CN110228507A - 一种基于事件触发的列车自动调整控制方法 - Google Patents
一种基于事件触发的列车自动调整控制方法 Download PDFInfo
- Publication number
- CN110228507A CN110228507A CN201910390719.3A CN201910390719A CN110228507A CN 110228507 A CN110228507 A CN 110228507A CN 201910390719 A CN201910390719 A CN 201910390719A CN 110228507 A CN110228507 A CN 110228507A
- Authority
- CN
- China
- Prior art keywords
- train
- formula
- control
- time
- station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000033228 biological regulation Effects 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000001934 delay Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims 1
- 230000026676 system process Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000003359 percent control normalization Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/10—Operations, e.g. scheduling or time tables
- B61L27/14—Following schedules
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/20—Trackside control of safe travel of vehicle or train, e.g. braking curve calculation
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明属于城市轨道交通控制技术领域,涉及一种基于事件触发的列车自动调整控制方法,所述方法通过实时在线获取列车信息,针对列车受到干扰,而偏离既定运行时刻表的情况或乘车人数偏差过大的情况,当检测到***的状态偏差满足一定条件时,触发启动本发明所述列车自动调整控制方法,并结合已有的列车自动驾驶***,保障列车在延误下能够正常运行,保证轨道交通***的效率、准点率和乘车舒适性。与既有基于动态规划和MPC方法的列车调整方法相比,本发明可以减少约50%的控制量计算次数,节约状态信息传输的带宽。
Description
技术领域
本发明涉及城市轨道交通控制领域。更具体地,涉及一种基于事件触发方式的列车自动调整控制方法。
背景技术
城市轨道交通是城市公共交通体系的重要组成部分,具有运量大、速度快、准点率高、占地少、污染小等特点,在较好地满足城市大规模出行需求的同时,也符合可持续发展的理念。但是随着我国城市化进程的不断加快,城市轨道交通线路不断增多,旅客数量的急剧增加。特别是在客流高峰时段,列车的实时运行容易受到外部干扰的影响而与预期的运行时刻发生偏差,造成乘客的拥挤,大大降低了列车的运行效率,严重影响乘客乘车的舒适性和准时性。针对此现象,从技术层面考虑城市轨道交通***中列车的自动调整问题,可提高轨道交通***的运输效率,对于促进轨道交通可持续发展具有重要的现实意义。
目前,基于通信的列车运行控制***技术在城市轨道交通中广泛应用。尤其是列车自动驾驶***ATO(Automatic Train Operation)的应用,ATO是实现列车自动行驶、精确停车、站台自动化作业、无人折返、列车自动运行调整等功能的列车自动控制***。针对处理城市地铁列车运行中发生的不确定事件干扰(如列车信号故障、突发事件),列车自动调整技术已成为城市地铁信号***的一个核心功能。该技术通过设计不同列车自动调整技术,满足列车自动调整的实时性和精准性。
传统的列车自动控制技术主要采用动态规划的方法。但是随着维数的增大,传统的动态规划容易出现维数克死的现象。同时,基于动态规划方法需要提前估计地铁***列车运行中的各种信息,因而很难满足地铁运行控制的实时性。为了解决上述问题,近年来研究人员研发了模型预测控制(MPC)算法。模型预测控制(MPC)是一类特殊的控制,它可以有效地处理大规模的优化问题。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态,解得的最优控制序列只实施第一个控制作用。但是基于MPC的列车自动调整算法要求在每个控制周期都要实时地获取列车运行状态,不但占用无线通信***的带宽而且增加了处理器的计算负担。
因此,从城市地铁***列车实际运行状况出发,研究一种基于事件触发的列车自动调整控制方法是非常有必要的。
发明内容
为了克服MPC算法的不足,本发明公开了一种新的基于事件触发的列车自动调整方法,通过对列车运行状态和客流状态的监控,当列车和客流状态达到一定的阈值时,触发在线调整算法,从而达到减小对于通信资源的消耗,提高算法实时性的目标。
为了解决上述问题,本发明提出一种基于事件触发的列车自动调整控制方法,包括以下步骤:
S1:采集列车实时信息,包括:实际的到发时间、列车上的人数等;
S2:根据该列车的实时信息和既定的地铁***的已知信息(如既定时刻表、列车重量、列车容量等),判断是否产生了延误;
S3:如果列车偏离既定时刻表则使用事件触发的列车自动控制方法进行控制,计算方法步骤包括:
S31:给定预测时域和控制时域;
S32:根据列车的实时信息和既定的地铁***的已知信息建立地铁列车调整MPC预测控制模型,预测得到预测时域的相关信息;
S33:以最小化目标函数为优化控制目标,考虑地铁***自动调整控制中的相关约束条件,在预测时域内建立优化控制模型;
S34:判断测量误差是否满足阈值条件,若满足,则采集地铁***实时状态,通过优化重新计算控制量,并作用于地铁***;否则使用上一个控制阶段得到的控制量并作用于地铁***;
S4:重复步骤S1-S3,直到控制过程结束。
在上述方案的基础上,步骤S32根据列车的实时信息和既定的地铁***的已知信息建立地铁列车调整MPC预测控制模型的过程如下:
S321、模拟交通环境:
是列车i离开车站n+1的实际时间,由公式得到,其中:i是列车标号;n是站台标号;是列车i离开车站n的实际时间;是列车i从车站n到车站n+1的实际运行时间;是列车i在车站n+1的实际停站时间;
由公式得到列车实际的区间运行时间,其中:是列车i从车站n到车站n+1区间既定运行时间;(其中整体代表一个变量)是对实际的区间运行时间的调整控制量;(其中整体代表一个变量)是列车i从车站n到车站n+1运行中不确定事件造成的延误;
由公式得到列车i在车站n+1实际的停站时间,其中:Mn+1是列车在n+1站的最小停站时间;(其中整体代表一个变量)是对实际停站时间的调整控制量;(其中整体代表一个变量)是列车i在站台n+1停站时不确定事件造成的列车延误;δ表示每个乘客上车或下车所造成的延误率,即单个乘客上车或下车所延误的时间,表示在站台n+1上车搭乘列车i的乘客数量,表示列车i上在站台n+1下车乘客的数量;
令其中,表示时间调整控制量总和,表示:从车站n出发后到车站n+1出发前,不确定事件造成的列车延误总和,列车i在车站n+1的实际发车时间表示为:
S322、模拟乘客流:
表示列车i从站台n+1发车时车上乘客的人数,由公式(1)得到,
其中:表示列车i从站台n发车时车上乘客的人数,如式(2)所示,
如式(3)所示,
其中,表示:在列车i到达车站n+1的旅客到达率,即在单位时间内,将乘坐列车i的旅客增长数量;表示列车i上的乘客在车站n+1下车的比率;代表在列车i到达车站n+1时对乘客人数的调整策略,即对数值的增减;
S323、建立列车运行时刻和客流调整联合模型:
在实际中,考虑到列车离开站台n+1的实际时间受到的影响,进一步表示为式(4),
进一步根据式(4)对进行整理得出式(5),即解出
根据式(1)、(2)、(3)和(5)推导出式(6),
为了实现对于列车运行时刻和客流的联合调整,令 得到列车运行时刻和客流调整联合模型,如式(7)所示,
其中,
表示:从车站n-1出发后到车站n出发前,不确定事件造成的列车延误总和,如式(8)所示,
如式(9)所示,
S324、对于轨道交通***来说,列车的目标时刻表和乘客数量分别满足式(10)和式(11),
其中,代表列车i预计离开车站n的时间,代表预计的发车间隔,代表列车i在车站n期望的乘客数量;
对于控制算法的设计来说,根据列车离开站台的实际时间和实际乘客数量分别与预计的出站时间和预计的乘客数量之间的偏差计算控制量,为此引入偏差状态如式(12)所示,
对于具有I辆车,N个站台的地铁线路,为了便于表示,采用矩阵的表示形式,且用k表示阶段(列车在车站间运行以及在下一车站停车的过程称为一个阶段),
根据式(8)得出式(13),
根据式(9)得出式(14),
根据式(10)得出式(15),
根据式(11)得出式(16),
通过将式(13)减去式(15)得到列车离开站台的实际时间与列车预计出站时间的偏差,通过将式(14)减去式(16)得到实际乘客数量与预计的乘客数量的偏差,联立两个偏差式形成偏差的动态方程,所述地铁列车调整MPC预测控制模型用如式(17)所示的矩阵形式表示,
x(k+1)=Ax(k)+Bu(k)+Cω(k) (17)
其中,表示列车离开站台N的实际时间与预计离开站台时间(即预计的出站时间)的偏差,或实际乘客数量与目标乘客数量(即预计的乘客数量)的偏差,
u(k)中的元素表示对列车在各站台实际发车时间的调整控制量(即时间调整控制量总和),以及实际搭乘旅客数量的调整控制量(即对乘客人数的调整策略);
ω(k)中的元素表示对列车运行过程的干扰(即不确定事件造成的列车延误总和)以及实际搭乘旅客数量的干扰;
在上述方案的基础上,本发明的主要目标是减少偏差和减小控制的幅度,其中延误包括时刻表的偏差和乘客数量的偏差,步骤S33中所述目标函数表示为如下形式:
其中,Q和R是权重系数。
在上述方案的基础上,在地铁***运行过程中,要严格约束控制的幅度,步骤S33中所述相关约束条件如式(19)所示,
Ul,min≤ul(k)≤Ul,max (19)
其中,其中ul(k)表示u(k)中的第l个元素,Ul,min表示最小控制幅度;Ul,max表示最大控制幅度。
基于上述地铁列车调整MPC预测控制模型、目标函数和相关约束条件,在预测时域内形成的步骤S33中所述的优化控制模型如式(20)和式(21)所示,
在上述方案的基础上,首先基于模型预测控制(MPC)方法,本发明采用状态反馈的方式设计控制量,在阶段k,用于列车运行时间和停站时间自动调整控制量以及乘客数量的控制量为u(k),如式(22)所示,
u(k)=F(k)x(k) (22)
其中,F(k)为控制增益。
在上述方案的基础上,基于Matlab的LMI工具箱求解得到满足目标函数和相关约束条件的控制增益F(k),同时在干扰ω(k)作用下,***状态满足H∞鲁棒性,如式(23)所示,
其中kf表示预测时域,j为预测的阶段数,这里预测时域和控制时域一样,γ代表扰动抑制等级;
计算控制增益F(k)的问题转化为:基于Matlab的LMI工具箱求解如式(24)所示,满足约束条件为线性矩阵不等式的凸优化问题
其中,Ψ(k)=X(k)-E(k)-ET(k),
Υ(k)=AE(k)+BΞ(k),
hl代表单位矩阵的第l列,G(k)>0,E(k),X(k)和Ξ(k)均为待求解参数,I为单位矩阵,γ代表扰动抑制等级;
通过求解得到满足目标函数和相关约束条件的控制增益F(k)=Ξ(k)E-1(k),同时在干扰ω(k)作用下,***状态满足H∞鲁棒性,即式(23)所示,
在上述方案的基础上,根据事件触发控制的原理,本发明用于列车运行时间和停站时间自动调整控制量以及乘客数量的控制量具体如式(25)所示,
u(k)=F(ks)x(ks),k∈[ks,ks+1) (25)
其中,ks为采样时刻,在两个采样时刻之间,控制量保持不变,从而达到节省计算开支的效果。
在上述方案的基础上,步骤S34的具体步骤如下:
S341:在每个控制决策阶段k,计算状态偏差ξ(k),ξ(k)=x(ks)-x(k),k∈[ks,ks+1);
S342:判断状态偏差ξ(k)是否满足||ξ(k)||>κ||x(k)||,
其中
λmin(Θ(ks))表示矩阵Θ(ks)的最小特征值,ε为控制参数,0<ε<1;
S343:若||ξ(k)||>κ||x(k)||成立,则采集当前***的偏差状态x(k),利用LMI工具箱求解控制增益F(k),并计算控制量u(k)=F(k)x(k),同时更新采样时刻ks=k;否则,沿用上一个采样时刻的控制量来对列车运行时间、停站时间和乘客数量进行调整。
本发明的有益技术效果如下:
本发明通过实时在线获取列车信息,针对列车受到干扰,而偏离既定运行时刻表的情况或乘车人数偏差过大的情况,当检测到***的状态偏差满足一定条件时,触发启动本发明提出的列车自动调整控制方法,并结合已有的列车自动驾驶***(ATO),保障列车在延误下能够正常运行,保证轨道交通***的效率、准点率和乘车舒适性。本发明所述方法,与既有基于动态规划和MPC方法的列车调整方法相比,本发明可以减少约50%的控制量计算次数,节约状态信息传输的带宽。
附图说明
本发明有如下附图:
图1示出本发明提供的城市地铁线路示意图。
图2(a)示出本发明提供的在案例1下产生的列车时刻延误的变化曲线示意图。
图2(b)示出本发明提供的在案例1下产生的客流偏差的变化曲线示意图。
图3(a)示出本发明提供的在案例2下产生的列车时刻延误的变化曲线示意图。
图3(b)示出本发明提供的在案例2下产生的客流偏差的变化曲线示意图。
图4示出本发明提供的在案例3下产生的列车时刻延误的变化曲线示意图。
图5示出本发明提供的在案例3下产生的客流偏差的变化曲线示意图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
如图1所示,给出了北京地铁亦庄线的示意图,该地铁线路包含14个车站,其中宋家庄站至次渠站为上行方向,次渠站到宋家庄站为下行方向,本实施例考虑的是宋家庄至亦庄火车站的上行方向,本实施例时间为早上7点半到9点的早高峰时段,并设置初始阶段(7:30am)。为了便于表示,对车站进行了编号,并给出了各站与客流相关的参数,如表1所示。假设在初始阶段,列车10,11和12分别在车站3,2和1受到了延误,延误时间分别为35s,45s和60s。三列车上实际搭乘的旅客数量与标称的旅客数量偏差分别为35人,40人和50人。
表1站台的编码和客流参数
其中,为:在列车i到达车站n的旅客到达率,即在单位时间内,将乘坐列车i的旅客增长数量,为:列车i上的乘客在车站n下车的比率,目标函数J中的控制权重系数Q和R设置为Q=R=diag{0.1,...0.,1}用于调整列车运行时间和停站时间的控制量变化范围[-40s,30s],用于调整乘客数量的控制量变化范围为[-20,10],设置三列车在运行到第七阶段时受到了外部干扰而发生延误,延误时间(即从车站n-1出发后到车站n出发前,不确定事件造成的列车延误总和)为[10s,20s]之间变化的随机数,扰动抑制等级γ=0.25,控制参数ε=0.15。
在本发明中,将考虑三个案例,案例1:在给定延误下,不进行交通管理下的案例;案例2:在给定延误下,使用仅适用MPC方法调整的案例;案例3:在给定延误下,使用本发明所述方法下的案例。
从图2可以看出,在案例1中,由于缺乏有效的调整策略,初始延误没有得到及时的补偿,延误通过轨道交通***不断被传递,导致延误的不断累积。三列车运行到线路终点时,延误时间由最初的35s,45s和60s分别上升到了50s,65s和86s,延误增加率分别为43%,44%和43%。此外车内乘客数量与预计乘客数量之间的偏差也由35人,40人和50人分别增加至111人,157人和222人,车内将变得非常拥挤,大大降低了乘坐舒适性。
从图3可以看出,在引入了基于MPC的列车调整策略后,列车延误和车厢内的乘客数量偏差都得到了有效地控制,在经过5个控制阶段后,偏差状态收敛到了零状态,这意味着列车的实际运行时刻表与预计的时刻表完全一致,同时车厢内乘客的数量也与标称值一致,从而确保了轨道交通***运营的效率、准点率和舒适性。在***受到外部干扰时,该控制方法能够有效减轻干扰的影响,确保***状态收敛到原点,从而保证了***的鲁棒性。
表2给出了在案例2中的控制量输入,可以看出调整列车时刻的控制量变化范围[-24s,0],用于调整乘客数量的控制量变化范围为[-11,0],满足约束条件的要求。
表2案例2的控制量
其中,和分别为列车10、11和12调整列车时刻的控制量,和分别为列车10、11和12调整乘客数量的控制量。在此基础上,在案例三中应用了本发明提出的基于事件触发的列车自动调整控制方法。从图4和5可以看出,列车延误和车厢内的乘客数量偏差都得到了有效地控制,在经过4个控制阶段后,偏差状态收敛到了零状态,这意味着列车的实际运行时刻表与预计的时刻表完全一致,同时车厢内乘客的数量也与标称值一致。与案例2相比,案例3用了相对较少的控制阶段来达到平衡点,可见本发明提出的方法具有较好的收敛速度。在***受到外部干扰时,该控制方法能够有效减轻干扰的影响,确保***状态收敛到零状态。因此本发明提出的方法能够确保轨道交通***运营的效率、准点率、舒适性以及鲁棒性。
为了更好地说明本发明的优势,列出了本发明方法在案例3中的输出控制量,如表3所示。通过比较表2和表3可以发现,表2中每个控制阶段的控制量都不同,这说明案例2的方法需要在每个控制阶段来计算待输入的控制量。而在案例3中,引入了基于事件的触发条件,通过检测测量误差来确定是否需要重新计算控制量。在这种机制下,表3中相邻控制阶段的控制量保持不变,这说明控制量每隔一个控制阶段才重新计算一次,减小了大约50%的计算开销。同时,在这期间不需要实时地传输列车和客流的状态信息,也可以有效地减小无线带宽的消耗。
表3案例3的控制量
显然,本发明的上述实施例仅仅是为清楚地说明本发明所做的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。
本说明书中未做详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (8)
1.一种基于事件触发的列车自动调整控制方法,其特征在于,包括以下步骤:
S1:采集列车实时信息,包括:实际的到发时间、列车上的人数;
S2:根据该列车的实时信息和既定的地铁***的已知信息,判断是否产生了延误;
S3:如果列车偏离既定时刻表则使用事件触发的列车自动控制方法进行控制,计算方法步骤包括:
S31:给定预测时域和控制时域;
S32:根据列车的实时信息和既定的地铁***的已知信息建立地铁列车调整MPC预测控制模型,预测得到预测时域的相关信息;
S33:以最小化目标函数为优化控制目标,考虑地铁***自动调整控制中的相关约束条件,在预测时域内建立优化控制模型;
S34:判断测量误差是否满足阈值条件,若满足,则采集地铁***实时状态,通过优化重新计算控制量,并作用于地铁***;否则使用上一个控制阶段得到的控制量并作用于地铁***;
S4:重复步骤S1-S3,直到控制过程结束。
2.如权利要求1所述的基于事件触发的列车自动调整控制方法,其特征在于:步骤S32根据列车的实时信息和既定的地铁***的已知信息建立地铁列车调整MPC预测控制模型的过程如下:
S321、模拟交通环境:
是列车i离开车站n+1的实际时间,由公式得到,其中:i是列车标号;n是站台标号;是列车i离开车站n的实际时间;是列车i从车站n到车站n+1的实际运行时间;是列车i在车站n+1的实际停站时间;
由公式得到列车实际的区间运行时间,其中:是列车i从车站n到车站n+1区间既定运行时间;是对实际的区间运行时间的调整控制量;是列车i从车站n到车站n+1运行中不确定事件造成的延误;
由公式得到列车i在车站n+1实际的停站时间,其中:Mn+1是列车在n+1站的最小停站时间;是对实际停站时间的调整控制量;是列车i在站台n+1停站时不确定事件造成的列车延误;δ表示每个乘客上车或下车所造成的延误率,表示在站台n+1上车搭乘列车i的乘客数量,表示列车i上在站台n+1下车乘客的数量;
令其中,表示时间调整控制量总和,表示:从车站n出发后到车站n+1出发前,不确定事件造成的列车延误总和,列车i在车站n+1的实际发车时间表示为:
S322、模拟乘客流:
表示列车i从站台n+1发车时车上乘客的人数,由公式(1)得到,
其中:表示列车i从站台n发车时车上乘客的人数,如式(2)所示,
如式(3)所示,
其中,表示:在列车i到达车站n+1的旅客到达率;表示列车i上的乘客在车站n+1下车的比率;代表在列车i到达车站n+1时对乘客人数的调整策略;
S323、建立列车运行时刻和客流调整联合模型:
在实际中,考虑到列车离开站台n+1的实际时间受到的影响,进一步表示为式(4),
进一步根据式(4)对进行整理得出式(5),
根据式(1)、(2)、(3)和(5)推导出式(6),
为了实现对于列车运行时刻和客流的联合调整,令 得到列车运行时刻和客流调整联合模型,如式(7)所示,
其中,
表示从车站n-1出发后到车站n出发前,不确定事件造成的列车延误总和;
如式(8)所示,
如式(9)所示,
S324、对于轨道交通***来说,列车的目标时刻表和目标乘客数量分别满足式(10)和式(11),
其中,代表列车i预计离开车站n的时间,代表预计的发车间隔,代表列车i在车站n期望的乘客数量;
根据列车离开站台的实际时间和实际乘客数量分别与预计的出站时间和预计的乘客数量之间的偏差计算控制量,为此引入偏差状态如式(12)所示,
对于具有I辆车,N个站台的地铁线路,为了便于表示,采用矩阵的表示形式,且用k表示阶段,
根据式(8)得出式(13),
根据式(9)得出式(14),
根据式(10)得出式(15),
根据式(11)得出式(16),
通过将式(13)减去式(15)得到列车离开站台的实际时间与列车预计出站时间的偏差,通过将式(14)减去式(16)得到实际乘客数量与预计的乘客数量的偏差,联立两个偏差式形成偏差的动态方程,所述地铁列车调整MPC预测控制模型用如式(17)所示的矩阵形式表示,
x(k+1)=Ax(k)+Bu(k)+Cω(k) (17)
其中, 表示列车离开站台N的实际时间与预计离开站台时间的偏差,或实际乘客数量与目标乘客数量的偏差,
u(k)中的元素表示对列车在各站台实际发车时间的调整控制量,以及实际搭乘旅客数量的调整控制量;
ω(k)中的元素表示对列车运行过程的干扰以及实际搭乘旅客数量的干扰;
3.如权利要求2所述的基于事件触发的列车自动调整控制方法,其特征在于:步骤S33中所述目标函数表示为如下形式:
其中,Q和R是权重系数。
4.如权利要求3所述的基于事件触发的列车自动调整控制方法,其特征在于:步骤S33中所述相关约束条件如式(19)所示,
Ul,min≤ul(k)≤Ul,max (19)
其中,其中ul(k)表示u(k)中的第l个元素,Ul,min表示最小控制幅度;Ul,max表示最大控制幅度;
基于上述地铁列车调整MPC预测控制模型、目标函数和相关约束条件,在预测时域内形成的步骤S33中所述的优化控制模型如式(20)和式(21)所示,
5.如权利要求4所述的基于事件触发的列车自动调整控制方法,其特征在于:首先基于模型预测控制方法,采用状态反馈的方式设计控制量,在阶段k,用于列车运行时间和停站时间自动调整控制量以及乘客数量的控制量为u(k),如式(22)所示,
u(k)=F(k)x(k) (22)
其中,F(k)为控制增益。
6.如权利要求5所述的基于事件触发的列车自动调整控制方法,其特征在于:基于Matlab的LMI工具箱求解得到满足目标函数和相关约束条件的控制增益F(k),同时在干扰ω(k)作用下,***状态满足H∞鲁棒性,如式(23)所示,
其中kf表示预测时域,j为预测的阶段数,γ代表扰动抑制等级;
计算控制增益F(k)的问题转化为:基于Matlab的LMI工具箱求解如式(24)所示,满足约束条件为线性矩阵不等式的凸优化问题
其中,Ψ(k)=X(k)-E(k)-ET(k),
Υ(k)=AE(k)+BΞ(k),
hl代表单位矩阵的第l列,θ(k)>0,G(k)>0,E(k),X(k)和Ξ(k)均为待求解参数,I为单位矩阵,γ代表扰动抑制等级;
通过求解得到满足目标函数和相关约束条件的控制增益F(k)=Ξ(k)E-1(k),同时在干扰ω(k)作用下,***状态满足H∞鲁棒性。
7.如权利要求6所述的基于事件触发的列车自动调整控制方法,其特征在于:根据事件触发控制的原理,用于列车运行时间和停站时间自动调整控制量以及乘客数量的控制量具体如式(25)所示,
u(k)=F(ks)x(ks),k∈[ks,ks+1) (25)
其中,ks为采样时刻,在两个采样时刻之间,控制量保持不变,从而达到节省计算开支的效果。
8.如权利要求7所述的基于事件触发的列车自动调整控制方法,其特征在于:步骤S34的具体步骤如下:
S341:在每个控制决策阶段k,计算状态偏差ξ(k),ξ(k)=x(ks)-x(k),k∈[ks,ks+1);
S342:判断状态偏差ξ(k)是否满足||ξ(k)||>κ||x(k)||,
其中
P(ks)=θ(ks)X-1(ks),Γ(ks)=A+BF(ks),Θ(ks)=P(ks)-ΓT(ks)P(ks)Γ(ks),λmin(Θ(ks))表示矩阵Θ(ks)的最小特征值,ε为控制参数,0<ε<1;
S343:若||ξ(k)||>κ||x(k)||成立,则采集当前***的偏差状态x(k),利用LMI工具箱求解控制增益F(k),并计算控制量u(k)=F(k)x(k),同时更新采样时刻ks=k;否则,沿用上一个采样时刻的控制量来对列车运行时间、停站时间和乘客数量进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390719.3A CN110228507B (zh) | 2019-05-10 | 2019-05-10 | 一种基于事件触发的列车自动调整控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390719.3A CN110228507B (zh) | 2019-05-10 | 2019-05-10 | 一种基于事件触发的列车自动调整控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110228507A true CN110228507A (zh) | 2019-09-13 |
CN110228507B CN110228507B (zh) | 2020-08-25 |
Family
ID=67860504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910390719.3A Active CN110228507B (zh) | 2019-05-10 | 2019-05-10 | 一种基于事件触发的列车自动调整控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110228507B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112026857A (zh) * | 2020-09-16 | 2020-12-04 | 长安大学 | 一种基于ctcs-3列控***的高速铁路列车运行调整方法 |
CN112078633A (zh) * | 2020-08-28 | 2020-12-15 | 通号城市轨道交通技术有限公司 | 轨道交通列车派班方法及*** |
CN112782978A (zh) * | 2020-12-24 | 2021-05-11 | 北京交通大学 | 一种基于自触发机制的高速列车巡航运行控制方法 |
CN113112078A (zh) * | 2021-04-15 | 2021-07-13 | 北京交通大学 | 一种列车实时调整与站台等待人数控制的联合优化方法 |
CN115489571A (zh) * | 2022-10-13 | 2022-12-20 | 交控科技股份有限公司 | 跨时空城市轨道交通列车调度指挥*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040172175A1 (en) * | 2003-02-27 | 2004-09-02 | Julich Paul M. | System and method for dispatching by exception |
CN101074025A (zh) * | 2007-06-15 | 2007-11-21 | 南京恩瑞特实业有限公司 | 多策略城轨列车运行自动调整方法 |
CN107336725A (zh) * | 2017-05-24 | 2017-11-10 | 北京交通大学 | 一种在线列车自动调整控制方法 |
-
2019
- 2019-05-10 CN CN201910390719.3A patent/CN110228507B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040172175A1 (en) * | 2003-02-27 | 2004-09-02 | Julich Paul M. | System and method for dispatching by exception |
CN101074025A (zh) * | 2007-06-15 | 2007-11-21 | 南京恩瑞特实业有限公司 | 多策略城轨列车运行自动调整方法 |
CN107336725A (zh) * | 2017-05-24 | 2017-11-10 | 北京交通大学 | 一种在线列车自动调整控制方法 |
Non-Patent Citations (1)
Title |
---|
XI WANG ETC.: "Robust Fuzzy Predictive Control for Automatic Train Regulation in High-Frequency Metro Lines", 《 IEEE TRANSCTIONS ON FUZZY SYSTEMS》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112078633A (zh) * | 2020-08-28 | 2020-12-15 | 通号城市轨道交通技术有限公司 | 轨道交通列车派班方法及*** |
CN112078633B (zh) * | 2020-08-28 | 2022-08-16 | 通号城市轨道交通技术有限公司 | 轨道交通列车派班方法及*** |
CN112026857A (zh) * | 2020-09-16 | 2020-12-04 | 长安大学 | 一种基于ctcs-3列控***的高速铁路列车运行调整方法 |
CN112782978A (zh) * | 2020-12-24 | 2021-05-11 | 北京交通大学 | 一种基于自触发机制的高速列车巡航运行控制方法 |
CN112782978B (zh) * | 2020-12-24 | 2022-01-28 | 北京交通大学 | 一种基于自触发机制的高速列车巡航运行控制方法 |
CN113112078A (zh) * | 2021-04-15 | 2021-07-13 | 北京交通大学 | 一种列车实时调整与站台等待人数控制的联合优化方法 |
CN113112078B (zh) * | 2021-04-15 | 2024-03-26 | 北京交通大学 | 一种列车实时调整与站台等待人数控制的联合优化方法 |
CN115489571A (zh) * | 2022-10-13 | 2022-12-20 | 交控科技股份有限公司 | 跨时空城市轨道交通列车调度指挥*** |
Also Published As
Publication number | Publication date |
---|---|
CN110228507B (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110228507A (zh) | 一种基于事件触发的列车自动调整控制方法 | |
Cao et al. | Application of fuzzy predictive control technology in automatic train operation | |
Zhu et al. | An eco-driving algorithm for trains through distributing energy: A Q-Learning approach | |
CN108764571B (zh) | 一种重载列车运行的多目标优化方法 | |
Gong et al. | Train timetabling with dynamic and random passenger demand: A stochastic optimization method | |
Wang et al. | A survey on optimal trajectory planning for train operations | |
Sheu et al. | Energy-saving automatic train regulation using dual heuristic programming | |
Zhou et al. | Smart train operation algorithms based on expert knowledge and reinforcement learning | |
Yin et al. | Smart train operation algorithms based on expert knowledge and ensemble CART for the electric locomotive | |
Fernández-Rodríguez et al. | Balancing energy consumption and risk of delay in high speed trains: A three-objective real-time eco-driving algorithm with fuzzy parameters | |
CN106056238B (zh) | 列车区间运行轨迹的规划方法 | |
CN110703757B (zh) | 一种面向能耗优化的高铁列车速度规划方法 | |
Wang et al. | Robust fuzzy predictive control for automatic train regulation in high-frequency metro lines | |
CN108536965B (zh) | 城市轨道交通线路运营服务可靠性计算方法 | |
CN111967134B (zh) | 基于地铁共线共车的地下物流***优化控制方法 | |
Cheng et al. | Intelligent driving methods based on expert knowledge and online optimization for high-speed trains | |
CN114202316A (zh) | 基于深度强化学习的城市轨道交通列车时刻表优化方法 | |
Sheu et al. | Adaptive optimal control for designing automatic train regulation for metro line | |
CN114818349A (zh) | 基于时空网络客流状态估计的节能运行图优化分析方法 | |
CN114880770A (zh) | 一种基于参考深度强化学习的列车协同运行控制方法 | |
Li et al. | Developing train station parking algorithms: New frameworks based on fuzzy reinforcement learning | |
He et al. | Energy-efficient receding horizon trajectory planning of high-speed trains using real-time traffic information | |
Sun et al. | Optimal train schedule with headway and passenger flow dynamic models | |
Wen et al. | A novel energy efficient operation strategy for a train based on model-free adaptive predictive control | |
Rui et al. | Simulated annealing algorithm for solving a bi-level optimization model on high-speed railway station location |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |