论文部分内容阅读
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ATO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。