基于免疫RBF的列車制動預測模型研究

王娟　朱亞男

摘要：精確可靠的列車制動預測模型對于列車制動控制系統和列車精確停車控制等應用領域意義重大，由于列車制動過程受線路條件、車型自身參數及外界天氣環境等客觀因素影響，是一個復雜的非線性系統，因此采用免疫RBF神經網絡逼近制動系統模型。本文介紹了免疫RBF網絡拓撲結構的構建方法，分析了列車制動過程模型，建立了列車制停的免疫RBF網絡，并提取實車運行數據進行特征化處理后訓練網絡從而實現了列車制動的精準預測。經實車數據仿真實驗驗證，本文建立的列車制停免疫RBF網絡性能優越，預測停車位置與實際值吻合率高達96.3%，具有較大應用價值。

關鍵詞：人工免疫系統;RBF網絡;列車制動

中圖分類號：TP301.6文獻標識碼：A

Abstract：Accurate and reliable train braking prediction models are of great significance to application fields such as train braking control systems and train accurate parking control.Because the train braking process is affected by objective factors such as line conditions，vehicle model parameters，and external weather conditions，it is a complex Nonlinear system，therefore，an immune RBF neural network is used to approximate the braking system model.This article introduces the construction method of the immune RBF network topology，analyzes the train braking process model，establishes the immune RBF network for train stopping，and extracts the actual train operation data for characterization and then trains the network to realize the train braking precise prediction.The actual vehicle data simulation experiment verifies that the trainstop immune RBF network established in this paper has superior performance，and the predicted parking position coincides with the actual value as high as 96.3%，which has great application value.

Key words：artificial immune system;RBF network;train braking

制動系統是鐵道機車車輛的重要組成部分，研究制動系統提高制動性能對鐵路行車安全意義重大。列車制動時，是由司機操縱本務機車向其他機車及車輛發送制動命令及風缸風壓等信息，各車輛接到命令后，再通過各自空氣制動系統協同動作，共同實施制動，所以列車最終制停后的停車位置與司機的操作水平直接相關。隨著列車速度的增加，我們對精確停車的要求也不斷增加，恰逢信息技術快速發展，智能駕駛逐漸成為鐵路運維方式的全新發展方向，也就是說，在未來，不再依賴人工而是借助智能模型實現全自動的精確停車已成為必然趨勢。

因此，研究列車制動預測模型，對于列車制動控制系統及ATO列車停車控制實現精準停車等方面都意義重大。由于列車制動過程受線路條件、車型自身參數及外界天氣環境等客觀因素影響，是一個復雜的非線性系統，而神經網絡能夠映射高維函數，非常適合應用于制動預測領域。神經網絡中的徑向基函數（RadialBasis Function，RBF）神經網絡（RBF網絡）是一種典型的局部逼近網絡模型[1]，能夠逼近任意非線性函數。文獻[2]作者提出了一種基于免疫機制的RBF網絡設計與訓練策略，引入人工免疫系統特有的疫苗抽取與接種機理，從而獲得了更為優化的網絡性能。本文研究列車制動預測模型，并采用列車制動停車前惰性階段的列車運行數據作為訓練數據集，借助免疫RBF網絡對列車精準停車模型進行訓練，從而實現列車精準停車。