(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210611100.2 (22)申请日 2022.05.31 (71)申请人 湘潭大学 地址 411105 湖南省湘潭市雨湖区湘潭大 学 (72)发明人 易灵芝　易余　姜鹏　张大可　 兰永红　兰志勇　 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/13(2020.01) G06N 3/04(2006.01) G06F 119/14(2020.01) (54)发明名称 基于机器学习的货运列车速度追 踪方法 (57)摘要 本发明公开了一种基于机器学习的货运列 车速度追踪方法。 通过判断任意时刻加速度是否 为零把货运列车目标速度分为匀速行驶阶段和 变速行驶阶段。 在匀速行驶阶段建立货运列车线 性动力学模 型， 使用传统的卡尔曼滤波算法实现 随货运列车速度的快速追踪； 在变速阶段建立货 运列车非线性动力学模型， 使用无迹卡尔曼滤波 算法实现对货运列车的精准追踪。 在分阶段对货 运列车进行追踪后， 在匀速行驶阶段和变速行驶 阶段的切换处设计软切换控制方法， 实现速度的 平滑切换， 减小因控制器切换带来的速度抖动。 分别在KF算法和UKF算法中引入扰动观测器， 扰 动观测器形式采取基于机器学习的PID控制， 补 偿速度追踪过程中的速度误差， 实现对货运列车 目标行驶速度的精准追 踪。 权利要求书2页 说明书7页 附图3页 CN 115374691 A 2022.11.22 CN 115374691 A 1.一种基于机器学习的货运列车速度追踪方法， 其基本框架为卡尔曼滤波(Kalman   Filter,KF)算法和无迹卡尔曼 滤波(Unscented  Kalman Filter,UKF)算法； 所述方法为： 依据货运列 车行驶过程中加速度是否为零， 将行驶阶段分为匀速行驶阶段和变速行驶 阶段； 在两个行驶阶段分别分析货运列车的行驶过程， 使用不同的速度追踪方法， 以实现货 运列车行驶速度的精准追踪； 在货运列车的匀速行驶阶段， 综合分析货运列车的受力情况， 基于牛顿运动定理， 建立 货运列车线性动力学模型； 将传统的线性滤波算法KF用于匀速行驶状态下的货运列车速度 追踪， 依次建立动力学模型的空间状态转换 方程以及模型的观测方程； 在货运列车的变速运行阶段， 综合分析货运列车的受力情况， 基于牛顿运动定理， 建立 货运列车非线性动力学模型； 将引入无迹变换(Un scented Transaction,UT)的非线性滤波 算法UKF用于变速行驶状态下的货运列车速度追踪， 依次建立动力学模型的空间状态转换 方程以及模型的观测方程； 按不同的行驶阶段进行货运列车速度追踪后， 在匀速行驶与变速行驶的若干切换点 处， 使用软切换 方法以降低切换点的速度抖动问题， 优化整体的货运列车速度追踪效果； 在KF算法和UKF算法的滤波过程中， 加入基于机器学习的PID扰动观测器， 以消除静态 与动态的估计误差， 实现对货运列车 行驶速度的精准追踪； 对该追踪方法输出的货运列车速度曲线进行安全、 节能约束等货运列车行驶约束， 以 确保输出的速度曲线在符合追踪误差的前提下， 能满足各项货运列车 行驶指标。 2.根据权利要求1所述匀速行驶阶段与变速行驶阶段的区分标志为货运列 车此时的加 速度； 若为 零， 则为运行行驶阶段； 若不 为零， 则为变速行驶阶段。 3.根据权利要求1所述线性动力学模型与非线性动力学模型区分标志为模型中是否含 有非线性运算； 线性运算仅包括加减运算以及数乘运算， 次方、 幂运算以及三角函数运算等 都为非线性运算； 线性模型中只包含加减运算及数乘运算， 该类模型较为简单； 而非线性模 型中包含次方等复杂运算， 较线性模型更复杂； 两类模型最重要的不同点在于线性模型满 足齐次定理和叠加定理， 而非线性模型不满足。 4.根据权利要求1所述的KF算法与UKF算法在本专利中都采用离散形式； 空间状态转换 方程以及观测方程都为两类算法中的基本方程； 定义合理的状态量以及观测量就能依据货 运列车动力学 方程找到相应的转换 方程以及观测方程。 5.根据权利要求1所述的软切换方法在本专利 中使用激活度函数加权实现； 依据切换 点不同的速度变化幅度， 调整激活度函数中的参数实现切换点的软切换控制； 激活度函数 方面使用Tanh函数； 同时依据不同的速度变化幅度， 调节Tanh函数的参数， 实现切换点的自 适应软切换控制， 降低货运列车速度追踪的追踪误差， 减小切换点的速度抖动问题。 6.根据权利要求1所述的PID扰动观测器是一种诞生了近90年的经典优秀控制算法； 它 原理简单、 易于实现、 适用面广、 控制参数相互独立、 控制参数整定较为简单， 且对于控制系 统的模型不做要求， 这些优点使得其在经典控制领域设置现代控制领域大放异彩； 它采取 比例、 积分、 微分三个控制参数， 实现对系统的快速、 准确控制。 7.根据权利要求1所述的机器学习是一种让计算机利用数据而不是指令来进行工作的 技术； 它利用已有的数据， 决策未来可能发生的种种情况， 使之具备类似人脑的思考能力； 机器学习的算法众多， 在本专利中使用经典的多元回归算法； 根据实验求得 的不同速度误权　利　要　求　书 1/2 页 2 CN 115374691 A 2差下的最优PID控制参数， 训练出模 型以寻找消除未来 发生的速度追踪误差的最优PID控制 参数； 由此使得PID算法具备参数自整定能力， 使之能更快的消除货运列车速度追踪误差， 实现对速度的精准追踪。权　利　要　求　书 2/2 页 3 CN 115374691 A 3