长大下坡区段重载列车智能驾驶控制方法研究

The heavy haul railway has developed rapidly in recent years and has played a key role in the transport of goods in China. The safe and smooth control of heavy haul trains is the foundation for improving the transport efficiency of heavy haul railway. The Locotrol control technology is used for heavy haul trains in our country and the train brake has the characteristics of time-lag and nonlinear. On the long and steep downhill section, the cycle braking strategies are coupled with strong constraints, which makes the smooth operation and the cycle braking strategies become the key and difficult problems for the control of heavy haul trains. The traditional manual control method is complicated and has large work intensity. Facing the challenge of automatic control for heavy haul trains in the future, this project intends to focus on the core issues in the driving control of heavy haul trains, including the longitudinal impulse transmission mechanism, the driving control modeling, the decision-making of the cycle braking, and intelligent control approaches. The main research topics include modeling of the heavy haul train operation, analysis of longitudinal impulse transmission mechanism, optimization model and the intelligent control approaches, which aims to achieve the punctuality, smooth and energy-saving operation. The research results can provide a theoretical basis and support for realizing intelligent control of heavy haul trains and improving safe, smooth and efficient operation of heavy haul railway.

我国重载铁路近年来发展迅速，在我国货物运输中发挥了骨干作用。重载列车的安全平稳驾驶是重载铁路提高运输效率的重要基础。我国重载列车采用Locotrol控制技术，列车制动具有时滞、非线性等特点，在长大下坡区段运行过程中，循环制动策略间耦合性强，约束多，使得我国重载列车在长大坡道中的平稳操作以及循环制动策略成为目前重载列车驾驶控制过程中的关键难点问题。传统的人工控制方式操作复杂、工作强度大，面向未来重载列车自动驾驶的挑战，项目拟围绕重载列车纵向冲击力传递机理、列车运行建模方法、长大坡道循环制动的驾驶决策与智能控制方法等核心问题，研究重载列车列车驾驶控制建模与运行态势分析方法，重载列车驾驶决策优化方法，重载列车智能驾驶控制方法和重载列车驾驶策略优化及控制方法实验室验证，以实现重载列车平稳、准点、节能运行。项目研究成果可为实现重载列车智能驾驶控制，提高重载铁路安全、高效运行提供有力的理论基础和支撑。

项目面向未来重载列车自动驾驶的挑战，围绕重载列车纵向冲击力传递机理、列车运行建模方法、长大坡道循环制动的驾驶决策与智能控制方法等核心问题，研究重载列车列车驾驶控制建模与运行态势分析方法，重载列车驾驶决策优化方法，重载列车智能驾驶控制方法和重载列车驾驶策略优化及控制方法实验室验证，以实现重载列车平稳、准点、节能运行。.主要成果包括：（1）建立了纵向重载列车的动力数学模型，在空气制动力模型中考虑了相邻车辆之间的制动延迟时间以及制动和释放过程中制动缸压力的变化。此外，在耦合力模型中考虑了耦合器-牵伸齿轮系统的非线性迟滞特性，并引入Newmark-β方法作为数值求解方法。（2）构建了面向强化学习的马尔可夫模型，将深度学习技术和强化学习思想进行结合，设计DQN算法来优化重载列车循环制动的驾驶策略。（3）提出了一种用于重载列车速度曲线优化的混合整数线性规划方法，以一定时间内运行距离最大化和空气制动时间最小化为目标，考虑限速、释放时间和释放速度等多种实际约束条件，建立了重载列车的优化模型，最后通过仿真结果验证MILP方法的有效性。（4）研究了基于通信的重载列车控制的重载列车鲁棒最优控制问题，通过建立基于CBHHTC的实时控制程序作为网络控制系统模型，考虑了无线通信中可能出现的数据丢失现象，并阐述了其对控制器设计稳定性和性能的影响，基于Lyapunov稳定性理论和模型预测控制方法，给出了一组线性矩阵不等式作为充分条件，在控制约束下保证速度跟踪能力、能量效率和运行安全，并保证H∞扰动衰减水平。.相关研究成果发表高水平论文9篇，申请国家发明专利3项（其中授权3项）；其中基于Q学习的列车节能驾驶曲线计算方法等两件专利许可实现了转化，基于海量历史运行数据，创新的提出了面向智能学习的列车节能驾驶控制方法，成果可适用于城市轨道交通、重载铁路等，并于近期在科技企业开展室内验证与测试工作，未来有望在实际线路中进行示范应用。