轨道交通列车的控制指令生成方法、装置、设备、介质与流程

本申请涉及轨道交通，尤其涉及一种轨道交通列车的控制指令生成方法、装置、设备、介质。

背景技术：

1、ato(automatic train operation，列车自动运行)系统是一种高科技的列车运行系统，能够让列车自动运行并自动停靠在车站。这种系统由地面设备和车载设备组成，地面设备包括轨道电路、信号机和轨道信号设备等，用于提供列车位置、速度和行驶方向等信息，车载设备包括列车控制系统、驱动设备和制动设备等，用于实现列车的自动控制和调整。

2、列车动力学模型在ato系统中起到稳定行驶和精准控车的作用，是ato系统中的重要一环。但在现实中，列车动力学模型受到列车自身损耗导致性能退化、恶劣天气、轨面附着物等因素的影响，不能精准的反映列车的模型参数变化。

技术实现思路

1、为了解决上述技术缺陷之一，本申请提供了一种轨道交通列车的控制指令生成方法、装置、设备、介质。

2、本申请第一个方面，提供了一种轨道交通列车的控制指令生成方法，方法包括：

3、获取数据集，数据集中包括列车的行驶数据和列车自动运行ato系统的控车指令；

4、基于数据集，通过预先构建的列车动力学模型，对拟下达的列车控制指令进行推演，得到拟下达指令对应的列车预测速度；列车动力学模型基于全连接神经网络构建；

5、根据拟下达指令对应的列车预测速度和列车目标速度之间的关系，以及拟下达的列车控制指令，生成控制指令。

6、可选地，列车动力学模型的损失函数为

7、其中，m为输入列车动力学模型的数据总量，i为输入列车动力学模型的数据标识，x(i)是输入列车动力学模型的第i个数据，w为全连接神经网络参数，f(x(i)；w)为输入列车动力学模型的第i个数据经过全连接神经网络得到的预测值，y(i)为输入列车动力学模型的第i个数据的目标值。

8、可选地，列车动力学模型的评价指标为平均绝对误差

9、其中，m为输入列车动力学模型的数据总量，i为输入列车动力学模型的数据标识，x(i)是输入列车动力学模型的第i个数据，w为全连接神经网络参数，f(x(i)；w)为输入列车动力学模型的第i个数据经过全连接神经网络得到的预测值，y(i)为输入列车动力学模型的第i个数据的目标值。

10、可选地，列车动力学模型的评价指标为均方根误差

11、其中，m为输入列车动力学模型的数据总量，i为输入列车动力学模型的数据标识，x(i)是输入列车动力学模型的第i个数据，w为全连接神经网络参数，f(x(i)；w)为输入列车动力学模型的第i个数据经过全连接神经网络得到的预测值，y(i)为输入列车动力学模型的第i个数据的目标值。

12、可选地，列车的行驶数据包括：列车头部方向，ato主流程状态，ato驾驶流程状态，牵引状态，制动状态，保持制动，ato输出的模拟量，列车目标速度，当前坡度，比例-积分-微分pid控制器期望加速度，乘客满载率。

13、可选地，基于数据集，通过预先构建的列车动力学模型，对拟下达的列车控制指令进行推演，得到拟下达指令对应的列车预测速度，包括：

14、将当前时刻的列车速度和所述数据集作为预先构建的列车动力学模型的输入，预测列车在拟下达的列车控制指令下的下一时刻的速度；

15、将预测的速度再次输入列车动力学模型，预测列车在拟下达的列车控制指令下的再下一时刻的速度；

16、重复执行将预测的速度再次输入列车动力学模型，预测列车在拟下达的列车控制指令下的再下一时刻的速度的步骤，直至预测到目标时刻的速度。

17、可选地，根据拟下达指令对应的列车预测速度和列车目标速度之间的关系，以及拟下达的列车控制指令，生成控制指令，包括：

18、若列车目标速度大于拟下达指令对应的列车预测速度，则对拟下达的列车控制指令进行制动力减少或者牵引力增加调整后，生成控制指令；

19、若列车目标速度小于拟下达指令对应的列车预测速度，则对拟下达的列车控制指令进行制动力增加或者牵引力减少调整后，生成控制指令。

20、本申请第二个方面，提供了一种轨道交通列车的控制指令生成装置，装置包括：

21、获取模块，用于获取数据集，数据集中包括列车的行驶数据和列车自动运行ato系统的控车指令；

22、推演模块，用于基于数据集，通过预先构建的列车动力学模型，对拟下达的列车控制指令进行推演，得到拟下达指令对应的列车预测速度；列车动力学模型基于全连接神经网络构建；

23、生成模块，用于根据拟下达指令对应的列车预测速度和列车目标速度之间的关系，以及拟下达的列车控制指令，生成控制指令。

24、本申请第三个方面，提供了一种电子设备，包括：

25、存储器；

26、处理器；以及

27、计算机程序；

28、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述第一个方面所述的方法。

29、本申请第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现如上述第一个方面所述的方法。

30、本申请提供一种轨道交通列车的控制指令生成方法、装置、设备、介质，该方法：获取数据集，数据集中包括列车的行驶数据和ato系统的控车指令；基于数据集，通过预先构建的列车动力学模型，对拟下达的列车控制指令进行推演，得到拟下达指令对应的列车预测速度；列车动力学模型基于全连接神经网络构建；根据拟下达指令对应的列车预测速度和列车目标速度之间的关系，以及拟下达的列车控制指令，生成控制指令。

31、本申请通过列车的行驶数据和ato系统的控车指令进行列车预测速度的推演，使得推演符合列车本身的性能规律，不仅实现了针对给定的拟下达的列车控制指令的列车速度实时预测，而且可以辅助提升ato系统对列车下发控制指令的精准度。

技术特征：

1.一种轨道交通列车的控制指令生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述列车动力学模型的损失函数为

3.根据权利要求1所述的方法，其特征在于，所述列车动力学模型的评价指标为平均绝对误差

4.根据权利要求1所述的方法，其特征在于，所述列车动力学模型的评价指标为均方根误差

5.根据权利要求1所述的方法，其特征在于，所述列车的行驶数据包括：列车头部方向，ato主流程状态，ato驾驶流程状态，牵引状态，制动状态，保持制动，ato输出的模拟量，列车目标速度，当前坡度，比例-积分-微分pid控制器期望加速度，乘客满载率。

6.根据权利要求1所述的方法，其特征在于，所述基于所述数据集，通过预先构建的列车动力学模型，对拟下达的列车控制指令进行推演，得到拟下达指令对应的列车预测速度，包括：

7.根据权利要求1所述的方法，其特征在于，所述根据拟下达指令对应的列车预测速度和列车目标速度之间的关系，以及拟下达的列车控制指令，生成控制指令，包括：

8.一种轨道交通列车的控制指令生成装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。

技术总结本申请提供一种轨道交通列车的控制指令生成方法、装置、设备、介质，该方法：获取数据集，数据集中包括列车的行驶数据和ATO系统的控车指令；基于数据集，通过预先构建的列车动力学模型，对拟下达的列车控制指令进行推演，得到拟下达指令对应的列车预测速度；列车动力学模型基于全连接神经网络构建；根据拟下达指令对应的列车预测速度和列车目标速度之间的关系，以及拟下达的列车控制指令，生成控制指令。本申请通过列车的行驶数据和ATO系统的控车指令进行列车预测速度的推演，使得推演符合列车本身的性能规律，不仅实现了针对给定的拟下达的列车控制指令的列车速度实时预测，而且可以辅助提升ATO系统对列车下发控制指令的精准度。技术研发人员：李哲君,付哲,肖骁,王伟受保护的技术使用者：交控科技股份有限公司技术研发日：技术公布日：2024/2/8