基于LSTM-KF模型的高速列车群组追踪运行轨迹预测方法

为进一步缩小列车追踪距离以提高运力,研究了高速列车群组追踪运行轨迹预测问题;考虑长短期记忆网络(LSTM)模型处理序列数据的优势和卡尔曼滤波(KF)模型噪声处理的能力,提出了一种新型列车轨迹预测LSTM-KF模型;使用列车运行的历史数据进行LSTM模型训练,生成了列车轨迹预测曲线;KF模型结合预测结果和动力学机理,更正了计算结果,使LSTM模型预测的列车轨迹变得平滑;依托于高铁列控系统仿真测试平台的标准线路数据进行了仿真验证。仿真结果表明:在巡航工况下,30个预测步长后,LSTM-KF、LSTM和循环神经网络(RNN)模型的位置预测误差分别为78、798和911 m,速度相对真实值的预测误差分别为1、22和1 m·s^(-1),LSTM-KF模型的位置均方根误差(RMSE)分别为LSTM和RNN的7%和15%,LSTM-KF模型的速度RMSE分别为LSTM和RNN的14%和30%;在加速工况下,3个模型的位置预测误差均值分别为94、294和2691 m,速度预测误差均值分别为0.09、10.05和2.74 m·s^(-1);在减速工况下,3个模型的位置预测误差均值分别为1181、4135和4079 m,速度预测误差均值分别为1.14、6.01和13.52 m·s^(-1)。可见,LSTM-KF模型在不同运行工况下均能显著提升预测精度,能够有效生成长时域数据序列,为高速列车群组追踪运行提供决策。

基于HLA/RTI的CRH2列车协同仿真接口网关设计与实现

以CRH2型高速列车为参考模型,采用多学科协同仿真的方法,对高速列车综合仿真平台和列车通信网络仿真平台之间的接口网关进行分析和研究,提出构建基于HLA/RTI(高层体系结构/联邦运行支撑环境)标准的综合仿真平台与通信网络仿真平台相匹配的接口网关,使得网络仿真平台作为一个联邦成员加入联邦执行中,参与协同仿真。基于HLA/RTI对综合仿真平台中的司机控制台系统和牵引传动系统进行仿真模拟,验证了该接口网关的有效性。