標將顯著減小，這樣使得這些點不太可能選為下一個聚類中心；修正了每個數(shù)據(jù)點的密度指標后，選定下一個聚類中心c2，再次修正數(shù)據(jù)點的所有密度指標，重復(fù)此過程，直至得到最后一個聚類中心cn，因此高速動車組運行過程數(shù)據(jù)的聚類中心個數(shù)為n；對n條規(guī)則后件采用最小方差估計獲得n個線性模型；對這n個線性模型進行融合，獲得以下離線ANFIS模型：其中，是所有規(guī)則適應(yīng)度的歸一化值。所述的高速動車組實時優(yōu)化控制方法，所述基于離線ANFIS模型的預(yù)測控制器為：所述的高速動車組運行過程模型(7)可描述為以下形式式中，和是z-1的多項式，Δ＝1-z-1；其中參數(shù)和由建模過程獲得。為得到最優(yōu)的控制標量，可設(shè)計性能指標函數(shù)為其中，L,H,G和是引入的丟番圖方程參數(shù)矩陣，是加權(quán)系數(shù)矩陣；最小化性能指標(即)得到最優(yōu)控制增量為所述的高速動車組實時優(yōu)化控制方法，當高速動車組受到未知環(huán)境或動車組特性改變等不確定因素對跟蹤控制影響，啟動在線調(diào)整模型策略，以適應(yīng)接下來的高速動車組高精度跟蹤控制，實時優(yōu)化控制策略通過結(jié)合卡爾曼濾波算法和BP梯度下降法實時調(diào)整模型參數(shù)，具體優(yōu)化步驟可表現(xiàn)為：Step1.設(shè)計基于高速動車組ANFIS模型的廣義預(yù)測控制器，計算t時刻的速度反饋誤差er(t)＝y(tǒng)(t)-yr(t)；Step2.執(zhí)行高速動車組跟蹤運行控制；Step3.判斷時刻t是否到達總時刻Tt，如果到達則結(jié)束進程，否則進入下一時刻t+1，轉(zhuǎn)入Step4；Step4.t+1時刻，將上一時刻的反饋誤差er(t)與設(shè)定誤差閾值χ比較，若|er(t)|≥χ，則表明模型失配,不適用于當時控制情況，需要Step5對模型參數(shù)進行在線調(diào)整；如果反饋誤差|er(t)|＜χ，則表明跟蹤精度較高，暫不需優(yōu)化模型參數(shù)，直接返回Step1；Step5.結(jié)合卡爾曼濾波算法和BP梯度下降法，在線調(diào)整ANFIS模型前件，后件參數(shù)，優(yōu)化后的模型代入廣義預(yù)測控制器中，返回Step1。所述的高速動車組實時優(yōu)化控制方法，所述Step5.結(jié)合卡爾曼濾波算法和BP梯度下降法，在線調(diào)整ANFIS模型前件，后件參數(shù)的方法為：在已建立的模型(8)的基礎(chǔ)上，首先采用以下卡爾曼濾波算法調(diào)整后件參數(shù)式中，為建模過程獲得的后件參數(shù)，遺忘因子0＜λKF≤1通常選擇接近于1的正數(shù)(本文中λKF＝0.9995)；PKF(k)＝qKFI∈R2n×2n，qKF是一個大正數(shù)，通常取為104～1010(本發(fā)明中qKF＝106)；其次，采用BP梯度下降法實時優(yōu)化前件參數(shù)cij和σij；計算誤差指標函數(shù)為式中，第k個數(shù)據(jù)點y(k)和yr(k)分別表示控制部分傳輸過來的模型失配t時刻的實際輸出速度和期望輸出速度，以此類推；前件參數(shù)優(yōu)化算法如下：對ANFIS模型參數(shù)進行校正之后，代入到廣義預(yù)測控制器中重新計算，獲得相應(yīng)的控制力對高速動車組跟蹤運行實施實時優(yōu)化控制。本發(fā)明與現(xiàn)有技術(shù)比較的有益效果是，高速動車組是一個運行在多變環(huán)境下的復(fù)雜非線性系統(tǒng)。為改善高速動車組運行性能，需要設(shè)計有效的運行過程控制器對高速動車組進行精確的控制。已有的研究學者設(shè)計的高速動車組控制方法都不具有實時優(yōu)化功能，難以處理動車組特性或環(huán)境變化導(dǎo)致跟蹤性能變差情況，這使得高速動車組運行性能得不到保障。本發(fā)明是基于高速動車組運行環(huán)境復(fù)雜，工況變化頻繁，影響運行性能的因素多等特點，提出的一種新型的跟蹤運行實時優(yōu)化控制方法。首先建立離線的高速動車組運行過程ANFIS模型，并設(shè)計相應(yīng)的廣義預(yù)測控制器。當動車組特性或環(huán)境變化導(dǎo)致跟蹤性能變差，啟動在線調(diào)整策略，采用卡爾曼濾波和BP梯度下降法對高速動車組運行ANFIS模型進行在線調(diào)整，從而調(diào)整預(yù)測控制器的參數(shù)，實現(xiàn)動車組跟蹤運行實時優(yōu)化控制，改善了其運行的安全性和正點性。本發(fā)明適用于高速動車組跟蹤運行實時優(yōu)化控制。附圖說明圖1為高速動車組實時優(yōu)化控制系統(tǒng)結(jié)構(gòu)框圖；圖2為高速動車組運行過程受力情況；圖3為高速動車組運行過程實時優(yōu)化控制流程；圖4為檢驗數(shù)據(jù)的輸出誤差分布曲線；圖5為特性改變速度跟蹤曲線；圖6為特性改變速度跟蹤誤差曲線；圖7為特性改變牽引/制動力曲線；圖8為特性改變加速度曲線；圖9為特性改變ANFIS模型的參數(shù)優(yōu)化過程；具體實施方式以下結(jié)合具體實施例，對本發(fā)明進行詳細說明。本發(fā)明采集高速動車組實際運行數(shù)據(jù)，分析動車組跟蹤運行控制機理、結(jié)合其牽引/制動特性曲線和實際運行數(shù)據(jù)，建立高速動車組運行過程離線ANFIS模型，并設(shè)計基于ANFIS模型的廣義預(yù)測控制算法實現(xiàn)對動車組跟蹤運行過程控制；當對象特性或環(huán)境變化導(dǎo)致跟蹤性能變差，啟動模型在線調(diào)整策略，采用卡爾曼濾波和BP梯度下降算法實時優(yōu)化ANFIS模型從而對預(yù)測控制器參數(shù)的在線調(diào)整，實現(xiàn)高速動車組運行過程的實時優(yōu)化控制。本發(fā)明基于ANFIS的高速列車運行過程建模步驟為：1、高速動車組實時優(yōu)化控制原理分析：圖1中闡述了基于ANFIS模型和廣義預(yù)測控制的動車組運行實時優(yōu)化控制系統(tǒng)結(jié)構(gòu)?；跀?shù)據(jù)驅(qū)動ANFIS建模方法建立動車組運行過程精確模型，并傳輸給廣義預(yù)測控制器，經(jīng)過具體計算獲得并輸出控制量u，控制動車組跟蹤給定的站間運行模式曲線(該運行模式曲線由實際ATP限速曲線和最優(yōu)期望速度曲線構(gòu)成。最優(yōu)期望速度曲線是結(jié)合優(yōu)秀駕駛員的動車組操縱經(jīng)驗，基于安全、正點和節(jié)能等運行指標，從大量高速動車組實際運行速度曲線中篩選確定)運行。實時采集預(yù)測輸出速度y和期望速度yr，分析運行速度誤差。當高速動車組受到未知環(huán)境或動車組特性改變等不確定因素對跟蹤控制影響，致使反饋速度誤差的絕對值|er|超出設(shè)定誤差閾值χ時(為保障高速動車組運行的正點性和優(yōu)化控制的實時性，閾值χ是結(jié)合CTCS-3列控系統(tǒng)可允許的誤差范圍和實時控制采樣周期要求來選擇的)，返回實際運行數(shù)據(jù)，結(jié)合卡爾曼濾波算法和BP梯度下降法實時調(diào)整模型參數(shù)，并基于調(diào)整后的ANFIS模型調(diào)整高速動車組的廣義預(yù)測控制器，以適應(yīng)接下來的高速動車組高精度跟蹤控制，消除特性改變對動車組運行帶來的影響。2、高速動車組運行過程離線ANFIS建模：高速動車組運行過程受力情況如圖2所示，將列車簡化為單個剛性質(zhì)點，并把動車組運行過程中所有的受力作用到這個質(zhì)點上進行分析計算，圖中y是高速列車運行速度，由測速測距單元獲得，u為單位控制力(牽引力/制動力)，目前是駕駛員在ATP車載設(shè)備的指導(dǎo)下操縱手柄獲得，從而達到牽引、恒速、惰行、制動的效果，rb為單位基本阻力，rb＝Ar+Bry+Cry2。圖中高速動車組受力情況可用以下數(shù)學模型進行描述。式中，ε是加速度系數(shù)，Ar、Br、Cr是阻力系數(shù)，Cry2代表空氣阻力，隨著列車運行速度的增加，Cry2所占的比例越大，系統(tǒng)非線性特性越明顯。對公式(1)進行差分變換，可描述為關(guān)系式：y(k)＝f{y(k-1),u(k-1)}(2)鑒于ANFIS綜合了神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學習特性和T-S模糊模型的非線性建模特性，其模型結(jié)論部分用線性方程代替了一般Mamdani模糊系統(tǒng)中的模糊數(shù)，使系統(tǒng)可用較少的規(guī)則描述一個復(fù)雜的非線性系統(tǒng)。對式(2)描述的動車組運行過程，采用以下模糊推理規(guī)則描述Ri表示第i條模糊推理規(guī)則；y(k-1)、u(k-1)是輸入量，y(k)是輸出量；是輸入量的第i個模糊集；為后件參數(shù)，n是規(guī)則條數(shù)；ξi是常數(shù)項。假設(shè)有m個高速動車組運行過程數(shù)據(jù)點{X1,…,Xi,…,Xm}，其中Xi＝[vi(k-1),ui(k-1),vi(k)]，數(shù)據(jù)點Xi處的密度指標定義為式中，δa為設(shè)定的聚類中心有效鄰域半徑，是一個正數(shù)。選擇密度指標最高值得到第一個聚類中心則每個數(shù)據(jù)點Xi的密度指標用以下公式修正其中δb是一個大于δa的正數(shù)。顯然，靠近第一個聚類中心c1的數(shù)據(jù)點的密度指標將顯著減小，這樣使得這些點不太可能選為下一個聚類中心。修正了每個數(shù)據(jù)點的密度指標后，選定下一個聚類中心c2，再次修正數(shù)據(jù)點的所有密度指標，重復(fù)此過程，直至得到最后一個聚類中心cn，因此高速動車組運行過程數(shù)據(jù)的聚類中心個數(shù)為n。對n條規(guī)則后件采用最小方差估計獲得n個線性模型。對這n個線性模型進行融合，獲得以下ANFIS模型：其中，是所有規(guī)則適應(yīng)度的歸一化值。3、高速動車組跟蹤運行實時優(yōu)化控制基于上述所建立的高速動車組ANFIS模型，相應(yīng)的廣義預(yù)測控制器設(shè)計如下：上述得到的高速動車組運行過程模型(7)可描述為以下形式式中，和是z-1的多項式，Δ＝1-z-1。其中參數(shù)和由建模過程獲得，可表示為和為被控對象的模型階次。為得到最優(yōu)的控制標量，可設(shè)計性能指標函數(shù)為其中，L,H,G和是引入的丟番圖方程參數(shù)矩陣，是加權(quán)系數(shù)矩陣。最小化性能指標(即)得到最優(yōu)控制增量為為了消除未建模部分，未知環(huán)境和故障導(dǎo)致的動車組運行特性改變對跟蹤控制帶來的影響，反饋控制誤差，實施ANFIS模型在線調(diào)整策略：Step1.設(shè)計基于高速動車組ANFIS模型的廣義預(yù)測控制器(如上述所示)，計算t時刻的速度反饋誤差er(t)＝y(tǒng)(t)-yr(t)。Step2.執(zhí)行高速動車組跟蹤運行控制。Step3.判斷時刻t是否到達總時刻Tt，如果到達則結(jié)束進程，否則進入下一時刻t+1，轉(zhuǎn)入Step4。Step4.t+1時刻，將上一時刻的反饋誤差er(t)與設(shè)定誤差閾值χ比較，若|er(t)|≥χ，則表明模型失配,不適用于當時控制情況，需要Step5對模型參數(shù)進行在線調(diào)整；如果反饋誤差|er(t)|<χ，則表明跟蹤精度較高，暫不需優(yōu)化模型參數(shù)，直接返回Step1。Step5.結(jié)合卡爾曼濾波算法和BP梯度下降法，在線調(diào)整ANFIS模型前件，后件參數(shù)(具體如下所示)。優(yōu)化后的模型代入廣義預(yù)測控制器中，返回Step1。在已建立的模型(8)的基礎(chǔ)上，首先采用以下卡爾曼濾波算法調(diào)整后件參數(shù)式中，為建模過程獲得的后件參數(shù)，遺忘因子0<λKF≤1通常選擇接近于1的正數(shù)(本文中λKF＝0.9995)；PKF(k)＝qKFI∈R2n×2n，qKF是一個大正數(shù)，通常取為104～1010(本發(fā)明中qKF＝106)。其次，采用BP梯度下降法實時優(yōu)化前件參數(shù)cij和σij。計算誤差指標函數(shù)為式中，第k個數(shù)據(jù)點y(k)和yr(k)分別表示控制部分傳輸過來的模型失配t時刻的實際輸出速度和期望輸出速度，以此類推。前件參數(shù)優(yōu)化算法如下：對ANFIS模型參數(shù)進行校正之后，代入到廣義預(yù)測控制器中重新計算，獲得相應(yīng)的控制力對高速動車組跟蹤運行實施實時優(yōu)化控制，具體流程如圖3所示。綜上所述，針對高速動車組運行環(huán)境復(fù)雜，工況變化頻繁，影響運行性能的因素多等特點，建立運行過程ANFIS模型，提出高速動車組跟蹤運行實時優(yōu)化控制方法。當動車組特性或環(huán)境變化導(dǎo)致跟蹤性能變差，啟動在線調(diào)整策略，實時優(yōu)化控制性能，提高動車組的安全性和正點性。本發(fā)明實施選用CRH380AL型高速動車組為實驗驗證對象。首先，采集該動車組在京滬高鐵的濟南西到徐州東區(qū)段10天的全程運行速度、控制力數(shù)據(jù)，挑選代表牽引、惰行、制動所有工況的全程2000組有效數(shù)據(jù)，并全局平均取其中1400組數(shù)據(jù)作為建模數(shù)據(jù)樣本，剩余600組數(shù)據(jù)作為檢驗?zāi)Ｐ途鹊臄?shù)據(jù)。首先，根據(jù)1400組建模樣本數(shù)據(jù)，采用ANFIS建模方法，獲得4條最佳模糊規(guī)則(即式(3)中n＝4)，離線ANFIS模型參數(shù)如表1所示。為驗證模型有效性，采用剩余600組運行數(shù)據(jù)對建立的模型進行檢驗，其模型輸出誤差分布曲線如圖4。：表1ANFIS模型參數(shù)圖4中限速曲線是根據(jù)CTCS-3列控系統(tǒng)的定位測速要求繪制。觀察圖4的模型驗證過程，當速度小于30km/h時，模型輸出誤差范圍：-0.5876～0.5234km/h，速度大于30km/h時，誤差范圍：-2.1421～1.6899km/h，滿足CTCS-3列控系統(tǒng)的定位測速要求，表明所建立的ANFIS模型精度高，泛化能力強，有較好預(yù)測效果?；谒⒌腁NFIS模型，利用廣義預(yù)測控制，并結(jié)合卡爾曼濾波算法和BP梯度下降法設(shè)計實時優(yōu)化控制策略對高速動車組在京滬高鐵線路的濟南西站——徐州東站區(qū)間的跟蹤運行實施實時優(yōu)化控制。動車組在實際運行過程中，若發(fā)生未知環(huán)境引起動車組特性改變，導(dǎo)致高速動車組跟蹤性能變差，以致難以跟蹤上目標曲線，速度跟蹤誤差超出設(shè)定閾值(本文設(shè)定閾值χ＝2km/h)。在這種情況下，本發(fā)明實時優(yōu)化控制策略及時優(yōu)化動車組運行過程模型，使得高速動車組快速再次跟蹤上目標曲線。本文在動車組運行到里程railmileage＝500km和railmileage＝600km時，加入不確定的干擾因素，導(dǎo)致動車組運行特性發(fā)生改變，控制仿真結(jié)果如圖5～8所示，圖9列出了的實時優(yōu)化過程ANFIS模型參數(shù)的優(yōu)化過程曲線。圖5～8表明動車組發(fā)生特性改變的情況下，速度突然發(fā)生變化，跟蹤不上目標曲線?；贏NFIS的實時優(yōu)化控制策略能根據(jù)現(xiàn)有的動車組數(shù)據(jù)實時優(yōu)化運行模型，調(diào)整控制力大小，使得高速動車組快速更正運行速度，再一次高精度跟蹤上目標曲線。圖9表明，發(fā)生故障后，本發(fā)明方法對ANFIS模型的前后件參數(shù)cij,σij(i＝1,2,3,4；j＝1,2)進行實時精確調(diào)整，直至再次獲得最優(yōu)ANFIS模型，實時優(yōu)化了高速動車組運行模型。表2列出了本發(fā)明方法對于未知故障發(fā)生后的速度和加速度跟蹤誤差。表2速度和加速度跟蹤誤差特性改變速度(千米/小時)加速度(米/平方秒)最大負誤差-1.6502-0.4649最大正誤差2.37630.7095均方根誤差0.77930.0203從表2可直觀看出，在動車組運行特性發(fā)生變化的情況下，本發(fā)明方法的最大正負跟蹤誤差和均方根誤差均控制在一定的范圍內(nèi)，滿足CTCS-3列控系統(tǒng)的定位測速要求，進一步定量的表明了本文方法的有效性性。應(yīng)當理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進或變換，而所有這些改進和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護范圍。當前第1頁1 2 3