高士根, 董海榮, 朱海楠
(北京交通大學 軌道交通控制與安全國家重點實驗室, 北京 100044)
目前,在列車駕駛及運行過程中,列車駕駛員從列車運行控制系統(tǒng)人機交互界面中獲取的信息主要集中于列車速度信息(如當前速度、線路限速)以及站停信(下一站距離)等關鍵防護性信息,而對于其他重要信息如外部運行環(huán)境信息、前后列車信息等掌握不足,這既不利于列車駕駛員做出及時合理的操縱應對,亦不利于其執(zhí)行優(yōu)化的操縱行為。如何針對人工駕駛列車運行的特點,在保障安全的前提下通過一定的技術(shù)手段提高人工駕駛的操縱決策水平,對于實現(xiàn)列車節(jié)能準點運行及提升干線鐵路運輸效率具有重要的現(xiàn)實意義。
此前國際上對于列車輔助駕駛系統(tǒng)DAS(Driver Advisory System)及其功能擴展已經(jīng)展開了很多探討與研究,如德國的TAS系統(tǒng)、瑞典的CATO系統(tǒng)、德國的LEADER系統(tǒng)等,分別以不同的方式與形式進行了面向節(jié)能、準點的列車輔助駕駛系統(tǒng)的開發(fā),并進行了部分的線上應用測試,取得了可觀的效果[1-2]。而我國在這方面的研究相比起步較晚,且多集中于列車運行曲線的優(yōu)化理論與控制方法等方面,對于人工列車駕駛環(huán)境下的列車運行優(yōu)化的實現(xiàn)則考慮較少。如文獻[3-4]根據(jù)我國的具體國情和路情對列車輔助駕駛系統(tǒng)進行了研究,并基于半實物仿真驗證了所提出的系統(tǒng)與方法在應對典型運行場景時的作用。文獻[5]針對列車節(jié)能操縱優(yōu)化研究的基本問題,基于求解方法的特征對已研究的方法進行分類,將其分為解析方法、數(shù)值方法和仿真方法3大類。文獻[6]對列車駕駛輔助系統(tǒng)的關鍵功能進行了技術(shù)對比,并進行了初步的系統(tǒng)設計;文獻[7]依據(jù)列車牽引計算建立列車運行模型,將列車節(jié)能優(yōu)化操縱問題轉(zhuǎn)化為 最優(yōu)控制問題進行求解,并設計貨運列車運行仿真軟件進行仿真驗證;文獻[8]以列車動力學模型為基礎,建立了列車運行節(jié)能操縱方案的數(shù)學模型,并結(jié)合改進的遺傳算法對列車節(jié)能操縱問題進行求解。
綜上,輔助駕駛系統(tǒng)在提高駕駛員操縱列車水平 方面具備重要的意義,也已得到了較多研究人員的關注,但現(xiàn)有的輔助駕駛系統(tǒng)多采用離線優(yōu)化加車載提示的方式,即采用離線優(yōu)化完畢后的相關信息由車載端進行存儲和調(diào)用提示,較少考慮在線優(yōu)化的過程,使得系統(tǒng)的智能性、適用性與靈活性均受到一定的限制,當列車運行出現(xiàn)偏差或出現(xiàn)突發(fā)情況時亦缺乏足夠的應對能力。本文將在文獻[9-10]的基礎上,以優(yōu)化駕駛員操縱為目標,給出一種結(jié)合離線與在線的駕駛策略優(yōu)化方法并基于半實物仿真平臺進行驗證,為智能列車輔助駕駛系統(tǒng)功能的充分發(fā)揮提供方法支撐。
智能列車輔助駕駛系統(tǒng)iDAS(Intelligent Driver Advisory System)是利用列車定位、測速等傳感器信息,結(jié)合現(xiàn)代計算機技術(shù)與通信技術(shù),實現(xiàn)列車運行環(huán)境信息通報、駕駛操縱方案優(yōu)化與提示、潛在危險預警與應對、后備模式輔助運行等功能的輔助系統(tǒng)。其可在列控系統(tǒng)通過其主人機交互界面DMI(Driver Machine Interface)向列車駕駛員所提供的防護性信息的基礎上,輔助列車駕駛員進行安全、節(jié)能、準點等的列車駕駛操縱,并可在列控系統(tǒng)發(fā)生故障時作為后備系統(tǒng),輔助列車駕駛員進行安全目視行車,防止列車事故。
與列車輔助駕駛系統(tǒng)相比, iDAS與其的主要區(qū)別在于:首先不同于列車輔助駕駛系統(tǒng)多采用的僅有靜態(tài)線路數(shù)據(jù)庫,iDAS車載端集成列車狀態(tài)信息采集功能,可實現(xiàn)列車狀態(tài)信息的感知,為后臺動態(tài)優(yōu)化提供依據(jù);其次依據(jù)車載端傳輸?shù)牧熊嚑顟B(tài),中心端可采用智能優(yōu)化方法對列車運行曲線和操縱序列進行動態(tài)優(yōu)化并將優(yōu)化后的結(jié)果傳送至車載端DMI,形成動態(tài)反饋機制以應對多變的運行環(huán)境,為列車駕駛員提供實用的操縱參考建議。
綜合國內(nèi)外現(xiàn)有的理論結(jié)果與工程實踐,對智能列車輔助駕駛系統(tǒng)所需要考慮的主要信息進行分析與總結(jié)為:
(1) 列車運行環(huán)境信息提示:如前行和后續(xù)列車的相對位置、可能影響列車運行約束的天氣信息等。
(2) 列車優(yōu)化操縱相關信息:如面向節(jié)能和準點的優(yōu)化操縱方案(運行曲線)提示、關鍵區(qū)段(如動能闖坡、電分相區(qū)域)等的提示等。
(3) 列車運行狀態(tài)信息:列車當前位置、下一停站 距離、終點站距離、列車當前運行時分、下一停站時間預估、運行早晚點情況等運行時分信息。
上述3項關鍵功能所需的數(shù)據(jù)可來源于智能列車輔助駕駛系統(tǒng)自身具備的自主定位模塊以及車-地、車-車之間的通信,無需與現(xiàn)有的列車運行控制系統(tǒng)進行直接交互,避免了引入智能輔助駕駛系統(tǒng)可能對現(xiàn)有列車運行控制系統(tǒng)的安全性所產(chǎn)生的影響。可選用智能手機、平板電腦等設備作為車載端設備,避免接口適配和設備改造等可能帶來的較高成本。
本文所設計的系統(tǒng)采用iDAS信息中心加iDAS車載設備兩個層級的方式進行實現(xiàn)。其中,iDAS車載設備向列車駕駛員提供人機交互接口并從已有列控系統(tǒng)車載設備獲取列車運行狀態(tài)信息,之后將所獲取的信息反饋至iDAS信息中心;iDAS信息中心負責根據(jù)iDAS車載設備反饋回的信息進行相應的列車目標運行曲線優(yōu)化及其對應優(yōu)化操縱序列的計算,再將所計算結(jié)果發(fā)送給iDAS車載設備進行提示與決策支持,同時需與現(xiàn)有調(diào)度中心進行調(diào)度命令、監(jiān)控信息、列車運行狀態(tài)等信息交換。兩層級間由無線數(shù)據(jù)通信進行雙向信息通信連接。本文所設計與使用的智能列車輔助駕駛系統(tǒng)的信息流程見圖1。
針對人工駕駛所具有的獨特特點,本文在進行列車運行曲線優(yōu)化的計算過程中做以下假設:
(1) 根據(jù)文獻[11]所得出的結(jié)論,列車在同一限速和坡度的子區(qū)間內(nèi)運行時,其最優(yōu)工況序列為最大牽引-巡航-惰行-最大制動的子序列。而在人工駕駛條件下,巡航(恒速)模式較難維持,因而本文采用“最大加速-惰行-最大制動”的子序列作為子區(qū)間內(nèi)最優(yōu)工況序列,即除需采取制動段的子區(qū)間外,其他子區(qū)間內(nèi)采用牽引加惰行組合的方式進行操縱。
(2) 人工駕駛列車時,為保證運行平穩(wěn)性和乘客舒適性,要求列車駕駛員在改變檔位時遵循“緩提少切”的原則,即切換檔位時要逐級切換,同時在整個運行過程中盡可能少地進行檔位切換。
基于運動學定律受力分析的列車單質(zhì)點動力學 模型為
( 1 )
式中:v為列車速度;s為列車運行里程(以運行起點為零點的相對距離);t為時間;Mt為列車的總質(zhì)量;kt、kb分別為牽引和制動的標志位系數(shù);F(cf,v)和B(cb,v)分別表示列車當前輸出的牽引力與制動力,為與列車當前速度v及駕駛員控制器檔位cf、cb相關的二元函數(shù);G(s)為與運行里程相關的坡道所造成的作用力,表示為
G=Mt·G(s)=
( 2 )
其中,Lc為列車總計算長度,gi為列車當前所處子區(qū)間的坡度,li為列車處于當前子區(qū)間內(nèi)的長度,n為計算點總個數(shù);R(v)為列車所受基本阻力,由戴維斯方程進行計算為
R(v)=Mt·(av2+bv+c)
( 3 )
其中,a、b、c分別為滾動阻力、摩擦阻力、列車阻力系數(shù)。
列車運行優(yōu)化目標函數(shù)由下式構(gòu)建
( 4 )
式中:ε為功率傳輸系數(shù);F(cf,v)為列車當前輸出的牽引力;φ為列車自用電折算功率;ti為列車從第i個計算點到第i+1個計算點的運行時間;Tp為站間計劃運行時間;w1、w2為權(quán)值系數(shù)??梢娙斯ゑ{駛下的列車運行曲線優(yōu)化目標函數(shù)由列車運行總能耗和列車站間運行時間偏差兩部分組成。
目標函數(shù)所受到的約束條件為
v(0)=v(Tp)=0
( 5 )
cmin≤ci≤cmax
( 6 )
( 7 )
式中:cmin、cmax分別對應最大常用制動檔位和最大牽引檔位;Sp為站間運行距離。式( 5 )、式( 7 )對應列車的站間運行的空間約束,式( 6 )對應司控器最大檔位約束。
上述式( 1 )~式( 7 )用于描述列車站間運行時其駕駛策略的優(yōu)化問題,考慮列車自用電對總計算能耗的影響,并建立操縱檔位與列車運行速度曲線之間的計算關系,可提高所采用數(shù)學模型對實際列車運行描述的準確性與模型的實用性。
依據(jù)前述假設條件,列車的操縱過程可抽象為由一個離散操縱序列所決定的連續(xù)變化過程,即決策變量
( 8 )
式中:N為所劃分的子區(qū)間數(shù)目;dN為第N個子區(qū)間內(nèi)的牽引距離;cN為第N個子區(qū)間內(nèi)所采取的牽引檔位。決策變量與優(yōu)化問題的數(shù)學模型之間的關系表達為
( 9 )
式中:si為列車在當前子區(qū)間內(nèi)所運行的距離;V為線路限速。即若運行距離si尚未達到預設牽引距離di,則以牽引檔位cn進行牽引(kt=1,kb=0);若si已達到預設牽引距離di,則后續(xù)段由惰行工況補足(kt=0,kb=0);若在運行過程中有運行速度vi超出V的情況,則按照相應規(guī)程進行制動操作(kt=0,kb=1)。
算法對應的主要步驟如下:
Step1
FORi=1:n
IFgi≠gi-1ORV-≠V+
THEN從點i起劃分為新的子區(qū)間;
END
END
Step2
FORi=1:n
END
END
FORi=n:1
END
END
之后在VminT約束下設置并執(zhí)行遺傳算法流程,得到離線優(yōu)化后的駕駛策略次優(yōu)解及所對應的站間運行時間偏差Terr。
Step3
定義評價指標函數(shù)為
(10)
式中:d為該子區(qū)間內(nèi)的原牽引距離;δd為迭代過程中選取的牽引距離變化量;Δs為距離計算間隔;m為子區(qū)間內(nèi)計算點的總數(shù)量。子區(qū)間內(nèi)牽引距離的分配路徑由各子區(qū)間的該指標決定,具體反映為區(qū)間內(nèi)單位運行時間變化量下的能耗變化量。
并建立各子區(qū)間內(nèi)的評價指標δ(n);設定在線計算步長、站間運行時間誤差容忍度Ttol及最大計算次數(shù)Nmax。
WHILE |Terr|>TtolOR當前計算次數(shù) IF當前策略站間運行時間>預設站間運行時間 THEN調(diào)整具有最大評價指標的子區(qū)間內(nèi)牽引距離由dn變?yōu)閐n+δd,更新駕駛策略的總能耗及Terr; ELSE調(diào)整具有最大評價指標的子區(qū)間內(nèi)牽引距離由dn變?yōu)閐n-δd,更新駕駛策略的總能耗及Terr; END END 算法的流程圖見圖2。 為對智能列車輔助駕駛系統(tǒng)的功能進行測試,采用實物列車司機控制器加軟件功能及界面方式開發(fā)了集成系統(tǒng)的半實物綜合實驗平臺,平臺主體功能組成與信息流程見圖3。 列車駕駛過程由圖4所示的PC軟件界面及圖5所示S640U型實物司機控制器共同進行模擬。圖4中左側(cè)為依據(jù)標準LKJ2000系統(tǒng)主界面所開發(fā)的軟件界面,右側(cè)為iDAS相關提示信息區(qū)域,包含車次號、始發(fā)終到車站、當前運行區(qū)間、當前運行時分早晚點情況、當前工況、下一工況以及切換倒計時、推薦操縱檔位等信息。平臺軟件整體采用Java編程語言開發(fā),具有良好的可移植性,同時為基于Android操作系統(tǒng)的移動端APP開發(fā)提供了便利,方便后續(xù)以智能平板電腦或手機作為車載端的iDAS系統(tǒng)的現(xiàn)場測試。 本文選用某型電力機車為例,在線路縱斷面數(shù)據(jù)基礎上,研究所提出的系統(tǒng)結(jié)構(gòu)與方法的有效性。列車采用1機車加9車廂編組,車廂乘客定員按平均110人計算。實驗中所用線路數(shù)據(jù)與車輛數(shù)據(jù)分別見表1、表2。 表1 實驗案例中使用的線路數(shù)據(jù) 710 690~12 8100120812 810~13 7304.3120913 730~14 8503.41201014 850~15 9402.11201115 940~17 54001001217 540~18 3901.21001318 390~20 5403.01001420 540~22 74001001522 740~24 8401.0100 表2 實驗案例中使用的車輛數(shù)據(jù) 注:牽引特性部分為基于列車牽引計算規(guī)程的計算公式,其中e為帶邊手柄位置,v為車速。機車風阻系數(shù)和車廂風阻系數(shù)3組取值分別對應式( 3 )中的a,b和c。 選取完全人工經(jīng)驗駕駛、有iDAS(僅離線優(yōu)化)及有iDAS(離線加在線優(yōu)化)3種典型情況分別進行若干次駕駛實驗,所得到的仿真結(jié)果見圖6。對仿真結(jié)果進行分析如下: (1) 純?nèi)斯ゑ{駛情形下,駕駛員對上坡道的處理不足(6 970~8 730、8 730~10 609 m兩個連續(xù)上坡子區(qū)間內(nèi)采用的牽引距離過短或牽引檔位較低),導致列車在上坡道子區(qū)間中的速度下降較為明顯,并導致在后續(xù)駕駛過程中,駕駛員在列車進站前本應執(zhí)行惰行或制動的子區(qū)間(22 740~24 840 m)內(nèi)采取了額外的牽引工況以補償運行時間偏差,造成了總運行能耗的增加。此情況下列車站間運行總能耗為228.56 kw·h,運行時間為1 110.3 s。 (2) 對于有iDAS(僅離線優(yōu)化)情況,由于在上坡道子區(qū)間內(nèi)(8 730~10 690 m)給出了較高的牽引檔位及牽引距離提示,使得列車平均運行速度得以提升,在進站前的子區(qū)間內(nèi)得以提前采用惰行工況,降低了 整體的站間運行能量消耗。由于離線算法本身屬隨機 搜索類算法,其存在的容易局部收斂等局限性導致所 得到的實際是次優(yōu)解,反映在駕駛策略的調(diào)整上則相對較為激進(子區(qū)間20 540~22 740 m處出現(xiàn)了提前惰行加額外牽引的情況)。此情況下列車站間運行總能耗為225.01 kW時,運行時間為1 110.6 s,相比情況(1)的節(jié)能百分比為1.55%。 (3) 對于有iDAS(離線加在線優(yōu)化)情況,在情況(2)離線優(yōu)化結(jié)果的基礎上,將列車運行狀態(tài)考慮在內(nèi)對各子區(qū)間內(nèi)的牽引距離進行進一步調(diào)整,使得列車在保證運行時間不變的前提下進一步降低運行能耗。此情況下列車站間運行總能耗為222.20 kW·h,運行時間為1 110.1 s,相比于情況(2)的節(jié)能百分比為1.24%,相比情況(1)節(jié)能百分比為2.78%。 3組仿真實驗的數(shù)據(jù)對比見表3。運行時間相差較小,均在可接受的偏差范圍內(nèi)(<1 s),證明了所提出的方法與系統(tǒng)在輔助列車駕駛員進行節(jié)能、準點的駕駛操縱方面的作用。 表3 實驗案例的能耗運行時間結(jié)果對比 本文針對智能列車輔助駕駛系統(tǒng)展開研究,在分析列車人工駕駛操縱過程的基礎上,設計了智能列車輔助駕駛系統(tǒng)的整體架構(gòu),基于區(qū)間內(nèi)牽引距離與檔位建立了人工操縱下的列車運行優(yōu)化問題數(shù)學模型,并采用離線與在線相結(jié)合的算法對其進行求解,最后基于半實物仿真平臺進行實驗與案例分析,證明了智能列車輔助駕駛系統(tǒng)能夠輔助列車駕駛員進行更好的節(jié)能準點駕駛。下一步工作將從半實物仿真平臺的進一步改進、算法效率的提升及原型系統(tǒng)的研發(fā)及現(xiàn)場測試等方面展開,以期為智能列車輔助駕駛系統(tǒng)的現(xiàn)場測試和實際運用提供必要的準備。3 仿真與實驗分析
3.1 半實物仿真平臺的搭建
3.2 實驗數(shù)據(jù)與參數(shù)
3.3 實驗案例與結(jié)果分析
4 結(jié)束語