具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1示出了根据本公开实施例的兼容不同代际车辆的ATO停车控制方法100的流程图。

在框110，ATO系统基于PID控制器，根据ATO目标曲线以及列车当前速度，生成所述列车的定位停车控制指令并发送给所述列车；

在一些实施例中，ATO系统根据列车当前位置到所述目的地的距离、线路和车辆性能，计算ATO目标曲线；具体地，

ATO系统根据列车牵引、制动系统实际构成，停车精度、准点、舒适度和节能等多方面要求，确定多目标决策变量，包括线路固定限速、临时限速、列车最高限、区间运行时间、停车精度、舒适度、能耗等决策变量；建立计算目标速度曲线时的目标函数与约束条件；根据所确定的目标函数与约束条件，求解满足条件的目标速度曲线集合，求解时可以采用目标规划法、遗传算法、粒子群算法等；根据不同的侧重点生成不同的目标速度曲线。

在一些实施例中，ATO系统根据目标需求确定多目标决策变量，并根据所述多目标决策变量建立多目标决策模型；根据所述多目标决策模型的目标函数和约束条件对所述多目标决策模型进行求解，得到所述多目标决策模型的解空间；根据列车运行需求从所述解空间中选择目标解作为目标速度曲线。

在一些实施例中，PID控制器为双自由度鲁棒控制器，ATO系统基于双自由度鲁棒控制器控制列车跟踪所述ATO目标曲线行驶，实现对理想曲线的高精度跟踪，从而达到ATO自动驾驶要求。在双自由度鲁棒控制器中，对使外扰抑制特性为最优的参数和使目标跟踪特性为最优的参数分别独立地进行调整，使外扰抑制特性和使目标跟踪特性同时达到最佳。在ATP的EBI紧急制动触发速度曲线的防护下，ATO系统基于双自由度鲁棒控制器计算出列车运行的推荐速度，并且通过输出牵引制动状态命令和代表ATO牵引/制动力大小的模拟量值，控制列车按照推荐速度运行。在一些实施例中，双自由度鲁棒控制器根据计算得到的牵引动力学参数和制动动力学参数以及轨道斜率进一步得到计算出列车运行的推荐速度。在牵引动力学参数和制动动力学参数的计算过程中，将列车运行的推荐速度对应的牵引力曲线作为补偿参数。

在框120，在定位停车控制过程中，通过迭代自学习，学习列车的制动参数。

如附图图2所示，通过基于移动数据窗的迭代自学习模型，采取分阶段制动过程，学习列车的制动参数，以便在最终的精确停车阶段使用学习得到列车制动参数。

在一些实施例中，所述定位停车控制采用距离控制方式，根据制动开始点到定位停车点之间的距离以及列车速度、线路条件计算出制动模式，在定位停车点附近进行分阶段制动降低列车的速度，不断修正停车位置的误差，来保证定点停车及列车控制的精度。例如，在距离停车距离位置数百米内的轨道下方，例如，350m、150m、25m、8m，埋有多组用于对位停车的地面标志器(应答器)。当列车接近车站时，首先检出离停车点350m的最外方的标志器，从而启动车辆制动曲线；列车通过离停车点150m中间标志器和离停车点25m的内方标志器时分别更新制动曲线，当通过离停车点8m标志器时，再次更新制动曲线，一旦车辆对位天线直接位于地面对位线圈，控制列车精确定位停车。

在一些实施例中，由于老旧车辆存在常用制动和空气制动建立延时普遍偏高、制动力不稳定、跟随一致性差、线路没有吸能装置等诸多不利因素，会造成ATO控制列车进入精确停车阶段后，频发车速围绕目标速度曲线来回震荡，不能收敛于目标速度，完成电空转换后，纯空气制动条件下，制动调整更为困难，最终导致过标和欠标的问题频发。

为实现ATO的站台精确停车，ATO控车模型需要满足以下需求：精确的距离测量精度，精细的列车控制过程。而车辆性能对ATO精确停车的影响体现在：减速度可控最小步长，列车制动系统延时，列车制动施加。而不同代际车辆之间，不同车辆之间性能参数存在差异，例如，列车制动系统一般延时时间，空气制动为1.20-1.75s，电制动为0.8-1.5s，纯空气制动延时与电制动延时特性差异最大能到30％。对于不同代际车辆的ATO控制技术，如果采用相同的ATO软件版本进行控制，而不同代际车辆的性能参数发生变化，会导致过标和欠标的问题频发。

因此，采取分阶段制动过程，通过基于移动数据窗的迭代自学习模型，学习列车的制动参数，以便在最终的精确停车阶段使用学习得到列车制动参数。进而，根据学习得到的列车制动参数，列车速度和目标速度之间的差值，预估ATO输出，使得列车速度尽快收敛于目标速度。

根据列车运行动力学模型设计自适应迭代学习控制器，在列车的分阶段制动过程中，使列车的运行速度和运行位移逐渐跟踪给定的期望速度和期望位移。在本实施例中，可以仅考虑列车的运行速度逐渐跟踪给定的期望速度。所述控制器包括基于速度跟踪误差的P型反馈部分、参数估计部分和时滞补偿部分。通过采用自适应迭代学习控制算法和参数学习率，当迭代次数越大，则列车的位置跟踪误差和速度跟踪误差越小。

在一些实施例中，为了实现变期望速度对目标速度渐进跟踪，参数学习率中加入期望速度的变化信息，迭代学习能够响应期望速度的变化，并根据变化量的相关信息对列车进行额外的超前控制，更有效地控制列车，使其按新的期望速度运行。

在框130，根据学习得到的制动参数及列车速度和目标速度之间的差值，生成列车运行的控制指令，控制列车按照推荐速度运行。

在一些实施例中，基于学习得到的列车制动参数，计算出列车运行的推荐速度，并且通过输出牵引制动状态命令和代表ATO牵引/制动力大小的模拟量值，控制列车按照推荐速度运行，使列车速度尽快收敛于目标速度，如附图图3所示。

在一些实施例中，由于老旧车辆制动力的建立过程延时普遍偏高，车辆制动延迟导致超调及震荡，需要消除所述超调及震荡。需要根据车辆的型号，确定所述列车的响应时间及对应的制动延时的前馈值。根据学习得到的制动参数及列车速度和目标速度之间的差值，生成列车运行的控制指令还包括：根据列车的响应时间，确定精确停车阶段制动延时的前馈值，提前预定时间输出制动。

在一些实施例中，可以根据实践经验确定制动延时的前馈值，提前预定时间输出制动，在车辆制动延时后，列车速度恰好与目标速度相匹配，如附图图4所示。例如，利用专家经验，如驾驶经验丰富的司机的经验，针对制动延时增加前馈值，提前输出制动，将由车辆制动延迟导致的超调及震荡消除，在车辆制动延时后，使得列车速度恰好与目标速度相匹配。例如，从司机驾驶历史数据中筛选得到驾驶经验丰富的司机驾驶列车时的司机驾驶数据；确定司机的制动时机，以确定制动延时的前馈值。避免了由于超调导致ATO加大输出，使得列车速度围绕目标速度多次震荡的发生。在一些实施例中，针对不同制动阶段(混合制动和空气制动阶段)列车分别增加对应的前馈值。

在一些实施例中，还可以通过回归预测模型确定制动延时的前馈值，提前预定时间输出制动，在车辆制动延时后，列车速度恰好与目标速度相匹配。包括以下步骤：

得到影响停车误差的输入变量和表示收敛速度的输出变量参数；所述输入变量为制动延迟(电控转换延迟时间)；所述输出变量为推荐速度与目标速度的误差。

建立输入变量参数得到收敛速度的回归预测模型，回归预测模型包括修正变量；其中，根据ATO系统的数据预处理与分析得到经验公式模型，根据所述经验公式模型和预设修正函数得到所述回归预测模型。所述数据预处理与分析包括进行机器学习。例如，通过ATO系统进行数据的整理，以及多次迭代运行试验，可以得到某一车辆的输入变量参数为制动延迟，输出变量参数为推荐速度与目标速度的误差的经验公式模型，进而得到对应的预测回归模型预测回归模型。

通过机器学习多次迭代训练，得到优化的回归预测模型。在一些实施例中，运用最小二乘法得到一个代价函数，来描述预测回归模型的输出与实际输出变量的接近程度，当代价函数值最小时，即得到优化的回归预测模型。

计算优化的回归预测模型取值为0时的输入变量参数，更新输入变量参数，利用更新的输入变量参数进行控制，进而实现列车速度尽快收敛于目标速度。在一些实施例中，将得到的制动延迟存储在ATO系统中，以便ATO系统进行调用，进行停车控制时，实现精确停车，消除所述超调及震荡。

在一些实施例中，针对不同制动阶段(混合制动和空气制动阶段)列车分别增加对应的前馈值。

在一些实施例中，针对不同代际车辆，根据所述前馈值的不同，设定不同的ATO版本。

在一些实施例中，在精确停车一次制动阶段，还需要根据列车车头是否处于站台轨进行策略调整：

1)当列车车头处于站台轨时，切除牵引，根据列车速度和目标速度偏差，调整制动输出值：当偏差大于预设阈值时，输出最小制动力；当偏差小于等于预设阈值时，输出0.5倍目标制动率的制动力；

2)当列车车头不处于站台轨时，当偏差大于预设阈值时，输出PID控制器计算的牵引力；当偏差小于等于预设阈值时，输出惰行。

根据本公开的实施例，实现了以下技术效果：

解决了不同代际车辆制动力建立过程延时参数差异造成的控车问题，解决了精准停车阶段车速震荡不收敛、停车过标的难题。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。

图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。设备500可以用于实现图1的ATO系统。如图所示，设备500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的计算机程序指令或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序指令，来执行各种适当的动作和处理。在RAM 503中，还可以存储设备500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理单元501执行上文所描述的各个方法和处理，例如方法100。例如，在一些实施例中，方法100可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由CPU 501执行时，可以执行上文描述的方法100的一个或多个步骤。备选地，在其他实施例中，CPU 501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法100。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。