针对低速死区补偿的接触网运维车组就位控制方法、系统、介质及设备与流程

本发明涉及轨道交通智能运维与控制，更具体的说，是涉及针对低速死区补偿的接触网运维车组就位控制方法、系统、介质及设备。

背景技术：

1、电气化铁路接触网的检修运维是保障铁路运行安全的关键环节。目前，接触网运维车组正从传统人工驾驶模式向自动化、智能化就位模式转型，车组能否在维修作业点实现厘米级的精确停车，直接决定了后续自动化维修设备与接触网的精准对接效果。

2、针对车组就位控制这一问题，现有数据驱动控制方法已经能够在一定程度上克服传统模型依赖型控制（如pid控制）鲁棒性不足的缺陷，通过动态线性化技术将车组非线性跟踪控制系统转化为等价的数据模型，并结合在线辨识实现自适应控制；部分方法还进一步针对制动系统固有的响应延迟、以及制动过程中的安全性差异化需求做出了改进。然而，上述方法普遍将车组的牵引制动执行机构视为线性或近似线性环节，未能充分考虑执行机构在低速、小指令工况下普遍存在的死区非线性特性。

3、具体而言，接触网车组的牵引制动执行机构（无论是气动、机械还是电控形式）在车速降至极低的末端就位阶段，当所需控制指令幅值很小时，往往因间隙、静摩擦等因素完全不产生响应，即所谓“死区”现象；而一旦控制指令幅值跨过该死区门限，执行机构又可能因静摩擦向动摩擦的突然转换而产生响应突变。这种非线性特性，会导致车组在末端就位阶段反复出现车速偏差累积、控制指令时有时无的现象，严重影响最终停车位置的精度；同时，现有的数据驱动建模方法若不加区分地对该区域的输入输出数据进行动态线性化辨识，其伪偏导数的在线辨识过程也会因死区效应而剧烈波动甚至发散，进一步恶化控制性能。此外，死区宽度本身会随执行机构所处环境温度、气压等工况发生缓变，现有方法也缺乏针对性的在线跟踪机制。

4、另一方面，现有的数据驱动控制律在设计控制增益的在线优化目标时，通常仅以速度跟踪误差最小化为优化目标，未将车组是否存在越过目标停车点的风险显式纳入优化考量，在末端死区补偿等环节可能引入指令突变的场景下，这一局限尤为突出，难以从控制律本身的优化机制层面主动防范越程风险。

5、综上所述，现有技术中存在低速阶段执行机构死区效应未被有效识别与补偿、死区宽度缺乏工况自适应跟踪、以及控制增益优化目标未显式考虑越程风险等技术缺陷，亟待一种能够兼顾死区补偿与越程风险防控的车组就位控制新方法。

技术实现思路

1、本发明公开了针对低速死区补偿的接触网运维车组就位控制方法、系统、介质及设备，所述方法在车组进入末端低速阶段后，检测牵引制动执行机构的死区状态，并对死区宽度进行在线检测与自适应更新，使其能够跟随环境温度、气压等工况变化；基于速度偏差构建直接型无模型自适应控制律，通过设计的同时考虑速度跟踪误差与越程风险的性能优化目标函数，并利用梯度下降法求解，实现制动控制增益向量的自适应更新，计算得到理论所需牵引制动控制指令；对该指令进行死区补偿与单步变化量限制后输出至牵引制动系统，驱动车组精准逼近并停止于目标停车点；本发明有效解决了车组末端就位阶段因执行机构死区效应导致的误差累积与响应突变问题，并从控制增益优化目标层面主动防范车组越过目标停车点的风险，显著提升了车组就位的精度与可靠性。

2、具体，本发明提供针对低速死区补偿的接触网运维车组就位控制方法，包括如下步骤：

3、对于处于低速停车阶段的运维车组，基于实时车速与目标车速的速度偏差，构建直接型无模型自适应控制律，并对控制律中的制动控制增益向量引入越程风险惩罚，约束车组越过目标停车点，并对制动控制增益向量进行在线更新，得到理论所需牵引制动控制指令；

4、对车组是否处于死区状态进行判定，若车组处于死区状态，对处于所述死区状态下的死区宽度进行在线检测，采用带遗忘因子的滑动更新律，对死区宽度的估计值进行在线更新：

5、；

6、其中，表示第个采样时刻死区宽度的估计值；表示遗忘因子，，用于使所述死区宽度的估计值持续跟踪执行机构因温度、气压工况变化而产生的缓变特性；代表死区宽度的观测样本，当检测到运维车组由死区状态转变为非死区状态时，将该采样时刻对应的实际执行的牵引制动控制指令的绝对值记为该次死区宽度的观测样本；

7、基于理论所需牵引制动控制指令的绝对值与预设补偿门限、死区宽度估计值之间的关系，对所述理论所需牵引制动控制指令进行补偿，得到补偿后的牵引制动控制指令；

8、对所述补偿后的牵引制动控制指令进行单步变化量限制，得到实际执行的牵引制动控制指令，避免车组牵引制动执行机构跨过死区宽度后产生响应突变。

9、进一步的，基于理论所需牵引制动控制指令的绝对值与预设补偿门限、死区宽度估计值之间的关系，对所述理论所需牵引制动控制指令进行补偿，得到补偿后的牵引制动控制指令的方法为：

10、当理论所需牵引制动控制指令的绝对值大于预设补偿门限，且不超过所述死区宽度的估计值时，将所述死区宽度的估计值叠加至所述理论所需牵引制动控制指令，得到补偿后的牵引制动控制指令：

11、；

12、其中，为补偿后的牵引制动控制指令；表示第个采样时刻理论所需牵引制动控制指令；代表符号函数；收缩系数,表示第个采样时刻车组距目标停车点的剩余距离，表示车组进入低速停车阶段时的初始剩余距离；

13、当理论所需牵引制动控制指令的绝对值不大于预设补偿门限，令；

14、当理论所需牵引制动控制指令的绝对值大于所述死区宽度的估计值时，令。

15、进一步的，对所述补偿后的牵引制动控制指令进行单步变化量限制，得到实际执行的牵引制动控制指令的方法为：

16、若，则；

17、若，则；

18、否则，；

19、其中，为补偿后的牵引制动控制指令；表示第个采样时刻实际执行的牵引制动控制指令，表示预设的单步最大变化量；表示第个采样时刻实际执行的牵引制动控制指令。

20、进一步的，对制动控制增益向量进行在线更新的方法为：

21、构建性能优化目标函数：

22、；

23、其中，表示第个采样时刻的速度偏差，，表示第个采样时刻就位制动曲线中的目标车速，表示第个采样时刻运维车组的实时车速；利用运维车组跟踪控制系统的动态线性数据模型，进一步得到；表示制动控制增益限制因子；表示制动控制增益向量的一阶前向差分；表示越程风险惩罚因子；越程风险量，表示第个采样时刻车组距目标停车点的剩余距离，代表本采样周期内的行驶距离，，代表采样周期，表示第个采样时刻的伪偏导数，表示第个采样时刻实际执行的牵引制动控制指令的一阶前向差分；

24、利用梯度下降法求解所述性能优化目标函数，得到所述制动控制增益向量的更新律：

25、；

26、其中，表示第个采样时刻的制动控制增益向量，表示所述制动控制增益向量的学习率。

27、进一步的，对车组是否处于死区状态的判定方法为：

28、当理论所需牵引制动控制指令的一阶前向差分不为零，且实时车速的一阶前向差分的绝对值持续小于预设噪声阈值时，判定车组处于死区状态；所述预设噪声阈值根据车组车速测量装置的测量噪声水平预先标定。

29、进一步的，对运维车组跟踪控制系统的动态线性数据模型中的伪偏导数进行在线更新，更新方法为：

30、构建代价函数：

31、；

32、其中，表示限制因子；表示第个采样时刻运维车组的实时车速的一阶前向差分；表示第个采样时刻实际执行的牵引制动控制指令的一阶前向差分；

33、利用函数极值法求解所述代价函数，得到所述伪偏导数的更新律：

34、；

35、其中，表示伪偏导数的步长因子。

36、进一步的，判断运维车组是否处于低速停车阶段的方法为：

37、获取接触网运维车组的实时车速与实时位置；所述实时位置与目标停车点之间的剩余距离小于预设距离阈值，且实时车速小于预设车速阈值时，运维车组进入低速停车阶段；

38、针对低速死区补偿的接触网运维车组就位控制系统，用于实现所述的针对低速死区补偿的接触网运维车组就位控制方法，系统包括：

39、理论所需牵引制动控制指令获取模块，用于对于处于低速停车阶段的运维车组，基于实时车速与目标车速的速度偏差，构建直接型无模型自适应控制律，并对控制律中的制动控制增益向量引入越程风险惩罚，约束车组越过目标停车点，并对制动控制增益向量进行在线更新，得到理论所需牵引制动控制指令；

40、死区宽度的估计值更新模块，用于对车组是否处于死区状态进行判定，若车组处于死区状态，对处于所述死区状态下的死区宽度进行在线检测，采用带遗忘因子的滑动更新律，对死区宽度的估计值进行在线更新：

41、；

42、其中，表示第个采样时刻死区宽度的估计值；表示遗忘因子，，用于使所述死区宽度的估计值持续跟踪执行机构因温度、气压工况变化而产生的缓变特性；代表死区宽度的观测样本，当检测到运维车组由死区状态转变为非死区状态时，将该采样时刻对应的实际执行的牵引制动控制指令的绝对值记为该次死区宽度的观测样本；

43、牵引制动控制指令补偿模块，用于基于理论所需牵引制动控制指令的绝对值与预设补偿门限、死区宽度估计值之间的关系，对所述理论所需牵引制动控制指令进行补偿，得到补偿后的牵引制动控制指令；

44、补偿后的牵引制动控制指令单步变化量限制模块，用于对所述补偿后的牵引制动控制指令进行单步变化量限制，得到实际执行的牵引制动控制指令，避免车组牵引制动执行机构跨过死区宽度后产生响应突变。

45、一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的针对低速死区补偿的接触网运维车组就位控制方法。

46、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行程序时实现所述的针对低速死区补偿的接触网运维车组就位控制方法。

47、本发明的有益技术效果为：

48、（1）、有效识别并补偿了车组低速停车阶段牵引制动执行机构的死区非线性效应：通过在线检测死区状态、自适应更新死区宽度估计值，并对处于死区区间内的有效指令进行主动补偿，克服了小指令被执行机构无效导致的误差持续累积问题，同时通过单步变化量限制，将指令跨过死区后可能产生的阶跃式突变响应转化为渐变式响应，显著提升了最终停车位置的精度；

49、（2）、实现了死区宽度对执行机构工况变化的持续自适应跟踪：所设计的带遗忘因子的滑动更新律，能够使死区宽度的估计值持续跟随执行机构因环境温度、气压等因素产生的缓变特性，避免了死区宽度采用固定标定值在不同季节、不同工况下失配的问题，提升了方法在长期使用中的稳定性与适应性；

50、（3）、从制动控制增益向量优化目标层面主动防范越程风险，实现了跟踪精度与位置安全性的协同优化：在直接型无模型自适应控制律的性能优化目标函数中，创新性地引入了以预测行驶距离与剩余距离之差构建的越程风险惩罚项，并据此推导出相应的制动控制增益更新律；该惩罚项仅在存在越程风险时才发挥作用，不影响正常减速阶段的收敛性能，使控制系统在追求速度跟踪精度的同时，从优化机制本身主动约束车组越过目标停车点的风险，为车组末端就位阶段的安全性提供了更为直接、有效的保障。