首页 > 专利 > 重庆交通大学 > 虚拟连挂高速列车在追踪车制动力故障下的控制方法专利详情

虚拟连挂高速列车在追踪车制动力故障下的控制方法   0    0

有效专利 查看PDF
专利申请流程有哪些步骤?
专利申请流程图
申请
申请号:指国家知识产权局受理一件专利申请时给予该专利申请的一个标示号码。唯一性原则。
申请日:提出专利申请之日。
2021-06-25
申请公布
申请公布指发明专利申请经初步审查合格后,自申请日(或优先权日)起18个月期满时的公布或根据申请人的请求提前进行的公布。
申请公布号:专利申请过程中,在尚未取得专利授权之前,国家专利局《专利公报》公开专利时的编号。
申请公布日:申请公开的日期,即在专利公报上予以公开的日期。
2021-09-24
授权
授权指对发明专利申请经实质审查没有发现驳回理由,授予发明专利权;或对实用新型或外观设计专利申请经初步审查没有发现驳回理由,授予实用新型专利权或外观设计专利权。
2022-06-17
预估到期
发明专利权的期限为二十年,实用新型专利权期限为十年,外观设计专利权期限为十五年,均自申请日起计算。专利届满后法律终止保护。
2041-06-25
基本信息
有效性 有效专利 专利类型 发明专利
申请号 CN202110709439.1 申请日 2021-06-25
公开/公告号 CN113353122B 公开/公告日 2022-06-17
授权日 2022-06-17 预估到期日 2041-06-25
申请年 2021年 公开/公告年 2022年
缴费截止日
分类号 B61L15/00B60T17/18 主分类号 B61L15/00
是否联合申请 独立申请 文献类型号 B
独权数量 1 从权数量 1
权利要求数量 2 非专利引证数量 0
引用专利数量 0 被引证专利数量 0
非专利引证
引用专利 被引证专利
专利权维持 1 专利申请国编码 CN
专利事件 事务标签 公开、实质审查、授权
申请人信息
申请人 第一申请人
专利权人 重庆交通大学 当前专利权人 重庆交通大学
发明人 徐凯、刘清山、吴仕勋、黄大荣、彭菲桐 第一发明人 徐凯
地址 重庆市南岸区学府大道66号 邮编 400074
申请人数量 1 发明人数量 5
申请人所在省 重庆市 申请人所在市 重庆市南岸区
代理人信息
代理机构
专利代理机构是经省专利管理局审核,国家知识产权局批准设立,可以接受委托人的委托,在委托权限范围内以委托人的名义办理专利申请或其他专利事务的服务机构。
重庆乾乙律师事务所 代理人
专利代理师是代理他人进行专利申请和办理其他专利事务,取得一定资格的人。
侯懋琪、李剑锋
摘要
本发明提供了一种虚拟连挂高速列车在追踪车制动力故障下的控制方法,其特征在于:对于轻度制动力故障,对首车进行减速控制,并在惰行过程中生成新的自动驾驶曲线用于减速后的剩余线路的驾驶控制,追踪车通过神经网络模型输出新的最小追踪距离,用以调整对前车的追踪距离;对于重度制动力故障,将故障车及其后方的全部单列车停车后,再控制故障车前方的全部单列车停车。采用本发明所述的控制方法对虚拟连挂高速列车在追踪车制动力故障情况下进行控制,即能保证虚拟连挂高速列车的运行安全,还能最大限度减少对线路运行效率的影响。
  • 摘要附图
    虚拟连挂高速列车在追踪车制动力故障下的控制方法
  • 说明书附图:图1
    虚拟连挂高速列车在追踪车制动力故障下的控制方法
法律状态
序号 法律状态公告日 法律状态 法律状态信息
1 2022-06-17 授权
2 2021-09-24 实质审查的生效 IPC(主分类): B61L 15/00 专利申请号: 202110709439.1 申请日: 2021.06.25
3 2021-09-07 公开
权利要求
权利要求书是申请文件最核心的部分,是申请人向国家申请保护他的发明创造及划定保护范围的文件。
1.一种虚拟连挂高速列车在追踪车制动力故障下的控制方法,所述虚拟连挂高速列车由多个单列车组成,将行驶在最前面的单列车记为首车,将行驶在所述首车之后的单列车记为追踪车,其特征在于:单个单列车上设置有车载ATO模块(1)、通信模块(2)和定位模块(3),所述首车上还设置有车载中控模块(4)和驾驶曲线生成模块(5),所述追踪车上还设置有追踪控制模块(6)、制动力监测模块(7)和神经网络模块(8);
单个所述首车上的车载ATO模块(1)与驾驶曲线生成模块(5)连接,首车上的车载ATO模块(1)、定位模块(3)、通信模块(2)和驾驶曲线生成模块(5)均与所述车载中控模块(4)连接;
单个所述追踪车上的车载ATO模块(1)、制动力监测模块(7)、神经网络模块(8)、定位模块(3)和通信模块(2)均与所述追踪控制模块(6)连接;
首车上的定位模块(3)实时将首车的位置信息传输给车载中控模块(4),车载中控模块(4)实时将首车的位置信息传输给首车上的车载ATO模块(1);追踪车上的定位模块(3)实时将追踪车的位置信息传输给追踪控制模块(6),追踪控制模块(6)实时将追踪车的位置信息传输给追踪车上的车载ATO模块(1);
各个单列车上的通信模块(2)相互无线通信连接;
制动力监测模块(7)能对对应追踪车的多个转向架制动系统的制动力情况进行监测,当至少一个转向架制动系统的制动力出现故障时,制动力监测模块(7)能生成制动故障信息,所述制动故障信息包括制动力监测模块(7)对应单列车的编号和车厢转向架制动力故障的个数;
所述驾驶曲线生成模块(5)预存有虚拟连挂高速列车的约束参数,驾驶曲线生成模块(5)能根据车载中控模块(4)的指令生成首车的自动驾驶曲线,并将得到的自动驾驶曲线数据传输给首车的车载ATO模块(1);
所述神经网络模块(8)在虚拟连挂高速列车运行前提前训练好神经网络模型,然后神经网络模块(8)将训练好的神经网络模型装载到追踪控制模块(6)备用;追踪控制模块(6)能利用神经网络模型输出最小安全追踪距离数据,并将最小安全追踪距离数据传输给对应的追踪车的车载ATO模块(1);
所述控制方法包括:
虚拟连挂高速列车运行过程中,各个追踪车的制动力监测模块(7)对各自对应追踪车所辖的多个转向架制动系统进行实时监测;
单个追踪车的制动力监测模块(7)监测到至少一个车厢转向架制动力故障即生成制动故障信息,然后制动力监测模块(7)将得到的制动故障信息传输给对应的追踪控制模块(6);追踪控制模块(6)对收到的制动故障信息进行处理得到故障程度信息,然后追踪控制模块(6)将得到的故障程度信息通过对应的通信模块(2)发送给首车的通信模块(2);所述故障程度包括轻度故障和重度故障,单个追踪车的车厢转向架制动力故障个数累计为1个或2个时记为轻度故障,单个追踪车的车厢转向架制动力故障个数累计达到3个及3个以上时记为重度故障;所述故障程度信息还包括对应单列车的编号;
首车的通信模块(2)将接收到的故障程度信息传输给车载中控模块(4),车载中控模块(4)对故障程度信息进行判断处理:当故障程度信息均为轻度故障时,按方法一对虚拟连挂高速列车进行减速控制;当制动故障程度信息中出现重度故障时,即按方法二对虚拟连挂高速列车进行停车控制;
所述方法一包括:
首车按以下方式控制:车载中控模块(4)根据公式一获取目标速度v2,根据公式二获取降速耗时t,根据公式四获取到达目标速度v2时首车的目标位置x2;然后车载中控模块(4)向首车的车载ATO模块(1)发送降速指令,车载ATO模块(1)根据收到的降速指令控制列车采用惰行的运行方式从当前运行速度v1降低到目标速度v2;同时车载中控模块(4)向驾驶曲线生成模块(5)发送驾驶曲线生成指令,然后驾驶曲线生成模块(5)根据目标位置x2、目标速度v2和所述约束参数在时间t内生成新的自动驾驶曲线,然后驾驶曲线生成模块(5)将新的自动驾驶曲线传输给首车的车载ATO模块(1),然后首车的车载ATO模块(1)从目标位置x2开始根据新的自动驾驶曲线控制首车行驶;同时车载中控模块(4)实时将自身的状态信息通过对应的通信模块(2)发送给相邻后车的通信模块(2);所述降速指令还包括目标速度v2和目标位置x2数据信息;所述驾驶曲线生成指令还包括所述目标位置x2、目标速度v2和降速耗时t数据信息;
追踪车按以下方式控制:追踪车的通信模块(2)实时将相邻前车的状态信息传输给追踪控制模块(6),同时追踪控制模块(6)实时将对应追踪车的状态信息通过对应通信模块(2)传输给相邻后车的通信模块(2);追踪控制模块(6)根据相邻前车的状态信息、自身的状态信息以及自身的列车参数通过神经网络模型生成最小安全追踪距离数据,然后追踪控制模块(6)将生成的最小安全追踪距离数据和相邻前车的位置信息传输给对应追踪车的车载ATO模块(1),对应追踪车的车载ATO模块(1)根据收到的最小安全追踪距离数据和相邻前车的位置信息控制追踪车行驶;
单列车的所述状态信息包括单列车的当前速度、当前位置、当前位置的轨道坡度和制动故障信息;所述列车参数包括单列车的车型和车重;所述相邻前车为与单列车相邻的前方的单列车,所述相邻后车为与单列车相邻的后方的单列车;
所述公式一为:
v2=v1+Δv
其中,v1为首车的当前速度;Δv为降速调低值,当单个追踪车的转向架制动系统故障个数为1时,所述Δv取值为‑10km/h,当单个追踪车的转向架制动系统故障个数为2时,所述Δv取值为‑20km/h;
所述公式二为:
其中,a为首车的加速度,根据公式三获取;
所述公式三为:
其中,F(v1)为首车的牵引力,B(v1)为首车的制动力,首车惰行时,F(v1)和B(v1)均为
0kN;R(v1)为首车在当前速度v1下所受的基本运行阻力,x1为首车当前位置,G(x1)为首车在当前位置x1处所受的坡道阻力,R(v1)和G(x1)均可根据现有技术中的方法进行计算获取;m为首车的质量;
所述公式四为:
x2=x1+s
其中,s为首车惰行减速距离,根据公式五获取;
所述公式五为:
所述方法二包括:
1)所述车载中控模块(4)根据故障程度信息将存在重度故障的单列车记为故障列车;
然后车载中控模块(4)通过首车的通信模块(2)向故障列车的通信模块(2)及故障列车后方各个单列车的通信模块(2)发送停车指令;
2)故障列车及其后方的单列车按以下方式控制:单个单列车的通信模块(2)将收到的停车指令传输给对应的追踪控制模块(6),追踪控制模块(6)将收到停车指令传输给对应的车载ATO模块(1),车载ATO模块(1)控制对应的单列车制动停车;
3)故障列车及其后方的单列车全部制动停稳后,故障列车的追踪控制模块(6)将停车完毕信号通过对应的通信模块(2)同时发送给故障列车前方的各个单列车的通信模块(2);
4)故障列车前方的各个追踪车按以下方式控制:单个追踪车的通信模块(2)将收到的停车完毕信号传输给对应的追踪控制模块(6),追踪控制模块(6)收到停车完毕信号后立即向对应的车载ATO模块(1)发出停车指令,然后车载ATO模块(1)控制对应的追踪车制动停车;
首车按以下方式控制:首车的通信模块(2)将收到的停车完毕信号传输给对应的车载中控模块(4),车载中控模块(4)收到停车完毕信号后立即向首车的车载ATO模块(1)发出停车指令,然后首车的车载ATO模块(1)控制首车制动停车。

2.如权利要求1所述的虚拟连挂高速列车在追踪车制动力故障下的控制方法,其特征在于:所述神经网络模型的实时输入量包括相邻前车的速度、相邻前车的轨道坡度、追踪车的速度、追踪车的轨道坡度、追踪车的车重、单个追踪车的车厢转向架制动力故障个数;神经网络模型的输出量为最小安全追踪距离;神经网络模型包括2个隐藏层。
说明书

技术领域

[0001] 本发明涉及交通运输技术领域,特别是一种虚拟连挂高速列车在追踪车制动力故障下的控制方法。

背景技术

[0002] 随着高速铁路网络日趋完善、运输压力日渐增加,运输能力紧张问题亟待解决,如何通过提高列车运行控制效率,从而达到提升轨道交通运输能力问题显得尤为重要。虚拟连挂技术是指多辆列车之间不依靠物理连接,而是通过无线通信实现多辆列车以相同速度、极小间隔运行的列车群体协同运行方式。虚拟连挂技术能有效缩小列车运行追踪间隔,在不改变轨道、线路等既有设施的条件下大幅提升运输能力,尤其适用于目前运输能力已经饱和、靠现有技术难以继续提高的繁忙线路。
[0003] 高速列车运行的首要目标是保证安全,而建立起虚拟连挂的高速列车群在运行过程中,有可能出现制动力缺失故障的情况。由于列车运行的速度高,若不及时采用相应的处理办法,将会造成严重的后果和巨大损失。在虚拟连挂高速列车群运行过程中,协同编队的多辆列车分为首车(领航者)和追踪车。当首车出现制动力缺失时,根据制动力缺失情况,可直接降低首车的速度或者停车,后面的追踪列车按照相应追踪规则依次对前车进行追踪运行即可。倘若不是首车,而是追踪列车出现制动力缺失,而制动力缺失的情况又是多样化的,由于追踪列车运行速度快,同时与前车之间的间隔距离较短,如果不及时调整,追踪列车就极有可能与前车追尾,造成严重的安全事故。

发明内容

[0004] 针对背景技术的问题,本发明提供一种虚拟连挂高速列车在追踪车制动力故障下的控制方法,以解决现有技术中对虚拟连挂列车中的追踪车发生制动力缺失故障时,没有合理高效的应对方法,列车运行不安全且对线路运营效率影响大的问题。
[0005] 为实现本发明的目的,本发明提供了一种虚拟连挂高速列车在追踪车制动力故障下的控制方法,所述虚拟连挂高速列车由多个单列车组成,将行驶在最前面的单列车记为首车,将行驶在所述首车之后的单列车记为追踪车,其创新点在于:单个单列车上设置有车载ATO模块、通信模块和定位模块,所述首车上还设置有车载中控模块和驾驶曲线生成模块,所述追踪车上还设置有追踪控制模块、制动力监测模块和神经网络模块;
[0006] 单个所述首车上的车载ATO模块与驾驶曲线生成模块连接,首车上的车载ATO模块、定位模块、通信模块和驾驶曲线生成模块均与所述车载中控模块连接;
[0007] 单个所述追踪车上的车载ATO模块、制动力监测模块、神经网络模块、定位模块和通信模块均与所述追踪控制模块连接;
[0008] 首车上的定位模块实时将首车的位置信息传输给车载中控模块,车载中控模块实时将首车的位置信息传输给首车上的车载ATO模块;追踪车上的定位模块实时将追踪车的位置信息传输给追踪控制模块,追踪控制模块实时将追踪车的位置信息传输给追踪车上的车载ATO模块;
[0009] 各个单列车上的通信模块相互无线通信连接;
[0010] 制动力监测模块能对对应追踪车的多个转向架制动系统的制动力情况进行监测,当至少一个转向架制动系统的制动力出现故障时,制动力监测模块能生成制动故障信息,所述制动故障信息包括制动力监测模块对应单列车的编号和车厢转向架制动力故障的个数;
[0011] 所述驾驶曲线生成模块预存有虚拟连挂高速列车的约束参数,驾驶曲线生成模块能根据车载中控模块的指令生成首车的自动驾驶曲线,并将得到的自动驾驶曲线数据传输给首车的车载ATO模块;
[0012] 所述神经网络模块在虚拟连挂高速列车运行前提前训练好神经网络模型,然后神经网络模块将训练好的神经网络模型装载到追踪控制模块备用;追踪控制模块能利用神经网络模型输出最小安全追踪距离数据,并将最小安全追踪距离数据传输给对应的追踪车的车载ATO模块;
[0013] 所述控制方法包括:
[0014] 虚拟连挂高速列车运行过程中,各个追踪车的制动力监测模块对各自对应追踪车所辖的多个转向架制动系统进行实时监测;
[0015] 单个追踪车的制动力监测模块监测到至少一个车厢转向架制动力故障即生成制动故障信息,然后制动力监测模块将得到的制动故障信息传输给对应的追踪控制模块;追踪控制模块对收到的制动故障信息进行处理得到故障程度信息,然后追踪控制模块将得到的故障程度信息通过对应的通信模块发送给首车的通信模块;所述故障程度包括轻度故障和重度故障,单个追踪车的车厢转向架制动力故障个数累计为1个或2个时记为轻度故障,单个追踪车的车厢转向架制动力故障个数累计达到3个及3个以上时记为重度故障;所述故障程度信息还包括对应单列车的编号;
[0016] 首车的通信模块将接收到的故障程度信息传输给车载中控模块,车载中控模块对故障程度信息进行判断处理:当故障程度信息均为轻度故障时,按方法一对虚拟连挂高速列车进行减速控制;当制动故障程度信息中出现重度故障时,即按方法二对虚拟连挂高速列车进行停车控制;
[0017] 所述方法一包括:
[0018] 首车按以下方式控制:车载中控模块根据公式一获取目标速度v2,根据公式二获取降速耗时t,根据公式四获取到达目标速度v2时首车的目标位置x2;然后车载中控模块向首车的车载ATO模块发送降速指令,车载ATO模块根据收到的降速指令控制列车采用惰行的运行方式从当前运行速度v1降低到目标速度v2;同时车载中控模块向驾驶曲线生成模块发送驾驶曲线生成指令,然后驾驶曲线生成模块根据目标位置x2、目标速度v2和所述约束参数在时间t内生成新的自动驾驶曲线,然后驾驶曲线生成模块将新的自动驾驶曲线传输给首车的车载ATO模块,然后首车的车载ATO模块从目标位置x2开始根据新的自动驾驶曲线控制首车行驶;同时车载中控模块实时将自身的状态信息通过对应的通信模块发送给相邻后车的通信模块;所述降速指令还包括目标速度v2和目标位置x2数据信息;所述驾驶曲线生成指令还包括所述目标位置x2、目标速度v2和降速耗时t数据信息;
[0019] 追踪车按以下方式控制:追踪车的通信模块实时将相邻前车的状态信息传输给追踪控制模块,同时追踪控制模块实时将对应追踪车的状态信息通过对应通信模块传输给相邻后车的通信模块;追踪控制模块根据相邻前车的状态信息、自身的状态信息以及自身的列车参数通过神经网络模型生成最小安全追踪距离数据,然后追踪控制模块将生成的最小安全追踪距离数据和相邻前车的位置信息传输给对应追踪车的车载ATO模块,应追踪车的车载ATO模块根据收到的最小安全追踪距离数据和相邻前车的位置信息控制追踪车行驶;
[0020] 单列车的所述状态信息包括单列车的当前速度、当前位置、当前位置的轨道坡度和制动故障信息;所述列车参数包括单列车的车型和车重;所述相邻前车为与单列车相邻的前方的单列车,所述相邻后车为与单列车相邻的后方的单列车;
[0021] 所述公式一为:
[0022] v2=v1+Δv
[0023] 其中,v1为首车的当前速度;Δv为降速调低值,当单个追踪车的转向架制动系统故障个数为1时,所述Δv取值为‑10km/h,当单个追踪车的转向架制动系统故障个数为2时,所述Δv取值为‑20km/h
[0024] 所述公式二为:
[0025]
[0026] 其中,a为首车的加速度,根据公式三获取;
[0027] 所述公式三为:
[0028]
[0029] 其中,F(v1)为首车的牵引力,B(v1)为首车的制动力,首车惰行时,F(v1)和B(v1)均为0kN;R(v1)为首车在当前速度v1下所受的基本运行阻力,x1为首车当前位置,G(x1)为首车在当前位置x1处所受的坡道阻力,R(v1)和G(x1)均可根据现有技术中的方法进行计算获取;m为首车的质量;
[0030] 所述公式四为:
[0031] x2=x1+s
[0032] 其中,s为首车惰行减速距离,根据公式五获取;
[0033] 所述公式五为:
[0034]
[0035] 所述方法二包括:
[0036] 1)所述车载中控模块根据故障程度信息将存在重度故障的单列车记为故障列车;然后车载中控模块通过首车的通信模块向故障列车的通信模块及故障列车后方各个单列车的通信模块发送停车指令;
[0037] 2)故障列车及其后方的单列车按以下方式控制:单个单列车的通信模块将收到的停车指令传输给对应的追踪控制模块,追踪控制模块将收到停车指令传输给对应的车载ATO模块,车载ATO模块控制对应的单列车制动停车;
[0038] 3)故障列车及其后方的单列车全部制动停稳后,故障列车的追踪控制模块将停车完毕信号通过对应的通信模块同时发送给故障列车前方的各个单列车的通信模块;
[0039] 4)故障列车前方的各个追踪车按以下方式控制:单个追踪车的通信模块将收到的停车完毕信号传输给对应的追踪控制模块,追踪控制模块收到停车完毕信号后立即向对应的车载ATO模块发出停车指令,然后车载ATO模块控制对应的追踪车制动停车;
[0040] 首车按以下方式控制:首车的通信模块将收到的停车完毕信号传输给对应的车载中控模块,车载中控模块收到停车完毕信号后立即向首车的车载ATO模块发出停车指令,然后首车的车载ATO模块控制首车制动停车。
[0041] 进一步地,所述神经网络模型的实时输入量包括相邻前车的速度、相邻前车的轨道坡度、追踪车的速度、追踪车的轨道坡度、追踪车的车重、单个追踪车的车厢转向架制动力故障个数;神经网络模型的输出量为最小安全追踪距离;神经网络模型包括2个隐藏层。
[0042] 本发明的原理在于:
[0043] 现有技术中,对于虚拟连挂高速列车的追踪车出现制动力缺失故障没有成熟的应对措施,如果为了保证运行效率,在故障程度较轻的情况下,尚无较好的应对措施,整个虚拟连挂高速列车的单列车之间极大存在撞车等安全隐患。
[0044] 本申请中,发明人对追踪车的制动力缺失故障程度进行分类处理,对不同程度的故障进行有针对性的控制,对于故障程度为轻度故障的情况,仅仅对虚拟连挂高速列车进行减速控制,只有故障程度为重度故障的情况,才进行停车控制处理,这样既保证了整个虚拟连挂高速列车的运行安全,同时也保证了运行效率。
[0045] 具体地,发明人通过研究发现,对于轻度故障的情况,虚拟连挂高速列车因故障减速后,其已有的自动驾驶曲线不再适用,需要重新规划自动驾驶曲线以指导列车运行,然而自动驾驶曲线的计算生成需要一定的时间,如果暂停列车运行势必造成对整个线路列车运行效率的影响,发明人创造性地通过对驾驶曲线生成系统模块的合理配置,并利用首车惰行降速的时间来计算生成新的自动驾驶曲线,使首车在到达降速的目标位置能利用新的自动驾驶曲线控制车辆运行,引领整个虚拟连挂高速列车在剩余线路上的安全运行。上述方式既达到对虚拟连挂高速列车减速控制的目的,又最大限度地降低对整个虚拟连挂高速列车运行效率的影响。
[0046] 另一方面,对于追踪车来说,由于制动力缺失故障,为保证安全,需要对追踪距离进行调整,本发明创造性地将神经网络技术引用进来,用来计算追踪车与前车的安全追踪距离,为车载ATO模块提供追踪控制依据,保证追踪列车始终保持与相邻前车的运行速度相适应的追踪距离运行。由于神经网络具有学习能力,当首车速度调整后,追踪列车能很快进行追踪距离的调整,进一步保证整个虚拟连挂高速列车的运行效率,且神经网络模型还能根据收集和累积的故障资料进行学习增强,不断提高神经网络输出量的准确度,有利于虚拟连挂高速列车追踪车的安全追踪。
[0047] 对于重度故障的情况,对虚拟连挂高速列车的停车控制也兼顾到安全和效率两方面。由于故障列车的制动力缺失,其制动距离相较之前有所增加,为了保证安全,首先控制故障列车及其后方的单列车先停下来,再控制故障列车前方的单列车停车;而故障列车后方的单列车由于没有制动力缺失问题,可以与故障列车作为一组同时采取停车制动操作,故障列车前方的单列车作为另一组同时采取停车制动操作,这样最大限度减少虚拟连挂高速列车的停车时间,为后续故障排除争取更多时间,进一步减少对线路运营的影响。
[0048] 由此可见,采用本发明的方法,具有以下的有益效果:采用本发明的控制方法对虚拟连挂高速列车在追踪车制动力故障情况下进行控制,即能保证虚拟连挂高速列车的安全运行,还能最大限度减少虚拟连挂高速列车在追踪车制动力故障情况下对线路运行效率的影响。

实施方案

[0052] 下面结合实施例对本发明作进一步说明。
[0053] 如图1所示的虚拟连挂高速列车由多个单列车组成,将行驶在最前面的单列车记为首车,将行驶在所述首车之后的单列车记为追踪车,单个单列车上设置有车载ATO(Automatic Train Operation)模块1、通信模块2和定位模块3,所述首车上还设置有车载中控模块4和驾驶曲线生成模块5,所述追踪车上还设置有追踪控制模块6、制动力监测模块7和神经网络模块8;
[0054] 单个所述首车上的车载ATO模块1与驾驶曲线生成模块5连接,首车上的车载ATO模块1、定位模块3、通信模块2和驾驶曲线生成模块5均与所述车载中控模块4连接;
[0055] 单个所述追踪车上的车载ATO模块1、制动力监测模块7、神经网络模块8、定位模块3和通信模块2均与所述追踪控制模块6连接;
[0056] 首车上的定位模块3实时将首车的位置信息传输给车载中控模块4,车载中控模块4实时将首车的位置信息传输给首车上的车载ATO模块1;追踪车上的定位模块3实时将追踪车的位置信息传输给追踪控制模块6,追踪控制模块6实时将追踪车的位置信息传输给追踪车上的车载ATO模块1;
[0057] 各个单列车上的通信模块2相互无线通信连接;
[0058] 制动力监测模块7能对对应追踪车的多个转向架制动系统的制动力情况进行监测,当至少一个转向架制动系统的制动力出现故障时,制动力监测模块7能生成制动故障信息,所述制动故障信息包括制动力监测模块7对应单列车的编号和车厢转向架制动力故障的个数;
[0059] 所述驾驶曲线生成模块5预存有虚拟连挂高速列车的约束参数,包括线路参数、单列车数量及参数、限速参数、停车位置参数、站点之间的运行时间参数、列车工况转换原则等;驾驶曲线生成模块5能根据车载中控模块4的指令生成首车的自动驾驶曲线,并将得到的自动驾驶曲线数据传输给首车的车载ATO模块1;
[0060] 所述神经网络模块8在虚拟连挂高速列车运行前提前训练好神经网络模型,然后神经网络模块8将训练好的神经网络模型装载到追踪控制模块6备用;追踪控制模块6能利用神经网络模型输出最小安全追踪距离数据,并将最小安全追踪距离数据传输给对应的追踪车的车载ATO模块1,追踪车的车载ATO模块1能根据收到的最小安全追踪距离数据和相邻前车的位置信息控制追踪车行驶;所述神经网络模型的输入量包括相邻前车的速度、相邻前车的轨道坡度、追踪车的速度、追踪车的轨道坡度、追踪车的车重、单个追踪车的车厢转向架制动力故障个数;神经网络模型的输出量为最小安全追踪距离;神经网络模型包括2个隐藏层;
[0061] 所述控制方法包括:
[0062] 虚拟连挂高速列车运行过程中,各个追踪车的制动力监测模块7对各自对应追踪车所辖的多个转向架制动系统进行实时监测;事实上,高速列车的每节动力车厢分别有前后两个转向架,每一个转向架上面设置有一套制动系统,根据制动系统失去制动能力的转向架个数的多少,单列车的车厢转向架制动力故障的个数包括1个、2个或3个及3个以上。
[0063] 单个追踪车的制动力监测模块7监测到至少一个车厢转向架制动力故障即生成制动故障信息,所述制动故障信息包括追踪车的对应编号和车厢转向架制动力故障的个数,然后制动力监测模块7将得到的制动故障信息传输给对应的追踪控制模块6;追踪控制模块6对收到的制动故障信息进行处理得到故障程度信息,然后追踪控制模块6将得到的故障程度信息通过对应的通信模块2发送给首车的通信模块2;所述故障程度包括轻度故障和重度故障,单个追踪车的车厢转向架制动力故障个数累计为1个或2个时记为轻度故障,单个追踪车的车厢转向架制动力故障个数累计达到3个及3个以上时记为重度故障;所述故障程度信息还包括对应单列车的编号;
[0064] 首车的通信模块2将接收到的故障程度信息传输给车载中控模块4,车载中控模块4对故障程度信息进行判断处理:当故障程度信息均为轻度故障时,按方法一对虚拟连挂高速列车进行减速控制;当制动故障程度信息中出现重度故障时,即按方法二对虚拟连挂高速列车进行停车控制;
[0065] 所述方法一包括:
[0066] 首车按以下方式控制:车载中控模块4根据公式一获取目标速度v2,根据公式二获取降速耗时t,根据公式四获取到达目标速度v2时首车的目标位置x2;然后车载中控模块4向首车的车载ATO模块1发送降速指令,车载ATO模块1根据收到的降速指令控制列车采用惰行的运行方式从当前运行速度v1降低到目标速度v2;同时车载中控模块4向驾驶曲线生成模块5发送驾驶曲线生成指令,然后驾驶曲线生成模块5根据目标位置x2、目标速度v2和所述约束参数在时间t内生成新的自动驾驶曲线,然后驾驶曲线生成模块5将新的自动驾驶曲线传输给首车的车载ATO模块1,然后首车的车载ATO模块1从目标位置x2开始根据新的自动驾驶曲线控制首车行驶;同时车载中控模块4实时将自身的状态信息通过对应的通信模块2发送给相邻后车的通信模块2;所述降速指令还包括目标速度v2和目标位置x2数据信息;所述驾驶曲线生成指令还包括所述目标位置x2、目标速度v2和降速耗时t数据信息;驾驶曲线生成模块5可采用现有技术中的智能算法如粒子集群算法、遗传算法等来生成自动驾驶曲线;
[0067] 追踪车按以下方式控制:追踪车的通信模块2实时将相邻前车的状态信息传输给追踪控制模块6,同时追踪控制模块6实时将对应追踪车的状态信息通过对应通信模块2传输给相邻后车的通信模块2;追踪控制模块6根据相邻前车的状态信息、自身的状态信息以及自身的列车参数通过神经网络模型生成最小安全追踪距离数据,然后追踪控制模块6将生成的最小安全追踪距离数据和相邻前车的位置信息传输给对应追踪车的车载ATO模块1,应追踪车的车载ATO模块1根据收到的最小安全追踪距离数据和相邻前车的位置信息控制追踪车行驶;
[0068] 单列车的所述状态信息包括单列车的当前速度、当前位置、当前位置的轨道坡度和制动故障信息;所述列车参数包括单列车的车型和车重;所述相邻前车为与单列车相邻的前方的单列车,所述相邻后车为与单列车相邻的后方的单列车;
[0069] 所述公式一为:
[0070] v2=v1+Δv
[0071] 其中,v1为首车的当前速度;Δv为降速调低值,当单个追踪车的转向架制动系统故障个数为1时,所述Δv取值为‑10km/h,当单个追踪车的转向架制动系统故障个数为2时,所述Δv取值为‑20km/h
[0072] 所述公式二为:
[0073]
[0074] 其中,a为首车的加速度,根据公式三获取;
[0075] 所述公式三为:
[0076]
[0077] 其中,F(v1)为首车的牵引力,B(v1)为首车的制动力,首车惰行时,F(v1)和B(v1)均为0kN;R(v1)为首车在当前速度v1下所受的基本运行阻力,x1为首车当前位置,G(x1)为首车在当前位置x1处所受的坡道阻力,R(v1)和G(x1)均可根据现有技术中的方法进行计算获取;m为首车的质量;
[0078] 所述公式四为:
[0079] x2=x1+s
[0080] 其中,s为首车惰行减速距离,根据公式五获取;
[0081] 所述公式五为:
[0082]
[0083] 所述方法二包括:
[0084] 1)所述车载中控模块4根据故障程度信息及故障程度信息中的单列车的编号将存在重度故障的单列车记为故障列车;然后车载中控模块4通过首车的通信模块2向故障列车的通信模块2及故障列车后方各个单列车的通信模块2发送停车指令;
[0085] 2)故障列车及其后方的单列车按以下方式控制:单个单列车的通信模块2将收到的停车指令传输给对应的追踪控制模块6,追踪控制模块6将收到停车指令传输给对应的车载ATO模块1,车载ATO模块1控制对应的单列车制动停车;
[0086] 3)故障列车及其后方的单列车全部制动停稳后,故障列车的追踪控制模块6将停车完毕信号通过对应的通信模块2同时发送给故障列车前方的各个单列车的通信模块2;
[0087] 4)故障列车前方的各个追踪车按以下方式控制:单个追踪车的通信模块2将收到的停车完毕信号传输给对应的追踪控制模块6,追踪控制模块6收到停车完毕信号后立即向对应的车载ATO模块1发出停车指令,然后车载ATO模块1控制对应的追踪车制动停车;
[0088] 首车按以下方式控制:首车的通信模块2将收到的停车完毕信号传输给对应的车载中控模块4,车载中控模块4收到停车完毕信号后立即向首车的车载ATO模块1发出停车指令,然后首车的车载ATO模块1控制首车制动停车。
[0089] 本发明中涉及的神经网络技术、粒子集群算法、遗传算法等均为现有技术中十分常见的处理手段,相关的内容,本领域技术人员可从现有技术的相关文献中获取。

附图说明

[0049] 本发明的附图说明如下。
[0050] 附图1为本发明所涉及硬件的连接示意图。
[0051] 图中:1、车载ATO模块;2、通信模块;3、定位模块;4、车载中控模块;5、驾驶曲线生成模块;6、追踪控制模块;7、制动力监测模块;8、神经网络模块。
版权所有:盲专网 ©2023 zlpt.xyz  蜀ICP备2023003576号