基于模糊自适应PID的列车智能驾驶算法
自适应模糊pid算法
自适应模糊PID算法引言自适应模糊PID算法是一种基于模糊逻辑和PID控制的算法，它能够根据系统的动态属性自动调整PID控制器的参数，从而提高系统的控制性能。
本文将对自适应模糊PID算法进行全面、详细、完整且深入地探讨。
什么是PID控制器？PID控制器是一种经典的控制算法，它根据系统的误差、误差的变化率和误差的积分来调整控制器的输出。
PID控制器的输出是由比例项、积分项和微分项组成的，分别对应于系统的当前误差、历史误差和未来误差。
为什么需要自适应模糊PID算法？传统的PID控制器在应对复杂的非线性系统时往往表现不佳，因为它们的参数是固定的，无法适应系统动态的变化。
而自适应模糊PID算法则可以根据系统的实时状态自动调整PID控制器的参数，从而提高系统的控制性能。
自适应模糊PID算法的基本原理自适应模糊PID算法的基本原理是利用模糊逻辑来建立一个自适应机制，根据系统的输入和输出来自动调整PID控制器的参数。
该算法的主要步骤如下：1.设计模糊控制器：首先，需要设计一个模糊控制器，包括模糊化、模糊规则的建立和模糊解模糊化。
2.系统建模：将系统的输入和输出进行模糊化，得到一组模糊规则。
3.自适应机制：根据系统的误差和误差的变化率来调整PID控制器的参数。
具体来说，当系统的误差较大或误差的变化率较大时，增大比例项和微分项的权重，减小积分项的权重；当系统的误差较小或误差的变化率较小时，减小比例项和微分项的权重，增大积分项的权重。
4.控制器输出：根据模糊控制器的输出和PID控制器的参数，计算PID控制器的输出。
5.控制器调整：根据系统的反馈信号和期望输出，调整PID控制器的参数，使系统的输出尽可能接近期望输出。
自适应模糊PID算法的优势自适应模糊PID算法相比传统的PID控制算法具有以下优势：1.适应性强：自适应模糊PID算法能够根据系统的动态特性自动调整控制器的参数，适应不同的系统。
2.鲁棒性好：由于自适应模糊PID算法考虑了系统的误差和误差的变化率，因此对于系统的干扰和噪声具有较好的鲁棒性。
基于GA优化模糊PID控制的ATO算法研究_任林杰
ＡＴＯ 是通过列车自动防护系统 ＡＴＰ 的监督，根据 线路条件、信号状态、时间调整指令等因素计算出列车 运行的目标曲线，并自动产生对列车牵引或制动的指 令［３⁃４］ 。 ＡＴＯ 控制器是在保证列车运行安全和不触发 ＡＴＰ 紧急制动的前提下，自动调节列车的运行速度，
ＡＴＯ 系统最主要的功能是根据不同的列车运行 工况实时调整列车的制动力来保证列车运行速度的控 制，使列车能够平稳精确地停在预定位置［１⁃２］ 。 列车 在运行过程中会受到各种因素的影响，比如线路状况、 环境因素、临时限速、临时停车、机车状况等因素都会 对列车的行驶造成不同程度的影响。 另外，列车的负 载、性能、运行环境等会随时间变化，这使得传统 ＰＩＤ 控制不能满足列车运动的特性。
制规则代码如图 ４ 所示。
续表１
ｅｃ
ｅ
ＮＢ ＮＭ ＮＳ
０
ＰＳ
ＰＭ
ＰＢ
０
ＮＢ
ＰＭ
ＰＭ
ＰＭ
ＮＳ
ＰＢ
ＰＢ
ＰＳ
ＰＳ
ＮＭ
ＮＢ
０
ＰＳ
ＮＳ
０
０
ＰＢ
ＮＢ
ＰＢ
ＮＳ
ＰＳ
０
ＮＭ
ＮＳ
ＰＭ
ＰＭ
表 ２ 解码后的 Ｋｉ 控制规则
ｅｃ
ｅ
ＮＢ ＮＭ ＮＳ
０
ＰＳ
ＰＭ
ＰＢ
ＮＢ
０
ＰＢ
ＮＳ
ＮＭ ＮＭ ＮＭ
ＰＳ
ＮＭ ＰＭ ＮＢ
叉点为 ２ 和 ５（也可以是其他交叉点）之间的代码进行
交换，可得交叉操作后个体为 Ｃ１ ＝ ［７ ２ ６ ５ ２ １ ２］，Ｃ２ ＝ ［１ １ ２ ２ １ １ ３］。
模糊自适应PID控制汇总
《系统辨识与自适应控制》课程论文基于Matlab的模糊自适应PID控制器仿真研究学院：电信学院专业：控制工程姓名：王晋学号：102430111356基于Matlab的模糊自适应PID控制器仿真研究王晋（辽宁科技大学电信学院鞍山）摘要：传统PID在对象变化时，控制器的参数难以自动调整。
将模糊控制与PID控制结合，利用模糊推理方法实现对PID参数的在线自整定。
使控制器具有较好的自适应性。
使用MATLAB对系统进行仿真，结果表明系统的动态性能得到了提高。
关键词:模糊PID控制器；参数自整定；Matlab；自适应0引言在工业控制中，PID控制是工业控制中最常用的方法。
但是，它具有一定的局限性:当控制对象不同时，控制器的参数难以自动调整以适应外界环境的变化。
为了使控制器具有较好的自适应性，实现控制器参数的自动调整，可以采用模糊控制理论的方法[1]模糊控制已成为智能自动化控制研究中最为活跃而富有成果的领域。
其中，模糊PID控制技术扮演了十分重要的角色，并目仍将成为未来研究与应用的重点技术之一。
到目前为止，现代控制理论在许多控制应用中获得了大量成功的范例。
然而在工业过程控制中，PID类型的控制技术仍然占有主导地位。
虽然未来的控制技术应用领域会越来越宽广、被控对象可以是越来越复杂，相应的控制技术也会变得越来越精巧，但是以PID为原理的各种控制器将是过程控制中不可或缺的基本控制单元。
本文将模糊控制和PID控制结合起来，应用模糊推理的方法实现对PID参数进行在线自整定，实现PID参数的最佳调整，设计出参数模糊自整定PID控制器，并进行了Matlab/Simulink仿真[2]。
仿真结果表明，与常规PID控制系统相比，该设计获得了更优的鲁棒性和动、静态性及具有良好的自适应性。
1 PID控制系统概述PID控制器系统原理框图如图1所示。
将偏差的比例（K P）、积分(K I)和微分(K D)通过线性组合构成控制量，对被控对象进行控制，K P、K I和K D 3个参数的选取直接影响了控制效果。
基于模糊控制理论的自适应PID算法
基于模糊控制理论的自适应PID算法近年来，随着科技的发展，自适应控制技术被越来越广泛地应用于各种控制系统中。
其中，基于模糊控制理论的自适应PID算法是一种很常见的控制方法，具有很强的实际应用价值。
一、什么是自适应PID算法PID控制器是一种广泛应用于工业生产中的控制器，其可以通过对被控对象的反馈信号进行加权处理，从而实现对被控对象的控制。
但是，在实际应用中，由于被控对象的动态特性和环境条件的变化，经常会出现PID控制器参数难以确定和调节的情况，这就需要使用自适应控制技术来解决这种问题。
自适应PID算法是一种自动调整PID控制器参数的方法，其主要原理是根据被控对象的实际工作状态和控制效果来调节PID控制器的参数值，从而实现对被控对象的控制。
在PID控制器中，P 代表比例项、I代表积分项、D代表微分项，而在自适应PID算法中，P、I、D三项参数值是根据被控对象的实际工作状态和控制效果来自适应调整的。
二、模糊控制理论在自适应PID算法中的应用模糊控制理论是一种基于模糊数学的控制方法，其主要特点是可以处理不确定、模糊的信息，具有很强的适应性和鲁棒性。
在自适应PID算法中，模糊控制理论主要用于调节PID控制器中的比例项、积分项和微分项的权重。
具体来说，在模糊控制理论中，有三个基本元素：模糊集合、模糊逻辑运算和模糊推理机。
在自适应PID算法中，这三个元素分别对应着被控对象的状态、PID控制器参数的权重和PID控制器参数的调节规则。
在调节PID控制器中的比例项、积分项和微分项的权重时，主要采用了模糊控制理论中的模糊控制策略。
具体来说，首先将被控对象的状态划分为若干个模糊集合，并为每个模糊集合定义一个隶属度。
然后，根据这些隶属度和一定的模糊逻辑运算规则，得到PID控制器中各项参数的权重值。
最后，再根据这些权重值和一定的模糊推理机规则，得到PID控制器中比例项、积分项和微分项的具体参数值。
三、自适应PID算法的应用范围自适应PID算法广泛应用于各种控制系统中，主要包括以下几个方面：1、工业自控领域：在各种流程控制、物料输送、物流控制等方面均有广泛应用，如化工、机械、电力、冶金等行业。
基于模糊PID算法的自动控制研究
基于模糊PID算法的自动控制研究基于模糊PID算法的自动控制研究摘要：随着科技的发展和工业化进程的加快，自动控制系统在许多领域里都得到了广泛应用。
传统的PID控制算法虽然具有简单、易实现等优点，但在复杂的控制环境中效果较差。
为了克服这些问题，人们提出了一种基于模糊PID算法的自动控制方法。
本文将详细介绍模糊PID算法的原理和应用，并通过实验验证了其在自动控制系统中的有效性。
关键词：PID控制算法、模糊控制、自动控制系统一、引言自动控制系统是通过对被控对象进行测量和调节，实现系统参数的自动调整，从而使系统在给定的条件下保持所要求的稳定性和性能。
PID控制算法是目前应用最广泛的自动控制算法之一，通过对系统误差的反馈调整，可以实现对被控对象的精确控制。
然而，传统的PID控制算法在一些复杂的控制环境中存在一些问题，如对系统非线性特性的适应能力差、鲁棒性较弱等。
为了提高自动控制系统的性能，人们提出了一种基于模糊PID算法的控制方法。
模糊控制是一种基于模糊逻辑原理的控制方法，它通过模糊化输入和输出，建立模糊规则库，通过模糊推理和解模糊操作，实现对系统的控制。
模糊PID算法将模糊控制和PID控制相结合，通过引入模糊控制的思想和方法，克服了传统PID控制算法的一些缺点，提高了控制系统的性能。
二、模糊PID控制算法原理模糊PID控制算法是在传统PID控制算法的基础上引入了模糊控制的思想和方法。
传统PID控制算法主要包括比例环节、积分环节和微分环节，通过对误差进行线性加权，实现对控制对象的调节。
而模糊PID控制算法将比例环节、积分环节和微分环节分别模糊化，通过模糊控制的方法来求解模糊化的输入和输出。
模糊PID控制算法的模糊化过程主要包括模糊化输入、建立模糊规则库和模糊推理三个步骤。
模糊化输入主要是将实际输入转化为模糊输入，建立模糊规则库是通过人工经验，将模糊输入和模糊输出之间的关系进行建模，模糊推理是通过将模糊化的输入和模糊规则库进行运算，得到模糊输出。
基于PSO算法的城轨列车自动驾驶控制策略研究
试在此前 CS 算法研究的基础上,基于 PSO 算法对列车自动驾驶系统建立仿真模型并进行智能算法研
究。 通过 MATLAB 软件对列车运行过程中的精度、误差、节能、舒适度等目标进行仿真并比较结果。
为。 具体的研究场景为鸟群在随机地搜索食物,所有
鸟都不知道食物的具体位置。 如果他们知道自己与
食物的距离,那么找到食物最有效的方式就是搜寻目
前离食物最近的鸟的周围区域。 在这一过程中,个体
基于群体的随机搜索算法,通过模拟生物的活动和进
通过鸟群互相传递的位置来判断自己找到的是否为
最优解,并将结果反馈给鸟群,当整个鸟群都聚集在
表 1 线路参数度
列车编组数
列车总质量
牵引最大加速度( m / s 2 )
制动最大加速度( m / s 2 )
数值
120 m
6节
162 t
0. 8
-0. 8
3. 2 仿真结果及分析
在 MATLAB 仿真环境下对基于 PSO 算法的城轨
— 113 —
Copyright©博看网. All Rights Reserved.
号:JZ2012。
作者简介:吴秋艳(1986— ) ,女,江苏南京人, 助理实验员,硕士;研究方向:城市轨道交通列车控制策略
研究。
— 112 —
Copyright©博看网. All Rights Reserved.
第 15 期
2023 年 8 月
No. 15
August,2023
无线互联科技·技术应用
No. 15
August,2023
PID算法在智能车方向控制中的应用
PID算法在智能车方向控制中的应用智能车是指能够感知、分析、决策和执行动作的汽车。
它可以通过集成传感器、图像识别、机器学习和控制算法来实现自主导航和安全驾驶。
在智能车的控制系统中，方向控制是一个重要的组成部分。
PID算法是智能车方向控制中常用的一种算法，它能够通过实时调整车辆转向角度来实现车辆的精确控制。
PID算法是一种反馈控制算法，它通过不断地对系统输出与期望输出的差异进行检测和调整，以实现控制系统的稳定。
PID算法由比例控制、积分控制和微分控制三个部分组成。
比例控制部分根据系统输出与期望输出的差异进行比例调整，积分控制部分根据系统输出与期望输出的累积差异进行积分调整，微分控制部分根据系统输出与期望输出的变化速率进行微分调整。
这三个部分共同作用，通过实时调整控制信号来达到期望输出。
在智能车的方向控制中，PID算法可以通过以下步骤应用：1.传感器数据获取：智能车通常配备了多种传感器，如惯性传感器、陀螺仪和激光雷达等，用于感知车辆的运动状态和周围环境。
PID算法需要读取传感器数据作为反馈信号。
2.设置期望输出：根据预定的路线或目标，可以设置一个期望的转向角度作为系统的期望输出。
3.计算误差：将传感器数据中获取的实际转向角度与期望转向角度进行比较，计算得出误差。
误差可以表示为实际转向角度减去期望转向角度的差异。
4.比例控制：根据误差的大小，比例控制部分会调整控制信号的大小，从而影响车辆的转向角度。
比例系数越大，车辆的响应速度越快，但可能会引起过冲或震荡现象。
5.积分控制：积分控制部分会通过累积误差来调整控制信号，从而消除系统的稳态误差。
积分系数越大，车辆的稳定性越好，但可能会引起过冲现象。
6.微分控制：微分控制部分会通过测量误差的变化率来调整控制信号，从而降低车辆的震荡现象。
微分系数越大，车辆的稳定性越好，但可能会引起过度补偿。
7.发送控制信号：根据比例控制、积分控制和微分控制的结果，生成控制信号并发送给车辆的转向系统，从而实现转向角度的调整。
基于模糊控制的智能交通系统设计与实现
基于模糊控制的智能交通系统设计与实现第一章前言随着现代交通的日益发展，交通问题也变得日益突出。
传统的交通控制方式已经不能够满足现代交通的需求，因此需要新的交通控制方式。
智能交通系统作为新型的交通控制方式，正在得到越来越广泛的应用。
本文将介绍基于模糊控制的智能交通系统的设计与实现。
第二章智能交通系统的概述智能交通系统是一种交通信息化技术，是指在交通领域内应用信息技术，使交通系统具有自我感知、自我调节、自我协调、自我教育和自我管理的能力。
智能交通系统通常包括道路交通控制、智能车辆、通信网络、信息管理等部分。
智能交通系统的主要目标是提高路网容量和道路通行效率，减少交通事故和交通拥堵。
第三章模糊控制的原理与方法模糊控制是一种基于模糊集合理论的控制方法。
与传统的精确数学模型不同，模糊控制可以应对不确定性和复杂性问题。
模糊控制的基本原理是将模糊变量输入系统，通过模糊推理得到控制变量，从而实现对系统的控制。
模糊控制的方法主要包括模糊集合的定义、模糊规则的设计和模糊推理机制的实现。
模糊集合是指对某一变量进行模糊化，将其划分为若干模糊集合。
模糊规则是一组形如“IF A THEN B”的语句，其中A和B均为模糊集合。
模糊推理机制主要分为模糊推理和模糊控制两个阶段。
模糊推理是指将输入的模糊集合和模糊规则进行匹配，得到匹配度最高的模糊规则。
模糊控制是指根据匹配到的模糊规则和输出的控制变量，对系统进行控制。
第四章基于模糊控制的智能交通系统设计本文设计的基于模糊控制的智能交通系统主要包括车辆导航模块、交通信号控制模块、智能安全监测模块和交通管理中心模块。
车辆导航模块主要为车辆提供导航服务，通过GPS定位、交通路况分析等方式，为车辆提供最佳路线规划。
交通信号控制模块主要负责交通信号的控制，通过模糊控制方法，对红绿灯的时序进行控制，以提高路网容量和道路通行效率。
智能安全监测模块主要对路口行人、车辆、交通标志等情况进行检测和监测，及时发现交通事故和交通违法行为，提高交通安全性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ＬＩＤｅ?ｃａｎｇ１，ＭＥＮＧＪｉａｎ?ｊｕｎ１，２，ＨＡＯＳｈｕａｉ３，ＬＩＵ Ｚｈｅｎ１
（１．ＳｃｈｏｏｌｏｆＭｅｃｈａｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＬａｎｚｈｏｕＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００７０，Ｃｈｉｎａ； ２．ＭｅｃｈａｔｒｏｎｉｃｓＴ＆ＲＩｎｓｔｉｔｕｔｅ，ＬａｎｚｈｏｕＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００７０，Ｃｈｉｎａ；
基于模糊自适应 犘犐犇 的列车智能驾驶算法
李 德 仓１，孟 建 军１，２，郝 帅３，刘 震１
（１．兰州交通大学 机电工程学院，甘肃 兰州 ７３００７０；２．兰州交通大学 机电技术研究所， 甘肃 兰州 ７３００７０；３．中车青岛四方车辆研究所有限公司，山东 青岛 ２６６１１１）
摘要：列车 ＡＴＯ 控制是一个强耦合、高度非线性系统，且随 着 列 车 运 行 工 况 的 变 化，这 种 特 性 逐 渐 增 强，因 此 需 要 更高要求的智能控制算法．针对传统控制方法在智能性方面的不足，结合各种智 能 控 制 特 点，提 出 基 于 模 糊 自 适 应 ＰＩＤ 的列车智能控制算法，建立以节约能耗和精准停 车 为 目 标 的 模 糊 自 适 应 ＰＩＤ 控 制 策 略．以 上 海 轨 道 交 通 ３ 号 线为例，在 Ｍａｔｌａｂ 软 件 环 境 下 构 建 仿 真 模 型，选 择 节 能 性 和 停 车 精 度 试 验，结 果 表 明：所 提 智 能 控 制 算 法 比 传 统 ＰＩＤ 控制算法得到的结果更好，单位质量能耗降低了４．９１％，停车精度提高了６９．２３％．因此，该算法完全能满足列 车 停 车 精 度 高 、节 能 效 果 好 的 要 求 ． 关键词：列车自动驾驶；智能算法；模糊自适应 ＰＩＤ；停车精度；节能 中 图 分 类 号 ：Ｕ２８３ 文 献 标 志 码 ：Ａ
犓犲狔狑狅狉犱狊：ＡＴＯ；ｉｎｔｅｌｌｉｇｅｎｔａｌｇｏｒｉｔｈｍ；ｆｕｚｚｙａｄａｐｔｉｖｅＰＩＤ；ｐａｒｋｉｎｇｐｒｅｃｉｓｉｏｎ；ｅｎｅｒｇｙｃｏｎｓｅｒｖａ ｔｉｏｎ
收 稿 日 期 ：２０１８?０１?０９ 学 报 网 址 ：ｈｔｔｐ：／／ｘｂ．ｌｚｊｔｕ．ｅｄｕ．ｃｎ 基 金 项 目 ：国 家 自 然 科 学 基 金 （６１５６３０２７） 作 者 简 介 ：李 德 仓 （１９７６－ ），男 ，甘 肃 会 宁 人 ，工 程 师 ，博 士 研 究 生 ，主 要 研 究 方 向 为 机 电 设 备 检 测 与 控 制 ．Ｅ?ｍａｉｌ：ｌｉｄｅｃａｎｇ１９７８＠１６３．ｃｏｍ．
３．ＣＲＲＣ ＱｉｎｇｄａｏＳｉｆａｎｇＲｏｌｌｉｎｇＳｔｏｃｋＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅＣＯ．，Ｌｔｄ．，Ｑｉｎｇｄａｏ２６６１１１，Ｓｈａｎｄｏｎｇ，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：ＴｈｅｔｒａｉｎＡＴＯｃｏｎｔｒｏｌｉｓａｓｔｒｏｎｇｌｙｃｏｕｐｌｅｄａｎｄｓｅｒｉｏｕｓｌｙｎｏｎｌｉｎｅａｒｓｙｓｔｅｍ，ｔｈｅｃｈａｒａｃ ｔｅｒｉｓｔｉｃｉｓｇｒａｄｕａｌｌｙｅｎｈａｎｃｅｄ ｗｉｔｈｔｈｅｃｈａｎｇｅｏｆｔｈｅｔｒａｉｎｏｐｅｒａｔｉｎｇｃｏｎｄｉｔｉｏｎｓ，ｗｈｉｃｈｒｅｓｕｌｔｓｉｎ ｈｉｇｈｅｒｒｅｑｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｉｎｔｅｌｌｉｇｅｎｔｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍｏｆｔｈｅＡＴＯｓｙｓｔｅｍ．Ａｉｍｉｎｇａｔｔｈｅｓｈｏｒｔ ｃｏｍｉｎｇｓｏｆｔｒａｄｉｔｉｏｎａｌｃｏｎｔｒｏｌｍｅｔｈｏｄｓｉｎｉｎｔｅｌｌｉｇｅｎｃｅ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｉｎｔｅｌｌｉｇｅｎｔｃｏｎｔｒｏｌａｌ ｇｏｒｉｔｈｍｆｏｒｔｒａｉｎｂａｓｅｄｏｎｆｕｚｚｙａｄａｐｔｉｖｅＰＩＤｃｏｍｂｉｎｅｄ ｗｉｔｈａｖａｒｉｅｔｙｏｆｉｎｔｅｌｌｉｇｅｎｔｃｏｎｔｒｏｌｆｅａ ｔｕｒｅｓ，ｔｈｅｆｕｚｚｙｓｅｌｆ?ａｄａｐｔｉｖｅＰＩＤｃｏｎｔｒｏｌｓｔｒａｔｅｇｙａｉｍｉｎｇａｔｅｎｅｒｇｙｓａｖｉｎｇａｎｄｐｒｅｃｉｓｅｐａｒｋｉｎｇｉｓ ｅｓｔａｂｌｉｓｈｅｄ．ＴａｋｉｎｇＳｈａｎｇｈａｉＲａｉｌＴｒａｎｓｉｔＬｉｎｅ３ａｓａｎｅｘａｍｐｌｅ，ｂｕｉｌｄｉｎｇｓｉｍｕｌａｔｉｏｎ ｍｏｄｅｌｉｎｔｈｅ Ｍａｔｌａｂｓｏｆｔｗａｒｅｅｎｖｉｒｏｎｍｅｎｔ，ｓｅｌｅｃｔｉｎｇｔｈｅｅｎｅｒｇｙｅｆｆｉｃｉｅｎｃｙａｎｄｐａｒｋｉｎｇａｃｃｕｒａｃｙｔｅｓｔ，ｔｈｅｒｅｓｕｌｔｓ ｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｉｎｔｅｌｌｉｇｅｎｔｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍｉｓｂｅｔｔｅｒｔｈａｎｔｈｅｔｒａｄｉｔｉｏｎａｌＰＩＤｃｏｎｔｒｏｌａｌ ｇｏｒｉｔｈｍ，ｔｈｅｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｉｓｒｅｄｕｃｅｄｂｙ４．９１％ ，ａｎｄｔｈｅｐａｒｋｉｎｇｐｒｅｃｉｓｉｏｎｉｓｉｎｃｒｅａｓｅｄｂｙ ６９．２３％ ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅａｌｇｏｒｉｔｈｍｃａｎｃｏｍｐｌｅｔｅｌｙ ｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｔｈｅｐａｒｋｉｎｇｐｒｅｃｉｓｉｏｎ ａｎｄｔｈｅｅｎｅｒｇｙｃｏｎｓｅｒｖａｔｉｏｎｆｏｒｔｈｅｔｒａｉｎ．
２８
兰州交通大学学报
第 ３７ 卷
近 年 来 ，为 了 提 高 列 车 运 行 效 率 ，列 车 自 动 驾 驶 系统（ａｕｔｏｍａｔｉｃｔｒａｉｎｐｒｏｔｅｃｔｉｏｎ，ＡＴＯ）已广 泛应 用 于城轨列车运行控 制 中，列 车 运 行 过 程 控 制 算 法 也 随之发展迅速．ＡＴＯ 控制算法从原来的单纯保证列 车 安 全 准 时 ，逐 渐 向 着 同 时 保 证 列 车 节 能 、提 高 乘 车 舒适性和停车精度等多目标发展 ． ［１］
第 ３７ 卷 第 ４ 期 ２０１８ 年 ８ 月
文 章 编 号 ：１００１?４３７３（２０１８）０４?００２７?０７
兰州交通大学学报 ＪｏｕｒｎａｌｏｆＬａｎｚｈｏｕＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ
Ｖｏｌ．３７ Ｎｏ．４ Ａｕｇ．２０１８
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１?４３７３．２０１８．０４．００５