多源干扰下高速列车节能速度轨迹鲁棒优化方法及系统

本发明属于轨道交通智能自动控制，特别涉及多源干扰下高速列车节能速度轨迹鲁棒优化方法及系统。

背景技术：

1、高速列车站间运行需要同时满足线路限速、牵引与制动能力、图定运行时间和乘坐舒适性等约束。现有速度曲线优化方法主要包括基于最大牵引—巡航—惰行—制动工况切换的解析方法、动态规划、遗传算法、粒子群算法以及强化学习方法。传统解析方法和启发式算法通常需要针对具体线路设计搜索变量或工况切换规则，当线路坡度、目标运行时间或列车动力状态发生变化时，需要重新求解，实时适应能力有限。

2、与本发明较接近的技术采用列车动力学模型生成可行轨迹，并通过强化学习获得连续控制策略。该类方法仍存在以下不足：第一，纯随机初始化的连续控制强化学习在高维物理约束空间中容易产生低质量经验，训练初期难以获得准时且节能的完整轨迹；第二，按固定时间步或固定距离步直接决策会产生较长决策序列，未充分利用坡度分段、限速分段等线路结构信息；第三，现有策略多按照正常牵引能力训练，当突发出现牵引系统故障、训练前临时限速位置迁移或运行中动态移动限速点、运行中变更到站时间等类型干扰时，现有方法难以继续复用同一策略；第四，能耗和准点指标主要在终点才能准确获得，奖励信号稀疏，难以定位整条轨迹中的有效控制行为；第五，部分方法只描述算法名称，未完整公开状态输入、网络结构、损失函数、训练参数和推理过程，不利于工程复现。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、为了解决或至少缓解以上问题中的一个或多个，提供了一种多源干扰下高速列车节能速度轨迹鲁棒优化方法及系统，能够利用节能参考轨迹先验缩短训练过程、按线路结构降低决策维度、面对多源干扰自适应调整并沿用同一策略，从而解决随机探索效率低、线路结构利用不足、终点奖励稀疏、正常工况策略难以自适应多源扰动的问题。

2、为实现上述目的，按照本发明的第一方面，提供多源干扰下高速列车节能速度轨迹鲁棒优化方法，包括以下步骤。

3、s1、获取列车技术参数、线路坡度、线路限速和计划运行时间，统一单位并按线路边界组织参数。

4、s2、基于空间域列车动力学，进行正向最大牵引和反向最大制动推演，生成物理可行的最短运行时间轨迹。

5、s3、搜索巡航速度比例与惰行转换点，生成满足计划运行时间的节能参考轨迹、速度上边界轨迹、速度下边界轨迹及基础能耗目标。

6、s4、以坡度边界构建马尔可夫决策过程，将所述节能参考轨迹反演为坡段专家动作，预运行环境、预填充经验回放池，并采用双延迟深度确定性策略梯度算法完成基础训练。

7、s5、进入多源干扰适应阶段，根据牵引能力退化故障、临时限速位置迁移和运行中临时到站时刻变更中的至少一种工况，更新对应的状态、约束、目标运行时间或参考轨迹，并继续使用同一策略、同一经验回放池和同一参数更新流程进行持续训练与评价。

8、s6、部署训练后的策略网络，在坡段边界输出连续牵引比例，并生成速度曲线、运行时间、能耗、准点性及工况统计结果。

9、进一步地，生成物理可行的最短运行时间轨迹包括。

10、建立以位置为自变量的空间域列车动力学模型，根据牵引或制动切换状态、最大牵引力、最大制动力、线路附加阻力和基本运行阻力计算列车所受合力，结合列车质量与旋转质量系数，按预设空间步长递推各离散位置处的列车速度。

11、从起点按最大牵引正向积分得到正向速度包络，从终点按最大制动反向积分得到反向速度包络，将所述正向速度包络、反向速度包络与线路限速逐点取最小值，得到所述最短运行时间轨迹。

12、进一步地，搜索巡航速度比例与惰行转换点，生成满足计划运行时间的节能参考轨迹、速度上边界轨迹、速度下边界轨迹及基础能耗目标，包括。

13、对所述最短运行时间轨迹施加巡航速度截断，通过二分搜索调整巡航速度使轨迹运行时间接近所述计划运行时间；在预设速度比例范围内搜索速度比例并结合惰行转换位置构造候选轨迹，以牵引能耗最小为目标选取所述节能参考轨迹；

14、由不同速度比例对应候选轨迹的逐点最大值和逐点最小值分别构成所述速度上界轨迹和所述速度下界轨迹，并将所述节能参考轨迹的全程牵引能耗作为所述基础能耗目标。

15、进一步地，以坡度边界构建马尔可夫决策过程包括。

16、以坡度边界作为决策点，将一个坡段作为一个动作控制单元；在相邻坡度边界之间按预设米级空间步长逐点执行所述空间域列车动力学传播，更新各离散位置处的列车速度；在每个坡度边界处，根据当前状态输出用于控制整个坡段的连续牵引比例，从而压缩动作序列长度并保留米级动力学计算精度。

17、所述马尔可夫决策过程的状态向量由8维常规状态与分工况扩展维度共同构成；其中，牵引能力退化故障工况在8维常规状态基础上扩展退化标志和可用牵引比例，临时到站时刻变更工况在8维常规状态基础上扩展事件接收标志和时刻裕量，两类工况同时启用时拼接为联合状态；训练与推理中保持状态输入结构不变，共用同一策略、经验回放池和更新流程。

18、进一步地，将节能参考轨迹反演为坡段专家动作并预填充经验回放池包括。

19、将所述节能参考轨迹在每个坡段内反演得到各离散位置的动作，将所述动作限制在预设连续区间内，并对坡段内各离散位置的动作取平均，作为该坡段的专家动作。

20、使用所述专家动作运行环境，采集状态、动作、奖励和下一状态组成经验四元组，并写入所述经验回放池完成预填充。

21、进一步地，采用双延迟深度确定性策略梯度算法完成基础训练包括。

22、构建策略网络、两个价值网络及各自对应的目标网络，所述两个价值网络分别估计状态动作价值，并取其较小值构造目标价值。

23、在目标策略输出的动作上叠加截断噪声形成平滑目标动作。

24、按预设延迟周期更新所述策略网络，并对所述目标网络进行软更新。

25、训练奖励包括逐步舒适度奖励和终点准点能耗奖励，所述逐步舒适度奖励由速度关于位置的二阶变化量度量，所述终点准点能耗奖励在轨迹终点根据运行时间误差和能耗误差计算，并将所述终点准点能耗奖励按回合经验数量分摊至该回合的每条经验。

26、进一步地，处理牵引能力退化故障工况包括。

27、在满足预设触发条件后，将退化标志置为有效，并将可用牵引比例调整为预设降额比例。

28、将所述退化标志和可用牵引比例写入状态向量，并在每个坡段计算前以所述可用牵引比例缩放正常工况的最大正牵引加速度。

29、训练时先在正常牵引工况下完成基础训练，再切换至降额工况，保持计划运行时间和线路约束不变，继续执行经验采集和网络更新。

30、进一步地，处理临时限速位置迁移工况包括。

31、在训练开始前读取限速数据，将临时限速区段配置为基准位置、前移位置或后移位置；对线路坡度、线路限速和列车参数计算参数一致性校验值，当所述校验值与缓存不一致时，重建所述最短运行时间轨迹、节能参考轨迹及速度上下边界；所述临时限速区段在单个运行回合内保持固定。

32、进一步地，处理运行中临时到站时刻变更工况包括。

33、在完成预设数量的训练回合后启用临时时刻事件；当列车运行位置达到预设触发位置且所述事件未触发时，将目标运行时间更新为原目标运行时间加预设时间偏移量，并将事件接收标志和时刻裕量加入状态向量；仅替换触发位置之后的参考轨迹，已运行区段保持不变；事件触发后继续使用同一策略网络、同一经验回放池和同一参数更新流程，终点准点性按更新后的目标运行时间计算。

34、为实现上述目的，按照本发明的第二方面，提供多源干扰下高速列车节能速度轨迹鲁棒优化系统，包括。

35、参数获取模块，用于获取列车技术参数、线路坡度、线路限速和计划运行时间，统一单位并按线路边界组织参数。

36、参考轨迹生成模块，用于基于空间域列车动力学生成物理可行的最短运行时间轨迹，并搜索巡航速度比例与惰行转换点生成节能参考轨迹、速度上下边界及基础能耗目标。

37、专家经验生成模块，用于将所述节能参考轨迹反演为坡段专家动作，预运行环境并预填充经验回放池。

38、策略训练模块，用于采用双延迟深度确定性策略梯度算法完成基础训练。

39、多源干扰适应模块，用于根据牵引能力退化故障、临时限速位置迁移和运行中临时到站时刻变更中的至少一种工况，更新对应的状态、约束、目标运行时间或参考轨迹，并继续使用同一策略、同一经验回放池和同一参数更新流程进行持续训练与评价，其中，牵引退化状态管理子模块、线路参数迁移子模块和临时时刻事件管理子模块地位平等、互不从属，分别用于更新牵引约束与状态、训练前线路限速参数与参考轨迹、运行中目标时间与后续参考轨迹。

40、在线推理模块，用于部署训练后的策略网络，在坡段边界输出连续牵引比例，并生成速度曲线、运行时间、能耗、准点性及工况统计结果。

41、采用上述技术方案后，本发明与现有技术相比具有以下有益效果。

42、本发明通过坡度边界决策与米级动力学传播相结合，在压缩动作序列长度的同时保留高精度物理计算。将节能参考轨迹转化为坡段专家动作并预填充经验回放池，使训练初期即可获得满足物理约束的有效经验，降低随机探索比例。状态空间引入牵引退化标志与可用牵引比例，并将其作用于正牵引上限，使策略能区分正常与降额工况。奖励设计融合逐步舒适度奖励、终点准点能耗奖励及终点奖励分摊机制，确保整条轨迹各动作均能获得与最终运行结果相关的训练信号。采用双价值网络较小值、目标策略平滑、延迟策略更新及目标网络软更新，提升连续控制的训练稳定性。将牵引退化故障、临时限速迁移和到站时刻变更视为地位平等的并列工况，共用统一策略与更新流程，使系统在多源随机干扰下具备良好的鲁棒性与自适应性。

43、下面结合附图对本发明的具体实施方式作进一步详细的描述。