基于灰色系統(tǒng)理論高速列車ATO速度控制器研究

1、 Computer Engineering and Applications計算機工程與應用2014，50（10）253基于灰色系統(tǒng)理論高速列車 ATO速度控制器研究張友鵬，高凡，趙斌ZHANG Youpeng, GAO Fan, ZHAO Bin蘭州交通大學自動化與電氣工程學院，蘭州 730070School of Automation & Electrical Engineering, Lanzhou Jiaotong University, Lanzhou 730070, ChinaZHANG Youpeng, GAO Fan, ZHAO Bin. Study on speed

2、controller of automatic train operation for high-speedtrain based on grey system theory. Computer Engineering and Applications, 2014, 50（10）：253-259.Abstract：The speed controller is the core unit of Automatic Train Operation system, and is also an important part of traincontrol system. According to

3、the present high-speed trains without ATO function, it is important to study the intelligentspeed controller of ATO system for realizing automatic high-speed train operation. Through the analysis of the structureand function of CTCS-3 system, the plan which the speed controller of ATO system was app

4、lied in CTCS-3 system is pro-posed. Connection way between the speed controller of ATO system with board equipments and ground equipments isdesigned to achieve the information exchange. Then the speed controller model is established by using the grey systemtheory which is good at researching system

5、that extension is clear and connotation is not clear, and the reasonable strategyof automatic train operation is got by calculations of forecasting and decision-making. The optimal control strategy is gotby using genetic algorithm. The simulation results show that the method achieves automatic high-

6、speed train operation underthe CTCS-3 system, and the performances of train operation are improved.Key words：automatic train operation; speed controller; grey system theory; genetic algorithm摘要：速度控制器是 ATO系統(tǒng)的核心單元，也是列控系統(tǒng)的重要組成部分，針對目前高速列車無 ATO功能的情況，研究智能的 ATO系統(tǒng)速度控制器對實現(xiàn)高速列車自動駕駛具有的重要意義。通過分析 CTCS-3級列控系統(tǒng)的結(jié)構(gòu)和

7、功能，提出了在 CTCS-3級列控系統(tǒng)中增加 ATO系統(tǒng)速度控制器的方案。首先設計了速度控制器與車載及地面設備的連接方式，實現(xiàn)了信息交互；而后應用灰色系統(tǒng)理論善于研究外延明確內(nèi)涵不清系統(tǒng)的特點，建立速度控制器模型，進行預測及決策計算，得到比較合理的列車自動駕駛控制策略；最后采用遺傳算法對其進行優(yōu)化，得到最優(yōu)控制策略。仿真結(jié)果表明，該方法實現(xiàn)了高速列車在 CTCS-3級列控系統(tǒng)下的自動駕駛，列車運行的各項性能都得到了提高。關鍵詞：列車自動駕駛；速度控制器；灰色系統(tǒng)理論；遺傳算法文獻標志碼：A中圖分類號：TP27；U260.14doi：10.3778/j.issn.1002-8331.1206-0

8、1851引言和自適應控制系統(tǒng)更適合于追求高效、高密度的列控系統(tǒng)。日本采用預測型模糊控制的列車自動駕駛方法，并速度控制器是列車自動駕駛系統(tǒng)（ Automatic TrainOperation，ATO）的核心單元，也是列車控制系統(tǒng)的重要組成部分，但目前 ATO系統(tǒng)主要應用于城市軌道交通中，尚未有研發(fā)成熟的ATO系統(tǒng)應用于高速列車上。針對這一問題，采用智能控制算法為高速列車速度控制器的設計提供了新的思路，比原有的 PID控制系統(tǒng)應用于日本仙臺地鐵1；新加坡學者 C.S.Chang 針對各種運行情況，在 ATO系統(tǒng)中應用遺傳算法，在列車出發(fā)前計算最佳惰行點以降低能耗 ；中科院自動化所在列2車自動停車中

9、應用一種新型聯(lián)想記憶神經(jīng)網(wǎng)絡，實現(xiàn)了以聯(lián)想記憶神經(jīng)網(wǎng)絡為基礎的列車停車過程長期預測基金項目：甘肅省科技計劃項目（No.1011JKCA172）。作者簡介：張友鵬（1965），男，教授，博士生導師，碩士研究生，主要研究方向為智能網(wǎng)絡化電子引導系統(tǒng)、交通信息控制技術和電力系統(tǒng)計算機控制等；高凡（1987），女，碩士研究生；趙斌（1983），男，博士研究生，講師。E-mail：gaofan870202收稿日期：2012-06-11修回日期：2012-12-13文章編號：1002-8331（2014）10-0253-07CNKI網(wǎng)絡優(yōu)先出版：2012-12-20, 2542014，50（10）Comp

10、uter Engineering and Applications計算機工程與應用控制3；西南交通大學應用模糊控制原理，首先生成以節(jié)兼容 CTCS-2級列控系統(tǒng)，CTCS-3級作為首選系統(tǒng)，CTCS-2級作為備用系統(tǒng)。 CTCS-3級列控系統(tǒng)采用列車無線通信（Global System for Mobile Communications-Railway，GMS-R）網(wǎng)絡實現(xiàn)車載設備與地面無線閉塞中心（Radio Block Center，RBC）的實時雙向通信。由于我國目前城市軌道交通中應用的基于通信的列車控制（Communication-Based Train Control，CBTC）系統(tǒng)

11、與 CTCS-3級列控系統(tǒng)具有一定的同構(gòu)性，所以在搭建 CTCS-3級列控系統(tǒng)下的 ATO系統(tǒng)速度控制器結(jié)構(gòu)時可以借鑒 CBTC系統(tǒng)的框架。能為目標的模式曲線，再通過模糊算法實現(xiàn)舒適性要求；4同濟大學采用模糊控制的 BP神經(jīng)網(wǎng)絡實現(xiàn)站間運行控制；山東大學應用基于事件控制，以最短的運行時間為5前提，求解列車速度距離函數(shù)式及加速度距離函數(shù)式，再根據(jù)運行距離實時調(diào)整地鐵的運行圖 ；蘭州交通大6學提出了框架式知識庫與模糊 Petri網(wǎng)理論相結(jié)合的方法，既可以應用于傳統(tǒng)列車的專家系統(tǒng)中，也可以應用于擺式列車的傾角專家系統(tǒng)中。7由于文獻 1和2主要對城市軌道交通系統(tǒng)進行了研究，而文獻3-7也僅僅只針對高速

12、列車的某一項運行性能做優(yōu)化研究，并不能建立完整的系統(tǒng)對高速列車的整個運行過程實施優(yōu)化。所以本文首次將 ATO系統(tǒng)速度控制器單元加入到 CTCS-3（Chinese Train ControlSystem-3）級列控系統(tǒng)中，并采用灰色遺傳算法建立速度控制器模型。通過灰色系統(tǒng)理論設計模型的預測模塊、模型校正模塊和決策模塊，生成列車運行的控制策略，再通過遺傳算法設計遺傳優(yōu)化模塊，對列車運行目標曲線進行優(yōu)化，對整個區(qū)間控制序列重新調(diào)整，從而實現(xiàn)列車的整體優(yōu)化控制，為我國高速列車自動駕駛給出一定的理論指導。由于高速鐵路列控系統(tǒng)和城市軌道交通列控系統(tǒng)之間存在著一些差異，根據(jù)高速鐵路自身的特點，在借鑒 CB

13、TC系統(tǒng)的同時要進行相應的調(diào)整。通過調(diào)整，可以建立 CTCS-3級 ATO系統(tǒng)速度控制器的架構(gòu)，其具體結(jié)構(gòu)如圖 1所示。3 ATO系統(tǒng)速度控制器灰色模型灰色系統(tǒng)理論以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對象，主要通過“部分”已知信息去揭示未知信息，也就是系統(tǒng)的白化問題，實現(xiàn)對系統(tǒng)行為的正確認識和有效監(jiān)控。 ATO系統(tǒng)速度控制器是外延清晰內(nèi)涵不明信息不完備的系統(tǒng)：列車行駛中所受約束的參數(shù)是灰數(shù)；影響控制性能的因素是灰元；構(gòu)成速度控制器的各因素關系是灰關系。2CTCS-3級 ATO速度控制器目前，我國的高速列車控制系統(tǒng)主要為 CTCS-3級司法記錄器下載工具列車

14、司機車載設備列車接口單元人機界面記錄單元安全計算機無線通信單元CTCS-3CTCS-2控制單元控制單元測速單元ATO系統(tǒng)速度控制器GSM-R車載電臺感應器天線應答器信息傳輸模塊軌道電路信息接收單元軌道電路接收天線地面設備無源應答器有源應答器軌道電路列控中心GSM-R固定網(wǎng)絡軌旁電子單元密鑰管理中心臨時限速服務器RBC調(diào)度集中控制系統(tǒng)聯(lián)鎖圖 1 CTCS-3級 ATO系統(tǒng)速度控制器結(jié)構(gòu)示意圖 張友鵬，高凡，趙斌：基于灰色系統(tǒng)理論高速列車 ATO速度控制器研究2014，50（10）255以上各方面都表明 ATO系統(tǒng)速度控制器是一個灰色系統(tǒng)，因而在新結(jié)構(gòu)的基礎上結(jié)合灰色控制系統(tǒng)結(jié)構(gòu)，利用灰色建模、灰

15、色預測、灰色決策對速度控制器進行研究，設計基于灰色系統(tǒng)理論的速度控制器總體結(jié)構(gòu)，如圖2所示。展態(tài)勢，b反映數(shù)據(jù)的變化關系， a和 b的正確性直接影響預測模型的精度。在列車運行中，灰色預測系統(tǒng)會有隨機擾動和驅(qū)動因素進入，使系統(tǒng)的精度受到影響，為了保證系統(tǒng)的精確性，將預測模型中 a和 b設為隨時間變化的變量 a(t)和 b(t)，進行模型的動態(tài)校正。該速度控制器中，輸入輸出單元接收來自 列車自動防護（Automatic Train Protection，ATP）系統(tǒng)、RBC和應答器發(fā)送的信息，發(fā)送列車信息及控制命令； ATO條件判斷單元判斷當前情況是否滿足自動駕駛模式；速度控制單元由灰色預測模塊、

16、模型校正模塊灰色和決策模塊構(gòu)成，對行車狀態(tài)進行分析，預測未來狀態(tài)并做出決策，輸出控制指令。設 x (n + 1)為新信息，將其置入 x(0)(0)，同時去掉老(0)信息 x (1)，得到新陳代謝GM（1，1）模型：X (0) =(x (2)x (3)x (n + 1)(0)(0)(0)（6）再用新陳代謝 GM（1，1）模型求解的 a和 b，建立新的 GM（1，1）模型。隨著 a(t)和 b(t)的調(diào)整及新信息的加入和舊信息的去除，預測模型不斷地進行在線校正，既提高了系統(tǒng)的可靠性，同時避免隨著信息量增多對內(nèi)存造成的消耗，使系統(tǒng)可進行長期預測并提高了預測精度。選取 9個序列數(shù)對校正模型進行滾動預測

17、，滾動預測過程如下：3.1灰色預測模塊灰色預測是通過提取系統(tǒng)的行為數(shù)據(jù)，發(fā)現(xiàn)系統(tǒng)的規(guī)律，并以此來預測系統(tǒng)未來的行為方向，進而采取相應的控制策略，這樣可以做到控制及時，提高系統(tǒng)的適應能力。（1）新陳代謝子列族(0)(0)(0)x (14)x (25)x (58)（7）（8）（9）設列車運行速度的原始數(shù)列為：X (0) =(x (1)x (2)x (n)(0)(0)(0)（2）滾動預測值（1）（2）x(0)(5)x (6)x (9)(0)(0)對 x(0)做一次累加，生成序列為：X (1) =(x (1)x (2)x (n)(1)(1)(1)（3）滾動預測殘差(0)(k)= x (k)- x (k

18、)(1)(1)k其中，x (k) = x(0)(i)(k = 12n)。i = 1(0)å（4）相對誤差| (k) | x (k) |(0)均值生成序列為：D = |k(0)|k = 12n（10）Z(1) =(z (2)z (3)z (n)(1)(1)(1)（3）其中，z(1)(k) =(x(1)(k - 1)+ x(1)(k)/2。3.3灰色決策模塊由列車不同運行狀態(tài)下的特點及需要達到的性能建立灰色微分方程 GM（l，l）：x(0)(k)+ az (k)= b指標，將運行工況分為五個運行子過程：（1）啟動加速過程：列車從停車狀態(tài)加速到目標速度的過程。(1)（4）（5）方程的解為：

19、babax (k + 1) (x (1)- )e-at +(1)=(0)（2）平穩(wěn)加速過程：列車從當前速度加速到目標速度的過程。其中，a為發(fā)展系數(shù)，b為灰色作用量。3.2模型校正模塊GM（1，1）預測模型中，參數(shù) a反映 x(0)及 x(1)（3）惰行過程：列車不施加牽引及制動控制的過程。（4）調(diào)速制動過程：列車用于速度調(diào)整的過程。的發(fā)應答器信息傳輸模塊ATO無線通信單元灰色控制模塊RBCATO牽引/制動控制單元列車接口模塊+灰色決策模塊輸入模塊條件判斷模塊+輸出 ·ATP模塊預測模型校正模塊灰色預測模塊驅(qū)動控制設備圖 2 CTCS-3級列控系統(tǒng)下基于灰色系統(tǒng)理論的速度控制器結(jié)構(gòu)圖

20、2562014，50（10）Computer Engineering and Applications計算機工程與應用1010000000000101110000關鍵點工況編碼關鍵點位置編碼圖 3關鍵點編碼（5）停車制動過程：列車為了停車而實施制動的過程?；疑珱Q策由事件、對策、目標、效果構(gòu)成。4.1關鍵點編碼列車運行過程共分為三個工況：牽引工況、惰行工將高速列車運行的五個子過程作為灰色決策的事況和制動工況?；疑俣瓤刂破鬟\行后可以得到列車的運行記錄文件，其中包含列車任意時刻的工況。在眾多操縱信息點中選擇關鍵點進行編碼。關鍵點是最能反映操縱變化的轉(zhuǎn)換點，可分為三種：件集，即有5種事件：A=啟動加

21、速，平穩(wěn)加速，惰行，調(diào)速制動，停車制動以高速列車具有 10級牽引和 7級制動為例，將其和惰行一起構(gòu)成 ATO系統(tǒng)速度控制器的對策集。即有 18種對策：（1）牽引級位短距離內(nèi)大幅度上升點。（2）牽引工況和惰行工況的轉(zhuǎn)換點。B=10級牽引，9級牽引，1級牽引，惰行，1級制動，7級制動（3）惰行工況和制動工況的轉(zhuǎn)換點。依據(jù)此原則在灰色速度控制器產(chǎn)生的速度距離曲線中選取關鍵點，取 81 931 m處的關鍵點采用二進制進列車運行的 4個目標構(gòu)成目標集：K=準時性，停車精度，能耗，舒適性高速列車事件集與對策集的笛卡爾積形成局勢集：S=（啟動加速，10級牽引），（啟動加速，9級牽引），（停車制動，7級制動）

22、高速列車的灰色決策就是要以四個重要的目標作為決策標準，找出某一事件所對應的對策。對于每一個目標，策略的效果不同，所以此時要對效果進行量化，將效果最好的設為 0，并應用灰靶決策找出最佳局勢。求解決策結(jié)果過程如下：行編碼為（10100000000001011），將位置、工況和手柄bin級位結(jié)合起來就可以完整地描述每一個工況轉(zhuǎn)換點。最終形成的關鍵點是一個二進制串，如圖 3所示。編碼的前 17位儲存列車的位置編碼，后 5位存儲列車的工況編碼。工況編碼的第 1位為列車運行工況，牽引或惰行為 1，制動為 0，后四位為手柄級位，惰行記為（0000）。圖 3中列車從制動轉(zhuǎn)為惰行，因此構(gòu)成的基bin因表示為（1

23、010000000000101100000）。bin4.2生成種群確定由多目標決策方案組成的局勢集和由評價指標組成的目標集合 K，求局勢集對目標集合 K的灰數(shù)決策矩陣?；疑俣瓤刂破鹘?jīng)過多次運行產(chǎn)生大量的運行記錄文件，選擇較優(yōu)秀的運行記錄文件編碼生成染色體，對生成的染色體進行適應度評判，選取適應度高的作為初始種群進行遺傳優(yōu)化，經(jīng)試驗選取 10條染色體組成的種群可以較好地完成優(yōu)化過程。對局勢集進行規(guī)范化處理得規(guī)范化灰數(shù)決策矩陣。確定各指標的權(quán)重向量。計算第 i個方案評價值。4.3高速列車適應度函數(shù)根據(jù)灰數(shù)大小的可能度比較評價值，對方案進行排序并擇優(yōu)。適應度值是判斷遺傳優(yōu)化程度的標準，對于速度控制

24、器的適應度，根據(jù) ATO系統(tǒng)性能指標從超速、準點率、停車精度、能耗與舒適度五個方面對其進行分析。（1）超速適應度確定靶心，產(chǎn)生最終決策結(jié)果。4遺傳算法優(yōu)化列車駕駛策略列車實際運行速度與最大允許速度的差值若大于零，表示列車出現(xiàn)超速情況，在優(yōu)化中進行淘汰，如小于零表示列車在限速以內(nèi)，運行安全。由此得到超速的評定指標：遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法，隨著遺傳算法的進行，優(yōu)良的品種被逐漸地保留下來并不斷產(chǎn)生出更佳的個體，算法的魯棒自適應性強?；诨疑到y(tǒng)理論的速度控制器可以預測出比較合理的列車自動駕駛序列，但是此操縱序列通常情況下并不是最優(yōu)的。因此，采用遺傳優(yōu)化方法，把列車運行劃分為

25、交替進行的牽引過程及惰行過程，對惰行點進行遺傳編碼，通過改變惰行點的位置尋求最優(yōu)解。此方法在列車運行控制上除了優(yōu)化速度較慢外能處理絕大部分的情況，所以本文在灰色速度控制器中增加遺傳優(yōu)化模塊，實行離線優(yōu)化，既優(yōu)化了列車駕駛的操縱序列又避免了遺傳算法優(yōu)化速度較低的情況。ì1v > V0K = îí0v V（11）cs0其中，K為超速判斷指標；1表示超速；0表示未超速；vcs為實際運行速度；V為限速。0（2）準點率適應度列車實際的運行時間與列控系統(tǒng)下達的運行時間的差可以作為準點率的適應度：K = T| - Tmb|（12）zd 張友鵬，高凡，趙斌：基于灰色系統(tǒng)理論

26、高速列車 ATO速度控制器研究2014，50（10）257其中，Kzd為準點率的適應度值；T為實際運行時間； Fitness = 1/(w K + w Kzd + w K + w Kjerk + w Kenergy )（16）1cs23tc45Tmb為目標運行時間。其中，F(xiàn)itness是適應度評判值， K K K KjerkKenergycs zd tc（3）停車精度適應度代表超速、準點率、停車精度、能耗與舒適度的適應度指以列車實際停車位置與目標停車位置的偏差來表標；w，w，w，w，w分別為各個適應度所對應的12345示停車精度的適應度：權(quán)重。K = S| - Smb|（13）完成遺傳算法適應

27、度計算之后對種群進行循環(huán)的復制、交叉和變異操作，根據(jù)適應度評判值得出最終優(yōu)化結(jié)果。tc其中，K為停車的適應度值； S為實際停車位置坐標；tcSmb為目標停車位置坐標。（4）舒適度適應度舒適性的評價標準就是使乘客的非舒適度降到最5結(jié)果分析及仿真驗證小值。乘客的非舒適度的總和 Kjerk等于列車加速度相選取京津城際北京南站至武清站間 88.206 km線路對于時間的變化率在運行時間內(nèi)的積分，可用來做舒適度的適應度：為依據(jù)，線路的標準區(qū)間運行時間為 22.51 min。以CRH3型高速列車為對象進行研究，該型號高速列車的質(zhì)量為 536 t，編組長度為 200.67 m，最高運行速度為350 km/h

28、。|dadtKjerk=|dt/t（14）|其中，Kjerk為舒適度的適應度值； a為加速度，t為站間5.1灰色預測結(jié)果運行時間。選取線路中一組實際速度數(shù)據(jù)進行預測分析，每次（5）能耗的適應度預測得到一組新的 ab值，進行一次在線模型校正。模型預測范圍如表 1所示，預測結(jié)果如表2所示。列車行駛過程中，牽引和制動所消耗的能量作為能耗的來源。由于本設計分析的是不同工況下的能耗情況，為了便于計算，所以可以忽略列車的輔助功率，因而，可得出簡化后的能耗適應度：表 1模型預測適用范圍a值GM（1，1）適用范圍中長期預測-a 0.30.3 < -a 0.50.5 < -a 0.80.8 <

29、 -a 1.51.5 < -aFvdt+ BBvdt（15）短期預測，中長期預測慎用作預測應十分慎重Kenergy=M其中，Kenergy為能耗的適應度值；F為牽引力；v 為速度；t為站間運行時間； M采用殘差修正 GM（1，1）模型不易采用 GM（1，1）模型為列車牽引過程中電能轉(zhuǎn)化為機械能的乘積因子； 為列車制動過程中機械能轉(zhuǎn)每進行一次測度，求解一次 a和 b，由表 2可以看出，每個模型中 - a都小于 0.3，對照表 1分析得到此模型可以用于中長期預測。預測結(jié)果的相對誤差均小于0.01，精度為一級，建立的預測模型預測精度較高。以表 2所得到的預測速度與實際速度進行仿真對比，得到其關

30、系如圖4所示。B化為電能的乘積因子； B為制動力。（6）總體適應度五個適應度很難分別進行比較，需要將其組成一個總體適應度函數(shù)進行分析。由于這五個適應度對控制效果的影響不同，因而需要加入權(quán)重，對控制效果來說應盡量減小總體適應度值，由此結(jié)合式（11）至式（15）可以得到總體適應度評判值：圖 4中橫坐標為 9個時間序列點，縱坐標為列車速度。由圖看出，預測速度曲線與實際速度曲線貼近度較表 2灰色預測數(shù)列及誤差檢驗時間序列實際速度模擬值123456789321.12321.12322.79322.60323.15323.52324.63324.44325.56325.65324.83326.83326.

31、77325.56326.86328.55328.48326.28328.08327.88329.60329.14327.01329.30328.99329.98330.30330.36327.74330.52330.10331.49330.570.004 2324.8810.076 10.045 7預測速度a0.002 8321.2310.086 00.003 7321.4440.051 20.003 4322.9340.018 80.004 6323.2570.032 7b殘差相對誤差（/ %）0.049 40.037 90.023 00.030 2 2582014，50（10）Comput

32、er Engineering and Applications計算機工程與應用335表 4基因進化表（1 000代）列車實際速度灰色預測速度超速評判值0.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0準點率評判值12311410710910398停車精度評判值1.9001.9001.7001.9001.9001.9001.8001.6001.6001.6001.6001.6001.6001.6001.7001.6001.5001.3001.0000.8000.7000.6000.6000.700

33、0.600舒適度評判值1.9321.8452.0371.9461.8451.9771.8322.1351.9781.9621.8461.8321.8361.8451.9031.8311.8091.6261.7321.7461.6981.6741.6841.7311.693能耗子代總體適應度評判值330325320123 402.69 0.001 803 73 397.56 0.001 816 63 417.68 0.001 814 83 495.43 0.001 774 93 419.05 0.001 818 73 413.43 0.001 827 23 411.75 0.001 832 93

34、 380.32 0.001 857 33 415.46 0.001 834 73 409.87 0.001 832 83 410.63 0.001 855 13 413.26 0.001 851 43 407.58 0.001 865 23 409.46 0.001 867 93 398.32 0.001 877 33 401.87 0.001 874 33 387.53 0.001 894 53 346.61 0.001 923 63 294.79 0.001 955 73 256.83 0.001 984 93 269.14 0.001 988 83 203.68 0.002 032 93

35、 165.05 0.002 079 53 189.48 0.002 056 23 177.65 0.002 069 93456123456789794序列/個887圖 4預測值與實際值的比較9911050607080901002003004005006007008009001 00095高，表明模型對速度的預測準確性較高，其較好的預測結(jié)果可以為 ATO系統(tǒng)速度控制器生成牽引制動策略提供高可靠度的依據(jù)。7678695.2灰色決策結(jié)果66選取運行過程中 17.55 min時停車制動事件進行灰6364色決策分析，得出效果矩陣 U，各列分別為準時性，停車精度，能耗和舒適性這 4個目標，各行為 18種對

36、策，根5449據(jù)目標權(quán)重得出綜合效果測度矩陣 U。選取的目標權(quán)Z47重如表 3所示9。4234表 3目標權(quán)重31目標集權(quán)重準時性停車精度舒適性能耗160.350.300.200.152117將效果量化值進行排列得到灰色決策模型的效果矩陣：Té17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0ù根據(jù)表 4數(shù)據(jù)，得到進化過程如圖 5所示。由圖 5êúú81ë1812723724635 6 7 8 9 10 0 1 2 3 4 5 6 7û6 5 5 4 4 3 3 2 2 1 1 0 0U =

37、 ê可以看出總體適應度值不斷提高，說明列車運行曲線不斷得到優(yōu)化，遺傳算法的特點是可以得到一個最終的整體最優(yōu)解，在優(yōu)化過程中出現(xiàn)某代群體適應度較低的情況屬于正常現(xiàn)象，因而，圖 5中總體適應度雖然有波動，但不影響整體的優(yōu)化趨勢。通過優(yōu)化后的信息，可以實現(xiàn)對運行全程控制策略的調(diào)整，從而實現(xiàn)了對列車運行目標曲線的優(yōu)化。3 4 4 5 5 0 1 1 2 2 3 3 4êú綜合效果測度矩陣：U = 0.25 0.31 0.49 0.55 0.46 0.44 0.35 0.33 0.24Z0.22 0.44 0.59 0.68 0.83 0.92 0.80 0.81 0.69

38、T效果測度矩陣 U中最大值為 0.92，處于第15行，因Z而，決策得出事件的最優(yōu)局勢是第15個對策，即4級制動。2.152.102.052.001.951.901.851.805.3遺傳優(yōu)化高速列車運行控制策略選取灰色速度控制器生成的 10個操縱記錄文件作為父代染色體構(gòu)成初始種群，關鍵點編碼長度為 22，群體大小為 10、交叉概率為 0.7、變異概率為 0.15，終止代數(shù)為 1 000，對初始種群進行不斷地遺傳優(yōu)化，經(jīng)過 1000代優(yōu)化得到五個適應度值及總體適應度優(yōu)化結(jié)果如表 4所示。從表 4得到 1 000代進化后的各項指標情況：未出現(xiàn)超速情況；停車精度指標從平均 1.76優(yōu)化到了 0.60

39、0；準點率指標從平均 140優(yōu)化到了 17；舒適度指標從平均1.972優(yōu)化到了 1.693；能耗指標從平均 3 430.00優(yōu)化到了 3 177.65；總體適應度從平均 0.001 771 9 優(yōu)化到了0.002 069 9。1.75 012345678910代數(shù)/102代圖 5總體適應度進化過程圖通過遺傳算法對列車運行曲線的離線優(yōu)化，高速列車運行的總體適應度值在不斷提高，通過優(yōu)化后的信息，可以實現(xiàn)對列車運行全程控制策略的調(diào)整，從而實 張友鵬，高凡，趙斌：基于灰色系統(tǒng)理論高速列車 ATO速度控制器研究2014，50（10）259現(xiàn)了對列車運行目標曲線的優(yōu)化。離停車點 0.7 m，比人工駕駛模式

40、減少 0.5 m，停車精度有了一定提高；運行過程中三段采用惰行，能耗的節(jié)約量為 7.6%，減少了能量損失。從仿真結(jié)果可以看出，節(jié)能效果提高顯著，其他各項指標也都在控制的范圍內(nèi)有所提高。5.4仿真結(jié)果分析列車在運行過程中，速度控制器不斷地進行最優(yōu)決策計算，產(chǎn)生相應的操作策略，根據(jù)線路數(shù)據(jù)進行仿真。圖 6為人工駕駛模式的列車運行曲線，圖 7為自動駕駛模式的列車運行曲線。6結(jié)論在 CTCS-3級列控系統(tǒng)中，引入灰色系統(tǒng)理論構(gòu)建高速列車速度控制器模型。設計了車載安全計算機與ATO系統(tǒng)速度控制器的信息交互方式，最終得到基于灰色系統(tǒng)理論的高速列車自動駕駛模式下列車的運行目標曲線，并運用遺傳算法對其進行優(yōu)化

41、。仿真結(jié)果表明，列車運行時間的誤差減少了 18 s，停車精度提高了0.5 m，能耗降低了 7.6%。該方法節(jié)能效果顯著，同時提高了列車運行的各項性能指標，為我國高速鐵路技術國產(chǎn)化做出了一定的貢獻。參考文獻：圖 6人工駕駛模式的列車運行曲線1 Oshima H，Yasunobu S.Automatic train operation systembased on predictive fuzzy controlC/Proceedings of theInternationalWorkshop on Artificial Intelligence forIndustrial Application

42、s，Tokyo：Institute of Electrical andEngineers.S.l.：IEEE Industrial ElectronicsSociety，1988：485-489.Electronics2 Sekine S.Application of fuzzy neural network control toautomatic train operation and tuning of its control rulesJ.IEEE Fuzzy System，1995，4（1）：1741-1746.3唐濤，黃良驥.列車自動駕駛系統(tǒng)控制算法綜述 J.鐵道學報，2003，25（2）：98-102.4 Wang Jing，Cai Zixing，Jia Limin.Direct fuzzy neural con-trol with application to automatic train operationJ.Con-trol Theory and Application，1998，15（3）：391-399.5趙海東，劉賀文，楊悌惠.高速列車運行控制系統(tǒng)的研究 J.中國鐵道科學，2000，21（1）：31-36.圖 7基于灰色遺傳速度控制器自動駕駛模式的列車