軌交車輛自動駕駛控制關鍵技術設計

李海威， 趙 霞， 劉 循， 張瓊燕

(1.上海交通大學 自動化系，上海 200241； 2.上海申通地鐵股份有限公司，上海 200233)

0 引 言

隨著城市的迅速發展及城市人口的大幅增加，建設高效的城市軌道交通系統已經成為解決城市交通擁擠問題的重要解決方法。然而，由于運行線路路況，包括車輛狀況、線路、運量、站點情況、運行時刻要求等因素的影響，人工駕駛已難以應對越來越高的車輛運行要求。如何在保證列車運行的安全性、準時性的情況下，提高平穩性(包括舒適性)和降低能耗，是當前列車自動運行系統(automatic train operation system，ATO)研究的關鍵。這是一個涉及多變量自適應、多傳感器融合的實時控制系統優化問題[1～9]。

本文根據上述要求開展了控制方法的研究，給出了一種高效、通用的實時控制算法,包括車輛自動運行基本控制參數定義、自適應控制模型構建、相關參數的界定等，以及對控制算法的驗證。

1 與控制相關的參數

對于列車控制系統，輸出為列車牽引率(制動率)a，控制目標是列車速度v，其中還包括基于舒適性的速度曲線、運行時間控制要求等。與牽引率和速度有關的相關參數包括：

1)土建狀況：包括軌道坡度、彎道、隧道、站點限制等，對整個運行控制起到干擾作用；

2)車輛參數：包括車輛牽引力、運行阻力，隨速度變化而產生變化;

3)乘客數量：重要的影響因素之一，其質量最終體現在慣量和摩擦力上。

列車控制系統對一些重要的參數，特別是涉及安全的要素配置了相應的傳感器，包括承載重量、列車運行速度、加速度、站點位置傳感器等。參數的實時獲取，對于整個運行控制至關重要。此外，其采樣頻率和處理速度，也對控制精度產生影響。

2 相關參數界定

對于列車運行控制，動力參數是主要的輸入，除了受控的牽引力外，還有不受人力操縱的外力，按其產生的原因，可分為基本阻力和附加阻力。附加阻力主要考慮坡道阻力、曲線阻力、隧道空氣阻力等。牽引力為已知的，運行阻力為變化的，其加速度aw(m/s2)可以表示為

aw=aw0+awi+awr+aws

(1)

式中aw0為基本阻力加速度(包括由乘客質量變化造成的摩擦力影響)；awi為坡道阻力加速度；awr為軌道曲線阻力加速度；aws為隧道阻力加速度。

考慮到乘坐舒適性的要求，在實際控制中，對于加速度的變化速度有著一定的限制，即需對列車運行控制系統每個采樣周期內的加/減速度變化率(沖擊極限)進行限制。沖擊極限的計算公式為

(2)

式中j為當前工況的沖擊極限;ai為當前采樣周期的加速度;awi為當前采樣周期的列車運行阻力加速度;tsample為列車運行控制系統的采樣周期。

3 列車控制模型建立

整個車輛的運行控制實際基于運動學、動力學分析和傳感器的實時檢測信息。根據速度、加速度、位置之間的關系，可以得到基本參數模型

ai+1=awi+1+(ai-awi)

(3)

vi+1=vi+(ai-awi)tsample

(4)

(5)

式中ai,vi分別為當前采樣周期的列車加速度和速度;ai+1,vi+1分別為下一采樣周期的列車加速度和速度;si+1為當前采樣周期至下一采樣周期的列車位移。

由于受到車輛牽引力的限制，加速度的邊界條件為

ai∈[amin,amax]

(6)

ai≤maxa(vi)

(7)

式中 maxa(vi)為當前速度下列車所能提供的最大加速度。基于乘坐舒適性要求，沖擊極限的邊界限制條件為

(8)

式中jmax為列車所允許的最大沖擊極限。

此外，由于列車在實際運行中存在著加減速過程，驅動電機特性的影響同樣不可忽略，即此時電機會經過至少t0秒的惰行時間，需在控制中統一考慮。

式(3)～式(8)構成了完整的列車運行控制模型。

4 控制算法優化設計

考慮到ATO系統的多參數動態變化和穩定的控制輸出要求，以比例—積分—微分(proportion integration differentiation,PID)控制器為基礎，結合參數界定、控制預測算法的融入等方法，以解決由于復雜工況造成的控制擾動問題，實現安全、舒適、準時的全自動駕駛功能。

4.1 PID控制方程建立

從車輛速度v和列車牽引率(制動率)a的關系看，當速度與目標速度接近時，將目標加速度引入偏差，會極大地優化超調效果，為了達到更好的控制效果，選取了偏差量為速度偏差與加速度偏差之和的控制策略。相比僅采用速度作為偏差的方式，改進方法在交接段能夠減少切換次數，從而使過渡更加平穩，同時也有利于延長設備壽命以及提升用戶舒適度。

令PID控制器的參考速度為vin，實際速度為vout，參考加速度為ain，實際加速度為aout，則偏差量

e=vin-vout+ain-aout

(9)

PID控制器的差分方程為

u(k)=Kp(e(k)-e(k-1))+KIe(k)+KD(e(k)-

2e(k-1)+e(k-2))

(10)

4.2 控制器工作模式劃分

為了使車輛運行中各階段控制效果更好，交接更為平穩，對控制器的工作模式進行了專門的設置，包括:巡航模式(對應參考線巡航工況)、制動模式(對應參考線制動工況)和全牽引模式(實際速度與目標速度誤差較大時采用全牽引工作模式，即施加條件所允許的最大加速度)。

本文參考線基于土建信息推算，參考線中僅有速度與位置的對應信息，但其所對應的加速度變化并未受到沖擊極限的限制，同時參考線中無牽引工況。

4.3 工作模式轉換標記點設置

運行控制器讀取ATO全速運行參考線可以準確地讀出工況轉換的標記點。但由于參考線不受沖擊極限的限制，而控制器的輸出受到沖擊極限的限制，因此，有一定的響應延遲，若完全按照參考線的標記點來切換工況，必然會產生較大的超調，并有可能會引發列車運行中的緊急制動。為有效地解決工況轉換導致的超調問題，在工況轉換時需要提前去除牽引(切除制動)，本文提出了采用預測方法來解決由沖擊極限產生的延遲問題。

在確保與參考線有更好的貼合及避免過大超調的前提下，通過對工況轉化標記點前移的方式來實現該目的。方法既能最大程度地貼合需求，又能極大地提升計算效率，為動態計算提供了更好的效率保障。

控制器的工作模式的合理劃分以及相互間轉換標記點的合理結合，可有效解決各工作模式交接段的超調問題。

工況轉換點的具體處理方式如下

snew(n)=spoint(n)-tnvpoint(n)

(11)

式中snew(n)為標記點新的位置;spoint(n)為從參考線讀取的工況轉換點位置;tn為該點所對應的標記點前移時間常數;vpoint(n)為從參考線讀取的工況轉換點的速度。

4.4 控制器工作流程

控制器的完整工作流程如圖1所示，其中初始化包括讀取參考線、讀取車輛參數(來自傳感器)、讀取工況轉換標記點等功能。

圖1 控制器工作流程

4.5 控制系統仿真分析

為驗證所設計控制模型的效果，進行了基于MATLAB的仿真分析。以上海軌道交通某站區間為參考線的仿真結果如圖2所示。

圖2 上海軌道交通某站區間仿真結果

圖中1為參考線、2為列車閉環、3為控制器工作模式線、4為控制器輸出線、仿真結果顯示：全站運行過程中最大超調約0.1 m/s(要求不超過0.5 km/h)，旅行時間為90.45 s，停站精度為6 cm(要求不超過25 cm)，滿足要求。該站區間的仿真所需時間約5 s，遠低于該站的旅行時間，滿足動態計算的要求。

5 控制系統中參數自適應設計

5.1 自適應控制需求分析

本文控制系統中，工況轉換標記點前移量數值是一個重要的參數指標，該數值會直接影響超調量的大小，而此參數在控制系統運行通常使用經驗參數先進行賦值，然后通過自適應調整并應用于后續的控制中。

5.2 參數自適應方法設計

1)評價標準設定

最大超調是控制器的核心評價指標，特別是過大的超調會導致列車運行過程中觸發緊急制動。同時，能耗、旅行時間、停站精度也作評價指標進行綜合評價。本文所選取的參考線為全速運行參考線，因此,未考慮能耗因素。綜合各類指標有

U=U1+U2+U3+U4

(12)

式中U1為最大超調指標;U2為能耗指標;U3為旅行時間指標;U4為停站精度指標。

2)參數自適應實現方法

控制器首先會以默認參數進行計算，得到初步結果。若初步結果不滿足要求，則通過改變控制器相應參數(可改變的參數包括標記點前移量、偏差計算的加權比例)，以一定步長逐步改變，直至滿足評價要求。

5.3 基于參數自適應的仿真分析

為驗證相關研究結果，以上海軌道交通某站為參考線進行了基于MATLAB的仿真分析。圖3為仿真結果，該測試分析中選取的初始參數并不合理(標記點前移量過小而導致超調)，通過自適應逐步增大標記點前移量，可以看到自適應的效果。圖中，1為參考線、2為列車閉環曲線、3為控制器工作模式線、4為控制器輸出線。

仿真分析中僅選取最大超調作為評價標準，對標記點的前移量進行自學習。從此圖中可以看出：該默認參數無法滿足要求，在工況轉換時超調過大，超調約為0.9 m/s，若按此運行必然觸發緊急制動，不滿足要求，經過系統參數自整定功能后，可以得到圖2中的結果，滿足要求。

圖3 上海軌道交通某站區間仿真結果(默認參數不恰當時)

6 結 論

針對軌交列車復雜工況，提出了一種基于多傳感融合，多參數優化和參數自適應相結合的自動駕駛系統控制方法，并選用了實際線路數據，進行了仿真分析，驗證了方法的可行性。目前，方法已在上海軌道交通線路中進行實際運行測試，效果良好。

所述的研究成果，為后續ATO自動駕駛控制器的多等級運行曲線及節能曲線的開發提供了良好的基礎和可行的技術思路。

[1] 周翊民.城市軌道交通的發展趨勢及其動因分析[J].城市軌道交通研究，2001(2):1-4.

[2] 余吉文.基于模糊預測控制的列車自動駕駛仿真研究[D].上海:上海交通大學，2013:2.

[3] 賈利民.智能多目標優化控制及其應用[J].信息與控制，1992，21(1):13-20.

[4] 李子鈞.基于模糊自適應PID控制的列車自動駕駛系統的研究[D].北京:北京交通大學，2010:12.

[5] Oshima H,Yasunobu S,Sekino S.Automatic train operation system based on predictive fuzzy control[C]∥Proceedings of the International Workshop on Artificial Intelligence for Industrial Applications,Tokyo:1988:485-489.

[6] Nash A,Weidmann U,Bollinger S.et al.Increasing schedule reliability on Zurich’s S-Bahn through computer analysis and simulation[J].Transportation Research Record:Journal of the Transportation Research Board,2006,1955:16-25.

[7] Fernández-Rodríguez A,Fernández-Cardador A,Cucala A P,et al.Design of robust and energy-efficient ATO speed profiles of metropolitan lines considering train load variations and delays[J].IEEE Transactions on Intelligent Transportation Systems,2015,16(4):2061-2071.

[8] 劉海東，毛保華，丁 勇,等.列車自動駕駛仿真系統算法及其實施研究[J].系統仿真學報，2005，17(3):577-580.

[9] 張 強.基于遺傳算法的列車自動駕駛系統研究與實現[D].北京:北京交通大學，2008:5.