CN104691583A - 用于控制铁路车辆的速度的装置 - Google Patents

Abstract

本发明公开了一种用于控制铁路车辆的速度的装置，该装置估计未来列车速度并确定控制输入(第一速度控制值)，其被配置为基于TTSLC{时间与速度限值的交叉点，列车从当前时间到超过作为ATP(列车自动保护)速度限值的ATP速度曲线所用的时间}来控制列车速度，并确定控制输入量(第二速度控制值)，其被配置为基于ATP速度曲线和实际列车速度之差来控制列车速度，由此响应TTSLC而选择第一速度控制值或第二速度控制值，并将所选输出给列车。

Description

用于控制铁路车辆的速度的装置

技术领域

根据本公开的示例性实施例的教导一般地涉及用于控制铁路车辆的速度的装置，且更具体地涉及自动列车运行系统中用于控制铁路车辆的速度的装置。

背景技术

本部分提供与本公开有关的背景信息，其不一定是现有技术。

在一般情况下，自动列车运行(行驶)的目的是使列车在每一个运行段都以预定的目标速度行驶，并能使列车有效地和安全地停止在火车站的指定位置，以及有效地和安全地在车站之间运行列车。

无需驾驶员可以实现自动列车运行，并且即使有驾驶员，驾驶员也不必积极主动参与列车的运行，而仅当发生紧急情况时提供进行列车的制动操作的最小部分。

在通过无线电通信操作的CBTC系统(基于通信的列车控制)情况下，列车的保护由ATP(列车自动保护)系统来完成，例如列车速度的控制等的操作，由ATO(列车自动运行)系统来完成。

ATP系统考虑到以下各种因素来设置ATP速度曲线(ATP speedprofile)或ATP速度限值，所述因素包括：列车在每一段的速度限值，响应移动授权的停止位置和安全制动模型。速度限值被传送给ATO系统，其中，所述ATO系统考虑到诸如乘坐舒适性以及附着系数来生成ATO速度曲线，以免列车超过限值。

然后，控制器测量当前速度并发送减速/加速命令给列车，来遵从列车生成的ATO速度曲线。接着，列车响应所生成的ATO速度曲线而行驶。

图1示出了根据现有技术的列车速度控制的曲线图。

参照图1，T1是当前时间，Tw是当列车超过用于警告的ATP速度限值时的时间，T2是当列车超过用于紧急制动的ATP速度限值时的时间。尽管列车而响应ATO速度曲线(未示出)行驶，但如果列车超过ATP速度曲线或ATP速度限值，则ATP系统激活紧急制动以最终停止列车。

更具体地讲，尽管根据系统是可变的，但是，提供了两种类型的ATP速度限值，也就是，一种是用于警告的ATP速度限值，另一种是用于紧急制动的ATP速度限值，如果列车超过用于警告的ATP速度限值，则ATP系统传送警告给驾驶员或监管人员。然而，如果列车速度超过用于紧急制动的ATP速度限值，因为没有作出随后的后续行动来响应所发送的警告，所以，通过激活紧急制动由ATP系统来停止列车。

也就是，如果列车正以图1中所示的列车速度行驶，则ATP系统在Tw时传送警告信号给驾驶员或监管人员，且在T2时传送紧急制动命令给列车，从而通过紧急制动来停止列车。

如前面提到的，在传统的自动列车运行系统中，ATO基于ATP生成的ATP速度限值来生成ATO速度曲线，并且传送推进或制动命令以使列车追踪(跟随)的ATO速度曲线，同时不超过ATP速度限值，由此确保了列车的安全。

这样，在如上面所述的系统中，一般来说，当生成ATO速度曲线时，一定会提供安全裕度，以防在列车运行期间发生紧急制动。因此，除了采用基于加大设定值和允许限值之间差距的保守观点的操作方法，就没有其它办法。也就是，即使列车能够以更快的速度行驶，但是由于担心可能执行的紧急制动，除了允许列车以低速行驶外，就没有其它办法。

如此，传统的列车运行系统具有的缺陷在于：在相关线路上的列车运行次数被减少，从而以经济观点来看，降低了运营效率。

发明内容

本部分提供了对本公开的概括性总结，但是并不是对其全部范围或者其所有特征的全面公开。

本公开的示例性方案基本上至少解决了上述问题和/或缺点并至少提供了以下所述的优点。因此，本发明的一个方案提供了一种用于控制铁路车辆的速度的装置，其被配置为通过提前预测在ATO(列车自动运行)中直到列车超过ATP速度限值时所剩余的时间，在ATP系统激活列车的紧急制动之前预先降低列车速度。

然而，应当强调的是，本公开并不限于如上所说明的特别公开的内容。应当理解的是，本领域技术人员可以理解本文未提到的其它技术主题。

在本公开的一个总方案中，提供一种用于控制铁路车辆的速度的装置，所述装置包括：

第一控制器，其被配置为估计列车未来速度，并确定控制输入(第一速度控制值)，其被配置为基于TTSLC{时间与速度限值的交叉点(Time-To-Speed-Limit Crossing)，列车从当前时间到超过作为ATP(列车自动保护)速度限值的ATP速度曲线所用的时间}来控制列车速度；

第二控制器，其被配置为确定控制输入(第二速度控制值)，其被配置为基于ATP速度曲线和实际列车速度之差来控制列车速度；以及

选择器，其被配置为响应TTSLC而选择第一速度控制值或第二速度控制值，并输出选择给列车。

在某些示例性的实施例中，第一控制器可以包括第一估计单元、第二估计单元、计算单元和第三控制器，其中第一估计单元被配置为通过非线性观测器利用列车数据和轨道数据来估计当前的列车速度，其中，列车数据包括列车的推进力、制动力和列车的加速度，而轨道数据包括轨道曲率和轨道坡度，第二估计单元被配置为利用所估计的当前列车速度来估计列车未来速度，计算单元被配置为当列车保持当前加速/减速状态时，通过列车超过ATP速度曲线时的时间来计算TTSLC，第三控制器被配置为利用所计算出的TTSLC输出第一速度控制值。

在某些示例性的实施例中，第一估计单元可以包括第一生成单元、设计单元和第三估计单元，其中所述第一生成单元被配置为利用列车数据和轨道数据来生成列车的动力学模型，所述设计单元被配置为基于动力学数据、列车数据和轨道数据来设计非线性观测器，所述第三估计单元被配置为通过非线性观测器基于加速度来估计当前的列车速度。

在某些示例性的实施例中，非线性观测器可以包括扩展卡尔曼滤波器。

在某些示例性的实施例中，第三估计单元可以包括：利用前一步骤的列车速度和轨道数据来估计在当前步骤的列车速度；利用所估计的列车速度、在当前步骤的列车数据和轨道数据来估计在当前步骤的加速度；利用包括在当前步骤的列车数据中的加速度和所估计的加速度之差来获得估计误差；利用在前一步骤的误差协方差、过程噪声协方差和过程雅可比矩阵来预测在当前步骤的估计误差协方差；利用所预测的估计误差协方差、在当前步骤所测得的噪声协方差和测量变量的雅可比矩阵来获得在当前步骤的卡尔曼滤波器增益；利用卡尔曼滤波器增益来校正所预测的估计误差协方差；以及通过利用估计误差和卡尔曼滤波器增益校正所预测的列车速度来估计当前速度。

在某些示例性的实施例中，第二估计单元可以利用由第一生成单元所生成的动力学模型来估计未来速度。

在某些示例性的实施例中，第一速度控制值可以是控制增益除以TTSLC的值。

在某些示例性的实施例中，第二控制器可以包括第二生成单元、第三生成单元和第四控制器，其中，第二生成单元被配置为利用ATP速度曲线生成ATO速度曲线，第三生成单元被配置为生成速度误差，其为ATO速度曲线和实际列车速度之差，以及第四控制器被配置为通过基于速度误差来执行PI(比例积分)控制以输出第二速度控制值。

在某些示例性的实施例中，第二速度控制值可以是速度误差与比例增益的乘积和速度误差的积分与积分增益的乘积相加之总和。

在某些示例性的实施例中，当TTSLC小于设定值时，选择单元可以选择和输出第一速度控制值；当TTSLC大于设定值时，选择单元选择和输出第二速度控制值。

根据本公开的示例性实施例的铁路车辆的速度控制装置具有如下有益效果在于：列车能够通过如下方式安全运行：预测未来列车速度；实时计算TTSLC，其被配置为当列车保持当前的推进力或制动力时，预测列车何时之后能够超过ATP速度限值；以及在列车速度达到ATP速度限值之前提供单独的行驶制动。

另一有益效果是：利用通过预测列车未来速度所预测的未来速度，通过防止由于超过ATP速度限值而导致的应急制动的生成发生，从而能够尽可能地减少列车运行延误。

又一有益效果是：当生成ATO速度曲线时，设置最低安全裕度，从而进一步提高了在列车运行期间的列车速度，其结果增加了列车的运行次数且提高了列车利用率。

从以下结合附图公开的本发明示例性实施例的详细说明书中，本发明公开的其他示例性的方案、有益效果和显著特征对本领域的普通技术人员来说更加明显显而易见。

附图说明

所包括的附图提供了对本公开的进一步理解，其包含在本申请中且构成本申请的一部分，附图中示了本公开的实施例，并且与说明书一起用于解释本公开的原理。

在附图中：

图1是示出了根据现有技术的列车速度控制的曲线图；

图2是示出了在本公开中所使用的TTSLC定义的示例性曲线图；

图3是示出了根据本公开的示例性实施例的铁路车辆的速度控制装置的结构图；

图4是示出了根据本公开的示例性实施例的图3的基于TTSLC的速度控制器的详细结构图；

图5是示出了根据本公开的示例性实施例的图4的当前速度估计单元的详细结构图；

图6是示出了根据本公开的示例性实施例的图3的基于曲线的速度控制器的详细结构图；以及

图7是示出了根据本公开的示例性实施例的控制列车速度的方法的流程图。

在随后的说明书中将部分地阐明本发明公开的另外的优点、目的和特征，其中的一部分对本领域的普通技术人员来说，一经查看了下文或可以从实践本公开而得知后变得显而易见。本发明的目的和其他有益效果可以通过在本文中的书面说明书和权利要求书以及附图中所特别指出的结构来实现和达成。

应当理解的是，本公开的上述一般描述和以下的详细说明都是示例性和解释性的，其旨在提供对所要求保护的本公开的进一步解释。

具体实施方式

将参照附图在下文中更充分地描述各个示例性的实施例，其中，示出了一些示例性的实施例。但是，本发明的构思可以采用许多不同的形式来体现并且不应当被解释为限于本文所阐述的示例性的实施例。相反，所描述的方面方案旨在包括落在本公开所述范围和新颖观点范围内的所有这样的修改例、改进例和变型例。

本公开涉及ATO的列车速度限值，其是一种自动列车运行装置，并采用基于模型的观测器设计来预测未来的列车速度，计算如此这般的几秒后列车将何时超过ATP速度限值，并在列车超过速度限值以允许应急制动前，通过执行行驶制动操作来防止列车面临危险情况。

也就是，定义了TTSLC{时间与速度限值的交叉点，当列车超过ATP(列车自动保护)速度限值的时间}，并且在列车运行的同时，实时计算TTSLC，且当TTSLC大于设定值时，基于曲线来控制列车速度；当TTSLC小于设定值时，基于TTSLC来控制列车速度以防止紧急制动列车。

现在，将参照附图描述本公开的示例性的实施例。

图2是示出了在本公开中所使用的TTSLC的定义的示例性曲线图。

参见图2，假设当前时间是T1，超过ATP速度限值的时间是T2，那么，在本公开中所使用的TTSLC为T2和T1之间的差值。

图3是示出了根据本公开的示例性实施例的铁路车辆的速度控制装置的结构图。

参见图3，根据本公开的示例性实施例的铁路车辆的速度控制装置1(以下简称为“装置”)可以包括基于TTSLC的速度控制器10、基于曲线的速度控制器20和选择单元30。

基于TTSLC的速度控制器10可以确定控制输入，其被配置为利用包括轨道曲率和轨道坡度的轨道数据和包括列车推进力、制动力和加速度的列车数据，通过估计列车2的未来速度，和通过计算TTSLC，并基于它们来控制列车速度。

基于速度曲线的速度控制器20可以利用ATP速度限值和列车速度，基于速度误差来确定控制输入，其中，速度误差是速度曲线上的速度和当前列车速度之差。

选择单元30可以判定是否将基于TTSLC的速度控制器10的输出传送给列车2或是否将基于速度曲线的速度控制器20的输出传送给列车2。

下文中，将详细描述每个元件。

图4是示出了根据本公开的示例性实施例的图3的基于TTSLC的速度控制器的详细结构图。

参见图4，基于TTSLC的速度控制器10可以包括当前速度估计单元11、未来速度估计单元12、TTSLC计算单元13和控制器14。

当前速度估计单元11可以通过非线性观测器利用列车数据和轨道数据来估计当前的列车2的速度，其中，列车数据包括由安装在列车2上的传感器可测得的推进力、制动力和加速度，轨道数据包括建立为数据库的轨道曲率和轨道坡度。

图5是示出了根据本公开的示例性实施例的图4的当前速度估计单元11的详细的结构图。

参见图5，当前速度估计单元11可以包括动力学模型生成单元11A、非线性观测器设计单元11B和行驶速度估计单元11C。

动力学模型生成单元11A可以通过接收来自加速度传感器(未示出)的加速度、来自推进装置(未示出)的推进力、来自制动装置(未示出)的制动力、建立为数据库中的轨道曲率以及轨道坡度，基于列车纵向模型，来生成动力学模型。首先，如果列车2的横向运动小到可以足以忽略不计，则可以利用牛顿第二定律通过下面的方程来获得列车2的纵向动力学模型。

【方程1】

$m\frac{\mathrm{dv}}{\mathrm{dt}}=T_e-T_b-R_r-R_g-R_c+w$

其中，m为列车2的列车等效质量，v为列车2的列车纵向速度，Te为牵引力，Tb为制动力，Rr为由增加滚动阻力和气动阻力所形成的行驶阻力。此外，Rg为坡度阻力，Rc是弯曲阻力。再此外，w是过程噪声，可以被定义为建模误差或干扰。

虽然列车2基本上由几个连接在一起的铁道车辆构成，但是，通过假想集中质量来定义列车2的等效质量m。从列车2的牵引装置(未示出)和制动装置(未示出)来分别接收牵引力Te和制动力Tb。

列车2的行驶阻力Rr由滚动阻力和气动阻力之和来表示，并且可以通过以下的速度的二次方程来建模。

【方程2】

R_r＝c₁+c₂v+c₃v²

其中，c₁，c₂和c₃分别为常数，速度的二次项是气动阻力的方程，速度的线性项和常数项表示滚动阻力。

坡度阻力Rg可以由与列车等效质量m和列车的坡度水平的相关的表达式来表示，如下面的方程3所示。

【方程3】

R_g＝mgθ

其中，g是重力加速度，θ为坡度角。也就是，如果几乎不存在倾斜，其坡度阻力Rg可以忽略不计。

此外，弯曲阻力Rc为曲率半径的函数，并且可以通过下面的方程4来表示。

【方程4】

R_c＝c₄/r

其中，c₄为常数，r为曲率半径。

当方程2至方程4被代入到方程1中时，其可以由下面的方程5来定义。

【方程5】

$m\frac{\mathrm{dv}}{\mathrm{dt}}=T_e-T_b-c_1-c_{2}v-c_3{v}^2-\mathrm{mg\θ}-c_4/r+w$

从加速度传感器(未示出)所接收的加速度可以由下面的方程6来建模。

【方程6】

$y=\frac{1}{m}[T_e-T_b-c_1-c_{2}v-c_3{v}^2-\mathrm{mg\θ}-c_4/r]+d$

其中，y是由加速度传感器所测得的加速度，d是传感器噪声。当由加速度传感器测量加速度时，可能会包括传感器噪声，并且，当对包括有传感器噪声的加速度积分以确定速度时，由于传感器噪声可能会降低行驶速度的精度。

列车2的纵向动力学模型的离散化可以通过以下方程7来表示。

【方程7】

$\begin{array}{c}v\left(k\right)=v(k-1)+\frac{\mathrm{\ΔT}}{m}[T_e(k-1)-T_b(k-1)-c_1-c_{2}v(k-1)-c_{3}v{(k-1)}^2-\\ \mathrm{mg\θ}(k-1)-c_4/r(k-1)]+w_d(k-1)\end{array}$

其中，ΔT为采样周期，w_d(k-1)是在第k-1步骤中的离散干扰。

如图5所示，非线性观测器设计单元11B可以设计非线性观测器，基于列车的动力学模型、从传感器所接收到的列车数据和轨道数据来估计行驶速度，并且可以使用方程7。

可利用能够估计在非线性系统中的状态变量的各种类型的观测器，但本公开将利用本公开中的简单可设计的扩展卡尔曼滤波器。然而，扩展卡尔曼滤波器仅仅是示例，对本领域技术人员来说，不排除利用其它观测器而不是扩展卡尔曼滤波器作为用于估计列车速度的观测器设计是显而易见的。

利用扩展卡尔曼滤波器的速度估计可以由下面的方程来表达。

【方程8】

$\begin{array}{c}\hat{v}\left(k\right|k-1)=\hat{v}(k-1|k-1)+\frac{\mathrm{\ΔT}}{m}[{-c}_2\hat{v}(k-1|k-1)-c_3\hat{v}{(k-1|k-1)}^2]+\\ \frac{\mathrm{\ΔT}}{m}[T_e(k-1)-T_b(k-1)-c_5]\end{array}$

【方程9】

P(k|k-1)＝F(k-1)P(k-1|k-1)F(k-1)^T+Q(k-1)

【方程10】

$\hat{y}\left(k\right|k-1)=\frac{1}{m}[T_e\left(k\right)-T_b\left(k\right)-c_5-c_2\hat{v}\left(k\right|k-1)-c_3\hat{v}{\left(k\right|k-1)}^2]$

【方程11】

L(k)＝P(k|k-1)H(k)^T(H(k)P(k|k-1)H(k)^T+R(k))^-1

【方程12】

$\hat{v}\left(k\right|k)=\hat{v}\left(k\right|k-1)+L\left(k\right)(y\left(k\right)-\hat{y}\left(k\right|k-1))$

【方程13】

P(k|k)＝(I-L(k)H(k))P(k|k-1)

其中，L(k)为卡尔曼滤波器的增益，且y(k)是列车2的加速度，其从附接于列车2的加速度传感器(未示出)来获得。Q(k+1)和R(k)是由于过程噪声和传感器噪声的误差协方差。此外，F(k+1)为相对于状态变量的由方程8所表示的过程模型的雅可比矩阵，且H(k)为相对于测量变量y(k)的状态变量的雅可比矩阵。

行驶速度估计单元11C能利用这样设计的非线性观测器来估计列车行驶速度，并根据方程8至方程13的一系列计算，利用扩展卡尔曼滤波器基于加速度来估计当前的列车速度，其详细内容可以解释如下：

1)首先，利用在第k-1步骤(前一步骤)的制动力和轨道数据来预测在第k步骤(当前步骤)的列车速度(方程8)。

2)测量变量y(k)，其为利用从1)中获得的在所预测的第k步骤中所获得的列车速度和在第k步骤的制动力和轨道数据来获得在第k步骤的加速度(方程10)。

3)估计误差，其为测量值和估计值之差，是利用从2)获得的在第k步骤所预测的测量变量和由加速度传感器所测得的测量值来获得(方程12)。

4)利用在第k-1步骤的误差协方差、过程噪声协方差和过程雅可比矩阵来预测在第k-1步骤的估计误差协方差(方程9)。

5)利用在4)中所预测的在第k-1步骤的估计误差协方差、在第k步骤的测量噪声协方差和在第k步骤的测量变量雅可比矩来获得在第k步骤的卡尔曼滤波器增益(方程11)。

6)利用在5)所获得的在第k步骤的卡尔曼滤波器增益来校正(校准)在4)中所预测的在第k步骤的估计误差协方差(方程13)。

7)利用在3)中所获得的在第k步骤的有关测量变量的估计误差和在5)所获得的卡尔曼滤波器增益，通过校准在1)中所预测的在第k步骤的列车速度估计值，来估计在第k步骤的当前速度。

也就是，根据本公开的行驶速度估计单元11C利用在前一步骤的制动力、轨道曲率和轨道坡度来预测在下一步骤的列车速度，并利用从加速度传感器所接收到的加速度和基于所预测的列车速度所估计的测量变量之间的估计误差来校正(校准)所预测的列车速度。此时，所述校正是通过这样的方法实现：估计误差加上一数值，该数值乘以估计误差与卡尔曼滤波器增益加上所预测的列车速度一样大(方程12)。这样所估计的当前列车速度变为不受传感器噪声或干扰影响的数值。

与此同时，图4中的未来速度估计单元12利用所估计的当前列车速度来估计在n步骤之后的未来列车行驶速度。为此，要假定施加给当前列车的牵引力和制动力无变化且恒定。可以利用因此所提出的用于估计未来列车速度的动力学模型。在步骤1、步骤2和步骤3之后的列车当前速度可以通过以下方程来表达。

【方程14】

$\begin{array}{c}\hat{v}(k+1)=\hat{v}\left(k\right|k)+\frac{\mathrm{\ΔT}}{m}[c_2\hat{v}\left(k\right|k)-c_3\hat{v}{\left(k\right|k)}^2]+\\ \frac{\mathrm{\ΔT}}{m}[T_e\left(k\right)-T_b\left(k\right)-\mathrm{mg\θ}\left(k\right)-c_4/r\left(k\right)]\end{array}$

【方程15】

$\begin{array}{c}\hat{v}(k+2)=\hat{v}(k+1)+\frac{\mathrm{\ΔT}}{m}[c_2\hat{v}(k+1)-c_3\hat{v}{(k+1)}^2]+\\ \frac{\mathrm{\ΔT}}{m}[T_e\left(k\right)-T_b\left(k\right)-\mathrm{mg\θ}\left(k\right)-c_4/r\left(k\right)]\end{array}$

【方程16】

$\begin{array}{c}\hat{v}(k+3)=\hat{v}(k+2)+\frac{\mathrm{\ΔT}}{m}[c_2\hat{v}(k+2)-c_3\hat{v}{(k+2)}^2]+\\ \frac{\mathrm{\ΔT}}{m}[T_e\left(k\right)-T_b\left(k\right)-\mathrm{mg\θ}\left(k\right)-c_4/r\left(k\right)]\end{array}$

以类似的方式，在第n-1步骤和第n步骤之后的当前列车速度可以通过以下方程来估算。

【方程17】

$\begin{array}{c}\hat{v}(k+n-1)=\hat{v}(k+n-2)+\frac{\mathrm{\ΔT}}{m}[c_2\hat{v}(k+n-2)-c_3\hat{v}{(k+n-2)}^2]+\\ \frac{\mathrm{\ΔT}}{m}[T_e\left(k\right)-T_b\left(k\right)-\mathrm{mg\θ}\left(k\right)-c_4/r\left(k\right)]\end{array}$

【方程18】

$\begin{array}{c}\hat{v}(k+n)=\hat{v}(k+n-1)+\frac{\mathrm{\ΔT}}{m}[c_2\hat{v}(k+n-1)-c_3\hat{v}{(k+n-1)}^2]+\\ \frac{\mathrm{\ΔT}}{m}[T_e\left(k\right)-T_b\left(k\right)-\mathrm{mg\θ}\left(k\right)-c_4/r\left(k\right)]\end{array}$

利用在第k步骤的列车数据，顺序使用方程14至方程18可以预测在第k+n步骤的当前列车速度。总的来说，利用包括在第k步骤的列车加速度、推进力和制动力在内的列车数据和未来速度可以估计当前的列车速度，未来速度为利用估计值和动力学模型能够预测出的在第k+n步骤的未来的列车速度。

当假设列车保持当前加速/减速状态时，图4中的TTSLC计算单元13计算出列车在哪个时间点已经超过所设定的ATP速度曲线。假设当前的列车速度在第n步骤超过ATP速度限值。

【方程19】

$\hat{v}(k+n)\≥v_{\mathrm{limit}}$

其中，v_limit是用于制动的ATP速度限值。如果k是当前的时间点，第n步骤之后的当前的列车速度意味着列车超过了ATP速度限值。此时，通过以下方程可以计算TTSLC。

【方程20】

TTSLC＝n×ΔT

其中，TTSLC的单位是秒，ΔT为采样周期。

控制器14可以利用如此计算出的TTSLC采用以下方式来输出速度控制值。

【方程21】

u＝K_TTSLC/TTSLC

其中，K_TTSLC是控制增益。也就是，传送给列车的控制输入可以与TTSLC成反比例变化，且当TTSLC非常大时，也就是，当在超过ATP速度限值之前的剩余时间非常大时，控制值接近于0；而TTSLC非常小时，也就是当在超过ATP速度限值之前的剩余时间非常小时，控制值接近于100％(完全行驶制动)。

现在，将描述图3的基于速度曲线的控制器20。图6是示出了根据本公开的示例性实施例的图3的基于曲线的速度控制器20的详细结构图。

参见图6，基于速度曲线的控制器20可以包括ATO速度曲线生成单元21、误差生成单元22和PI(比例积分)控制器23。ATO速度曲线生成单元21可以利用ATP速度限值来生成ATO速度曲线。ATO速度曲线的生成对本领域的技术人员来说是众所周知的，从而不必再对其进行进一步详细地说明。

误差生成单元22可以生成误差，其为由ATO速度曲线生成单元21所生成的ATO速度的速度和从列车速度传感器(未示出)所接收到的列车实际速度之间的差值。PI(比例积分)控制器23可以基于由误差生成单元22所生成的误差来确定速度控制输入值。PI控制对本领域的技术人员来说是众所周知的，从而不必再对其进行进一步详细地说明。

可以基于速度误差通过下面的方程来确定由PI控制器23所输出的速度控制值，速度误差是在当前列车位置上的ATO速度曲线和实际列车速度之间的差值。

【方程22】

u＝K_P·e+K_I·∫e

其中，e是速度误差，∫e是速度误差的积分。此外，K_p、K_I是比例增益和积分增益。

图3的选择单元可以判定是响应于由TTSLC计算单元13所确定的TTSLC而传送基于TTSLC的速度控制器10的输出给列车，还是传送基于速度曲线的速度控制器20的输出给列车。也就是，当所计算出的TTSLC小于设定值时，基于TTSLC的速度控制器10的输出可以被确定为ATO输出，而当所计算出的TTSLC大于设定值时，基于速度曲线的速度控制器20的输出可以被确定为ATO输出。

选择单元30的操作可以由下面的方程来表示。

【方程23】

如果TTSLC≤T_threshold

u＝K_TTSLC/TTSLC

否则

u＝K_P·e+K_I·∫e

其中，T_threshold是用于选择单元30选择的设定值。

也就是，根据本发明，可以判定当列车正在行驶时，是执行基于速度曲线的PI控制还是通过实时计算TTSLC来执行基于TTSLC的控制。

图7是示出了根据本公开的示例性实施例的控制列车速度的方法的流程图。

参见图7，根据本公开的用于控制列车速度的方法可以包括接收建立为数据库的轨道数据，其包括轨道曲率和轨道梯度(S10)；从加速度传感器(未示出)接收加速度；和从推进装置(未示出)接收推进力；以及从制动装置(未示出)接收制动力(S15)。

当前速度估计单元11可以根据轨道数据和列车数据来形成列车的动力学模型，并且可以基于动力学模型通过非线性设计来估计当前的列车速度(S20)。已通过方程1至方程13解释了对当前速度的估计，从而不必再作出重复解释。

未来速度估计单元12可以利用当前的推进力或制动力的信息来估计n步骤后列车的未来速度(S25)。已通过方程14至方程18解释了对未来速度的估计，使得不必再作出重复解释。

随后，TTSLC计算单元13可以从列车2接收ATP的速度限值(S30)，从而基于所估计的未来速度来计算TTSLC(S35)。此外，控制器14可以通过基于TTSLC的控制算法来生成速度控制值(S40)。

同时，ATO速度曲线生成单元21可以利用ATP速度限值来生成ATO速度曲线(S45)，且通过从转速计(未示出)接收当前的列车速度(S50)，误差生成单元22可以计算速度误差(S55)，速度误差是ATP速度曲线和实际列车速度之差。此后，PI控制器23可以通过基于速度误差执行PI控制来生成速度控制值(S60)。

通过比较所计算出的TTSLC与设定值(S65)，当得出所计算出的TTSLC大于设定值时，选择单元30可以选择并输出基于速度曲线的速度控制值(S70)，当TTSLC小于设定值时，选择单元30可以选择和输出基于TTSLC的速度控制值(S75)。可以重复执行上述所有步骤，直到控制结束(S80)。

根据本公开的示例性实施例的铁路车辆的速度控制装置具有的工业实用性在于：列车能够通过如下方式安全运行：预测未来列车速度；实时计算TTSLC，其被配置为当列车保持当前的推进力或制动力时，预测列车哪个时间之后会超过ATP速度限值；并在列车速度达到ATP速度限值之前提供单独的行驶制动。

另一工业应用是：利用通过预测列车未来速度所预测的未来速度，通过防止由超过ATP速度限值而导致的应急制动的生成发生，从而能够尽可能地减少列车运行延误。

又一工业应用是：当生成ATO速度曲线时，设置最低安全裕度，从而进一步提高了在列车运行期间的列车速度，其结果增大了列车的运行次数并提高了列车利用率。

然而，根据本公开的上述铁路车辆的速度控制装置，可以用许多不同的形式来被具体实施，且不应该被解释为仅限于在本文中提出的实施例。因此，所期望的是，只要本公开的改进例和变型例落在所附权利要求及其等同物的范围内，本公开的实施例就可以涵盖本公开的改进例和变型例。尽管可能已经公开了有关几个实施例的特定的特征或方案，但是这样的特征或方案可以选择性地与可能是所希望的其他实施例的一个或多个其他的特征和/或方案相结合。

Claims (10)

1.用于控制铁路车辆的速度的装置，其被配置为控制列车速度，所述装置包括：

第一控制器，其被配置为估计列车未来速度，并确定控制输入(第一速度控制值)，所述控制输入被配置为基于TTSLC{时间与速度限值的交叉点，列车从当前时间到超过作为ATP(列车自动保护)速度限值的ATP速度曲线所用的时间}来控制列车速度；

第二控制器，其被配置为确定控制输入(第二速度控制值)，所述控制输入被配置为基于所述ATP速度曲线和实际列车速度之差来控制所述列车速度；以及

选择器，其被配置为响应所述TTSLC而选择所述第一速度控制值或所述第二速度控制值，并将选择输出给列车。

2.根据权利要求1所述的装置，其中，所述第一控制器包括第一估计单元、第二估计单元、计算单元和第三控制器：所述第一估计单元被配置为通过非线性观测器利用列车数据和轨道数据来估计当前的列车速度，其中，所述列车数据包括列车的推进力、制动力和加速度，所述轨道数据包括轨道曲率和轨道坡度；所述第二估计单元被配置为利用估计的当前的列车速度来估计列车未来速度；所述计算单元被配置为当所述列车保持当前加速/加速状态时，通过所述列车超过ATP速度曲线时的时间来计算所述TTSLC；以及所述第三控制器被配置为利用计算出的TTSLC来输出所述第一速度控制值。

3.根据权利要求2所述的装置，其中，所述第一估计单元包括第一生成单元、设计单元和第三估计单元：所述第一生成单元被配置为利用所述列车数据和所述轨道数据来生成所述列车的动力学模型；所述设计单元被配置为基于所述动力学数据、所述列车数据和所述轨道数据来设计所述非线性观测器；以及所述第三估计单元被配置为通过所述非线性观测器基于所述加速度来估计当前的列车速度。

4.根据权利要求3所述的装置，其中，所述非线性观测器包括扩展卡尔曼滤波器。

5.根据权利要求3所述的装置，其中，所述第三估计单元包括利用前一步骤的所述列车速度和轨道数据来估计在当前步骤的列车速度；利用所估计的列车速度、在当前步骤的列车数据和轨道数据来估计在当前步骤的加速度；利用包括在所述在当前步骤的列车数据中的加速度和估计的加速度之差来获得估计误差；利用在前一步骤的误差协方差、过程噪声协方差和过程雅可比矩阵来预测在当前步骤的估计误差协方差；利用所预测的估计误差协方差、在当前步骤所测得的噪声协方差和测量变量的雅可比矩阵来获得当前步骤的卡尔曼滤波器增益；利用所述卡尔曼滤波器增益来校正所预测的估计误差协方差；通过利用所述估计误差和所述卡尔曼滤波器增益校正所预测的列车速度来估计当前速度。

6.根据权利要求3所述的装置，其中，所述第二估计单元利用由所述第一生成单元所生成的动力学模型来估计未来速度。

7.根据权利要求1所述的装置，其中，所述第一速度控制值是控制增益除以所述TTSLC的值。

8.根据权利要求1所述的装置，其中，所述第二控制器包括第二生成单元、第三生成单元和第四控制器，其中所述第二生成单元被配置为利用所述ATP速度曲线来生成ATO(列车自动运行)速度曲线，所述第三生成单元被配置为生成速度误差，所述速度误差为所述ATO速度曲线和实际列车速度之差，所述第四控制器被配置为通过基于所述速度误差来执行PI(比例积分)控制以输出第二速度控制值。

9.根据权利要求8所述的装置，其中，所述第二速度控制值是所述速度误差与比例增益的乘积和所述速度误差的积分与积分增益的乘积相加之总和。

10.根据权利要求1所述的装置，其中，当所述TTSLC小于设定值时，所述选择单元选择并输出所述第一速度控制值；当所述TTSLC大于所述设定值时，所述选择单元选择并输出所述第二速度控制值。