【成果简介】

复杂多变环境下紧密追踪的多列车特性参数时变性、状态非线性强 耦合不确定性和受限多约束协同优化目标冲突性，都是列车紧密追踪运 行控制亟待分析与解决的科学难题。该成果采用特征自学习、区间优化、 分层协同控制等方法，构建磁浮列车紧密追踪运行的制动特性建模和协 同优化控制理论与方法。为实现城市轨道交通安全高效、静音舒适高品 质运输提供技术支撑，对提高磁浮轨道交通可靠性及竞争力有重要理论 意义和实践价值。

【技术指标】

（1）构建复杂多变运行环境下列车动态制动特性自学习建模理论与 方法，为列车紧密追踪控制提供具有自适应学习能力的系统特征建模工 具；（2）形成紧密追踪条件下列车运行速度曲线多目标区间优化理论与 方法，解决复杂强耦合不确定性干扰下的列车追踪运行速度曲线优化设 定难题；（3）提出制动特性变化及运行状态强耦合约束下列车分层协同 强化学习控制方法，破解列车紧密追踪编组车队运行效率提高与追踪间 隔安全性相互制约难题。

【技术成熟度】 小试。

【应用情况】

多列车紧密追踪的状态耦合特征建模方法已在多列车自动驾驶追踪 运行实验平台（下图所示）进行测试验证，效果良好。列车运行曲线优 化设定方法，已在兴国红轨磁浮的列车自动驾驶运行控制系统中得到初 步测试验证。该成果可用于实现对复杂多智能体系统更加精确有效地特 性描述和协同控制，在智能交通控制与优化领域拥有广阔的应用前景。