動車組重聯(lián)網(wǎng)絡(luò)控制系統(tǒng)時延預(yù)測及補償

劉洋，李常賢，陳龍

動車組重聯(lián)網(wǎng)絡(luò)控制系統(tǒng)時延預(yù)測及補償

劉洋1，李常賢2，陳龍3

(1. 大連交通大學 現(xiàn)代軌道交通研究院，遼寧 大連 116028； 2. 大連交通大學 動車運用與維護工程學院，遼寧 大連 116028； 3. 中車大連機車車輛有限公司，遼寧 大連 116022)

重聯(lián)動車組之間利用UIC網(wǎng)關(guān)的過程數(shù)據(jù)編組傳輸監(jiān)控數(shù)據(jù)，數(shù)據(jù)在重聯(lián)通信網(wǎng)絡(luò)上的傳輸時延影響重聯(lián)控制的性能。針對這一問題，構(gòu)建動車組重聯(lián)網(wǎng)絡(luò)控制系統(tǒng)簡化模型，采用網(wǎng)絡(luò)時延的自回歸AR模型，通過Yule-walker參數(shù)自辨識算法根據(jù)歷史數(shù)據(jù)對網(wǎng)絡(luò)時延進行在線預(yù)測，同時利用快速隱式廣義預(yù)測控制IGPC對預(yù)測的時延進行補償。仿真實驗結(jié)果表明，該方法具有較高的時延預(yù)測精度，且對網(wǎng)絡(luò)時延有較好的補償效果，可保證良好的控制效果。

動車組；重聯(lián)網(wǎng)絡(luò)控制；UIC網(wǎng)關(guān)；時延預(yù)測；隱式廣義預(yù)測控制

目前，我國動車組重聯(lián)控制網(wǎng)絡(luò)主要有ARCNET和TCN 2種，其中TCN網(wǎng)絡(luò)應(yīng)用較廣泛。UIC網(wǎng)關(guān)以TCN為基礎(chǔ)，且符合UIC556標準，是實現(xiàn)動車組之間互通、互聯(lián)和互操作的關(guān)鍵設(shè)備[1]，有助于實現(xiàn)不同型號動車組間重聯(lián)控制，重聯(lián)控制網(wǎng)絡(luò)的引入會產(chǎn)生網(wǎng)絡(luò)傳輸時延，導致控制指令不能及時送達重聯(lián)列車的受控設(shè)備，且受控設(shè)備的狀態(tài)無法及時反饋，進而影響列車的控制性能，甚至引起控制系統(tǒng)的不穩(wěn)定[2?3]。針對網(wǎng)絡(luò)控制系統(tǒng)(Networked Control Systems，NCS)數(shù)據(jù)傳輸時延，王義等[4]采用Lyapunov分析法得出CAN總線網(wǎng)絡(luò)控制系統(tǒng)工作的穩(wěn)定域。劉玉卿[5]給出一種用馬爾可夫鏈分析其競爭沖突概率的方法，得出一種面向MAC的Lonworks總線時延模型。Lee等[6]分析Profibus-DP總線協(xié)議及網(wǎng)絡(luò)誘導時延的產(chǎn)生的原因，并以步進電機為研究對象設(shè)計模糊邏輯控制器。FENG等[7]分析Ethernet，ControlNet和DeviceNet網(wǎng)絡(luò)的網(wǎng)絡(luò)誘導時延的大小和特性，為采用控制策略解決時延問題奠定了基礎(chǔ)。BU等[8?9]分析無線通信模式下，CBTC中延時、丟包對列控系統(tǒng)性能的影響。步兵等[10]在文獻[8]和文獻[9]基礎(chǔ)上提出了消除傳輸時延對列控系統(tǒng)影響的改進措施。上述研究均未涉及動車組重聯(lián)控制網(wǎng)絡(luò)的領(lǐng)域，本文以基于UIC網(wǎng)關(guān)的重聯(lián)動車組過程數(shù)據(jù)傳輸網(wǎng)絡(luò)時延為研究對象，采用文獻[2]中的AR模型，利用歷史數(shù)據(jù)對NCS前向通道的時延進行在線預(yù)測，并設(shè)計快速隱式廣義預(yù)測控制器補償網(wǎng)絡(luò)時延的影響。

1 重聯(lián)網(wǎng)絡(luò)控制系統(tǒng)模型

為了突出研究方法，利用2個UIC網(wǎng)關(guān)和2個MVB設(shè)備，構(gòu)建動車組重聯(lián)網(wǎng)絡(luò)控制系統(tǒng)簡化模型，如圖1所示，并作如下假設(shè)[11]：

圖1 動車組重聯(lián)網(wǎng)絡(luò)控制系統(tǒng)簡化模型

2 時延預(yù)估器設(shè)計

2.1 模型的定階

利用Akaike信息準則(AIC)[12]來確定最佳階次，以使系統(tǒng)的性能達到最佳。AIC準則函數(shù)為

式中：時間序列樣本數(shù)量為=1,…,，2為白噪聲方差。

2.2 模型的參數(shù)估計

采用Yule-Walker方程法[13]根據(jù)新的時延值動態(tài)地調(diào)整加權(quán)系數(shù)a，在最小均方誤差(MMSE)準則下，要使預(yù)測值最佳地逼近Delay()，參數(shù)a的選擇應(yīng)使

根據(jù)Yule-Walker方程

式中：R()為自回歸時間序列的自相關(guān)系數(shù)。

3 時延補償控制器設(shè)計

基于CARIMA模型[14]，對象的離散差分方 程為：

選取如下性能指標函數(shù)進行滾動優(yōu)化：

式中：為數(shù)學期望；0為最小預(yù)測長度，一般取0=；1為最大預(yù)測長度；N為控制長度；為加權(quán)系數(shù)；ref為參考軌跡；Δ為控制增量。

引入文獻[15]中的Diophantine方程，得系統(tǒng)輸出為：

式中：

欲使性能指標函數(shù)最小，需令：

則得使最小的控制律為：

3.1 G的辨識

由式(10)和式(12)可得最后一個預(yù)測方程為

()可通過以下遞推最小二乘公式估計為：

通過辨識出()的估計值*()，可求出矩陣中的各個元素。

3.2 ψ的辨識

根據(jù)GPC與DMC控制規(guī)律的等價性[16]，可得預(yù)測輸出為

這樣(+)就可通過式(17)計算

求得和，之后利用式(13)可計算控制量。則系統(tǒng)的廣義預(yù)測控制律為

4 仿真實驗與結(jié)果

根據(jù)圖2，()準則曲線在階數(shù)=7和=31附近取得2個較小值。理論上講，當=31時，()取值最小，模型的適用度更高，但需要辨識的參數(shù)也越多，預(yù)測時間長。根據(jù)的不同取值，分別隨機抽取2組樣本進行預(yù)測，由圖3和圖4可以看出，預(yù)測時延和樣本時延基本重合。故兼顧模型適用度和預(yù)測實時性，選取AR階次為=7。

圖2 AIC(n)準則曲線

(a) 第1組隨機樣本；(b) 第2組隨機樣本

(a) 第1組隨機樣本；(b) 第2組隨機樣本

圖5 半實物仿真平臺

為了驗證時延補償算法的有效性，針對動車組控制中常用的恒定值控制，取二階系統(tǒng)()? 0.49(?1)=0.5(?2)+()/進行實驗仿真。參數(shù)取T=0.1，1=6，=0.8，=1；系統(tǒng)初始值取g?1=1，(+)=1，0=105，其余初始值均為0。

從圖6可以看出，在不存在網(wǎng)絡(luò)時延的情況下，PID與IGPC二者的控制效果相當，甚至PID控制在超調(diào)量方面還略好于IGPC控制。但在存在網(wǎng)絡(luò)時延的情況下，IGPC控制通過滾動優(yōu)化和不斷地在線辨識，有效地克服了模型失配造成的不利影響，使系統(tǒng)輸出能夠很好地跟蹤控制輸入?yún)⒖架壽E，且系統(tǒng)響應(yīng)時間短，超調(diào)量小，魯棒性好。

(a)；(b)；(c)；(d)

5 結(jié)論

1) 通過搭建半實物測試平臺，采用往返時延RTT法對動車組重聯(lián)控制網(wǎng)絡(luò)中過程數(shù)據(jù)傳輸時延進行測量，測量結(jié)果表明：該網(wǎng)絡(luò)時延在一定范圍內(nèi)隨機分布。

2) 針對動車組重聯(lián)網(wǎng)絡(luò)控制系統(tǒng)中存在的網(wǎng)絡(luò)時延，采用基于自回歸AR模型的預(yù)測方法，利用歷史時延預(yù)測當前時刻時延，具有較高的預(yù)測精度。

3) 針對動車組控制中常用的恒定值控制，采用快速廣義預(yù)測控制算法對預(yù)測的網(wǎng)絡(luò)時延進行補償，系統(tǒng)輸出很好地跟蹤輸入?yún)⒖荚O(shè)定值，控制效果良好。本方法可為動車組網(wǎng)絡(luò)控制時延研究提供理論支持。

[1] 李常賢, 劉洋, 張彤, 等. 用于動車組間互聯(lián)、互通和互操作的UIC網(wǎng)關(guān)研究[J]. 中國鐵道科學, 2013, 34(6): 110?116. LI Changxian, LIU Yang, ZHANG Tong, et al. Research on UIC gateway used for interconnection, intercommunication and interoperability between EMUs [J]. China Railway Science, 2013, 34(6): 110?116.

[2] 時維國, 邵誠, 孫正陽. 基于AR模型時延預(yù)測的改進GPC網(wǎng)絡(luò)控制算法[J].控制與決策, 2012, 27(3): 477?480. SHI Weiguo, SHAO Cheng, SUN Zhengyang. Improved GPC network-control algorithm based on AR model time-delay prediction[J]. Control and Decision, 2012, 27(3): 477?480.

[3] 王軍, 夏利民. 基于觀測器的列車網(wǎng)絡(luò)控制[J]. 鐵道科學與工程學報, 2015, 12(5): 1205?1211. WANG Jun, XIA Limin. Train networked control based on observer[J]. Journal of Railway Science and Engineering, 2015, 12(5): 1205?1211.

[4] 王義, 何立仁. CAN總線時延網(wǎng)絡(luò)控制系統(tǒng)穩(wěn)定性研究[J]. 中北大學學報(自然科學版), 2014, 35(2): 132? 172. WANG Yi, HE Liren. Research of stability for CAN bus delay NCS[J]. Journal of North University of China (Natural Science Edition), 2014, 35(2): 132?172.

[5] 劉玉卿. 基于Lon總線的時延分析與實驗平臺研究[D].南京: 南京理工大學, 2009. LIU Yuqing. Time-delay analysis and study on experimental platform based on LON bus[D]. Nanjing: Nanjing University of Science & Technology, 2009.

[6] Lee K C, Lee S, Lee M H. Remote fuzzy logic control of networked control system via profibus-DP[J]. IEEE Transactions on Industrial Electronics, 2003, 50(4): 784?792.

[7] FENG L L, James R M, Dawm M T. Performance evaluation of control networks: Ethernet, controlnet, and devicenet[J]. IEEE Control Systems Magazine, 2001, 2(1): 66?83.

[8] BU Bing, YU F Richard, TANG Tao, et al. Performance improvements of communication-based train control (CBTC) systems with unreliable wireless networks[J]. Wireless Networks, 2014, 20(1): 53?71.

[9] BU Bing, YU F Richard, TANG Tao. Performance improved method for communication-based train control systems with random packet drops[J]. IEEE Transaction on Intelligent Transportation Systems, 2014, 15(3): 1179?1192.

[10] 步兵, 唐濤. 傳輸時延對CBCT影響的分析及消除[J].鐵道學報, 2014, 36(6): 41?46. BU Bing, TANG Tao. Analysis and elimination of the impact of transmission delays on CBTC[J]. Journal of the China Railway Society, 2014, 36(6): 41?46.

[11] LIAN F L, Moyue J R, Tibury D M. Network design consideration for distributed control systems[J]. IEEE Trans on Contr Syst Tech, 2002, 10(2): 297?307.

[12] 楊綠溪. 現(xiàn)代數(shù)字信號處理[M]. 北京: 科學出版社, 2007: 212?220. YANG Lüxi. Modern digital signal processing[M]. Beijing: Science Press, 2007: 212?220.

[13] 常學將,劉維奇. AR模型識別及其參數(shù)的高階Yule- Walker估計[J]. 應(yīng)用數(shù)學學報, 1989, 12(2): 218?227. CHANG Xuejiang, LIU Weiqi. AR model identification and the high order Yule-Walker estimation of Autoregressive parameters[J]. ACTA Mathematicae Applicaitae Sinica, 1989, 12(2): 218?227.

[14] 吳密密, 戴文戰(zhàn). 基于改進粒子群算法的約束隱式廣義預(yù)測控制[J]. 浙江理工大學學報(自然科學版), 2014, 31(3): 301?305. WU Mimi, DAI Wenzhan. A kind of constrained implicit generalized predictive control based on improved particle swarm optimization[J]. Journal of Zhejiang Sci-Tech University (Natural Sciences), 2015, 31(3): 301?305.

[15] 吳凡, 陳在平.廣義預(yù)測算法在網(wǎng)絡(luò)控制系統(tǒng)中的應(yīng)用[J]. 天津理工大學學報, 2010, 26(1): 32?34. WU Fan, CHEN Zaiping. The application of generalized predictive control theory in networked control system[J]. Journal of Tianjin University of Technology, 2010, 26(1): 32?34.

[16] WANG Wei. A direct adaptive generalized predictive control algorithm with guaranteed stability[J]. Adaptive Control and Signal Processing, 1994, 8(3): 211?227.

(編輯 陽麗霞)

Time-delay prediction and compensation of EMU coupling network control system

LIU Yang1, LI Changxian2, CHEN Long3

(1. Mordern Railway Transportation Research Institute, Dalian Jiaotong University, Dalian 116028, China; 2. School of EMU Application and Maintenance Engineering, Dalian Jiaotong University, Dalian 116028, China; 3. CRRC Dalian Co., Ltd, Dalian 116022, China)

UIC gateway uses its function of process data marshalling to transmit control and monitoring data between coupling EMUs. There will be time-delay in the process of monitoring data transmission on the train coupling communication network. The network time-delay can deteriorate the coupling control performance. In order to solve this problem, simplified model of networked control system was established with respect to coupling EMU. The time-delay auto regressive (AR) model was established, and Yule-walker parameter self-identification algorithm was used for time-delay online prediction according to historical data. At the same time, fast implicit generalized prediction control was used for compensating predictive time-delay. Simulation results show that this method has high prediction accuracy, a good effect on time-delay compensation and can ensure the good control effect.

EMU; coupling network control; UIC gateway; time-delay prediction; implicit generalized predictive control

10.19713/j.cnki.43?1423/u.2018.12.004

U258.4；TP273

A

1672 ? 7029(2018)12 ? 3044 ? 06

2017?11?23

中國鐵路總公司科技研究開發(fā)計劃項目(2015J007-D)

劉洋(1982?)，男，吉林長春人，講師，博士，從事軌道列車網(wǎng)絡(luò)控制系統(tǒng)研究；E?mail：liuyang_82@163.com