基于智能控制算法的列车自动驾驶系统的优化研究

《基于智能控制算法的列车自动驾驶系统的优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京交通大学硕士学位论文基于智能控制算法的列车自动驾驶系统的优化研究姓名：姚理申请学位级别：硕士专业：交通信息工程及控制指导教师：李开成20090601中文摘要摘要：随着我国城市化进程的不断加快，城市规模越来越大，城市人口不断增多，现有的城市交通网络已经难以满足城市发展的要求。根据国际上大型城市交通发展的经验，轨道交通对于缓解城市交通压力，增加城市交通活力起着举足轻重的作用。在此背景下，因为列车自动驾驶(ATO)系统具有提高轨道交通运行效率，加快列车运行速度，保证行车安全等功能，开发高效智能的列车自动驾驶系统就显得至关重要。本文讨论了列车自动驾驶系统的基本结

2、构、功能和列车自动驾驶的操纵原则，指出应用基于传统控制理论的PID控制器来进行已不能适应列车运行参数的非线性和时变性，很难真实反映实际情况，从而使速度控制的平滑性受到破坏，牵引和制动的切换频繁，影响了系统舒适性的要求，同时也影响了列车的节能性能和停车精度。而采用先进的智能控制方法对传统的控制器及其追踪曲线进行优化，则可有效解决上述问题。模糊控制、神经网络、遗传算法是近些年来发展较快的三种智能算法，能在不同程度上模仿司机的操作行为，因此可以用来优化和改进传统的AT0控制系统。本文依次介绍了模糊控制、神经网络和遗传算法在优化PID控制系统及其目标曲线中的应用，并

3、用Matlab和Simlink工具箱进行了建模仿真。主要研究内容如下：(1)通过对列车自动驾驶系统结构和功能的研究，总结列车自动驾驶系统的驾驶策略及优化操纵原则，分析ATO系统的所要达到的性能指标，在此基础上对列车运行进行建模。(2)设计列车自动驾驶算法。首先根据传统的控制算法设计PID控制器，跟踪列车目标曲线行车，在此基础上引入对传统PID控制器及其目标曲线进行优化和改进的智能控制算法：模糊控制算法、神经网络控制算法和遗传算法控制算法。(3)依次实现三种智能算法在ATO系统中应用的仿真建模。根据ATO系统优化操纵所要达到的五项性能要求，依次基于以上三种智能

4、算法，为ATO系统设计更优秀的PID控制器和更合理的目标曲线，并对其性能进行了评价分析。(4)对优化了的ATO系统的整体控制效果进行仿真验证。在选取实际线路参数和列车参数的情况下，基于上述三种智能算法仿真所得到的结果，分析优化后的ATO系统控制的列车运行曲线，得出智能算法合理性的结论。关键词：列车自动驾驶；PID控制器：模糊控制；神经网络；遗传算法；仿真分类号：U283．1ABSTRACTABSTRACT：AsChina’Surbanizationprocess，thecontinuingdevelopmentofcitysizeandincreaseoft

5、heurbanpopulation，existingurbantrafficnetisunabletomeetthedemandsofcitytraffic．Accordingtotheinternationallarge-scaleurbantransportationdevelopingexperience，UMTplaysthepivotalroleforeasingurbantrafficpressure．Underthisbackground，itisimportanttodevelopthehighlyeffectiveintelligenceA

6、TOsystembecauseATOCanimprovetheoperationgefficiency，speedupthetrainpace，andensurethesafety．ThisarticlediscussedtheATOsystem’Sbasicstructure，functionandtheautomaticoperationprincipleofthetraintopointoutthatusingthePIDcontrollerbasedonthetraditioncontroltheoryhascannotadaptthetrainmo

7、vementparameters’misalignmentandtime—variable．Itisverydifficulttoreflecttheactualsituationreally,thuscausesthespeedcontrolsmoothnesstoreceivethedestruction,thehaulingandthebrakecutisfrequent，andaffectsthesystemcomfortablerequest．Simultaneouslyhasalsoaffectedtrain’Senergyconservatio

8、nperformanceandtheparkingp