[发明专利]基于机车线路可见的多源信息融合预见定位定时控制方法

说明书

本发明公开了一种基于机车线路可见的多源信息融合预见定位定时控制方法。它包含以下步骤：通过位置和速度传感器获取机车线路位置、速度、加速度信息，然后抽象出多源信息特征向量；以神经网络为分类器，在特征层将不同的驾驶类型与复杂的驾驶信息区分开来，为最终的信息融合诊断提供良好的基础；将区分后的驾驶信息与机车可见线路进行信息融合；基于多源信息融合对机车定时定位进行高精度预见控制。本发明以高精度对机车定时定位进行预见控制，可以及时将机车运动信息快速传输给控制程序，有利于机车自动驾驶的快速响应。

技术领域

本发明涉及到机车驾驶信息统计推断与估计技术领域，具体涉及到多源信息融合预见高精度定位定时控制方法。

背景技术

为了满足日益增长的城市轨道交通运输需求,列车自动驾驶控制技术受到业界的广泛关注。列车自动驾驶系统是提高轨道交通运行控制系统服务水平和控制品质的重要子系统,能够为旅客提供准时、精确、高效、快捷的运输服务。列车自动驾驶控制是一个复杂的多目标综合控制过程,车辆参数偏移等干扰给控制性能提升带来极大挑战。在考虑决策控制的快速性和准确性等性能指标时，控制方式的先进性是最需要解决的问题之一。

作为自动驾驶技术的控制结构，预见高精度定位定时控制具有速度快，准确度高的优点。列车自动驾驶控制是一个复杂的多目标综合控制过程,车辆参数偏移等干扰给控制性能提升带来极大挑战。因此，运用多源信息融合技术能综合各个目标和各方面的影响，给出更为安全的控制方式。

目前，从知识图谱构建的角度来看，多源知识融合可以分为两大类，一类是对既有知识图谱进行知识更新，也称开源知识融合；另一类是多知识图谱融合。融合多个知识图谱需要确认其中的等价实例、等价类、等价属性，所以通常认为实体对齐是知识融合的主要工作，这两类工作的目标是知识图谱更新或构建一个新的知识图谱。

目前，线性最优预见控制问题的离散域方面，离散型线性最优预见控制有三种设计方法：偏微分最优化法、扩大误差系统法和逐次最优化法。其中，偏微分最优化法先假设控制律形式再求得性能指标函数的极小点；扩大误差系统法把最优预见控制问题转化为最优调节问题来求解；而逐次最优化法则利用最优性原理.三种方法设计的控制系统结构基本相同，且理论推导与设计过程都显得比较复杂.线性最优预见控制系统基于误差系统方程设计，主要由如下四部分组成：状态反馈器、目标前馈补偿器、干扰前馈补偿器以及积分环节。

发明内容

针对上述机车定时定位控制控制的技术问题。本发明公开了一种机车线路可见的多源信息融合预见高精度定位定时控制方法，将多源信息融合引入到预见控制中，以获得更好的控制性能。

本发明解决上述技术问题的方案是：

通过位置和速度传感器获取机车线路位置、速度、加速度信息，然后抽象出多源信息特征向量；

以神经网络为分类器，在特征层将不同的驾驶类型与复杂的驾驶信息区分开来，为最终的信息融合诊断提供良好的基础；

将区分后的驾驶信息与机车可见线路进行信息融合；

基于多源信息融合对机车定时定位进行高精度预见控制。

本发明的技术效果在于：本发明利用一种新的数据融合模式，以处理简单的方法来计算广义梯形模糊数之间的相似度。基于提出的相似性度量，开发了一种更健壮和有效的算法，讨论了信息融合算法的鲁棒性，提出了一种基于模糊ART神经网络的粗糙模糊数聚类方法。我们用广义模糊数对模糊信息进行建模，采用了一种新的广义模糊数与ART神经网络之间的相似性度量方法，提出了一种改进的聚合方法，可以灵活地处理模糊群决策。

附图说明

图1为本发明中多源信息融合模型说明图。

图2为本发明中信息融合预见控制系统I。

图3为本发明中信息融合预见控制系统II。