引用本文

 

刘晓宇, 荀径, 高士根, 阴佳腾. 高速列车精确停车的鲁棒自触发预测控制. 自动化学报, 2022, 48(1): 171−181 doi: 10.16383/j.aas.c200039

Liu Xiao-Yu, Xun Jing, Gao Shi-Gen, Yin Jia-Teng. Robust self-triggered model predictive control for accurate stopping of high-speed trains. Acta Automatica Sinica, 2022, 48(1): 171−181 doi: 10.16383/j.aas.c200039

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200039?viewType=HTML

文章简介

关键词

高速列车, 列车自动运行, 精确停车, 模型预测控制, 自触发控制

摘   要

列车精确停车作为列车自动运行(Automatic train operation, ATO)系统的一项核心功能, 对高速列车的安全和高效运行至关重要. 本文针对高速列车停车过程的特点, 考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪, 提出了基于模型预测控制(Model predictive control, MPC)的精确停车算法. 针对列车停车过程中外部不确定性阻力干扰, 采用鲁棒模型预测控制方法, 提高对外部干扰的鲁棒性. 引入自触发控制策略, 以进一步减少控制输出的频繁切换, 提高停车过程的舒适度. 该方法不需要每个采样时间都求解线性约束二次规划问题, 降低了对系统采样和通信能力的要求, 提高了算法的实用性. 分析结果表明, 高速列车精确停车控制方法的稳定性和性能指标的次优性可以得到保证. 基于高速列车实际运行数据的仿真结果验证了算法的有效性.

引   言

高速铁路作为一种大运量、低能耗、高效率的绿色出行方式, 在公共交通体系中占有重要地位. 列车自动运行(Automatic train operation, ATO)系统是进一步提升高速铁路安全、高效、舒适、节能的技术手段之一. 列车自动停车控制是ATO的一项核心功能, 其目标是保证列车能够在预定位置安全、精确停车, 同时保证停车过程中乘客的舒适度. 随着站台屏蔽门在高速铁路系统中的应用(如: 京张高速铁路站台屏蔽门), 为保证乘客在装有屏蔽门的站台上下车不受影响, 对高速列车停车精度提出了更高的要求.

与智能交通系统中“路径速度规划−路径速度跟踪”的两级式控制结构相似, 列车停车控制多采用“制动曲线生成−制动曲线跟踪”的两级式控制结构. ATO系统首先根据当前速度和停车点信息生成推荐速度曲线, 进而通过速度控制实时跟踪该曲线实现精确停车. 列车运行过程中的冲击率(加加速度)是影响舒适度的重要因素, 在保证跟踪精度的同时应尽量减少控制输出的变化, 从而减少加速度的变化、降低冲击率以提高舒适度. 同时, 高速列车运行环境复杂, 停车控制过程还会受到运行阻力等外部环境的干扰, 控制方法设计过程中应综合考虑这些影响.

目前, 工程实际中常采用比例−积分−微分 (Proportional−integral−derivative, PID)控制器进行跟踪控制. 实际控制器设计过程中需要针对不同的列车、线路等情况通过大量试验和反复调试获得PID参数, 工作强度大、经济成本高. 同时, 控制输出的频繁切换还会影响制动设备生命周期和乘客舒适度.

Yasunobu等最早对列车停车控制问题进行研究, 并综合乘客舒适度、停车精度、运行时间等因素, 提出了一种模糊预测控制算法. Hou等基于终端迭代学习控制思想提出了三种控制算法, 该算法能够利用历史数据提升当前的控制效果. Jin等在此基础上提出了最优终端迭代学习控制方法, 并分析了终端跟踪误差的单调收敛性, 但是上述方法的分析和设计过程中未考虑控制系统的时延等性质. Chen等分别用线性模型、广义回归神经网络模型和基于自适应网络的模糊推理模型估计初始速度位置与列车停车误差间的关系, 但该方法没有从控制策略本身的角度考虑提高控制效果. 进而, Chen等对比了基于专家经验的启发式在线学习算法、基于梯度下降的在线学习算法和基于强化学习的在线学习算法的控制效果, 但该方法的效果依赖应答器提供的定位信息.

于振宇等分析了城轨列车制动模型的特点, 将制动过程用一阶时延系统近似, 确定了城轨列车制动模型. 基于此模型, Wu等将广义预测控制应用于停车控制器的设计, 并引入参数在线辨识提高算法对模型参数变化的自适应能力. 罗仁士等设计了城轨列车自适应停车控制方法, 该控制方法可以根据模型参数变化的情况进行自适应调整. 王青元等引入滑模控制将列车运行阻力作为扰动进行处理, 并从减少控制输出频繁切换的角度考虑了舒适度, 提出了自适应终端滑模控制方法, 使方法对模型参数和外部干扰都具备自适应性. 现有的列车停车控制研究多基于城轨列车进行, 然而高速列车的停车过程多在露天环境下完成, 且不同停车车站间的空间跨度大, 运行环境更加复杂, 迫切需要提出对外部干扰鲁棒性更强的停车控制方法.

模型预测控制(Model predictive control, MPC)是处理有约束控制问题的有效方法, 已经在理论和应用领域受到广泛重视. MPC在高速列车运行控制和城轨列车运行控制中也有相关应用. Liu等将MPC用于高速列车停车控制中, 并通过仿真结果验证了方法的有效性. 基于状态空间模型的MPC算法可以充分应用现代控制理论的研究成果, 是MPC的重要方向. Tube MPC作为一种鲁棒模型预测控制方法能够有效地处理外部附加干扰的影响, 该方法能够降低开环预测的保守性, 同时不增加额外的在线计算量.

自触发控制能够自主确定当前控制输出和下次控制输出变化的时间, 降低对实际系统采样和通信能力的要求. 该方法能有效抑制控制输出的频繁变化, 提升列车停车控制过程中的舒适度. Berglind等提出了线性约束二次型性能指标的自触发模型预测控制(Self-triggered model predictive control, SMPC)方法, 并分析了方法的稳定性. Xun等将SMPC用于高速列车协同控制中, 取得了较好的效果. 进一步, 有关学者提出了鲁棒自触发模型预测控制(Robust self-triggered model predictive control, RSMPC)方法以提高SMPC对外部附加干扰的鲁棒性.

本文基于模型预测控制在精确停车问题中的研究思路, 结合高速列车停车控制过程的特点, 考虑提高列车在复杂运行环境下的停车精度和舒适度, 设计了基于鲁棒自触发预测控制的精确停车控制器, 并对控制器的性能进行分析. 该方法能够综合考虑跟踪误差和控制输出切换频率, 且能保证外界阻力干扰下运行状态的可行性. 同时, 该方法不需要在每个采样时间都基于列车当前状态求解优化问题, 降低了对系统采样和通信能力的要求, 提高了工程实用性.

图 10  RSMPC不同预测时域下的速度跟踪误差

图 11  不同预测时域下RMPC和RSMPC的停车精度

作者简介

刘晓宇

北京交通大学电子信息工程学院硕士研究生. 2017年获得北京交通大学学士学位. 主要研究方向为轨道交通运行优化与控制, 模型预测控制.

E-mail: bjtulxy@bjtu.edu.cn

荀   径

北京交通大学轨道交通控制与安全国家重点实验室副教授. 2012年获得北京交通大学博士学位. 2008年到2009年加州大学伯克利分校PATH访问学者. 主要研究方向为先进的列车控制方法, 铁路运输优化问题, 交通流理论, 元胞自动机和强化学习等. 本文通信作者.

E-mail: jxun@bjtu.edu.cn

高士根

北京交通大学轨道交通控制与安全国家重点实验室副教授. 2016年获得北京交通大学电子信息工程学院博士学位. 主要研究方向为列车智能控制和多车协同优化.

E-mail: sggao@bjtu.edu.cn

阴佳腾

北京交通大学轨道交通控制与安全国家重点实验室副教授. 2018年获得北京交通大学博士学位. 2015年至2016年威斯康星大学麦迪逊分校、2019年苏黎世联邦理工学院访问学者. 主要研究方向为轨道交通运行优化与控制, 最优控制, 机器学习与离散优化.

E-mail: jtyin@bjtu.edu.cn

相关文章

[1]  宁滨, 董海荣, 郑伟, 荀径, 高士根, 王洪伟, 孟令云, 李浥东. 高速铁路运行控制与动态调度一体化的现状与展望. 自动化学报, 2019, 45(12): 2208−2217 doi: 10.16383/j.aas.2019.y000004

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2019.y000004?viewType=HTML

[2]  王呈, 陈晶, 荀径, 李开成. 基于混合滤波最大期望算法的高速列车建模. 自动化学报, 2019, 45(12): 2260−2267 doi: 10.16383/j.aas.c190193

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190193?viewType=HTML

[3]  谢国, 金永泽, 黑新宏, 姬文江, 高士根, 高桥圣, 望月宽. 列车动力学模型时变环境参数自适应辨识. 自动化学报, 2019, 45(12): 2268−2280 doi: 10.16383/j.aas.c190215

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190215?viewType=HTML

[4]  何德峰, 韩平, 王青松. 有界扰动下约束非线性系统鲁棒经济模型预测控制. 自动化学报, 2022, 48(2): 572-581. doi: 10.16383/j.aas.c190879

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190879?viewType=HTML

[5]  戈萌, 宋琦, 胡鑫睿. 高速列车非线性系统的分数阶有限时间控制器设计. 自动化学报, 2021, 47(7): 1672-1678. doi: 10.16383/j.aas.c190208

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190208?viewType=HTML

[6]  王东委, 富月. 基于高阶观测器和干扰补偿控制的模型预测控制方法. 自动化学报, 2020, 46(6): 1220-1228. doi: 10.16383/j.aas.c180697

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180697?viewType=HTML

[7]  王浩坤, 徐祖华, 赵均, 江爱朋. 无偏模型预测控制综述. 自动化学报, 2020, 46(5): 858-877. doi: 10.16383/j.aas.c180415

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180415?viewType=HTML

[8]  赵辉, 代学武. 基于闭塞区间的高速列车运行时间与节能协同优化方法. 自动化学报, 2020, 46(3): 471-481. doi: 10.16383/j.aas.c190200

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190200?viewType=HTML

[9]  代伟, 陆文捷, 付俊, 马小平. 工业过程多速率分层运行优化控制. 自动化学报, 2019, 45(10): 1946-1959. doi: 10.16383/j.aas.2018.c180300

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c180300?viewType=HTML

[10]  陶宏伟, 彭涛, 杨超, 陈志文, 桂卫华. 高速列车牵引整流器多类故障联合诊断方法. 自动化学报, 2019, 45(12): 2294-2302. doi: 10.16383/j.aas.c190258

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190258?viewType=HTML

[11]  周东华, 纪洪泉, 何潇. 高速列车信息控制系统的故障诊断技术. 自动化学报, 2018, 44(7): 1153-1164. doi: 10.16383/j.aas.2018.c170392

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170392?viewType=HTML

[12]  何德峰. 约束非线性系统稳定经济模型预测控制. 自动化学报, 2016, 42(11): 1680-1690. doi: 10.16383/j.aas.2016.c150234

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2016.c150234?viewType=HTML

[13]  范家璐, 张也维, 柴天佑. 一类工业过程运行反馈优化控制方法. 自动化学报, 2015, 41(10): 1754-1761. doi: 10.16383/j.aas.2015.c150061

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2015.c150061?viewType=HTML

[14]  潘红光, 丁宝苍. 双层预测控制中保证动态控制可行的稳态目标计算策略. 自动化学报, 2014, 40(10): 2108-2114. doi: 10.3724/SP.J.1004.2014.02108

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2014.02108?viewType=HTML

[15]  平续斌, 丁宝苍. 基于椭圆型估计误差界的动态输出反馈鲁棒模型预测控制. 自动化学报, 2014, 40(2): 219-226. doi: 10.3724/SP.J.1004.2014.00219

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2014.00219?viewType=HTML

[16]  孔小兵, 刘向杰. 永磁同步电机高效非线性模型预测控制. 自动化学报, 2014, 40(9): 1958-1966. doi: 10.3724/SP.J.1004.2014.01958

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2014.01958?viewType=HTML

[17]  衷路生, 李兵, 龚锦红, 张永贤, 祝振敏. 高速列车非线性模型的极大似然辨识. 自动化学报, 2014, 40(12): 2950-2958. doi: 10.3724/SP.J.1004.2014.02950

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2014.02950?viewType=HTML

[18]  刘琳琳, 周立芳, 嵇婷, 赵豫红. 多层次多模型预测控制算法的模型切换方法研究. 自动化学报, 2013, 39(5): 626-630. doi: 10.3724/SP.J.1004.2013.00626

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.00626?viewType=HTML

[19]  平续斌, 丁宝苍. 动态输出反馈鲁棒模型预测控制离线算法. 自动化学报, 2013, 39(6): 790-798. doi: 10.3724/SP.J.1004.2013.00790

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.00790?viewType=HTML

[20]  席裕庚, 李德伟, 林姝. 模型预测控制——现状与挑战. 自动化学报, 2013, 39(3): 222-236. doi: 10.3724/SP.J.1004.2013.00222

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.00222?viewType=HTML

[21]  平续斌, 丁宝苍, 韩崇昭. 动态输出反馈鲁棒模型预测控制. 自动化学报, 2012, 38(1): 31-37. doi: 10.3724/SP.J.1004.2012.00031

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2012.00031?viewType=HTML

[22]  于树友, 陈虹, 张鹏, 李学军. 一种基于LMI的非线性模型预测控制终端域优化方法. 自动化学报, 2008, 34(7): 798-804. doi: 10.3724/SP.J.1004.2008.00798

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2008.00798?viewType=HTML

[23]  袁斌, 吴宏鑫, 白金英, 肖今雄. 液压釜温度自适应预测控制. 自动化学报, 1999, 25(3): 323-329.

http://www.aas.net.cn/cn/article/id/16729?viewType=HTML