列车自动驾驶运行过程的多目标优化研究

作     者：卢稳 

作者单位：兰州交通大学 

学位级别：硕士

导师姓名：朱爱红

授予年度：2017年

学科分类：08[工学] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

主      题：列车自动驾驶 小生境 粒子群算法 灰色预测 多目标优化 

摘      要：随着经济的高速发展,我国的铁路行业已经进入了发展的黄金时期。列车运行速度的提高以及运营密度的增大,使得传统的人工驾驶模式,难以满足列车运行的进一步发展需求。自动驾驶模式作为一种在取代驾驶司机的同时,又能提升列车运行性能指标的运行模式,通常被用来取代人工驾驶模式,是未来发展的趋势。ATO(Automatic Train Operation,列车自动驾驶)系统,作为自动驾驶模式的核心子系统,是提高列车运行效率、增大列车运行密度的关键装备。由于列车运行过程的复杂性,其运行速度通常要受到线路条件、限速条件及司机熟练程度的影响,因此具有很多不确定因素。使用自动驾驶系统取代列车司机驾驶,可以在满足列车运行过程各性能指标需求的基础上,同时避免人为引起的随意性因素。所以,对自动驾驶系统进行研究具有其必要性。本文首先介绍ATO系统的结构、功能及其工作原理,提出从自动驾驶的运行曲线和控制器两方面,来优化列车自动驾驶运行过程的思路;其次,针对列车运行曲线的优化,选择使用智能的NPSO(Niche Particle Swarm Optimization,小生境粒子群)算法,通过对多目标优化模型的求解,得到理想的列车运行曲线;在控制器的设计方面,结合灰色预测、模糊控制以及PID(Proportion Integration Differentiation,比例积分微分)控制的优点,设计基于灰色预测模糊PID控制的ATO控制器核心算法;最后,针对理想运行曲线的生成及ATO控制器的控制效果,选取相关的仿真线路及车型,进行仿真分析,验证其合理性及有效性。对仿真得到的列车运行曲线各性能指标进行分析,其结果可以实现各性能指标综合最优化的目标,证明小生境粒子群算法可以达到优化列车运行目标曲线的目的。以优化后的列车运行曲线作为输入,经控制器作用后,对比输入与输出曲线,发现这两者间的误差较小,证明以灰色预测模糊PID控制算法为核心的列车自动驾驶控制器,可以取得良好的控制效果。综上,通过对列车运行曲线及自动驾驶控制器的核心算法进行优化,可以达到优化列车自动驾驶运行过程的目的。