基于模糊自適應(yīng)PID控制的ATO系統(tǒng)控制算法*

劉 浩 錢存元 施招東

(同濟(jì)大學(xué)鐵道與城市軌道交通研究院,201804,上?！蔚谝蛔髡?碩士研究生)

基于模糊自適應(yīng)PID控制的ATO系統(tǒng)控制算法*

劉 浩 錢存元 施招東

(同濟(jì)大學(xué)鐵道與城市軌道交通研究院,201804,上?！蔚谝蛔髡?碩士研究生)

為了研究ATO系統(tǒng)控制算法的智能性和高效性,在傳統(tǒng)PID算法的基礎(chǔ)上,充分考慮到列車系統(tǒng)的非線性和復(fù)雜性,結(jié)合模糊控制理論能進(jìn)行實(shí)時(shí)非線性調(diào)節(jié)的優(yōu)點(diǎn),提出了模糊自適應(yīng)PID控制算法。并在Matlab/Simulink中建立了ATO系統(tǒng)的仿真模型和算法控制模塊。將兩種算法分別運(yùn)用到ATO系統(tǒng)中,對(duì)目標(biāo)速度曲線進(jìn)行跟蹤,從停車精度、追溯性、準(zhǔn)時(shí)性、節(jié)能性、舒適性五個(gè)方面對(duì)二者的控制性能進(jìn)行比較分析。仿真結(jié)果表明,將模糊自適應(yīng)PID算法運(yùn)用到ATO系統(tǒng)中,列車的控制性能能夠很好地滿足ATO系統(tǒng)的各個(gè)性能指標(biāo)要求。

列車自動(dòng)駕駛系統(tǒng); PID控制算法; 模糊自適應(yīng)PID; 目標(biāo)速度曲線

作為ATC(列車自動(dòng)控制)系統(tǒng)的關(guān)鍵子系統(tǒng)之一,ATO(列車自動(dòng)駕駛)系統(tǒng)是城市軌道交通列車實(shí)現(xiàn)自動(dòng)駕駛、降低能耗、提高效率和運(yùn)營(yíng)安全的基礎(chǔ)[1-3]。隨著ATO系統(tǒng)的不斷發(fā)展,國(guó)內(nèi)外對(duì)ATO控制算法的研究取得了較為顯著的成果。

目前主流的ATO系統(tǒng)控制算法主要包括傳統(tǒng)PID(比例-積分-微分)控制算法、模糊控制算法、遺傳算法及神經(jīng)網(wǎng)絡(luò)控制算法等。然而這些算法都存在著一定的局限性。采用傳統(tǒng)PID算法，則工況切換時(shí)列車速度的變化次數(shù)過(guò)多,舒適性差,能耗較大;模糊控制雖然舒適性好,但速度控制精度低;遺傳算法和神經(jīng)網(wǎng)絡(luò)控制算法由于其快速性、追溯性較差,故更適于系統(tǒng)優(yōu)化[4]。

本文結(jié)合傳統(tǒng)PID算法與模糊控制的優(yōu)點(diǎn),提出了模糊自適應(yīng)PID算法,試圖解決ATO系統(tǒng)速度跟蹤過(guò)程中的追溯性、舒適性及節(jié)能性等問(wèn)題,為開(kāi)發(fā)智能高效的ATO系統(tǒng)提供技術(shù)參考。

1 ATO系統(tǒng)的架構(gòu)及性能指標(biāo)

1.1 ATO系統(tǒng)構(gòu)成及原理

ATC系統(tǒng)包含ATO系統(tǒng)、ATP(列車自動(dòng)防護(hù))系統(tǒng)和ATS(列車自動(dòng)監(jiān)控)系統(tǒng)等3個(gè)子系統(tǒng)。ATO系統(tǒng)是代替司機(jī)實(shí)現(xiàn)列車自動(dòng)駕駛的系統(tǒng)；可在ATP系統(tǒng)的保護(hù)下,根據(jù)ATS系統(tǒng)的指令實(shí)現(xiàn)列車的自動(dòng)駕駛；能夠自動(dòng)完成對(duì)列車的起動(dòng)、牽引、巡航、惰行和制動(dòng)的控制,確保達(dá)到設(shè)計(jì)的間隔和行駛速度,從而實(shí)現(xiàn)列車的自動(dòng)駕駛；具有提高乘客舒適度及列車的準(zhǔn)點(diǎn)率,運(yùn)營(yíng)安全等優(yōu)點(diǎn)。ATP系統(tǒng)在ATC系統(tǒng)中主要負(fù)責(zé)監(jiān)測(cè)列車安全運(yùn)行,其主要功能包括列車運(yùn)行超速防護(hù)、列車車門及屏蔽門的安全監(jiān)督等。ATS系統(tǒng)主要負(fù)責(zé)編制列車運(yùn)行圖,并根據(jù)運(yùn)行圖自動(dòng)辦理列車進(jìn)路,自動(dòng)調(diào)整列車運(yùn)行間隔；依靠現(xiàn)場(chǎng)的行車信息,實(shí)現(xiàn)組織和控制行車的指揮。ATC設(shè)備主要包括車載控制器(車載ATP設(shè)備和車載ATO設(shè)備)和地面設(shè)置的區(qū)域控制器、數(shù)據(jù)存儲(chǔ)單元及ATS設(shè)備。ATC系統(tǒng)的原理圖如圖1所示。

圖1 ATC系統(tǒng)原理示意圖

1.2 ATO系統(tǒng)的性能指標(biāo)

ATO系統(tǒng)最主要的功能就是通過(guò)智能算法替代司機(jī)實(shí)現(xiàn)對(duì)列車速度的自動(dòng)調(diào)整及站內(nèi)定點(diǎn)停車,使列車能高效安全地運(yùn)行。因此,對(duì)其控制算法的優(yōu)劣進(jìn)行評(píng)價(jià)至關(guān)重要。ATO系統(tǒng)控制算法評(píng)價(jià)一般參照以下幾項(xiàng)性能指標(biāo)[7]:

(1) 追溯性。追溯性是指列車實(shí)際運(yùn)行速度與目標(biāo)速度的貼近程度。滿足追溯性要求時(shí),控制算法既能保障列車的運(yùn)行安全,又能提高列車的通過(guò)能力和運(yùn)行效率。

(2) 準(zhǔn)時(shí)性。在城市軌道交通系統(tǒng)中,列車的準(zhǔn)時(shí)性對(duì)于保障線路的通暢運(yùn)行來(lái)說(shuō)是至關(guān)重要的。線路不同區(qū)段上的每列列車都有其運(yùn)行時(shí)間,若前方列車誤點(diǎn)運(yùn)行,將會(huì)直接導(dǎo)致后續(xù)列車的延誤,并最終打亂整個(gè)系統(tǒng)的運(yùn)行作業(yè)。

(3) 停車精度。當(dāng)車站配有屏蔽門時(shí),停車的精度會(huì)直接影響車門和車站屏蔽門的相對(duì)位置。停車精度差時(shí),會(huì)影響屏蔽門的正常開(kāi)啟,導(dǎo)致乘客無(wú)法正常上下車。

(4) 舒適性。舒適性受線路情況、司機(jī)的操縱水平、車輛的構(gòu)造及列車的運(yùn)行模式等因素影響。為了提高列車乘坐舒適性,應(yīng)盡量減少列車工況及檔位的切換次數(shù),做到工況間及檔位間的平滑切換。

(5) 節(jié)能性。列車的能耗主要與牽引、制動(dòng)、惰行策略相關(guān)。采用不同的ATO控制算法時(shí),其相應(yīng)的列車能耗大小也是不同。運(yùn)行中,應(yīng)當(dāng)盡量減少不必要的過(guò)度牽引,并且在滿足運(yùn)行時(shí)分的前提下盡可能提高惰行時(shí)間比例,以減少列車行駛過(guò)程中的制動(dòng)時(shí)間。

2 ATO系統(tǒng)的控制算法

2.1 傳統(tǒng)PID控制算法

國(guó)外對(duì)PTD控制算法的研究起步較早。傳統(tǒng)PID控制器就是按照偏差的比例、積分、微分進(jìn)行控制。具有算法簡(jiǎn)單、穩(wěn)定性好、可靠性高的特點(diǎn)。由于PID控制器設(shè)計(jì)簡(jiǎn)單、適應(yīng)面寬,現(xiàn)已成為過(guò)程控制中應(yīng)用最廣泛的一類基本控制器,且對(duì)于各種線性定常系統(tǒng)的控制,尤其是被控參數(shù)固定的系統(tǒng),都能獲得令人滿意的控制效果。傳統(tǒng)PID控制器的原理框圖如圖2所示。具體PID控制器表達(dá)式為:

(1)

式中：

c(t)——輸出量；

r(t)——輸入量；

Kp——比例增益；

Ki——積分增益;

Kd——微分增益。

圖2 PID控制的原理框圖

2.2 模糊自適應(yīng)PID控制算法

2.2.1 模糊控制原理

模糊控制器工作時(shí)，首先，將輸入的數(shù)字信號(hào)經(jīng)過(guò)模糊化(D/F)變成模糊量,并送入含有模糊規(guī)則的模糊推理模塊(A*R)，近似推理得出結(jié)論——模糊集合；然后,被清晰化模塊(F/D)變換成清晰量,再輸入到下一級(jí)去調(diào)節(jié)被控對(duì)象,使其輸出滿意的結(jié)果[7]。本文所采用的模糊控制器為Mamdani二維模糊控制器[8],其原理圖如圖3所示。圖3中，D/F可實(shí)現(xiàn)清晰量到模糊量的轉(zhuǎn)換運(yùn)算;A*R可根據(jù)輸入模糊量進(jìn)行近似推理運(yùn)算,得出模糊量;F/D可實(shí)現(xiàn)模糊量到清晰量的運(yùn)算。

圖3中,Ke、Kec及Ku的作用是對(duì)清晰值或模糊值進(jìn)行比列變換。

注：Ke、Kec為量化因子,Ku為比列因子圖3 Mamdani二維模糊控制器原理框圖

2.2.2 模糊自適應(yīng)PID控制算法的設(shè)計(jì)

對(duì)變量復(fù)雜,沒(méi)有確定的數(shù)學(xué)模型和規(guī)律可循的系統(tǒng),傳統(tǒng)PID很難獲得滿意的控制效果。模糊控制能充分利用操作人員的實(shí)時(shí)非線性調(diào)節(jié)實(shí)踐操作經(jīng)驗(yàn)，對(duì)PID的參數(shù)進(jìn)行實(shí)時(shí)調(diào)整,建立模糊自適應(yīng)PID控制器。模糊自適應(yīng)PID控制算法的原理是把輸入到PID調(diào)節(jié)器的偏差e和偏差變化率ec同時(shí)輸入到基于Mamdani二維模糊控制器；然后，對(duì)輸入量分別進(jìn)行模糊化、近似推理和清晰化處理;最后，把計(jì)算出的修正量ΔKp、ΔKi、ΔKd輸入PID調(diào)節(jié)器中,并對(duì)PID的3個(gè)系數(shù)進(jìn)行實(shí)時(shí)在線修正,從而更好地對(duì)被控對(duì)象進(jìn)行控制。原理框圖如圖4所示。

圖4 模糊自適應(yīng)PID控制原理框圖

最后,模糊控制器修正的PID參數(shù)的實(shí)時(shí)取值分別為Kp+ΔKp、Ki+ΔKi、Kd+ΔKd。其中，Kp、Ki、Kd為PID控制器整定的初始值。結(jié)合上述規(guī)則和大量試驗(yàn)數(shù)據(jù)分析，得出了ΔKp、ΔKi及ΔKd的模糊自適應(yīng)規(guī)則，見(jiàn)表1～表3。

表1 ΔKp的模糊自適應(yīng)規(guī)則

表2 ΔKi的模糊自適應(yīng)規(guī)則

表3 ΔKd的模糊自適應(yīng)規(guī)則

3 ATO系統(tǒng)的建模與仿真

3.1 仿真建模及仿真參數(shù)

在基于Matlab/Simulink的環(huán)境下搭建ATO系統(tǒng)的仿真模型,并建立傳統(tǒng)PID和模糊自適應(yīng)PID算法的控制模塊,如圖5所示。

模糊自適應(yīng)PID算法的建模思想是通過(guò)反饋列車的實(shí)際速度,并與目標(biāo)速度比較，從而得到速度誤差e；將e微分得到誤差變化率ec(即加速度),把e和ec作為模糊控制器FC(Fuzzy Control)的輸入,通過(guò)知識(shí)庫(kù)里的模糊控制規(guī)則來(lái)實(shí)時(shí)修正PID控制器的參數(shù)Kp、Ki及Kd,從而實(shí)現(xiàn)對(duì)列車速度的實(shí)時(shí)控制。

在模糊化模塊中，將模糊輸入語(yǔ)言e、ec以及輸出控制量u均劃分為7個(gè)模糊子集(負(fù)大,負(fù)中,負(fù)小,零,正小,正中,正大)。由于目前還沒(méi)有成熟的方法來(lái)確定隸屬函數(shù),主要還是停留在利用經(jīng)驗(yàn)的基礎(chǔ)上。因此,本文選取應(yīng)用最廣的三角形隸屬函數(shù)作為e、ec、u的隸屬函數(shù)。

在清晰化模塊中,常用的清晰化方法有最大隸屬度法、面積重心法和加權(quán)平均法等[10]。綜合考慮實(shí)際試驗(yàn)效果等多方面因素,本文最終采取面積重心法。

兩種列車運(yùn)行的控制算法所采用的仿真參數(shù)中，PID參數(shù)的初始值Kp=20,Ki=3.24,Kd=99.9;速度誤差e的模糊論域?yàn)閇-3,3],物理論域?yàn)閇-10,10];加速度誤差ec的模糊論域?yàn)閇-6,6],物理論域?yàn)閇-2,2];輸出控制量u的模糊論域?yàn)閇-10,10],物理論域[-15,15];量化因子Ke=0.6,Kec=1.5,比例因子Ku=10。

圖5 兩種算法的控制模型

3.2 仿真條件

正常工況下的無(wú)限速運(yùn)行環(huán)境,對(duì)于目標(biāo)曲線的生成及跟蹤能力的要求較低,難以真實(shí)反映ATO系統(tǒng)性能的優(yōu)劣。故本文采用限速工況下的列車運(yùn)行環(huán)境作為仿真條件,以增加運(yùn)行控制的難度,從而達(dá)到檢測(cè)控制算法優(yōu)劣的目的。具體的線路運(yùn)行要求如下:

(1) 列車在運(yùn)行距離為2 187 m、運(yùn)行時(shí)間為166.6 s的條件下限速運(yùn)行。

(2) 將限速等級(jí)劃分為三個(gè)層次:在0～900 m區(qū)段,列車的限制速度為80 km/h;在900～1 200 m區(qū)段,列車限制速度為60 km/h;從1 200 m起,列車的限制速度為70 km/h。

(3) 列車從1 800 m處開(kāi)始施加制動(dòng)力,直至列車平穩(wěn)停靠。根據(jù)上述要求仿真生成的目標(biāo)速度曲線和ATP速度曲線如圖6所示。

3.3 仿真結(jié)果分析

采用傳統(tǒng)PID算法、模糊自適應(yīng)PID 算法對(duì)列車目標(biāo)速度曲線進(jìn)行跟蹤控制,并結(jié)合ATO系統(tǒng)的5個(gè)性能指標(biāo)進(jìn)行比較分析,擬評(píng)價(jià)出相對(duì)智能高效的控制算法。仿真結(jié)果如圖7～12所示。

根據(jù)上述仿真結(jié)果，分別從不同性能指標(biāo)對(duì)兩種算法的控制性能進(jìn)行比較分析。

(1) 追溯性。從圖7、圖9和圖10可以看出,在PID控制下,ATO系統(tǒng)跟蹤目標(biāo)速度曲線的能力較弱;在70～105 s的減速、惰行和加速階段,列車的實(shí)際速度曲線與目標(biāo)速度曲線之間波動(dòng)較大,超調(diào)嚴(yán)重,威脅到列車駕駛的安全性,追溯性較差。在模糊自適應(yīng)PID控制下,ATO系統(tǒng)的速度跟蹤能力較PID控制有了明顯改善；在加速、惰行和減速階段速度曲線更加平滑,不再出現(xiàn)大幅振蕩；整個(gè)運(yùn)行階段實(shí)際速度曲線與目標(biāo)速度曲線貼合度較高,ATO系統(tǒng)的安全性和追溯性有了極大提高。

圖6 列車運(yùn)行的ATP速度曲線和目標(biāo)速度曲線

圖7 列車運(yùn)行的速度-距離曲線

圖8 速度-距離曲線局部放大圖

圖9 列車運(yùn)行的速度-時(shí)間曲線圖

圖10 速度-時(shí)間曲線局部放大圖

圖11 加速度變化曲線

(2) 準(zhǔn)時(shí)性。由圖9可知,PID控制下的列車實(shí)際運(yùn)行時(shí)間為167.2 s,誤差為0.6 s;模糊自適應(yīng)PID控制下列車的實(shí)際運(yùn)行時(shí)間為166.8 s,誤差為0.2 s?？梢?jiàn)后者的準(zhǔn)時(shí)性較好。

(3) 停車精度。由圖8可知,PID控制算法下列車實(shí)際運(yùn)行距離為2 180.22 m,誤差達(dá)到6.78 m,完全超過(guò)列車±0.3 m停車精度要求。在模糊自適應(yīng)PID控制算法下,列車實(shí)際運(yùn)行距離為2 186.55 m,誤差為0.45 m。雖然精度還有待提高,但相比PID控制的停車精度已經(jīng)有了很大改善。

圖12 牽引力變化曲線

(4) 舒適性和節(jié)能性。根據(jù)圖11、12可知,與傳統(tǒng)PID算法相比,模糊自適應(yīng)PID算法能很好地對(duì)列車牽引力和加速度進(jìn)行控制。在工況切換時(shí),前者的牽引力和加速度曲線波動(dòng)明顯,超調(diào)嚴(yán)重,乘客舒適性和列車節(jié)能性較差;后者的牽引力和加速度曲線在工況發(fā)生改變時(shí)依然十分平滑,曲線幾乎沒(méi)有振蕩,列車的牽引系統(tǒng)和制動(dòng)系統(tǒng)不需要頻繁切換,舒適性和節(jié)能性有了明顯改善。

綜上所述,模糊自適應(yīng)PID控制比傳統(tǒng)PID控制的動(dòng)態(tài)響應(yīng)更快,超調(diào)更小,其魯棒性更好,穩(wěn)態(tài)精度更高,滿足ATO系統(tǒng)停車精度、追溯性、準(zhǔn)時(shí)性、節(jié)能性及舒適性等性能指標(biāo)的要求。

4 結(jié)語(yǔ)

智能高效的ATO控制算法是實(shí)現(xiàn)列車自動(dòng)駕駛的關(guān)鍵所在。本文在傳統(tǒng)PID算法的基礎(chǔ)上,結(jié)合模糊控制和PID控制的優(yōu)點(diǎn),提出模糊自適應(yīng)PID控制算法,將其運(yùn)用在列車ATO系統(tǒng)中,并對(duì)目標(biāo)速度曲線進(jìn)行跟蹤控制,對(duì)其控制性能與傳統(tǒng)PID算法從停車精度、追溯性、準(zhǔn)時(shí)性、節(jié)能性、舒適性等方面進(jìn)行評(píng)價(jià)。仿真結(jié)果表明,對(duì)于一個(gè)復(fù)雜非線性的列車控制對(duì)象,模糊自適應(yīng)PID控制算法具有良好的控制效果,基本彌補(bǔ)了PID控制器的不足,穩(wěn)態(tài)精度高,魯棒性好,滿足ATO系統(tǒng)的各個(gè)性能指標(biāo)要求。然而,由于模糊控制模塊的參數(shù)是通過(guò)大量試驗(yàn)結(jié)合模糊控制規(guī)則在合理范圍內(nèi)所取的最優(yōu)參數(shù),沒(méi)有經(jīng)過(guò)精確的數(shù)學(xué)計(jì)算驗(yàn)證,因此,后續(xù)還需要更深一步研究,以獲得更理想的效果。

[1] 徐濤.遺傳算法在優(yōu)化告訴列車自動(dòng)駕駛中的應(yīng)用[J].城市軌道交通研究,2014(3):59-60.

[2] 支柱,劉紅璐.城市軌道交通ATO系統(tǒng)自動(dòng)速度控制功能的仿真實(shí)現(xiàn)[D].北京:北京交通大學(xué),2007:514-515.

[3] 康太平.基于模糊預(yù)測(cè)控制的列車自動(dòng)駕駛系統(tǒng)研究[D].成都:西南交通大學(xué),2003:9-14.

[4] 賈利民.列車運(yùn)行過(guò)程的智能控制[J].中國(guó)鐵道科學(xué),1992,13(1):65-78.

[5] 姚理.基于智能控制算法的列車自動(dòng)駕駛系統(tǒng)的優(yōu)化研究[D].北京:北京交通大學(xué),2009:36-38.

[6] 王義惠,寧濱,宋永端.高速列車制動(dòng)及牽引自動(dòng)控制研究[J].控制工程,2010(S1):5-8.

[7] 饒曉璐.列車自動(dòng)駕駛算法研究及仿真實(shí)現(xiàn)[D].成都:西南交通大學(xué),2010.

[8] 李國(guó)勇,楊麗娟.神經(jīng)·模糊·預(yù)測(cè)控制及其MATLAB實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2013:187-215.

[9] 曾光奇,胡均安,王東,等.模糊控制理論與工程應(yīng)用[M].武漢:華中科技大學(xué)出版社,2006:92-93.

[10] 諸靜.模糊控制理論與系統(tǒng)原理[M].北京:機(jī)械工業(yè)出版社,2005:192-195.

ATO System Control Algorithm Based on Fuzzy Adaptive PID

LIU Hao, QIAN Cunyuan, SHI Zhaodong

In order to research on the intelligence and efficiency of urban rail transit ATO system, by taking the non-linear and complex of train system into consideration on the basis of traditional PID control algorithm, and combined with the advantages of fuzzy control theory that can be adjusted in the real-time non-linear system, the fuzzy adaptive PID control algorithm is proposed, simulation models of ATO system and algorithm control module are established in Simulink. The two algorithms are applied to the ATO system to track the target speed curve, analyze the control performances of the two algorithms from five aspects of precision of parking, traceability, punctuality, energy-saving,degree of comfort. imulation results show that ATO system can perfectly satisfy the five performance requirements under the control of fuzzy adaptive PID algorithm.

ATO (automatic train operation); PID(proportion integration differentiation) control algorithm; fuzzy adaptive PID; targets peed curve

Institute of Railway and Urban Rail Transit, Tongji University,201804,Shanghai,China

*國(guó)家科技支撐計(jì)劃項(xiàng)目(2015BAG19B02)

U 231.6

10.16037/j.1007-869x.2017.03.009

2015-11-29)