高速列车运行曲线自主规划和分布式协同控制方法研究

作     者：辛天鹏 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：王悉

授予年度：2022年

学科分类：08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 082302[工学-交通信息工程及控制] 080201[工学-机械制造及其自动化] 0823[工学-交通运输工程] 

主      题：高速列车 运行曲线自主规划 生成对抗网络 分布式协同控制 

摘      要：目前,中国高速铁路建设已经取得了举世瞩目的成就,为国民的日常出行提供了极大的便利。同时,高速铁路作为国家经济发展的重要支柱,对促进国内欠发达地区的经济协同发展具有不可替代的作用。国内高速铁路在给人们生活带来巨大便利的同时,也出现了一些亟待解决的问题。为了满足经济发展的需求,国内高速铁路的发车频率正在不断大幅提高,同一铁路线路中多列车、高速度、高密度追踪运行已经成为一种新常态,该特点在一些骨干铁路网表现得尤为突出,例如京沪高速铁路。此外,现有列车控制方法难以同时满足多列车安全、高效、节能、舒适的协同控制,因此,设计一种针对多目标,且具有运行曲线自主规划功能以及协同控制的控车策略,是高速列车未来自动运行控制领域的热点研究问题。本研究探讨高速列车自主驾驶的决策问题,立足于高速列车的运行特征以及多目标追踪的耦合特性,提出的方法主要包括基于深度学习(Deep Learning,DL)的运行曲线自主规划方法和基于模型预测控制(Model Predictive Control,MPC)的分布式协同控制策略,以期望在保障多列车整体安全的前提下,提高列车运行的准时性、灵活性。此外,所提出的分布式协同控制方案也能够大大降低车载计算机的计算负担。本文的主要工作概括如下:(1)将深度学习技术与分布式协同控制方法相结合,设计了一种先进的基于深度学习的多列车控制框架。同时,对于深度学习网络训练中数据不足可能导致运行曲线自主规划模型过拟合的问题,提出了一种基于生成对抗网络(Generative Adversarial Nets,GANs)的数据扩充方案,用来生成与实际数据样本分布相同的数据样本,进而扩充训练数据集。(2)构建了一个混合参考轨迹学习模型,能够分别从时间相关和时间无关的多属性数据中实时规划列车的运行曲线。然后,基于模型预测控制方案,考虑了列车运行的最小化追踪偏差,平衡了安全性、准时性、能效和乘坐舒适性,建立了分布式协同控制优化模型。(3)采用对偶分解技术处理相邻列车安全间隔带来的耦合约束,从而实现高速列车优化问题的分解,使每辆列车能够独立计算控制策略,从而减小车载计算机的工作负担并提高系统的鲁棒性。最后,基于实际的应用场景进行了仿真实验,验证了所提方法的有效性和可行性。图38幅,表11个,参考文献62篇。