申请/专利权人：北京工业大学

申请日：2023-11-30

公开（公告）日：2024-03-08

公开（公告）号：CN117657265A

主分类号：B61L27/60

分类号：B61L27/60;B61L27/40;G06Q10/04;G06Q10/067;G06Q50/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明公开了基于分布式模型预测控制的客货共线列车协同驾驶策略优化方法，包括以下步骤；步骤1：建立基本列车动力学模型；步骤2：设计列车运行控制目标；步骤3：设计局部优化问题。步骤4：设计客货共线列车节能协同控制DMPC算法。本方法设计了客运列车和货运列车的控制目标、约束条件和节能优化问题，通过对每一步列车节能优化控制问题的反复求解，可以在线得到动态运行条件下列车全程的节能速度轨迹。可以同时对宏观层面的列车运行图和微观层面的列车控制策略进行优化调整，实现了列车运行速度的精确控制。

主权项：1.基于分布式模型预测控制的客货共线列车协同驾驶策略优化方法，其特征在于，包括以下步骤步骤1：建立基本列车动力学模型；步骤1.1：旅客列车在各个车站都停靠，货运列车不在中间站停靠；令Qt＝Qp∪Qf，其中Qt表示列车的集合，Qp表示旅客列车的集合，Qf表示货运列车的集合；则对于列车i∈Qt以位置s为自变量的动力学模型描述为： 其中，vis为列车i的速度，ti为时间，s为位置，mi为列车i的质量，ui1s和ui2s分别表示列车i的牵引力和制动力；货运列车的最大牵引力和最大制动力均大于客运列车的最大牵引力和最大制动力，两者具有不同的牵引特性曲线；是由机械和空气摩擦引起的列车运行基本阻力，一般由以下Davis方程表示： 其中，ai、bi、ci为由特定列车决定的非负系数；此外，是由轨道坡度引起的线路阻力，可表示为： 其中，αs为轨道在位置s处的倾斜角，g为重力加速度；当αs较小时，公式3成立；由于复杂的环境因素，列车在运行过程中不可避免地会受到外界的干扰，即： 其中，rand表示使用rand函数生成的一组随机数，模拟列车运行时受到的干扰；步骤1.2：单线铁路线路图如图1所示，其中，车站总数为M，令zm，m＝1，2，...，M表示车站m的位置，则列车运行的初始位置为z1，终点位置为ZM；步骤2：设计列车运行控制目标；步骤2.1：对于旅客列车i∈Qp，时刻表指定了每列车的规定到站和发车时刻，每列车必须在给定时刻离开初始位置z1，然后沿轨道运行，在给定时刻到达终点位置zM；因此， 此外，旅客列车在中间站需要停靠，便于旅客在中间站上下车：vizm＝0，m＝2，3，...，M-16 其中zm为车站m的位置，为列车i在车站m的实际到达时间，为列车i在车站m的实际出发时间，为列车i在车站m的规定到达时间，为列车i在车站m的规定出发时间；步骤2.2：定义列车运行过程中的各项约束；在列车运行过程中，需要考虑如下的牵引力和制动力约束、速度约束和列车间距约束： 0≤vis≤Vmaxs11tis-ti-1s≥Tmin12其中，和分别为最大牵引力和最大制动力，Vmaxs为列车在位置s处的限速值，Tmin表示列车运行的最小安全间距；旅客列车i∈Qp遵循约束条件5-12；对于货物列车i∈Qf，它在始发站和终点站遵循与旅客列车相同的约束条件，同时直接通过中间车站而不进行任何停靠；货物列车与旅客列车受到相同的运行约束，因此，货物列车遵循约束条件5，约束条件9-12；步骤2.3：建立旅客列车的控制目标函数；对于旅客列车i∈Qp，控制目标是最小化列车在各个站间运行时消耗的牵引能耗： 步骤2.4：建立货物列车的控制目标函数；对于货物列车i∈Qf，控制目标是最小化列车的总运行时间和总牵引能耗： 式中：wif为权重系数；步骤3：设计局部优化问题；步骤3.1：搭建列车轨迹优化的分布式控制框架；每列车都是自主控制，并且具有计算和与其他列车通信的能力；本发明使用如图2所示的领导者-跟随者拓扑结构来模拟单线铁路上客货共线列车之间的通信；具体来说，列车i只能接收来自列车i-1的信息，而列车1不接收来自其他列车的信息；其中，窗口表示旅客列车和货运列车；步骤3.2：建立局部优化问题；为不同种列车分配一个优化问题；本发明将采用分布式模型预测控制方法DMPC为每列车在等式1中设计控制律ui1s和ui2s；列车节能控制问题归结为以列车速度和时间为状态变量，以牵引力和制动力为控制变量的一般最优控制问题；令xis＝[vis，tis]T，uis＝[ui1s，ui2s]T；将公式1改写成如下的紧凑形式： 对于旅客列车，考虑内的列车优化控制问题，其中si为列车i当前位置，为沿运行方向下一车站ni的位置；在预测时域内，第k步旅客列车节能控制问题的代价函数可以写为： 优化问题的初始条件为xisi＝[visi，tisi]，表示列车i在当前位置si的速度和时间；在预测时域的最后，终端状态需要满足： 其中，为下一站ni的位置，为列车i在下一站ni的规定到达时间，ta为列车到站时间的允许偏差值；为了避免发生碰撞，必须满足安全约束： 其中，是由列车i-1在k-1步计算得到的预测时间序列，Tmin表示列车运行的最小安全时间间隔；在预测时域内，第k步旅客列车的节能控制问题可以表述为： 其中，表示旅客列车的最大限速值；对于货运列车，考虑[si，zM]内的最优列车控制问题，第k步列车节能控制问题的代价函数为： 在预测时域的最后，终端状态需要满足： 在预测时域[si，zM]内，第k步货物列车的节能控制问题表述为： 其中，表示货物列车的最大限速值；在优化问题21和24中，在当前位置si测量到实时状态xisi＝[visi，tisi]；通过求解问题21或24可以得到预测时域内的最优控制序列而且列车只执行第一个控制量在下一个采样时刻tk+1中，用更新的列车状态重新求解最优控制问题21和24，并且只让列车执行第一个控制量；通过滚动时域重复求解一组最优控制问题，解决基于列车运行状态实时更新的列车在线控制问题；步骤4：设计客货共线列车节能协同控制DMPC算法；步骤4.1：每列车通过求解一个包含其自身和邻居信息的局部优化问题21或24得到其控制输入，通过DMPC算法实现。

全文数据：

权利要求：

百度查询： 北京工业大学 基于分布式模型预测控制的客货共线列车协同驾驶策略优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD