高速列车自动驾驶理论和关键技术研究

The automatic driving of high-speed trains is capable of improving the operational efficiency and comfort of passengers, and reducing the energy consumption under the premise of ensuring safety, which is an important direction of the future development of high-speed railway. The operational environment of Chinese high-speed railway is complex, the inter station distance is long, the trains are power-distributed and have different formation modes with each other. The project aims at solving several theoretical and practical scientific problems with respect to the automatic driving of high-speed trains, including the optimization theory and method of intelligent driving strategy for high-speed train, stability of coordinated operation of high speed train based on multiple control units, and the coupling mechanism between driver performance and critical control elements of high-speed trains, especially the issues on modeling of intelligent driving control, energy saving driving control method based on learning control, coordinated control of multiple control units for high-speed train oriented to power distribution, human-machine function allocation of high-speed train driving based on cognitive structure theory, and simulation experiments and verification of automatic train operation for high-speed train, which has profound scientific significance and great application value. The research results will provide theoretical foundation and key technology for the automation and intelligence for high-speed railway.

高速列车自动驾驶可以在保障安全的前提下提升运行效率、提高乘客舒适度、减少列车运行能耗，是高速铁路未来发展的重要方向。我国高速铁路线路环境复杂、站间运行距离长，列车动力分散、编组方式多样，本项目紧密围绕高速列车自动驾驶面临的高速列车智能驾驶策略优化理论与方法、基于多控制单元的高速列车协调运行控制的稳定性、高速列车司机驾驶绩效与关键操纵要素的耦合机理等理论与实践中尚未解决的科学问题，重点开展高速列车智能驾驶控制建模、基于学习控制的高速列车节能驾驶控制方法、面向动力分散的高速列车多控制单元协调控制、基于认知结构理论的高速列车驾驶作业人机功能分配、高速列车自动驾驶仿真实验与验证等方面的研究，具有深远的科学意义和重大的应用价值，研究成果将为我国高速铁路实现自动化、智能化提供理论基础和关键技术支撑。

项目针对我国高速列车自动驾驶技术中面临的挑战，紧密围绕高速列车智能驾驶策略优化理论与方法、基于多控制单元的高速列车协调运行控制的稳定性、高速列车司机驾驶绩效与关键操纵要素的耦合机理等科学问题，重点开展了高速列车驾驶控制建模、节能驾驶控制方法、多动力单元协调控制、驾驶作业人机功能分配、自动驾驶仿真实验与验证等方面的研究。.主要成果包括：（1）建立了针对线性-非线性耦合模型的混合滤波估计辨识理论框架，提出的混合滤波EM参数辨识方法解决了扩展卡尔曼滤波处理非线性精度较低以及粒子滤波计算量大的问题，提高了辨识效率。（2）构建了面向强化学习的列车节能驾驶马尔可夫模型，提出了基于数据驱动的列车节能驾驶控制算法，有效降低了高速列车运行能耗。（3）结合预测控制与对偶分解理论，提出了高速列车分布式巡航控制方法及高速列车动车组协调优化控制方法，大幅提高各动力单元间速度及位置追踪的控制精度。（4）分析了高速列车司机对停车对标认知行为的特征研究，构建了关联驾驶平台与模型评估分析方法，并以系统整体安全为目标，提出了高速列车自动化等级划分方法和分级。（5）构建了高速列车ATO驾驶仿真测试平台，开展了高速列车智能驾驶控制算法的仿真和验证；对通号公司、铁科院、和利时公司的高速铁路ATO系统装备进行了功能测试和互联互通测试。.相关研究成果发表高水平论文32篇，申请国家发明专利7项（其中授权6项）；与合作单位共同开发了一套针对我国高速铁路CTCS3+ATO系统的面向节能及停车性能提升的自动驾驶控制算法，经高速铁路列控系统设备厂家的实验室测试验证，结果表明在适当的参数取值下，节能算法与非节能算法相比，可以在保证列车运行准时性的前提下至多节约26.59%的牵引能耗；列车节能驾驶相关专利已经形成转化，并率先在城市轨道交通开展示范应用，目前已在全国10余个城市的城轨线路推广，取得了显著的经济和社会效益（其中北京地铁年节能超300万度）。