基于遗传算法的列车自动驾驶过程优化研究

2012-07-27高凡

铁道运营技术 2012年3期

高凡

（兰州交通大学自动化与电气工程学院，硕士研究生，甘肃兰州 730070）

近年来，各国学者们运用了多种方法对高速列车速度控制器进行了不同的研究，取得了一定的成果［1］，如日本研制的“预测型模糊控制”列车自动驾驶系统［2］；新加坡学者把遗传算法用于列车自动驾驶仿真中，根据各种情况在出发前便产生惰行的最合适点，以实现能耗最低，之后又提出了基于模糊的多目标控制列车自动运行系统；中科院自动化所把一种新型的联想记忆神经网络，应用于列车的自动停车中，该技术以滚动优化的方式实现了基于联想记忆神经网络的长程预测控制；铁道科学研究院提出了基于直接模糊神经控制的方法［3］，应用在列车自动运行控制上［4］；同济大学用模糊控制的BP网络实现站间运行控制，用基于遗传算法的模糊神经网络实现列车的定位停车控制［5］。

由于列车自动驾驶系统（ATO）控制的目标复杂多样和环境变量不稳定等原因，要实现ATO控制，传统的控制理论己经不能满足需要，须利用先进的智能控制理论对控制算法进行设计。本文采用遗传算法对列车运行曲线进行优化，从而产生最优的决策策略以控制列车运行。