（交通信息工程及控制专业论文）模糊预测控制及其在列车自动驾驶中的应用.pdf

中文摘要 摘要：随着我国轨道交通的迅速发展，列车运行速度不断提高，密度不断加大， 人工驾驶模式己难以满足要求。如何利用计算机控制技术实现列车安全平稳、舒 适、正点、节能、精确定位停车等运行控制成为人们关注的焦点。列车自动驾驶 技术( a t o ) 利用先进的计算机、通信、控制技术、信号技术以及人工智能理论， 集成为一个自动化水平很高的列车运行自动控制系统，自动控制列车加速、减速， 实现列车自动运行。不仅能保证列车运行的安全性和准时性，还可以节约能源和 提高乘客乘车的舒适性。列车自动驾驶取代人工驾驶是必然的发展趋势。 列车运行是一个典型的复杂、多目标、非线性系统，很难找到精确的数学模 型和最优解，采用常规算法难以得到令人满意的自动驾驶效果。模糊预测控制是 在模糊逻辑和预测控制的研究和应用基础上发展起来的一类新型控制算法，更符 合人类的控制思想，对被控过程模型要求不高，可以满足列车运行的高品质的控 制要求，在解决复杂系统控制问题的过程中表现出了巨大的潜力。 本文首先介绍列车自动控制系统( a t c ) 的基本结构和功能，尤其是a t o 子系统 与其他子系统之间的协调工作，然后介绍了模糊逻辑和预测控制的基本原理，分 析了模糊逻辑和预测控制相结合的各种形式。在总结了国内外的列车自动驾驶技 术、模糊预测控制技术和列车自动控制算法的研究现状的基础上，对模糊预测控 制在列车自动驾驶系统中的应用和仿真进行了深入研究。设计了列车自动驾驶速 度跟随系统的模糊预测控制。为了对比，我们同时设计了常规的p i d 控制器。通过 m a t l a b 仿真，结果表明采用模糊预测控制器，列车的安全性、舒适性、停车精 度等性能指标有了明显改善。 将模糊预测控制应用于列车自动驾驶系统，既充实了模糊预测控制理论，又 为实现列车运行过程的高品质控制提供了一种新方法。对列车自动驾驶系统的仿 真结果表明：本文所采用的控制器，能较好地实现对列车自动驾驶系统的控制。 本文的研究为模糊预测控制器在列车自动驾驶中的现场实现提供了有利的实验依 据，对早日实现我国列车自动驾驶具有重要的现实意义。 关键词：列车自动驾驶；模糊控制；预测控制；模糊预测控制；m a t l a b 分类号：u 2 3 1 a bs t r a c t a b s t r a c t ：w i t ht h ed e v e l o p m e n to fs u b w a yi no u rc o u n t r y , r u n n i n gs p e e da n d t r a n s p o r td e n s i t yo ft r a i na r ea s c e n d i n g , t h u st h e m a n u a lo p e r a t i o nm o d ec a n tm e e tt h e p r a c t i c a ld e m a n d r e s e a r c h e r sf o c u so nu s i n gc o m p u t e rc o n t r o lt om a k et r a i nd r i v i n g s a f e l y , r i d i n gc o z i l y , o ns c h e d u l e ，o p e r a t i n ge c o n o m i c a l l ya n dp a r k i n ga c c u r a t e l y t h e t e c h n o l o g yo fa u t o m a t i ct r a i no p e r a t i o n ( c a l l e da t o f o rs h o r ti nt h ef o l l o w i n g ) i n t e g r a t e sa d v a n c e dc o m p u t e r , c o m m u n i c a t i o n , c o n t r o la n ds i g n a lt e c h n o l o g y , a n d a r t i f i c i a li n t e l l i g e n c et h e o r yi n t oa na u t o m a t i cc o n t r o ls y s t e mw h e r et r a i n c a l lb e s p e e d e du pa n dd o w nt or u na u t o m a t i c a l l y t h es o l u t i o n sc a l ln o to n l ya s s u r eo f t r a i n a n dt h ec o m f o r to fp a s s e n g e r s ，b u ta l s oi n c r e a s et r a i n ss p e e da n ds a v ee n e r g y i t s c e r t a i nt h a ta t ow i l lr e p l a c em a no p e r a t i o ni nt h en e a rf u t u r e t r a i no p e r a t i o ni sat y p i c a l ，c o m p l e x ，m u l t i - o b j e c t i v e ，a n dn o n l i n e a rs y s t e m ，s oi t i sd i 硒c u l tt of i n do u tt h ee x a c tm a t h e m a t i c sm o d ea n di t so p t i m u ms o l u t i o n ni sq u i t e t o od i f f i c u l tt oo b t a i nas a t i s f y i n ge f f e c to fa t ou s i n gg e n e r a la r i t h m e t i c f u z z y p r e d i c t i v ec o n t r o li sa n e wc o n t r o la l g o r i t h mb a s e do nf u z z yl o g i ca n dp r e d i c t i v ec o n t r o l ， w h i c hm o r ea c c o r d sw i t l lh u m a nc o n t r o li d e aa n dh a sl e s sd e m a n df o rc o n t r o l l e d p r o c e d u r em o d e ，t h u st h em e t h o dc a nm e e th i g hq u a l i t yo f c o n t r o ld e m a n df r o mt r a i n o p e r a t i o n f u z z yp r e d i c t i v e c o n t r o lt h e o r yh a v eg r e a tp o t e n t i a li ns o l v i n gc o n t r o l p r o b l e m so f c o m p l e xs y s t e mt h a t i so n en o v e li n t e l l i g e n tc o n t r o lm e t h o d o l o g y f i r s t l y , w ei n t r o d u c e dt h eb a s i cs t r u c t u r ea n d f u n c t i o n so fa u t o m a t i ct r a i nc o n t r o l s y s t e m ( a t c ) ，e s p e c i a l l yt h er e l a t i o n s h i pb e t w e e na t o a n do t h e rm e m b e rs y s t e m s e c o n d l y , 1 1 1 et h e o r yo ft h ef u z z yl o g i ca n dp r e d i c t i v ec o n t r o lw e r ei n t r o d u c e da n d t h e c o m b i n a t i o n so ft h ef u z z ya n dp r e d i c t i v ec o n t r o lw e r ee x p o u n d e d b a s e do ns t u d y i n g s t a t u so fa t o ，f u z z yp r e d i c t i o nc o n t r o la n da u t o m a t i cc o n t r o la l g o r i t h m ，t h ea p p l i c a t i o n a n ds i m u l a t i o no ff u z z yp r e d i c t i o nc o n t r o lt oa t o w e r ef u r t h e rs t u d i e di nt h ep a p e r w e d e s i g n e dt h es p e e dc o n t r o lm a t h e m a t i co nt h eb a s i so ff u z z yc o n t r o lt h e o r ya n d p r e d i c t i v ec o n t r o lt h e o r y i no r d e rt oh a v eac o n t r a s t ，w ea l s od e s i g n e dt h es p e e d c o n t r o l b yp i d u s i n gm 盯l a b ，w es i m u l a t et h es p e e dc o n t r o lm a t h e m a t i cb a s e do nt h e k i n e t i cm o d e l ，a n dg e tt h es i m u l a t e dc a l v eu n d e rv a r i o u se n v i r o n m e n t s b yc o n t r a s t , i t p r o v e dt h a ti th a v ea m u c hb e t t e re f f e c tb yf u z z yp r e d i c t i v ec o n t r o lt h e np i dc o n t r 0 1 n ea p p l i c a t i o no ff u z z yp r e d i c t i v ec o n t r o lt oa t os y s t e mn o to n l ye n r i c h e st h e t h e o r yo ff u z z yp r e d i c t i v ec o n t r o l ，b u ta l s oo f f e r sa n e wm e t h o df o rt r a i no p e r a t i o nw i t h h i g l lq u a l i t y t h cr e s u l to fr e l a t e ds i m u l a t i o ns h o w st h a tt h ea p p l i c a t i o no ff u z z y p r e d i c t i v ec o n t r o lt oa t o c a l la s s u r et h et r a i nt or u ni nh i g hq u a l i t yw a y t 1 1 es t u d y m a k e sag o o df o u n d a t i o nt of u t u r ea t or e s e a r c ha n dm e a n sa1 0 tt or e a l i z ef u l l f u n c t i o n a la t oi no u r c o u n t r y k e y w o r d s ：a u t o m a t i ct r a i no p e r a t i o n ：f u z z yc o n t r o l ；p r e d i c t i v ec o n t r o lf u z z y p r e d i c t i v ec o n t r o l ：m a t l a b c i 。a s s n o ：u 2 31 v 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：飙庄欲 签字日期：加吁年月j 乡日 导师躲溯 签字日期：7 l ，o g 年易月，多日 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名：签字日期： 年月日 致谢 本论文的工作是在我的导师唐涛教授的悉心指导下完成的，唐涛教授严谨的 治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢三年来唐老 师对我的关心和指导。 实验室的刘波老师、黄友能老师对于我的科研工作和论文都提出了许多的宝 贵意见，在此表示衷心的感谢。 在实验室工作及撰写论文期间，苟径、陆启进、朱力等同学对我的课题工作 和论文撰写给予了宝贵的意见和建议，在此向他们表达我的感激之情。 感谢我的同学周剑奇、蒋红军、宋晨亮、陆启进、陈小康，你们让我的研究 生生活丰富多彩，积极向上。特别感谢我的多年同窗好友周剑奇，在我最困惑的 时候，你的鼓励给与我极大的帮助，我们的友谊必将长存。 更要感谢我的家人，你们的理解和支持使我能够在学校专心完成学业。 1 绪论 1 1 选题背景与意义 随着城市社会经济的发展和城市化进程的加快，城市在交通问题上面临着越 来越严峻的挑甜。城市轨道交通具有运能大、速度快、安全准时、乘坐舒适、节 约能源以及能够缓解地面交通拥挤和有利于环境保护等多方面的优点，因此采用 立体化的快速轨道交通来解决日益严重的城市交通问题已经成为城市交通发展的 大趋势。城轨列车运行控制系统( a u t o m a t i ct r a i nc o n t r o l ，朋r c ) 能够确保列车安 全、畅通运行。它是将先进的控制技术、通信技术、计算机技术与铁路信号技术 溶为一体的行车指挥、控制、管理自动化系统，是现代保障列车行车安全、提高 运输效率的核心，也是标志一个国家轨道交通技术装备现代化水准的重要组成部 分。 列车自动驾驶系统( a u t o m a t i ct r a i no p e r a t i o n ，a t o ) 可以实现自动控制列车 加速、减速，实现列车自动运行。不仅能保证列车运行的安全性和准时性，还可 以节约能源和提高乘客乘车的舒适性。但列车运行过程极其复杂，它受许多因素 的影响，如线路条件、环境条件、列车司机熟练操作程度等。在不同的工况下， 相应的控制目标和控制策略也各不相同，如何实现高效的a t o 成为人们关心的焦 点问题之一。 智能控制技术的迅速发展为实现高效的a t o 提供了新的途径。1 9 8 4 年在日本 仙台开发成功基于模糊预测控制的列车控制系统并投入实际使用，虽然在国内铁 道部科学研究院也致力于人工智能、知识工程、模糊控制技术有机集成的a t o 系 统的研究，并取得了一定的成果，然而应用在列车自动驾驶控制系统还不成熟。 本文将预测控制算法与模糊控制相结合，应用于a t o 中，为早日实现我国列车运 行的全自动控制起到探索性作用，本文的研究显得很有现实意义。 1 2 列车自动驾驶系统介绍 列车自动驾驶系统是列车自动控制系统的一个子系统，a t o 的功能是在a t c 的各个子系统相互协作下完成的，所以，在介绍a t o 之前，我们有必要先了解a t c 的构成。a t c 是一套以安全和效率为目的、调节列车运行间隔的自动控制设备。通 过车载设备、地面设备、车站和控制中心组成的控制系统完成过程控制。它系统 包括三部分设备：列车自动防护系统( a u t o m a t i ct r a i np r o t e c t i o n ，a t p ) ；列车自动 驾驶系统即a t o 系统；列车自动监控系统( a u t o m a t i ct r a i ns u p e r v i s i o n ，a t s ) 。 a t p 系统是a t c 系统的核心部分，具有超速防护、速度检测和车门控制等功能。 它保证a t c 系统安全工作，提供速度限制信息以保持列车问的安全间隔，使列车在 符合限制速度的标准下运行。在联锁区，a t p 保证列车只在道岔锁在规定位置并且 已经锁闭的线路上运行。当两列或多列车竞争使用同一区段时，a t p 保证同一时间 内只有一列车占用该区段。 a t o 系统能替代司机智能化地驾驶列车，使列车平稳地加速至行驶速度，自动 调整车速，并使列车平稳地停在车站的正确位置。列车限制速度由两方面因素决 定：a t p 速度命令、a t o 到站停车速度曲线。列车进入车站，激活设在轨道中间的 标志线圈，开始全制动。列车停在定位天线上，车上a t o 系统认为列车停在正确位 置。 a t s 系统实现监督、引导列车按预定的时刻表运行，保证系统的稳定性。a t s 系统通过转换道岔、建立发车进路，并提供列车接收控制中心传来的监督命令的 设备。 从运行中所起作用来说，a t o 主要实现驾驶列车的功能，能进行车速的正常 调整，但这只是执行操作命令，不能确保安全，这就需要a t p 来进行防护，a t p 起监督功能，对不符合安全的情况给予防护，保证列车不超速。由此可见，a t p 系统是列车运行时必不可少的安全保障，a t o 系统则是提高城市轨道交通运行水 平的技术措施。如图1 1 ，曲线l 表示列车的紧急制动曲线，由a t p 系统计算并监 督。曲线2 由a t p 计算，在驾驶室显示出来的最大允许速度，它略低于紧急制动 益线，当列车速度达到曲线2 ，应给出警告。曲线3 是由a t o 系统动态计算的制 动曲线，也是正常运行情况下的停车制动曲线。从a t p 与a t o 的三条制动曲线， 也可明显地看出：a t p 主要负责“超速防护 ，起保障安全的作用；a t o 主要负责 正常情况下的列车高质量地运行。 1 妯， 2 自动监控系统a t s ，以使列车按照设计好的时刻表准确有序地运行，并监视列车 运行状态实现智能调度。a t s 一般设在地铁线路中较大的车站，控制中心与各站 连锁设备间的联系由遥控系统来完成。a t s 传送给a t o 的数据是通过电缆传给轨 旁a t p 发送设备，再由车载a t p 设备接收处理后传给车载a t o 设备。a t o 获得 有用信息后，根据实际运行速度和a t p 最大允许速度，计算运行速度，得出控制 量并执行控制命令。a t o 向a t s 发送数据则是通过列车位置识别( p t i ) 子系统 向车站内地面环线发送信息再传给a t s ，以识别列车的位置，a t s 根据此列车信 息确定列车的新任务后再次经过轨道电路传给a t o 。在区间运行时，每进入新的 轨道区段，a t o 便接受新的路面信息，以便进行速度调整。a t c 各系统的结构如 下所示【2 】： 图l - 2a t c 的系统结构 f i g 1 - 2f r a m eo f a t c 1 3a t o 控制算法发展概况 列车运行具有多目标、非线性、时变性，由复杂运行环境构成复杂系统的特 征，它通常以地面信号、调度命令等行车指挥命令为依据，向着目标集( 安全、 正点、低消耗、舒适) ，结合各种运行条件( 如运行图、气候、车载及列车车体等) ， 实现对列车的启动、加减速、惰行、制动、停车等操作控制。这种控制模式灵魂 在于司机人脑，司机一旦疏忽、误判、误操作等失误，直接影响行车及人身安全。 a t o 控制的是复杂的列车系统，因i i = i l a t o 控制算法要考虑周围环境情况来决定 控制量。只有对环境提供的条件参数进行自适应，才能实现多目标控制。在a t o 的发展过程中，相继出现t 4 类控制算、法【习： 3 ( 1 ) 经典控制算法。这种方法的核心算法是以经典的经验性的列车牵引制动 特性公式为基础，加装固定不变的起动、惰行、牵引、制动控车模式来实现控制 列车运行的。 此类控制算法中，p i d 控制最具有代表性。随着微型计算机技术的发展，6 0 年 代开始，列车自动驾驶系统成为一个研究热点。最初，由于人们对列车自动驾驶 系统的要求不是很高，只希望a t o 能进行一般驾驶操作，也由于技术的限制，地 铁列车自动驾驶系统采用p i d 控制方式。1 9 6 8 年，伦敦的维多利亚线成为第一条盈 利性投入运营的线路，紧跟其后的是1 9 6 9 年投入运营的费城的林登沃尔德线。a t o 被其他许多系统采用，包括大多数新的美国地铁1 4 1 。由于它简单、易于实现，因此 有一定的市场。 p i d 是一种线性调节器，它将设定值与输出值的偏差按比例、积分和微分进行 控制。这种控制方法要事先设定出距离一速度曲线。显然，这是一种按照事先安 排好的行车曲线进行速度控制的方法。这种方法的缺点是控制速度时的加减切换 次数过多，这种情况既不利于平稳运行，又破坏了乘坐的舒适性，同时也增加了 能耗和降低了停车精度。 ( 2 ) 参数自适应控制算法。这种方法采取了自适应的参数调整策略来减小这 些参数变化对算法的影响。而核心算法则与经典控制算法相同。从这种意义上讲， 它是第一种方法的改进。 a t o 系统受到许多不确定因素的影响，属于一类复杂动力学过程，难以采用 常规辨识方法进行建模。在不同的工作条件下，控制目标策略随过程特性的变化 而大有不同，整个运行过程的控制不适合采用传统的p i d 控制。因此，研究人员 一直在寻求p i d 控制器的参数自动整定技术，以适应复杂的工况和高指标的控制 要求。经过人们对p i d 控制算法的不断改进，自适应p i d 控制的技术取得了重大 进展，并向智能型的p i d 控制发展。二十多年来，马特拉公司完成了诸如v a l ， m a g g a l y ，m e t e o r 等全自动运输系统。这些技术在巴黎、里尔、图卢兹、里 昂、芝加哥、台北等城市的轨道交通中广泛应用。还有其他的公司也把改进的p i d 算法用到a t o 系统中，在列车走行特性稳定、线路条件稳定的情况下，可以取得 较为令人满意的效果1 5 j 。 ( 3 ) 智能控制算法 6 1 7 1 。这种方法能有效地获取、传递、处理、再生和利用 信息，从而在任意给定的环境下能成功地达到预定目的。它的核心是一种思维的 活动，是一类无需( 或仅需尽可能少的) 人的干预就能够独立地驱动智能机器实 现其目标的自动控制。智能控制系统包括模糊控制、专家系统和神经网络控制等 等。模糊控制能有效的控制难以建立精确模型而凭经验可控制的系统；专家系统 能在决策中充分表示和利用经验司机的常识性知识和独特的智能行为；神经网络 4 则具有并行处理和自学习能力。 复杂的列车自动控制系统凭单一控制模式是难以解决的。在研究如何改进p i d 控制的同时，人们在实践中看到，许多复杂的、难以实现的目标控制，可是熟练 的操作工、技术人员或专家却操作自如，可以获得较满意的控制效果。于是，将 这些熟练的操作工、技术人员或专家的经验知识和控制理论结合，把它作为控制 理论解决复杂控制过程的一个补充手段，这样，控制理论解决复杂控制过程便有 了突破性的进展。随着各种智能技术的发展，学者们纷纷尝试将智能技术用于列 车自动驾驶中。常用的智能控制方法有模糊逻辑控制( f l c ) 、专家控制( e c ) 、 神经网络控制( n n c ) 和预测控制( m p c ) 等等。 1 模糊控制算法 模糊理论的创始人是美国的扎德( z a d e hl a ) 教授 s l 。他在1 9 6 5 年提出了模 糊集合的理论，并于7 0 年代在各种学会上从模糊信息处理观点出发，阐述了他的 理论。1 9 7 4 年英国的m a m d a n i 9 】教授提出“i 卜_ 1 m e n 一 型模糊规则用于模糊推 理，并把这种推理用于蒸汽机的自动运转中，取得良好的结果。8 0 年代，日本技 术人员开始关心模糊理论，同时，模糊理论实用化的中心开始转移到日本。 为了解决列车自动驾驶p i d 控制的不足，列车自动驾驶可以模拟经验丰富的司 机进行驾驶，以提高控制质量。但以前的模糊控制均为模糊推理，与输出结果无 关。对于延时大的系统，模糊控制有一定的缺点。这时，解决的办法可以通过引 进预测控制。由此，日本日立制作所研制了“预测型模糊控制”的列车自动驾驶 系统。1 9 8 7 年，该系统在仙台地铁投入运营，它所用方法主要不是模糊推理，而 实际上是一种模糊决策或模糊评判的方法。它通过估计下一时刻的安全度、舒适 度、运行速度、停车精度、运行时间、节能等指标，选择决定要实施的控制量。 因此它能实现多目标控制，也可满足多种地铁系统操作的需要。仙台地铁开创了 列车自动驾驶模糊控制的先例。 可以肯定的说，模糊控制取得了一定的效果。但是，有时人们对控制过程的 认识比较肤浅，或总结不出完整的经验，这样得到的控制规则就很粗糙，很不完 善，况且控制过程中，参数不断变化，如果还按原来的规则进行控制，结果可能 与实际要求不符。因此仍要不断改善模糊控制。 我国对预测模糊控制也进行了研究，1 9 9 6 年，铁道科学研究院对地面列车运 行的动态行为进行建模，并运用新型模糊预测控制进行仿真。国内的一些高校科 研单位也对预测模糊控制算法进行研究，都取得了一定的成果。 2 专家系统 1 9 8 3 年h a y e s r o t h 等提出专家控制系统。专家系统主要指的是一个智能计算机 程序系统，其内部含有大量的某个领域专家水平的知识和经验，能够利用人类专 5 家的知识和解决问题的经验方法来处理该领域的高水平难题。简单地说，专家系 统是一种模拟人类专家解决领域问题的计算机程序系统。该系统比较适合于过程 复杂、影响因素较多的控制过程。它具有全面性、时空无限制性、稳定性和廉价 性等优点。进入9 0 年代，专家系统的研究方兴未艾，各种专家系统陆续在各个行 业得到应用。 专家系统有它的不足，如知识获取主要依靠人工移植，且只能是在相当窄的 专业知识领域内求解专门性的问题，推理能力也较弱。然而，兰州铁道学院针对 列车专家控制系统的知识不确定性特点，提出了一种采用框架式专家系统知识表 示方法与模糊p e t r i 网推理相结合的知识表示及获取方法【l o 】，较好地解决了知识获 取的问题。 3 神经网络控制 人工神经网络早期的研究工作应追溯到上世纪4 0 年代。1 9 4 3 年，w m c c u l l o c h 和w p i t t s 提出神经元的数学模型。5 0 年代末，f r o s e n b l a t t 计制作了“感知机， 首次把人工神经网络的研究从理论探讨付诸工程实践。然而，不久之后，m i n s k y 和p a p e r t 论证了简单的线性感知机功能有限，不能解决复杂逻辑功能。加之当时电 子技术的制造水平还达不到研究工作的要求，要制作在规模上与真实神经系统相 比拟的人工神经网络还比较困难，人们对感知机的兴趣开始衰落，人工神经网络 的研究进入了低潮。8 0 年代初期，模拟与数字混合的v l s i 电路制作技术已提高到 新的水平，此外，数字计算机的发展在若干应用领域遇到困难。1 9 8 2 年，美国 h o p f i e l d 弓! 用能量函数的概念，使神经网络的平衡稳定状态有了明确的判据方法， 又利用模拟电路的基本元件构作了人工神经网络的硬件原理模型，为神经网络的 硬件实现奠定了基础，这样便形成了8 0 年代以来神经网络研究热潮。神经网络理 论不断地完善着，它是由神经元相互连接而成的自适应非线性动力系统，它具有 大规模并行处理、知识分布式存储、自学习能力强等特点，它的应用领域也在不 断地扩大。 1 9 9 5 年，中科院自动化所把一种新型的联想记忆神经网络应用于列车的自动 停车，为了提高控制系统对于过程模型参数变化的鲁棒性和制动停车精度，该技 术以滚动优化的方式实现了基于联想记忆神经网络的长程预测控制。 神经网络也存在问题，它不能解释自己的推理过程，网络的收敛速度有待提 高，并且有可能陷入局部最优。 4 预测控制 2 0 世纪7 0 年代问世的预测控制，又称模型预测控制( m p c ) 。它的产生，一方 面是受到了计算机技术在自动化领域应用的推动，当计算机技术的发展，使得速 度、内存、可靠性对于计算机在自动化领域的应用不再是什么困难问题时，人们 6 有理由重新思考基本的控制策略。另一方面，也是复杂工业过程的高级优化控制 目标向现行控制策略挑战的产物。众所周知，控制理论与控制实践长期存在着一 条鸿沟。这主要表现在：工业过程对象的高度复杂性，使建立精确的模型相当困 难，工业过程对象的结构、参数、环境的不确定性，使建立在所谓精确模型基础 上而采取的先进控制策略的综合控制质量明显下降；现代控制理论提供的复杂算 法难以满足工业过程对象控制的实时性、经济性的要求。为克服理论在实践应用 中的不足，7 0 年代以来，人们试图寻找一种对模型精度要求低且获得方便、综合 控制质量好、在线计算方便的新型优化控制方法。预测控制就是在这种背景下发 展起来的一类新型计算机控制方法，它的核心是利用过去及现在的系统。并注意 到系统未来的目标变化，使受控量和目标值的偏差尽可能的小，从而提高系统的 控制性能。该算法直接产生于工业过程的实际应用，2 0 世纪8 0 年代初开始真正发 展起来。预测控制在a t o 中的应用，最典型的是日本仙台地铁，它结合模糊控制， 很好的解决了单纯用模糊控制精度不高的问题，成为预测控制在a t o 中成功应用 的典范。 ( 4 ) 集成智能控制算法。由于智能控制的各类算法均有其特点，而且他们的 优势有互补的可能。因此，可对几种智能控制方法或机理融合在一起构成集成智 能控制算法。集成智能控制是a t o 算法的发展方向。 对于a t o 系统，人们的要求越来越高，例如，模糊控制中语言变量的划分和 隶属函数的形状在很大程度上取决于专家经验，很难进行在线调整等等。而上述 的各种智能控制方法各有优缺点，并且它们的优点许多是能互补的，因此人们已 经着眼于如何将各种智能控制算法集合成一体，使其具有各自的优点。模糊逻辑 控n - 具有推理能力；专家系统：充分利用专家和技术人员的经验；神经网络控 制：自学习能力强，并行处理信息。其中，人们比较热衷于模糊神经网络的研究。 在1 9 9 5 年，日本把两级独立的模糊神经网络控制系统“t w o d e g r e e o f - f r e e d o m f u z z y n e u r a ln e t w o r kc o n t r o ls y s t e n l 用到a t o t l 。他们深入考察了动态特性改变 引起的加速误差的控制特性，也考察以速度控制转换到位置控制的控制特性。而 该控制系统能在运行前或运行中提取优化模糊规则，且减少模糊控制规则的数量， 以处理以上的动态信息。在开始运行后，能方便地改变规则。 1 9 9 6 年，铁道科学研究院基于模糊控制方法提出一种新的列车自动驾驶控制 算法一直接模糊神经控制【1 2 1 。国内院校则在1 9 9 8 年研究列车自动驾驶的控制算法 f 1 3 1 ，用模糊控制的b p 网络实现站间运行控制，用基于遗传算法的模糊神经网络实 现列车定位停车控制，仿真结果令人满意，并表明神经网络控制方法的曲线很光 滑，其速度基本上维持在某一值附近，另外，当环境和模型变化时，仍能通过学 习进行适应，具有较好的鲁棒性和自适应性。 7 模糊神经网络一般情况下难以获得全局最优，对多输入系统的处理也有一定 的困难。遗传算法( g a ) 作为一种随机搜索的全局优化算法，借鉴了生物进化中 适者生存的思想，它在模糊规则的自动获取与神经网络的学习过程中呈现了强大 的生命力。 为了解决最低能耗问题，1 9 9 7 年新加坡学者开始把遗传算法用于列车自动驾 驶仿真中，根据各种情况，在出发前便产生惰行的最合适点，以实现能耗最低。 1 9 9 9 年，新加坡学者又引入d e ( d i g e r e n t i a le v o l u t i o n ) 概念【l q ，并用它调整模糊隶 属函数以优化列车的运行控制。d e 提供最优化目标函数，易于使用且收敛快。 日本在列车优化操纵方面取得了长足的进步，于1 9 8 4 年首先开发成功一种基 于模糊预测控制的智能化地铁列车控制系统，并顺利投入实际使用，其新干线系 列列车采用速度模式曲线自动控制方式a t c ( a u t o m a t i c t r a i nc o n t r 0 1 ) ，多年来以 运行安全、正点、精确定位停车、操纵平稳、乘车舒适和节能而闻名世界。在仙 台地铁、东京临海新交通、东京都营1 2 号线等城市轨道交通中己经采用具有一定 智能控制功能的列车自动驾驶系统。 国内对列车自动驾驶技术的研究开展相对较晚。近几年在车载微机应用方面， 国内一些科研院所做了大量的工作。但主要成果是列车运行数据的记录、超速防 护、出站冒进等，距列车自动控制和自动驾驶尚有很大差距。 综上所述，列车自动驾驶的智能控制算法的研究已相当普遍，但投入使用的 大部分列车自动驾驶系统的控制算法采用的是自适应p i d 控制或一般的p i d 控制， 仅有日本采用过预测型模糊控制算法进行列车控制，而其他智能控制算法与集成 型智能控制算法并未有投入使用的报导。我国城市轨道交通列车自动控制系统目 前主要是以引进为主，同时加快国产化的进度。目前引进了来自德国、美国、英 国等公司的控制系统，这些控制系统的工作方式或各子系统的数据需求是不太一 样的。因此，可针对具体的控制系统分析其数据需求，选用并研究不同的算法， 在能实现准时和定位停车的基础上，再从运行过程的局部开始实现智能控制算法， 以提高舒适性，降低能耗。 从列车自动驾驶智能控制的现状分析，这并不意味着在目前阶段研究高性能 的全局优化的智能控制算法没有意义。当已有控制算法不能满足日益严峻的城市 交通问题时，智能控制算法便将发挥其作用，因此仍要对智能控制算法尤其是集 成型智能控制算法进行研究。此外，笔者获悉智能控制领域出现了可拓掣1 5 】与集 对分析【1 6 】两门新兴学科。可拓学能很好地解决矛盾问题，集对分析能对不确定性 系统进行“客观承认，系统描述、定量刻画、具体分析。 8 1 4 本文的主要内容 本文共分为六章，各个章节的主要内容和框架如下： 第1 章阐述了本文的选题背景和意义，介绍了列车自动控制系统的构成，重 点介绍了其子系统a t o 在a t c 中的作用和功能，以及它与a t p ，a t s 之间的协作 关系；分析了a t o 算法在国内外的应用情况，总结分析了a t o 控制算法的发展过 程。提出模糊预测控制相结合在a t o 中应用的优势。展望集成智能控制是未来的 发展方向。 第2 章模糊预测控制的理论基础，作为本文算法设计的理论支撑，首先分析 预测控制和模糊控制各自的原理，研究了预测控制和模糊控制在实际应用的优点 和存在的不足；然后讨论了模糊控制和预测控制相结合的可行性、合理性，给出 了模糊预测控制相结合的几种形式，为设计a t o 的模糊预测控制器提供了理论基 础。 第3 章对列车自动驾驶系统进行分析，包括列车自动驾驶功能模块的划分， 线路和列车的抽象处理，以及如何获取a t o 的目标速度曲线，为下一章的控制算 法设计做好准备。 第4 章通过前文对模糊控制和预测控制的分析，设计了基于a t o 速度控系统 的模糊预测控制器，分为决策部分和预测部，分别对其算法进行了设计，给出了 设计流程。 第5 章根据前面章节设计的算法，选取适当的列车模型和线路模型进行仿真。 为了更好的体现模糊预测控制器的优势，我们同时设计了p i d 控制器。通过仿真 实验表明，模糊预测控制器相对于p i d 控制器，能更好的跟随目标速度，较小的 速度偏差使得行车安全性大大提高；列车停车精度也有很大改善；能很好的控制 加速度值，乘车有较好的舒适性。同时对模糊预测控制器本身进行了分析，结果 表明，列车和线路参数发生变化时，仍能取得满意的控制效果，表明本文所设计 的模糊预测控制器有很好的适应性，能适应不同的线路模型和机车模型。 第6 章对本文主要工作进行了总结，并指出了今后进一步在本研究方向进行 研究工作的展望和设想。 9 2 模糊预测控制理论基础 2 1 模糊控制基本理论及控制器的设计 2 1 1 模糊控制的基本思想 控制理论的发展和数学有着密切的关系，尤其是现代控制理论的发展，这种 关系就更为密切【l7 1 。无论是采用经典控制理论还是采用现代控制理论去设计一个 自动控制系统，一般需要了解被控对象数学模型的结构、阶次、参数等等，然后 在此基础上合理地选择控制策略。但是在许多情况下无法建立被控过程的数学模 型。如炼钢炉的冶炼过程、工业锅炉的燃烧过程等等。此类过程的变量多，各种 参数又存在不同程度的时变性，而且过程具有非线性、强耦合的特点，因此建立 这一类过程的精确数学模型困难很大，难以进行控制。但有经验的操作人员进行 手动控制却可以收到令人满意的效果。用眼睛来观察被控对象，经过大脑进行一 系列的推算从而做出正确的决策，最后由手动来调节，达到预期的目标。 一个很好的例子就是驾驶员对汽车的控制过程，驾驶员对路面的情况和道路 的弯道弧度的精确值是不知道的，但是他对汽车的速度控制和转弯的方向盘的控 制完全是根据以前的汽车驾驶经验来实现的。所以说经验越丰富的驾驶员，其对 汽车的驾驶水平越高，对汽车的控制也就越好。在这个检测、判断、调整的过程 中，人的控制过程是用语言加以描述的，表现为一系列条件语句，也就是所谓的 语言控制规则。在描述控制规则的条件语句中所用的词语如“小、“中一、“大 等概念均具有一定的模糊性，这些概念没有明确的外延。模糊控制的方法模仿人 的思维方式和人的检测经验，用电脑代替人脑实施有效的控制【1 引。传统的控制理 论依赖于被控系统的数学模型，而模糊控制则是依赖被控系统的物理特性。物理 特性的提取要靠人的直觉和经验，这些物理特性在人脑中是用自然语言来抽象成 一系列概念和规则的。自然语言的重要特点是具有模糊性，人可以根据不精确信 念来进行推理而得到有意义的结果。那么怎样用机器来模仿这一过程呢，用于描 述的数学工具是z a d e h 提出的模糊集合论，或者说模糊集合论在控制中的应用， 这是一种解决复杂系统控制的技巧和方法。用这种方法可以把人的经验形式化并 引入控制过程，再运用比较严密的数学处理过程，实现模糊推理，进行判断决策， 以达到另人满意的控制效果。 模糊控制基本上是建立在人的直觉和经验的基础上，这就是说，操作人员对 被控系统的了解不是通过数学表达方式，而是通过操作人员丰富的实践经验和直 观感觉。这种方法可以看成是一组探索式规则。由于人的决策本质上就是具有模 1 0 糊性，因此控制动作并非稳定一致，且有一定主观性。但是在模糊控制设计中， 可以通过对操作人员控制的动作的观察和与操作人员的交流，用语言把操作人员 的控制策略描述出来，以构成一组用语言表达的定性决策规则。如果把某领域专 家的知识和熟练技术人员的实践经验进行总结和形式化描述，用语言形成一组定 性条件语句和不精确的决策规则，然后利用模糊集合作为工具使其定量化，我们 可以设计一个控制器，该控制器用形式化的人的经验法则模仿人的控制策略，去 驱动设备对复杂的工业过程进行控制。下图为典型的人一机控制系统，模糊控制 器就是要模仿人脑形成的控制规则。 2 1 2 模糊控制器其的构成 图2 - 1 人一机控制系统 f i g 2 1m a n - m a c h i n ec o n t r o ls y s t e m 模糊控制系统由以下几个部分组成：模糊控制器、输入输出接口、检测装置、 执行机构和被控对射1 9 1 。如下图所示。 被控量 图2 - 2 模糊控制系统框图 f i g 2 - 2f r a m eo ff u z z yc o n t r o l a ) 模糊控制器：模糊控制器是模糊控制系统的核心，也是模糊控制系统区别其 它自动控制系统的主要标志。模糊控制器一般由计算机实现，程序和硬件实现模 糊控制算法，根据控制系统的需要，可以是单片机，工业控制机等各种类型的计 算机，程序设计可以用c 语言或v c ，v b ，m a t l a b 等其它各种高级语言。 b ) 输入输出接口：输入输出接口是实现模糊控制算法的计算机与控制系统连 接的桥梁。模糊控制器通过输入输出接口从被控对象获取数字信号量，将模糊控 制器决策的输出数字信号经过数模变换，使其转变为模拟信号，送给执行机构去 控制被控对象。 c ) 执行机构：执行机构是模糊控制器向被控对象施加控制作用的装置，如工业 过程控制中应用最普遍最典型的各种调节阀和变频器。现的控制作用常常表现为 使角度、位置或电压等发生变化，因此，伺服电动机、步进电动机、气动调节阀、 液压阀等加上驱动装置组成。 d ) 检测装