本發明涉及機車控制領域，特別涉及一種機車智能操縱優化計算方法。

背景技術：

隨著人工智能的快速發展，促進自動控制向著更高層次——智能控制發展。智能控制是一類無需人干預就能夠自主地驅動智能奇跡實現其目標的自動控制，也是用計算機模擬人類智能的一個重要領域。在智能控制領域中一個關鍵問題是復雜操縱序列優化問題。在工業工程領域，人們所關注的是在某些約束條件下，目標物體能夠滿足某方面的優化性能的最優序列，這個尋優過程稱為操縱序列優化。目前國內外的研究解決方案大體分為三類。

第一類方法運用數值搜索的方法設計在線或離線算法來求解優化問題。2000年Yakimenko O A提出直接快速成型的數值算法尋找近似最優的飛行軌跡，并在實際飛機飛行中驗證。2011年,針對超高聲高速滑翔飛行器的路徑規劃研究中,國防科大的謝愈等人運用了高斯偽譜法來進行飛行路徑規劃,他們將整條飛行軌跡劃分為若干段,對每個段分別運用算法進行路徑的求解,最終求得的飛行路徑能夠滿足多約束的條件。除上述在線優化算法外，也有部分學者采用離線搜索的方式來解決此類優化問題，并在在線決策中運用了離線的優化結果。2002年Al-Hasan S等人針對天然地形中的無人汽車駕駛線路規劃問題，通過if-then的模糊規則以及矩陣結構構建圖中的點到其他可達線路的離線知識庫，用于在線AStar算法搜索優化線路。數值搜索的算法耗時長，且短時間內無法收斂到最優結果，不適合在線控制系統優化。

第二類方法運用解析求解方法求解復雜操縱序列優化問題。2009年P.G.Howlett等人對貨運機車在線優化策略的計算進行了研究，他們通過解析求解的方式計算機車在陡坡中運行時，其操縱控制能夠達到局部最小能耗的關鍵轉換點來得到全局的優化操縱序列，該方法目前已成功運用于澳大利亞的長途貨運機車上。2014年,Xiang Li等人對地鐵系統的節能問題進行了研究,他們通過遺傳算法結合解析推導對地鐵時刻表和運行速度進行了優化,使得最終的操縱序列能夠滿足時間準點的約束條件。這類方法的主要缺陷是轉換點的解析公式推導過程復雜，較難處理多約束條件。

第三類方法采用在線啟發式的人工根據約束條件分析與設計操縱序列優化策略的方式來解決操縱序列優化問題。2008年，Bai Y,Mao B等針對貨運機車節能優化問題提出了通過啟發式的算法來構建一套在線的優化控制系統，實現機車的節能目標。這種方式的缺點在于過多地引入人工的分析與設計，極大地降低了策略設計的效率，同時由于人思考范圍有限，無法覆蓋所有可能的情況，這勢必會導致部分有化解遺漏。

技術實現要素：

本發明提供了一種機車智能操縱優化計算方法，包括以下步驟：

步驟1：對機車智能操縱優化所需信息進行預處理；

輸入機車信息文件和線路信息文件,進行加算坡道計算和線路分段，得到線路分段結果；其中加算坡道是線路信息中的坡段、曲線、隧道三種線路對機車疊加所產生的坡度；線路分段是根據所在線路加算坡度的不同，對線路進行分類，并經過坡段合并處理之后得到具有坡段類型標識的分段數據；

步驟2：生成初始優化曲線；

首先以線路分段數據和司機駕駛數據為輸入，生成司機駕駛數據中不同分段下的子操作序列；隨后以不同分段下的子操作序列為輸入，利用序列模式挖掘技術得到每種坡段類型下的頻繁子操作序列，作為優化策略的基礎原型；根據坡段的坡度情況、前后坡段的類型、整體時刻表運行時間、坡段限速等條件通過知識學習和迭代進行優化策略設計；根據機車運行的狀態參數，匹配優化策略，即按照策略中的檔位指導機車行駛，從而生成機車按照優化策略運行后的檔位和速度曲線，即初始優化曲線；

步驟3：基于限速進行優化調整；

線路在每個坡段下都會有規定的坡段限速，同時司機在起車過程中會輸入對于該機車類型所能允許的最大限速，以線路限速信息及步驟2生成的優化曲線為輸入修改原始優化曲線的部分檔位使機車速度符合限速要求，得到限速優化調整后的優化曲線；

步驟4：基于時間偏差進行優化調整；

基于時間偏差進行優化調整，主要解決時刻表對機車運行時間上的約束條件，為保證中途達到每個車站的時間和最終到達目的車站的時間能夠盡量準點，需要對曲線進行調整，即基于時間偏差進行優化調整，以線路時刻表和步驟3中得到的優化曲線為輸入，對優化曲線中的部分檔位做修改調整，使機車運行符合時刻表的要求，得到時間偏差調整后的優化曲線。

步驟5：基于運行平穩安全檔位切換的要求，對優化曲線進行調整，生成最終優化策略；

機車在鐵路上運行除了限速和時間準點要求之外，還應當滿足運行平穩安全，需要后處理來對優化曲線進行調整，主要針對頻繁換擋以及滿足逐級切換檔位的要求；以步驟4中得到的優化曲線為輸入，對曲線中頻繁換擋或大幅度切換檔位進行修改調整，使曲線中的檔位符合運行平穩安全檔位切換的要求，得到處理后的優化曲線，生成符合多約束條件的最終優化策略。

進一步地，其中步驟3進一步包括：遍歷所有的坡段限速，對于每個超出該限速的限速：判斷每個限速的起始位置limitstart和終止位置limitend所在的坡段類型，對于限速起始位置來說，根據所在坡段類型的情況，使原始曲線能夠減速到限速以下；對于限速終止位置來說，也根據所在的坡段類型的情況，讓原始曲線以限速為起始速度，反求追上速度曲線；針對限速內部的策略，根據限速所在的坡段類型的特點，通過合適的檔位策略保證機車運行過程中不超出坡段限速；當對所有的限速進行驗證并調整之后，得到的最終曲線為能夠滿足限速約束的優化曲線。

進一步地，其中步驟4進一步包括：時間偏差調整地策略與坡段限速類似，遍歷時刻表中連續的當前車站station_current和下一車站station_next，由于時刻表中記錄了兩個車站的計劃運行時間，因此可以從優化曲線中找到當前車站station_current和下一車站station_next的位置，統計優化運行時間，若優化時間短于實際運行時間，則從當前車站station_current位置遍歷該段曲線中的牽引檔位，將牽引檔位將為惰行檔位，使得機車速度降低，后通過高牽引檔位進行牽引追上原曲線；若優化時間長于實際運行時間，則從下一車站station_current位置遍歷該段曲線中的制動檔位，將制動檔位提升1-2個檔位進行提速，后通過低檔位進行降速追上原曲線。

進一步地，其中步驟4中基于時間偏差進行優化調整應滿足如下條件：不處理限速附近的檔位，以防止速度超出限速；在運行時間計算上，對于每個車站的到達時間應通過累計時間來判斷是否準點。

進一步地，每個步驟中的策略都受到坡段類型、車重、前后段坡段類型、坡長等機車駕駛策略影響參數的影響，這些參數在不同條件下會匹配不同的策略，共同作為策略分類屬性來進行策略的分類，每個步驟的策略都可以構成策略樹，樹中的葉節點為最終根據分類屬性匹配到的優化策略；從第2步到第5步每個步驟中都維持對應的策略樹結構，其中第2步維持原始優化策略樹，第3步維持限速調整策略樹，第4步維持時間偏差策略樹，第5步維持平穩性策略樹。

整個方案的各個步驟滿足了機車運行時準點、限速、時刻表、平穩運行、節能等各項要求，保證了良好地優化效果和整體運行效率。

附圖說明

圖1為本發明機車智能操縱優化計算流程圖。

圖2為策略的子操作序列表達示意圖。

圖3為本發明完整的優化策略樹組織結構示意圖。

圖4為本發明優化策略匹配與執行流程圖。

圖5為本發明樹結構的優化策略組織結構。

圖6為本發明陡上坡策略內部子操作結構圖。

圖7為本發明限速調整策略舉例。

具體實施方式

為了使本發明的技術方案和優點更加清楚，下面結合附圖對本發明做進一步的詳細描述。

參見圖1，描述了機車智能操縱優化計算方法的流程圖。整個方案針對機車運行的各種約束條件對機車智能操縱序列進行逐步優化計算和調整，主要分為五個步驟：對數據進行預處理，生成初始曲線優化生成，基于限速的優化調整，面向時間偏差的優化調整和后處理。

步驟1：對機車智能操縱優化所需信息進行預處理

預處理是整個流程策略設計與生成的基礎，主要包括加算坡道計算和線路分段。列車在運行過程中，坡道、曲線、隧道會產生附加阻力。坡道附加單位阻力在數值上等于該坡道的坡度千分度，因此這些附加阻力也可以用一個相當的坡道附加阻力代替，這個相當的坡道稱為加算坡道(丁勇.列車運行計算與設計.北京交通大學出版社,2011.)。加算坡道是線路信息中的坡段、曲線、隧道三種線路對機車疊加所產生的坡度。線路分段是根據所在線路加算坡度的不同，對線路進行分類，如表1坡段分類所示，并經過一些坡段合并處理，如相鄰的相同類型的坡段可以合并為一個坡段，長度短到低于一定閾值的坡段可以合并到長坡段中之后得到具有坡段類型標識的分段數據。為之后的優化步驟提供基礎，針對分段后的坡段進行優化策略的匹配和執行。

預處理部分的輸入為機車信息文件和線路信息文件。機車信息文件中包含機車車重、車長、總車廂節數、重載車廂節數及空載車廂節數。線路信息文件中包含坡段、曲線、隧道信息文件，具體來說，坡段信息包括坡段的起始、坡度值和坡長，曲線信息包括曲線起始位置、終止位置、方向和曲率半徑，隧道信息則包括隧道的起始和終止位置。經過預處理階段的加算坡道和線路分段處理之后，得到線路分段結果。

線路分段的原因在于機車在不同類型的坡度情況下，其駕駛的檔位操縱規律不同，在相同近似的坡度范圍內，其駕駛檔位操縱規律基本一致，因此可以對具有相同或相近的道路坡段情況進行統一策略設計，并充分利用不同的道路坡段情況對機車的影響，來提高策略的節能效果。例如對于上坡需要減速的情況，可以利用上坡所產生的向后的作用力讓機車盡量使用惰行檔位或較低的牽引檔位進行減速，對于下坡可以利用下坡所產生的向前的作用力，通過較低檔位使機車加速，從而達到節能的效果。針對以上特點，將一條距離較長的完整線路根據坡度情況拆分為不同坡段類型的集合，并針對不同的坡段類型單獨進行駕駛策略的設計很有必要，分段類型表如表1所示。

表1坡段分類表

步驟2：初始優化曲線優化生成

不同坡段類型下機車駕駛優化策略是不同的，優化策略的構建基于大量的司機駕駛數據，利用序列模式挖掘技術，如GSP算法，從中挖掘出不同坡段類型下不同的優化策略，這些策略使用一些優化子操作來表征，如圖2所示，圖中以機車在某個坡段的運行曲線為例，根據機車的速度變化情況將該坡段的操縱策略分為加速子操作、勻速子操作、減速子操作三種類型。對于圖中的坡段策略來說，其子操作序列為加速、減速、勻速、加速，這些子操作通過相應的檔位實現。這一部分分為兩個步驟完成。第一步是機車子操作的構建，以線路分段數據和司機駕駛數據為輸入，輸出為司機駕駛數據中不同分段下的子操作序列。第二步為基于GSP算法的子操作序列挖掘，以上一步驟的不同分段下的子操作序列為輸入，經過子操作序列的挖掘，得到每種坡段類型下的頻繁子操作序列，結果如表2所示，這些挖掘出的序列為優化策略的基礎原型。在已知策略的子操作序列的情況下，根據該坡段的坡度情況、前后坡段的類型、整體時刻表運行時間、坡段限速等條件進行進一步的優化策略設計，而優化策略的設計是迭代的過程，利用RDR知識獲取原理，通過大量的線路數據對其進行測試，若在當前策略中存在不合理或者錯誤，則會添加新的操作對優化策略進行擴展調整，形成優化策略庫。

在優化策略設計過程中，結合坡段自身約束條件及特點，在滿足節能、準點這一目標下進行策略設計。機車在行駛過程中，影響其操縱駕駛的因素較多，在優化分步計算中需要盡可能地針對不同因素的影響來進行設計，才能夠保證整體的運行過程能夠達到節能的優化效果。對機車駕駛運行影響的因素分為如下幾類：坡段類型、坡長、車重、陡坡所占百分比、前后坡段類型等。最終，對每種坡段類型會形成指導機車檔位操縱的策略，對于每個優化策略來說，其內部的組織結構是一個由子操作銜接的樹形結構，以陡上坡策略為例，如圖6所示，圖中每個非葉節點對應為策略子操作，共包含4個子操作，子操作與子操作之間的轉換為上一個子操作結束之后運行情況滿足的例外條件，葉節點為策略執行結束標識。

圖6的策略說明，當機車行駛在陡上坡坡段上時，首先通過最大牽引檔位牽引到限速后保持勻速到段末。如果到達段末的速度要高于預期的末速度(預期的末速度是在預處理步驟中根據線路分段、線路時刻表及前后段坡段類型計算而得)，則從段末通過預期的末速度進行反求同原曲線優化曲線相交。如果反求過程中一直沒有交點，那么從段起始位置就以0檔行駛到段尾。

表2.不同坡段類型不同坡長下子操作序列結果表

基于上述構建的優化策略庫，根據機車運行的狀態參數，包括車重、當前坡段類型和坡長及前后段坡段類型和坡長，匹配優化策略，如當前運行的機車屬于重車，則匹配到重車策略集合中，再根據所在坡段的屬性匹配策略，匹配到相應策略之后按照策略指導執行，即按照策略中的檔位指導機車行駛，從而生成機車按照優化策略運行后的檔位和速度曲線，稱為初始優化曲線。如圖4為優化策略匹配與執行流程圖。

步驟3：基于限速的優化調整

生成初始優化曲線過程中，在一定程度上考慮了限速約束，對于每個優化策略，其在牽引計算過程中都不能夠超出給定的最大限速，然而，除了給定的最大限速之外，線路在每個坡段下都會有路局規定的坡段限速，同時司機在起車過程中會輸入對于該機車類型所能允許的最大限速，因此需要綜合考慮坡段限速和司機給的限速等級來對曲線進行局部的二次調整，即本專利方案框架中的基于限速的優化調整。基于限速的優化調整以步驟2生成的優化曲線、線路限速信息為輸入，按照下面所述方案對優化曲線進行調整，修改原始優化曲線的部分檔位使機車速度符合限速要求，得到限速優化調整后的優化曲線。限速調整的策略設計針對不同的路段類型、車重設計不同的限速調整策略。

步驟3中，基于限速的優化調整主要針對線路的坡段限速約束。其整體思路為遍歷所有的坡段限速，對于每個超出該限速的限速來說，做出如下策略調整：判斷每個限速的起始位置limit_start和終止位置limit_end所在的坡段類型，對于限速起始位置來說，通過所在坡段類型的情況，設計節能策略讓原始曲線能夠減速到限速以下；對于限速終止位置來說，也根據所在的坡段類型的情況，設計策略讓原始曲線以限速為起始速度，反求追上速度曲線；針對限速內部的策略，根據限速所在的坡段類型的特點，通過合適的檔位策略保證機車運行過程中不超出該坡段限速。下面以某個跨越緩坡和陡上坡的限速為例，其限速調整策略設計如圖7所示，限速的起始位置為A點，終止位置為B點，該限速跨越了緩坡和陡上坡，其中M點為兩種坡段類型的分界點，限速值為limit_AB，對于HXN5型機車實際駕駛來說，最高牽引檔位為8檔，最低牽引檔位為-6檔，則策略設計如下：

(1)從B點位置通過8檔牽引追上原曲線交于D點

(2)從B點位置通過8檔反求到緩坡和陡上坡的交點M位置

(3)從M點位置通過惰行反求到A點位置，若惰行反求到A點超過限速，則從M點位置開始不斷降低檔位直到到達A點位置的速度小于限速

(4)從A點位置惰行反求交原曲線于C點

通過正反向求解相結合，將限速根據坡段情況拆分為幾個步驟對優化曲線進行局部調整，當對所有的限速進行驗證并調整之后，得到的最終曲線為能夠滿足限速約束的優化速度曲線。

步驟4：面向時間偏差的優化調整

機車在運行過程中，不僅要滿足限速要求，還要符合時刻表運行約束。由于每個坡段都需要與前后坡段類型進行速度銜接，因此雖然在設計過程中考慮到了車站的平均速度，但是最終達到每個車站的時間會有一些偏差。為了保證中途達到每個車站的時間和最終到達目的車站的時間能夠盡量準點，需要對原曲線進行調整，即進行面向時間偏差的優化調整。面向時間偏差的優化調整以步驟3中得到的優化曲線和線路時刻表為輸入，對當前優化曲線中的部分檔位做修改調整，使機車運行符合時刻表的要求，得到時間偏差調整后的優化曲線。

步驟4中面向時間偏差的優化調整主要解決時刻表對機車運行時間上的約束條件。對于每個車站到站時間來說，一般可允許的時間偏差為[-3,3]分鐘。時間偏差調整地策略與坡段限速類似，遍歷時刻表中連續兩個車站station_current和station_next，由于時刻表中記錄了兩個車站的計劃運行時間，因此可以從優化曲線中找到station_current和station_next的位置，統計優化運行時間，若優化時間短于實際運行時間，則從station_current位置遍歷該段曲線中的牽引檔位，將牽引檔位將為惰行檔位，使得機車速度降低，后通過高牽引檔位進行牽引追上原曲線；若優化時間長于實際運行時間，則從station_current位置遍歷該段曲線中的制動檔位，將制動檔位提升1-2個檔位進行提速，后通過低檔位進行降速追上原曲線。整個策略的調整過程需要滿足一下原則：不處理限速附近的檔位，以防止速度超出限速；在運行時間計算上，對于每個車站的到達時間應通過累計時間來判斷是否準點。

步驟5：優化后處理

機車在鐵路上運行除了限速和時間準點要求之外，還應當滿足運行平穩安全，需要后處理來對優化結果進行調整，主要針對頻繁換擋以及滿足逐級切換檔位的要求。后處理步驟以步驟4中得到的優化曲線為輸入，對曲線中頻繁換擋或大幅度切換檔位進行修改調整，使曲線中的檔位符合運行平穩安全檔位切換的要求，得到后處理后的優化曲線。

機車運行時除了限速和時間表的約束，還要求運行平穩，后處理針對這樣的約束條件對優化結果進行調整。運行平穩主要表現為在這個運行過程中不能夠頻繁變換檔位，且檔位切換過程需滿足逐檔變換的要求。因此，對于得到的優化操縱檔位，為了減小檔位變換的頻繁性，需要將一些跨越距離較短的檔位進行合并，同時檔位的變換過程應滿足：牽引檔位和制動檔位切換時，需要在惰行檔位中停留10s，其他檔位以2s逐檔進行切換。

圖3中展示了由生成初始優化策略、基于限速的優化調整、面向時間偏差的優化調整和后處理共同組成的策略樹結構。每個步驟中的策略都受到坡段類型、車重、前后段坡段類型、坡長等的影響，這些參數在不同條件下回匹配不同的策略，因而每個步驟的策略都可以構成策略樹，形成了原始優化策略樹、限速調整策略樹、時間偏差調整策略樹和平穩性策略樹(即后處理部分的策略樹)。機車駕駛策略影響因素：坡段類型、坡長、陡坡占百分比、上一坡段類型、下一坡段類型等共同作為策略分類屬性來進行策略的分類，樹中的葉節點為最終根據分類屬性匹配到的優化策略。每個優化步驟都是以策略樹的組織結構構成，根據當前的機車和線路信息匹配到相應的策略，如車重、坡段類型、坡長等，根據影響因素進行匹配之后，調用策略，實現機車的智能操縱。整個方案的各個步驟滿足了機車運行時準點、限速、時刻表、平穩運行、節能等各項要求，保證了良好地優化效果和整體運行效率。從第2步到第5步每個步驟中都維持對應的策略樹，如第2步維持原始優化策略樹，第3步維持限速調整策略樹，第4步維持時間偏差策略樹，第5步維持平穩性策略樹，圖5的策略樹是這幾個每個策略樹的結構通用表征，圖3的策略樹是這幾個步驟策略樹的總和結構。

優化策略的生成和調整是智能操縱的核心。本專利通過生成初始優化曲線、基于限速的優化調整、面向時間偏差的優化調整以及后處理這四步進行策略優化，在每一步中策略都以策略樹為組織方式。

圖5為優化策略樹組織結構。除去根節點，樹的每個非葉節點為屬性節點，表示策略對應的某個屬性值或者屬性范圍，每個葉節點對應為優化操縱策略，從根節點到葉節點所經過的每條路徑表示匹配葉節點策略的策略屬性集合。當需要匹配某個操縱策略時，則根據其策略屬性值從根節點進行深度搜索，當搜索路徑到達葉節點則定位到匹配的操縱策略。

本專利的優點在于通過生成初始曲線優化、基于限速的優化調整、面向時間偏差的優化調整和后處理分步對機車操縱進行優化計算，每一步針對不同的約束條件進行優化計算和調整，各自滿足一定的約束條件又彼此相互關聯，有效地解決了機車運行的多約束的優化策略調整問題；與此同時，這種分步設計方案可以針對任何一種約束的臨時調整迅速生成滿足需求的優化結果，降低各約束條件顯示下的優化模塊的耦合性，易于調整。

雖然上面結合本發明的優選實施例對本發明的原理進行了詳細的描述，本領域技術人員應該理解，上述實施例僅僅是對本發明的示意性實現方式的解釋，并非對本發明包含范圍的限定。實施例中的細節并不構成對本發明范圍的限制，在不背離本發明的精神和范圍的情況下，任何基于本發明技術方案的等效變換、簡單替換等顯而易見的改變，均落在本發明保護范圍之內。