摘 要：本文首先介绍了列车运行的优化操纵策略，采用模糊控制与预测控制相结合的在线控制算法使列车按照优化操纵曲线运行，并选取西安地铁二号线完成了仿真验证，通过与常规PID控制器的对比，证明了算法的有效性。最后，用C++语言将该算法移植到WinCE嵌入式系统中，并接入分布式列车运行综合仿真平台进行联合仿真，实现了对ATO车载平台的模拟。

　　关键词：模糊控制；预测控制；ATO；嵌入式；分布式

　　中图分类号：U284.482

　　随着我国经济的高速发展，城市交通带来的压力越来越大，轨道交通由于其便捷性、快速性，也逐渐成为我国重点发展方向。目前我国的城市轨道交通运输系统效率还比较低下，列车运行基本上都是需要司机手动干预才能完成，精准程度和智能化程度不高，司机的驾驶效率也很低。对一个现代化的智能系统来说，ATO系统处于核心地位，它的研究有着重要意义。本文主要讨论了城轨列车的优化操纵问题，并通过编程，实现了嵌入式ATO车载系统。

　　1 列车自动驾驶系统

　　1.1 列车模型

　　ATO子系统是列车自动控制系统（Automatic Train Control，ATC）三个组成部分之一[1]，它的主要功能有：自动速度控制，自动开、关车门，车站屏蔽门控制，站台定点停车，调整列车的运行时间，自动启动列车等。本文首先建立列车模型。

　　列车不同工况运行的合力可以由如下公式表示：

　　（1）

　　式中法f（v）—列车上的单位动力；

　　Q（v）—列车单位牵引力，该力以v作为变量，由列车牵引特性确定；

　　ωo（v）—列车单位运行阻力，是速度的函数；

　　g（s）—坡道阻力，是 的函数；

　　bd（v）—单位动力制动力，以v为自变量，主要由动力制动特性决定；

　　b（v）—最大单位空气制动力，由列车制动机特性确定；

　　βcb（v）—由列车制动机特性确定的单位空气制动力。

　　1.2 列车优化操纵策略

　　（1）节能策略。列车主要可以通过在关键点[2]调整列车的手柄级位，来达到调整列车的速度，增加列车惰行时间使得E值最小；

　　（2）精确停车策略。地铁列车到站需要制动停车时，ATO会根据列车当前的速度、位置和停车点等信息计算出当前的常用制动曲线，然后使列车最大限度地跟随这条制动曲线，直至列车速度减为零停站[3]；

　　（3）舒适性策略。影响旅客乘车舒适的因素很多，主要包括列车行进中制动牵引时的颠簸和过道岔时的晃动等，这些因素中列车加速度最为重要。

　　2 基于模糊预测控制的控制器设计及仿真

　　2.1 总体设计思路

　　预测控制和模糊控制的结合能很好的处理好外界干扰问题，同时也能使优秀操作人员的操纵策略在算法中得到完美的体现[4]。本文总体设计的思路是：采用离线优化与在线优化相结合的方式，计算出列车的准点、节能优化曲线，将这条曲线作为在线优化的目标曲线，舒适性和精确停车等指标作为约束条件，利用模糊预测算法对其进行优化。

　　图1 基于模糊预测的列车控制结构图

　　预测控制环节主要包括：预测模型的选取，模型自校正部分的设计和动态矩阵参数的选取。本文用速度误差 和加速度 作为模糊控制器的输入量，来控制列车速度的级位变化量 作为输出量。

　　2.2 仿真及结果分析

　　算法采用Matlab编程实现，同时，本文与传统的PID控制器与相比较。列车选用国内常用的A型车，6节编组，总长度约为136.8m，AW2载荷下总重量约为318t，平均速度为36km/h，它的运营最高速度为80km/h。本文选取西安地铁2号线的铁路北客站到麻家什字站线路数据进行仿真。

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。