智能控制应用(运载工具)要素.ppt

* 智能控制在运载工具中的应用 预测模糊控制 在列车自动驾驶系统中的应用 列车自动驾驶系统 地铁列车的预测模糊控制系统 应用实例及其效果 * §列车自动驾驶系统 列车自动驾驶系统的目的是实现与熟练驾驶员同样的自动驾驶，而所谓的与熟练驾驶员同样的驾驶，就是一边考虑乘坐舒适性、停车精度及节省能源等，一边权衡多目标问题进行最优的驾驶。 * §列车自动驾驶系统 列车驾驶系统 Fuzzy-ATO(Automatic Train Operation) 列车的自动驾驶就是按照出发信号开始运行，为了不超过站间的限制速度调整列车速度，又能准确地将列车停止在下一站台的指定位置线上，而自动地操作加速及制动的控制指令。 ATO是由确保列车运行安全的ATC(Automatic Train Control)系统，在不作非常制动的情况下自动驾驶列车。 * § 列车自动驾驶系统 列车自动驾驶系统的构成 * §列车自动驾驶系统 ATC系统的限制速度，由列车将进入哪一个阻塞区决定的，ATO系统在其限制速度内进行自动驾驶。 ATO系统所采用的驾驶知识是以24条规则形式表示的。例如，要使列车停止在停车目标的时侯，规则是“如果以现在档的状态能很好停车的话，就不变档”或者“如果把档加大些能舒适准确地停车的话，就加大些档”等这样形式的自动驾驶控制规则。 控制规则中的“乘坐舒适”、“很好地停止”、“准确地停车”和“稍强些”等不明确的表现，能用隶属函数表示。 * 地铁列车的预测模糊控制系统 自动驾驶系统有6个模糊多目标函数，实时地对多目标进行评价以决定最佳的控制指令。 最佳控制指令(最佳档)是在控制规则中，对应假定的控制指令下的停车位置预测值，由把列车的运动特性模型化的模拟器实时地模拟预测，再根据这个预测值由模糊推理来决定。 评价量是指停车精度、多级经过的时间，而被评价量是指停车位置预测值、t时间后的速度预测值。控制指令值的等级△N分为：0,±1, ±2,±3。状态观测值是指行车距离。 * 地铁列车的预测模糊控制系统 自动驾驶系统有6个模糊多目标函数，实时地对多目标进行评价以决定最佳的控制指令。 最佳控制指令(最佳档)是在控制规则中，对应假定的控制指令下的停车位置预测值，由把列车的运动特性模型化的模拟器实时地模拟预测，再根据这个预测值由模糊推理来决定。 评价量是指停车精度、多级经过的时间，而被评价量是指停车位置预测值、t时间后的速度预测值。控制指令值的等级△N分为：0,±1, ±2,±3。状态观测值是指行车距离。 * 地铁列车的预测模糊控制系统 预测模糊控制系统的多项评价目标的隶属函数曲线。 根据本系统所确定的列车在站问运行和进站停止运行的控制规则，以及相应的控制指令和评价情况表。 * 地铁列车的预测模糊控制系统 预测模糊控制系统的多项评价目标的隶属函数曲线。 根据本系统所确定的列车在站问运行和进站停止运行的控制规则，以及相应的控制指令和评价情况表。 * 地铁列车的预测模糊控制系统 预测模糊控制系统的模糊推理的动态过程 * 地铁列车的预测模糊控制系统 预测模糊控制系统的模糊推理的动态过程 根据这种推理方式，列车在运行过程中，一边遵守限制速度一边以站间运行速度和节省能源为目的断档(断电)惯性运行交替控制的同时，在停止位置控制中因前方列车的影响而降低速度，对于这些状况的变化本控制系统能够给出柔性的控制对策。 * 应用实例及其效果 列车自动驾驶预测模糊控制系统，在日本仙台市地铁从1987年投入使用。在实际投入运行之前，对列车自动驾驶的预测模糊控制方式和传统的PID控制方式进行了仿真比较。 仿真结果表明，预测模糊控制方式优于传统的PID控制，停车误差是标准差的1／3； 档变化次数变为原来的1／3； 节省能源10％。因此，显然可用预测模糊控制实现乘坐舒适、节省能源、精确的综合控制。 * 应用实例及其效果 列车自动驾驶预测模糊控制系统，在日本仙台市地铁从1987年投入使用。在实际投入运行之前，对列车自动驾驶的预测模糊控制方式和传统的PID控制方式进行了仿真比较。 仿真结果表明，预测模糊控制方式优于传统的PID控制，停车误差是标准差的1／3； 档变化次数变为原来的1／3； 节省能源10％。因此，显然可用预测模糊控制实现乘坐舒适、节省能源、精确的综合控制。 * 应用实例及其效果 实际列车运行结果实测值曲线。 系统能很好地实现跟踪限制速度的变化、梯度变化，同时，在车站停止时，制动档变化少，实现乘坐舒适的运行。 * §22.2.3 应用实例及其效果 关于停车精度，用19编组的列车全线运行试验，共进行了11395次停止，停车精度实测值。 可以得到停车精度误差的平均值是+3.57 cm，标准偏差是10.61 c