郭北苑，孙玉龙

(北京交通大学 a.轨道交通控制与安全国家重点实验室,b.电子信息工程学院，北京 100044)

列车ATO控制算法能实现精确的速度以及位置控制，可以有效降低能耗，提高乘客的舒适度[1]，已经在高速列车驾驶领域中逐步展开应用.其中，实现列车精确的对标停车是评价自动驾驶算法控制性能的一个重要指标，需要控制算法在保证乘客舒适性的条件下将列车在停车点处的误差控制在一个极小的误差范围内.

当前列车ATO控制算法主要有PID控制、参数自适应控制、模糊控制以及智能控制算法等[2].PID控制在实际工程中应用较多，具有算法结构简单等特点，但是其抗干扰能力差、控制切换较频繁，因此，需要对PID控制算法做出改进和优化[3].通过对PID控制算法的输入部分设计微分器，引入非线性控制律补偿外界干扰等自抗扰控制技术对PID进行改进[4]，可以有效改善传统列车PID控制算法鲁棒性差、稳定性不高的缺点.模糊控制可以按照一定的模糊规则进行模糊推理，对PID参数进行自适应调整[5].利用强化学习方法设计列车控制算法，具有无参学习、动态优化、自适应等突出优点[6]，但是强化学习需要学习大量的驾驶数据，相关参数的调节也需要一定的经验积累.

上述控制算法均需要追踪离线已生成的目标速度曲线，未充分考虑司机的驾驶经验并存在灵活性不足的缺点.认知建模从认知结构的角度对人类的认知过程进行建模仿真，构建的模……