基于模糊控制的ATO系统速度控制策略

基于模糊控制的 ATO系统 速度控制策略

李俊

中车唐山机车车辆有限公司，河北 唐山 064000

摘 要：为了解决目前城轨系统中列车自动驾驶系统测速方式单一以及传统固定参数PID控制速度方法响应慢的问题，本文把以专家知识为基础的模糊PID速度控制算法应用到了列车ATO模式下的速度控制中，这种速度控制系统能够实现更加理想的列车速度控制，以降低列车能耗，提升乘客乘车舒适度。

关键词：自动驾驶系统；测速传感器；模糊PID控制算法；

随着人工智能的不断推进，轨道交通系统也即将迎来巨大的变革，以无人驾驶为核心的智能交通系统正在逐步推进。机车实现无人驾驶的核心为列车自动驾驶系统（Automatic Train Operation，下文简称ATO），它通过采集列车运行中的实时数据对列车运行状况做出判断，从而保证列车运行的安全性。然而，列车在实际线路中的行车过程会受到多种因素的制约,比如路网资源占用状况、行车环境、临时限速、临时停车等，另外，列车的负载、参数等也是时刻发生改变的，这就对列车的控制算法提出了很高的要求。本文将采用模糊 PID控制算法,该算法以轨道交通行业的专家经验为基础，通过模糊控制策略在线实时调整模糊控制器的三个参数，最终实现对列车运行速度的最优控制。该控制器对列车参数和运行环境的变化的适应性强，能够实现列车实际运行速度的运行轨迹与理想曲线最贴近的目标^[1]。

1 ATO系统架构

图1 ATO系统架构

如图1所示，为ATO系统的系统架构。ATO完成无人驾驶需要借助列车自动防护系统（Automatic Train Protection，下文简称ATP）的监督，它能够根据线路条件、信号状态等因素实时计算出列车运行的目标曲线,并自动产生牵引或制动指令。

2 ATO系统速度采集

对于轨道车辆来说需要采集的信号很多，本论文只讨论ATO模式下速度信号的采集。对于以往的ATO系统来说，列车的测速方式单一，只采用速度传感器一种测速方式，当速度传感器故障时，列车的运行安全将受到巨大的威胁，所以本文中ATO系统将采用多传感器测速并将速度信号传递到ATP，接着ATP将对速度信号进行融合。如图2所示，车载ATP子系统通过安装于列车端底部的测速涡流传感器、加速度计和测速雷达，结合多传感器融合的软件测速的算法，这种算法能够计算出列车的运行速度与前进方向等信息，通过对测速涡流传感器、加速度计、测速雷达速度信息的比较可以有效的防止测速传感器的单模故障^[2]。

3 ATO 系统模糊PID 控制器设计

3.1模糊PID结构

ATO系统模糊PID控制器通过对ATO系统推荐的速度值与实际测速系统检测出的速度值进行运算，运算得到速度的偏差 以及速度偏差变化率 作为该模糊控制器的输入，常规PID控制器的三个参数的控制值将作为本系统的输出。经过调整后的三个参数值将传递给PID调节器，进而控制列车减速器以控制列车速度，因此该模糊控制器能够实现列车状态的PID 参数的实时在线调节,进而实现列车速度调节，从而改善ATO系统的性能。

3.2模糊控制器构造过程

本文中的速度模糊PID控制系统的模糊推理的输入变量-速度的偏差 、速度偏差的变化率 ，模糊控制器的输出-常规PID的三个参数：ΔK_P、ΔK_I与ΔK_D，这三个参数的模糊论域都为[-6,6]。

（1）模糊化

首先，规定语言变量：创建模糊控制器的前提是给输入输出变量在所选取的论域内规定与之对应的语言变量。本论文中输入输出变量的语言值依次取速度偏差-“E”；速度偏差变化-“EC”；“比例环节-K_P”；积分环节-“K_I”；微分环节-“K_D”。

接着，将连续论域离散化：模糊控制器利用了量化因子和比例因子把连续论域的离散化。

然后，规定语言值以及隶属度函数：输入变量 、 以及输出变量ΔK_P、ΔK_I和ΔK_D均选取7个模糊子集{负大，负中，负小，零，正小，正中，正大}，与之对应的字母表示为{NB NM NS ZO PS PM PB}。另外，依据以往经验，模糊语言变量的隶属度函数将选取三角形。

最后，规定模糊规则：从K_P、K_I和K_D三个参数对ATO系统的动态响应速度，超调量，稳态控制精度等角度的考虑，再结合以往列车司机的实际操作经验对PID控制器的三个参数做出适当调整，从而得到了ΔK_P、ΔK_I和ΔK_D的具体数值。

（2）模糊推理

模糊推理的整个过程是在模糊PID控制器内部实现的，模糊推理过程如下：

①将ATP系统融合后的速度值进行量化。

②接着把量化后的实际输入值（速度偏差以及速度偏差变化率）变换为模糊值^[3]。以速度偏差变化率 为例：通过量化，输入值的精确值是EC，那么和精确输入速度偏差对应的模糊输入量EC*是其精确量隶属度最大的模糊值，接着计算模糊控制器的输出。

（3）去模糊化（清晰化）

模糊PID控制器的模糊推理阶段的最终的输出值ΔK_P、ΔK_I和ΔK_D只有通过清晰化以后才可以作为模糊控制器的输出。清晰化又称去模糊化，目前使用最多的去模糊化的方法有最大隶属度法，重心法等。本文所构造的ATO系统模糊控制器采用的去模糊化得方法为重心法^[4]。

上述过程就是模糊控制器的基本构造过程。

3.3对比仿真

本文在SIMULINK^[5]中分别用模糊PID控制器以及常规PID控制器对相同的ATO速度控制系统进行仿真。仿真结果表明：虽然两种控制器的稳态精度差别不大，但模糊PID控制器优势明显，它从被扰动到恢复稳态的时间更短，响应速度也比常规PID要快，而且超调量极小。所以可以验证如果把模糊PID应用到ATO系统中，ATO系统的速度控制的控制效果及性能要更优良。

4 结论

本文以轨道交通系统的列车司机的操纵规则和驾驶经验为基础，采用模糊PID 控制对ATO系统的速度控制系统进行了研究。通过对比仿真可以发现,该算法明显优于传统的PID 控制，这将大大提高ATO速度控制系统的实时性，使列车在安全平稳运行的同时兼顾了乘客乘车的舒适性与体验感。不仅如此，列车运行的能耗将大大降低，停车精度也有明显的改善，基于模糊PID控制的ATO系统的速度控制系统将大大提高列车运行的智能性。

参考文献

1. 王义惠，罗仁士，于振宇．考虑ATP限速的ATO控制算法研究[J]．铁道学报，2012(5)：59-64．

2. 杨艳飞,崔科,吕新军. 列车自动驾驶系统的滑模PID 组合控制[J]. 铁道学报，2014，36(6):61-67.

3. 李尹．PID控制算法及其在风速控制中的应用[D]．武汉：华中科技大学，2007．

4. 冷勇林,陈德,阴佳腾. 基于专家系统及在线调整的列车智能驾驶算法[J]. 铁道学报，2014,36（2）:62-68.

5. 张德丰. MATLAB模糊系统设计[M]. 北京: 国防工业出版社, 2009.