城轨列车自动驾驶控制算法及其实现

摘 要：本文首先介绍了列车运行的优化操纵策略，采用模糊控制与预测控制相结合的在线控制算法使列车按照优化操纵曲线运行，并选取西安地铁二号线完成了仿真验证，通过与常规PID控制器的对比，证明了算法的有效性。最后，用C++语言将该算法移植到WinCE嵌入式系统中，并接入分布式列车运行综合仿真平台进行联合仿真，实现了对ATO车载平台的模拟。

关键词：模糊控制；预测控制；ATO；嵌入式；分布式

中图分类号：U284.482

随着我国经济的高速发展，城市交通带来的压力越来越大，轨道交通由于其便捷性、快速性，也逐渐成为我国重点发展方向。目前我国的城市轨道交通运输系统效率还比较低下，列车运行基本上都是需要司机手动干预才能完成，精准程度和智能化程度不高，司机的驾驶效率也很低。对一个现代化的智能系统来说，ATO系统处于核心地位，它的研究有着重要意义。本文主要讨论了城轨列车的优化操纵问题，并通过编程，实现了嵌入式ATO车载系统。

1 列车自动驾驶系统

1.1 列车模型

ATO子系统是列车自动控制系统（Automatic Train Control，ATC）三个组成部分之一[1]，它的主要功能有：自动速度控制，自动开、关车门，车站屏蔽门控制，站台定点停车，调整列车的运行时间，自动启动列车等。本文首先建立列车模型。

列车不同工况运行的合力可以由如下公式表示：

（1）

式中法f（v）―列车上的单位动力；

Q（v）―列车单位牵引力，该力以v作为变量，由列车牵引特性确定；

ωo（v）―列车单位运行阻力，是速度的函数；

g（s）―坡道阻力，是 的函数；

bd（v）―单位动力制动力，以v为自变量，主要由动力制动特性决定；

b（v）―最大单位空气制动力，由列车制动机特性确定；

βcb（v）―由列车制动机特性确定的单位空气制动力。

1.2 列车优化操纵策略

（1）节能策略。列车主要可以通过在关键点[2]调整列车的手柄级位，来达到调整列车的速度，增加列车惰行时间使得E值最小；

（2）精确停车策略。地铁列车到站需要制动停车时，ATO会根据列车当前的速度、位置和停车点等信息计算出当前的常用制动曲线，然后使列车最大限度地跟随这条制动曲线，直至列车速度减为零停站[3]；

（3）舒适性策略。影响旅客乘车舒适的因素很多，主要包括列车行进中制动牵引时的颠簸和过道岔时的晃动等，这些因素中列车加速度最为重要。

2 基于模糊预测控制的控制器设计及仿真

2.1 总体设计思路

预测控制和模糊控制的结合能很好的处理好外界干扰问题，同时也能使优秀操作人员的操纵策略在算法中得到完美的体现[4]。本文总体设计的思路是：采用离线优化与在线优化相结合的方式，计算出列车的准点、节能优化曲线，将这条曲线作为在线优化的目标曲线，舒适性和精确停车等指标作为约束条件，利用模糊预测算法对其进行优化。

图1 基于模糊预测的列车控制结构图

预测控制环节主要包括：预测模型的选取，模型自校正部分的设计和动态矩阵参数的选取。本文用速度误差 和加速度 作为模糊控制器的输入量，来控制列车速度的级位变化量 作为输出量。

2.2 仿真及结果分析

算法采用Matlab编程实现，同时，本文与传统的PID控制器与相比较。列车选用国内常用的A型车，6节编组，总长度约为136.8m，AW2载荷下总重量约为318t，平均速度为36km/h，它的运营最高速度为80km/h。本文选取西安地铁2号线的铁路北客站到麻家什字站线路数据进行仿真。

图2 模糊预测与PID控制下的列车加速度曲线

图3 模糊预测与PID控制下的列车加加速度曲线

由图2及图3可知，模糊预测控制下的加速度及加速度变化率都相对平稳，保持在1m/s2及0.1m/s3以内，而PID控制下它们分别保持在1.4m/s2及0.4m/s3以内，模糊预测控制下列车的舒适性较高。

通过对速度进行积分求差值，得到模糊预测控制下的停车误差为0.118m，而PID控制下的停车误差超过了1.19m，模糊预测控制下的列车停车精度较高。

3 ATO算法的嵌入式实现

本文的硬件平台采用的是一款EPCS-9000工业控制机，它采用TI公司双核处理器OMAP3530，其板载资源丰富，能在大多数场合应用。

3.1 分布式仿真平台简介

分布式列车运行综合仿真平台是一个包含区域控制器、牵引供电、ATS、总控台等子系统的分布式综合仿真系统，它通过HLA/RTI进行仿真节点数据交互及仿真推进，可以提供人工驾驶和自动驾驶两种模式。

WinCE嵌入式操作系统的架构和windows有很大的不同[5，6]，HLA目前不支持WinCE，不能将嵌入式系统直接与分布式仿真平台相连。本文在PC机上编写了上位机软件，主要实现通过HLA与地面信号的各邦元之间完成数据交互，通过TCP/IP协议与嵌入式WinCE平台同步等功能。

3.2 嵌入式ATO车载系统的实现

算法的移植过程主要是将Matlab程序用C++在WinCE嵌入式平台上编写。文中基于与分布式列车运行综合仿真平台的数据交互关系，对程序的变量、数据结构等做出规划。

3.3 上位机的实现

上位机主要包含累的设计和界面，HLA对象类设计：ATO车载模块中，需要交互的数据很多，此时需要把节点之间的对象类变量打包为一个结构体，统一发送，提高系统仿真效率。交互类设计：在HLA架构中，交互类变量具有脉冲信号的特性，在传输网络中具有一定的时效性，过一定的时间后会自动消除。

3.4 仿真实例

将嵌入式ATO车载平台加入分布式列车运行综合仿真品平台，选取西安地铁2号线全线数据进行联合仿真。图4显示了列车在整个分布式仿真中列车信息，实现了对ATO车载平台以及列车运行环境的模拟。

图4 列车运行仿真曲线

4 结束语

本文研究了基于模糊预测方法的城轨列车ATO的控制算法，并利用HLA/pRTI，将嵌入式ATO车载平台接入列车运行综合仿真平台进行分布式联合仿真，实现了对ATO车载平台以及列车运行环境的模拟。本文设计的模糊预测控制器能较优地控制列车的运行过程，说明了该算法的正确性和有效性，但它与实际列车还有一定差距，其他部分还有待进一步研究。

参考文献：

[1]毛保华.列车运行计算与设计[M].北京：人民交通出版社，2009.

[2]Wong K K，H K.Coast control for mass transit railways with searching methods[J].IEE Proceedings-Electric Power Applications.2004（03）：365376.

[3]Limin J，Xidi Z，Zhaodong X.Automatic Train Control-An Intelligent Approach[J].IEEE Proceedings of Tencon.1993.

[4]陈福祥，金晖.模糊预测控制机理研究[J].武汉工业大学学报，1997（01）：48-52.

[5]何艳玲，范跃华.Windows应用程序向Windows CE平台移植的研究[J].国外电子测量技术，2007（10）.

[6]孔敬之.基于MATLAB自动代码生成技术和测试机制的嵌入式系统开发[J].科技信息，2009（06）：174.

作者简介：董选勇（1986-），男，四川广元人，硕士研究生，研究方向：列车运行控制。

作者单位：西南交通大学 电气工程学院，成都 610031