模糊预测控制在 ATO系统中的应用

2010-05-14王金刚陈永刚

铁道通信信号 2010年5期

王金刚陈永刚赵亮

列车自动运行不仅能保证列车运行的安全和准时,还可以节约能源和提高乘客乘车的舒适度。由于列车运行过程是一个典型的多目标、有约束、大滞后和非线性的复杂系统,很难找到其精确的数学模型和最优解,采用传统的控制方法 (PID控制)难以达到高品质的控制要求。所以通常所建立的模型和实际列车运行的状态有偏差,因此考虑利用模糊控制对 ATO进行仿真。但是仅仅使用模糊控制策略规则,还不能很好地处理列车运行中出现的实时干扰,所以还要考虑预测控制,即根据模型计算结果与实际运行结果的偏差,在线调整模型参数,以获取更多的系统运行信息,克服各种不确定性和复杂变化的影响,从而提高控制品质。本文就是研究利用预测与模糊控制算法相结合的控制策略,来实现 ATO系统仿真。

1 ATO系统的结构和功能

列车自动运行系统 ATO(Automatic Train Operation)是轨道交通列车自动控制系统 ATC的重要组成部分。它是利用车载固化信息和地面信息,实现对列车牵引、制动的控制,替代司机智能化地驾驶列车,使列车经常处于最佳运行状态,提高乘坐的舒适度。ATO并不是故障-安全系统,它的运行速度始终低于 ATP的防护速度,且它的运行任务是由 ATS根据需求实时给出的,缺少 ATP和ATS子系统,ATO将无法正常工作。

2 模糊控制的特点及构成

自 1965年模糊 (fuzzy)的概念提出后,模糊数学在工业领域、专家系统、模糊计算机、模式识别等领域都得到了广泛的应用。它能够利用操作人员的经验和相关领域专家的知识,解决复杂对象的控制问题。模糊控制与经典的控制理论有本质的不同:经典控制立足于对被控对象精确的数学描述;而模糊控制的核心是利用模糊集合理论,把人类控制策略的自然语言转化为计算机能够接受的算法语言。它能够模拟人的思维方式,对一些无法构造数学模型的被控对象进行有效地控制。该算法有 3个特点:①不用数学方程,而用以语言为代表的模糊变量描述系统;②用条件命题语句记述模糊变量间的关系;③用模糊推理方法实现系统的运算。

模糊控制系统的组成大致包括模糊控制器、A/D、D/A、执行机构、被控对象和测量装置等。模糊控制系统框图如图 1所示。

3 预测控制的基本原理

图 1 模糊控制系统框图

预测控制是以各种不同的预测模型为基础,采用在线滚动优化指标和反馈自校正策略,力求有效地克服受控对象的不确定性、迟滞和时变等因素的动态影响,从而达到预期的控制目标——参考轨迹输入,并使系统具有良好的鲁棒性和稳定性。

预测控制发展至今,人们提出的相近算法已有上百种,但基本上都基于动态矩阵控制、模型算法控制、内模控制和广义预测控制等几种较为常用而典型的算法。其中动态矩阵控制和模型算法控制,由于分别采用了系统的阶跃响应和脉冲响应模型,所以并不要求对模型的结构有先验知识,并且易于实现。本文所采用的是动态矩阵控制算法。预测控制系统大致包括以下 3部分。

1.预测模型。是根据被预测对象的历史信息和未来输入来确定未来输出。预测控制打破了传统控制中对模型结构的严格要求,更着眼于基础信息,根据功能要求,按照最简便的途径来建立模型。这是它优于其他控制方法的原因之一,因此被广泛应用于工业控制当中。

2.滚动优化。预测控制中的优化,主要表现在优化目标不是用一个对全局相同的优化控制性能,而是采用有限时段的滚动优化策略。在每一采样时刻,优化性能指标只涉及到从该时刻起未来有限的时间,而到下一采样时刻,这一优化时段同时向前推移。因此,在预测控制中,优化过程不是一次离线进行,而是反复在线进行的。

3.反馈校正。预测控制是一种闭环算法,在通过优化确定了一系列未来的控制作用后,为了防止模型失配或环境干扰引起的控制状态偏离,通常不是把这些控

制作用一一实施,而是只实现当前时刻的控制作用。在下一个采样时刻,首先检测对象的实际输出,利用此输出对预测模型进行修正,再进行新的优化。预测控制的基本结构如图 2所示。

4 模糊预测控制器的设计

ATO算法要解决的问题关键有 2点:一是如何处理变化的因素;二是如何使人的操纵策略和驾驶行为等在控制算法中得到体现。预测控制和模糊控制的结合能相互克服对方的缺点,获得高品质的控制效果。模糊控制的输出直接作用在机车上,得出控制命令和控制量,可以归结为决策控制;而预测控制是针对模糊控制对延时大的系统控制精度不高、列车模型时变等特点而设置的,它能根据这一时刻的输入和控制量,预测下一时刻的输出,将预测输出与实际输出的偏差反馈到模糊控制器的输入端,对预测模型起到在线校正的功能,可以归结为预测控制。

图 2 预测控制的基本结构

设计模糊预测控制器的基本思想是:先利用预测模型得到系统未来的预测输出,然后将设定输出值和预测输出值间的预测误差及预测误差变化率等作为模糊控制器输入,控制器利用模糊规则推理得到控制输出。模糊预测控制系统的结构如图 3所示,主要由模糊控制器、预测模型和模型自校正 3部分组成。

图 3 基于模糊预测控制器的列车速度控制设计

列车自动速度控制的主要功能是根据来自 ATP的目标速度,控制列车的牵引/制动系统。通过一个二维模糊预测控制器,输入为预测误差 e及其变化率 ec。模糊控制器的输出量 u作用在机车上,产生牵引/惰行控制命令控制列车的运行工况,电流的大小反映为控制力的大小,作用在机车上就是速度的输出 y。为了使机车的速度 y(k)能够跟随目标速度 yr(k),将 k时刻的输出反馈到控制器的输入端,即在 k时刻预测 k+1时刻的输出 yp。计算预测误差 e,以及其变化率 ec。

5 仿真结果

本仿真系统使用了 MATLAB语言进行编程,运用模糊预测控制和 PID控制分别对列车自动运行系统进行仿真,然后进行对比研究。

列车运行过程中主要考虑的是安全性,而速度的跟随性起到重要作用。设计采用的线路限速是32 m/s,列车进入匀速阶段的目标速度为 30 m/s,所以为了保证列车的行驶安全,列车的实际速度和目标速度的偏差不能超过 2 m/s。同时列车在运行到 500 s的时候采用了制动系统。根据前面的设计,得到仿真结果如图 4所示。

图 4 速度跟踪误差随时间变化的曲线

图 4仿真出了 2种控制器的速度跟踪误差,可以很明显的看出,虽然PID控制器和模糊预测控制器都能满足速度偏差在 2m/s的范围内,但显然模糊预测控制有更高的控制精度。仿真表明在模糊预测控制器的控制下,机车运行比较安全。可见,对同一限速下,采取同一目标速度,则采用模糊预测控制器的安全性要高于PID控制器。为了保证行车安全,PID控制器只能选取较低的目标速度,而模糊预测控制器可以选取更高的目标速度,这无疑节省了线路的占用率,缩短了运行时间。

以上是在平稳道路上的仿真曲线。实际在线路上运行时,除了受到机车产生的牵引/制动力外,还要受到线路坡道、风、隧道等一些外在的干扰因素。列车虽然满足列车运动模型,但受力会随着外在环境的变化而发生变化。可以把风和隧道等外在因素干扰对列车的影响等价地折算成一定的线路坡度。例如列车在匀速运行时,突然进入了一个上坡道,假定列车限速不变,由于受到坡道阻力,列车会有一个加速度,这时列车会加大输出电流以提供更大的牵引力克服这个阻力。所以在仿真中加入了这样的干扰,即假设在列车运行 200 s时,突然遇到一个上坡道,在 250 s时上坡道又改为相同角度的下坡道,同样采用 2种控制方法进行仿真,分析控制效果。得到仿真结果如图 5所示。