改進(jìn)模型預(yù)測控制的列車自組網(wǎng)運(yùn)行控制

摘" 要：重載組合列車自組織網(wǎng)絡(luò)是一種新型智能化的管理體系，能夠?qū)崿F(xiàn)列車的實(shí)時信息交互和協(xié)同運(yùn)動。隨著列車向長編組、重載化發(fā)展，對于重載組合列車自組織網(wǎng)絡(luò)提出新的要求。該文提出一種改進(jìn)模型預(yù)測控制的列車自組網(wǎng)運(yùn)行控制策略。首先，建立重載組合列車自組織網(wǎng)絡(luò)系統(tǒng)的單列車與多列車運(yùn)動模型，其中多列車運(yùn)動模型以3輛車為例具體化。其次，設(shè)計一種基于模型預(yù)測控制的多列車協(xié)同控制，以實(shí)現(xiàn)多列車的高效率安全運(yùn)行，并且通過優(yōu)化模型預(yù)測控制預(yù)測時域，改善控制效果。最后，仿真實(shí)驗(yàn)驗(yàn)證所提方案在加速、減速和不同預(yù)測時域的效果。結(jié)果表明，所提出控制效果的優(yōu)越性，在保證運(yùn)算性能的同時達(dá)到最優(yōu)的控制效果。

關(guān)鍵詞：重載組合列車；自組織網(wǎng)絡(luò)；模型預(yù)測控制；優(yōu)化預(yù)測時域；運(yùn)行安全

中圖分類號：U296" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號：2095-2945（2025）05-0022-05

Abstract： The self-organizing network of heavy-haul train is a new intelligent management system， which can realize real-time information interaction and cooperative movement of trains. With the development of long train formation and heavy load， new requirements are put forward for the self-organizing network of heavy-haul trains. This paper presents a train self-organizing network operation control strategy based on improved model predictive control. Firstly， the single-train and multi-train motion models of the self-organizing network system are established. The multi-train motion model takes three cars as an example. Secondly， a multi-train cooperative control based on model predictive control is designed to achieve high efficiency and safety of multi-train operation， and the control effect is improved by optimizing the prediction time domain of model predictive control. Finally， simulation experiments verify the effectiveness of the proposed scheme in acceleration， deceleration and different prediction time domains. The results show the superiority of the proposed control effect and the optimal control effect can be achieved while ensuring the operational performance.

Keywords： heavy-haul combination train; self-organizing networks; model predictive control; optimized predictive time domain; operation safety

隨著我國貨運(yùn)需求總量的不斷增加，促進(jìn)了貨運(yùn)列車組向長編組和重載等方向發(fā)展[1]。重載組合列車因?yàn)槠涓咝屎偷统杀颈淮罅繎?yīng)用于大運(yùn)量運(yùn)輸?shù)蔫F路貨物運(yùn)輸[2]。由于重載列車長度和重量較大，在運(yùn)行過程中需要高度的調(diào)度協(xié)調(diào)和嚴(yán)密的安全保障措施[3]。因此，研究重載組合列車的運(yùn)行機(jī)理，設(shè)計合理的控制策略，對保障重載組合列車安全運(yùn)行有重要意義[4]。

重載組合列車自組織網(wǎng)絡(luò)是一種適應(yīng)現(xiàn)代鐵路重載運(yùn)輸需求的智能化調(diào)度與管理系統(tǒng)，其通過先進(jìn)的通信技術(shù)、信息技術(shù)以及控制策略，實(shí)現(xiàn)對重載列車各個部分的高度協(xié)同運(yùn)作和自主管理[5]。自組網(wǎng)技術(shù)有去中心化、控制協(xié)同化、調(diào)度智能化與運(yùn)行智能化等特點(diǎn)[6]，通過自組網(wǎng)將重載組合列車不同部分無線通信連接起來，實(shí)現(xiàn)多車輛的協(xié)同運(yùn)行，提高重載組合列車的運(yùn)行效率，保障運(yùn)輸過程的安全性[7]。

模型預(yù)測控制是解決重載組合列車編隊(duì)運(yùn)行的一個有效解決方案[8]，通過建立車輛的運(yùn)動模型，結(jié)合實(shí)時獲取的列車狀態(tài)信息和未來預(yù)期的運(yùn)行條件，對未來一段時間內(nèi)的列車運(yùn)動狀態(tài)進(jìn)行預(yù)測，然后基于設(shè)定的優(yōu)化目標(biāo)制定最優(yōu)控制輸入序列[9]。但是傳統(tǒng)的模型預(yù)測控制都是使用固定預(yù)測時域，忽略了不用預(yù)測時域?qū)α熊嚳刂菩Ч挠绊慬10]。

本文提出了一種優(yōu)化預(yù)測時域的模型預(yù)測重載組合列車自組織網(wǎng)絡(luò)安全運(yùn)行控制策略。首先設(shè)計了一種模型預(yù)測控制策略，保證列車的安全運(yùn)行，研究不同的模型預(yù)測控制的預(yù)測時域?qū)刂菩Ч挠绊?。通過大量的實(shí)驗(yàn)驗(yàn)證了預(yù)測時域長度的影響，并選擇了最優(yōu)的預(yù)測時域，進(jìn)而保證重載組合列車運(yùn)行安全。

本文的其余部分組織如下。第1節(jié)構(gòu)建了重載列車自組網(wǎng)系統(tǒng)運(yùn)動模型。在第2節(jié)中，設(shè)計重載列車自組網(wǎng)系統(tǒng)集中式MPC協(xié)同控制算法。第3節(jié)驗(yàn)證了所提策略在不同場景下的仿真性能。最后，在第4節(jié)中總結(jié)了本文的工作。

1 重載列車自組網(wǎng)系統(tǒng)運(yùn)動模型

本節(jié)對重載組合列車自組網(wǎng)系統(tǒng)進(jìn)行運(yùn)動建模，分別建立單輛列車的運(yùn)動模型和多輛車車隊(duì)的運(yùn)動模型，為后續(xù)算法設(shè)計提供基礎(chǔ)。

1.1 單列車運(yùn)動模型

為表征單列車的運(yùn)行狀態(tài)，假設(shè)每輛車可由單個質(zhì)點(diǎn)表示，在運(yùn)行過程中只考慮縱向力，建立重載組合列車系統(tǒng)的縱向位移-速度動態(tài)特性模型。

1.2" 多列車運(yùn)動模型

假定多重載組合列車自組網(wǎng)系統(tǒng)中車輛從頭到尾編號依次為1、2、…、N，實(shí)驗(yàn)中選取所有列車的速度和相鄰列車間距作為被控系統(tǒng)的狀態(tài)向量x∈R2N-1，每輛列車加速度組成控制向量u∈RN。相鄰列車間距的狀態(tài)更新方程為[11]

2" 重載列車自組網(wǎng)系統(tǒng)集中式MPC協(xié)同控制算法

在本節(jié)中，提出一種基于集中式MPC的協(xié)同控制算法來實(shí)現(xiàn)列車速度一致和間距保持的控制目標(biāo)。該算法收集所有列車的速度和相鄰列車的間距信息，并采用數(shù)值優(yōu)化算法，在時域中滾動優(yōu)化一個有限時域最優(yōu)控制問題。

設(shè)計目標(biāo)是使所有列車速度都能收斂到參考速度vr、相鄰列車間距收斂到參考間距dr，定義MPC的優(yōu)化目標(biāo)函數(shù)如下

3 仿真驗(yàn)證

為了驗(yàn)證重載組合列車的集中式MPC協(xié)同控制策略，本節(jié)使用MATLAB2022b構(gòu)建了三列車的仿真環(huán)境，并進(jìn)行了大量的實(shí)驗(yàn)。該軟件安裝在一臺配備了第12代英特爾（R）酷睿（TM）i7-12700H CPU @2.30 GHz的臺式計算機(jī)上。本節(jié)首先給出了仿真參數(shù)設(shè)置，然后提出了性能指標(biāo)，最后展示了實(shí)驗(yàn)結(jié)果。

3.1 參數(shù)設(shè)置

在實(shí)驗(yàn)中，我們考慮了3輛重載列車，假設(shè)列車在一條直線上運(yùn)行。列車之間的期望距離設(shè)為200 m，控制周期Ts為1s，權(quán)重矩陣Ｑ＝diag（0.25，0.25，

１，１，１）。dmax和dmin分別設(shè)為300 m和100 m，？淄max和？淄min分別被設(shè)為70 m/s和0 m/s，amax和amin分別被設(shè)為1 m/s2和-1 m/s2，jmax和jmin分別被設(shè)為1 m/s3和-1 m/s3。3輛重載列車的初始速度分別為45、25和30 m/s，其初始位置分別為420、190和0 m，仿真時間設(shè)定為400 s。

3.2" 性能指標(biāo)

所提出的方法用以下幾個性能指標(biāo)來評估。

3.3" 仿真環(huán)境

為了測試所提出的方法的有效性，在列車加速和減速2種場景下進(jìn)行了仿真驗(yàn)證。

3.3.1" 場景1：加速場景

在場景1中，仿真考慮了列車處于加速情況，即參考速度在400 s時從30 m/s增加到44 m/s。設(shè)置預(yù)測時域?yàn)? s時的集中式MPC協(xié)同控制方法仿真結(jié)果如圖2所示。

圖2（a）為加速場景下參考速度和3輛列車的速度曲線。由于列車的初始速度不一致，在仿真開始階段，3輛列車的速度向參考速度靠近，經(jīng)過45 s后，3輛列車的速度一致收斂到30 m/s，且相對距離維持200 m。在200 s時，參考速度增加，3輛列車經(jīng)過調(diào)整后速度也收斂到參考速度。圖2（b）是列車之間速度差隨時間變化的曲線，可以看到在仿真開始時和速度變化時，列車之間的速度差有較大的不一致，但是最終都能收斂到0。圖2（c） 是列車之間相對距離曲線，在參考速度突然變化時，由于3輛列車的速度變化軌跡一致，因此列車之間保持200 m不變，最終速度一致收斂到參考速度44 m/s。

3.3.2" 場景2：減速場景

在場景2中，仿真考慮了列車處于減速情況，即參考速度在400 s時從60 m/s減少到44 m/s。協(xié)同控制方法的仿真結(jié)果如圖3所示。

3.3.3" 小結(jié)

上述2種場景表明，重載組合列車虛擬聯(lián)掛系統(tǒng)集中式MPC協(xié)同控制策略能夠保證重載組合列車以相同的預(yù)期速度運(yùn)行并保持安全距離。表1表示2種場景下，協(xié)同控制方法的性能指標(biāo)。與加速場景相比較，減速場景下的RMSEv較高的原因在于：3輛車的初始速度設(shè)置與參考速度的差距較大。通過對比不同預(yù)測時域下的各項(xiàng)性能指標(biāo)，并考慮到隨預(yù)測時域延長MPC的求解計算負(fù)擔(dān)增加，選擇預(yù)測時域在10～15 s之間可以獲得較好的控制性能。

4" 結(jié)論

本文提出了一種優(yōu)化預(yù)測時域的模型預(yù)測重載組合列車自組織網(wǎng)絡(luò)安全運(yùn)行控制，用于保障重載組合列車自組網(wǎng)系統(tǒng)的運(yùn)行效率和安全。設(shè)計了模型預(yù)測控制算法，使重載組合列車之間保持安全距離并且維持相同的速度，在保障安全的前提下提高整體運(yùn)行效率。在此基礎(chǔ)上進(jìn)一步優(yōu)化模型預(yù)測控制的預(yù)測時域，通過實(shí)驗(yàn)選擇出最優(yōu)的預(yù)測時域。仿真結(jié)果表明，最終所選擇的預(yù)測時域各項(xiàng)性能指標(biāo)達(dá)到最優(yōu)，在不同的場景下都能保障重載組合列車的安全運(yùn)行。

參考文獻(xiàn)：

[1] 王建華，王春毅，曾周，等.基于強(qiáng)化學(xué)習(xí)的重載組合列車長大下坡操縱優(yōu)化研究[J].機(jī)車電傳動，2023（6）：139-146.

[2] 李帥，李向國，王凱，等.組合坡段參數(shù)對重載列車運(yùn)行性能的影響研究[J/OL].鐵道標(biāo)準(zhǔn)設(shè)計，1-8[2024-03-19].https：//doi.org/10.13238/j.issn.1004-2954.202311030006.

[3] 魏修奇，徐彬倢，曾東亮，等.重載組合列車中部機(jī)車車鉤自由角對輪軌動態(tài)相互作用影響分析[J/OL].西華大學(xué)學(xué)報（自然科學(xué)版），1-7[2024-03-19].http：//kns.cnki.net/kcms/detail/51.1686.n.20240227.1021.002.html.

[4] 錢銘，張啟平，黃成榮，等.重載組合列車縱向動力學(xué)及安全性問題研究[J].中國鐵路，2023（3）：1-9.

[5] 申燕飛，歐東方，吳吉恒.鐵路貨車車載監(jiān)測無線自組網(wǎng)技術(shù)研究[C]//大連交通大學(xué)，中國中車集團(tuán)有限公司.自主創(chuàng)新裝備先行，趁勢而上開啟未來——軌道交通裝備技術(shù)高層論壇論文集.眉山中車制動科技股份有限公司，2020：5.

[6] 鄧亞波，林磊，徐富宏.基于自組網(wǎng)的機(jī)車近距離無線重聯(lián)控制系統(tǒng)研究[J].控制與信息技術(shù)，2021（1）：99-105.

[7] 蘇昭陽，劉留，蔡世源，等.基于低時延高可靠的城市軌道交通車地自組網(wǎng)關(guān)鍵技術(shù)[J].機(jī)車車輛工藝，2023（1）：1-7.

[8] 林正南，俞花珍，邰國璇，等.基于改進(jìn)MPC的重載鐵路移動閉塞系統(tǒng)下列車編隊(duì)控制方法研究[J].鐵道學(xué)報，2024，46（2）：74-81.

[9] 李偉，王猛.基于分布式預(yù)測控制的地鐵列車運(yùn)行調(diào)整[J].石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報，2023，22（3）：43-47.

[10] 林俊亭，倪銘君.基于人工勢場的虛擬編組自適應(yīng)模型預(yù)測控制[J/OL].北京航空航天大學(xué)學(xué)報，1-23[2024-03-19].https：//doi.org/10.13700/j.bh.1001-5965.2023.0544.

[11] 劉漢，侯成濱，寧正，等.城市軌道交通虛擬編組列車控制系統(tǒng)設(shè)計及控制邏輯分析[J].城市軌道交通研究，2023，26（12）：252-257.