动车组重联网络控制系统时延预测及补偿

刘洋，李常贤，陈龙

动车组重联网络控制系统时延预测及补偿

刘洋1，李常贤2，陈龙3

(1. 大连交通大学 现代轨道交通研究院，辽宁 大连 116028； 2. 大连交通大学 动车运用与维护工程学院，辽宁 大连 116028； 3. 中车大连机车车辆有限公司，辽宁 大连 116022)

重联动车组之间利用UIC网关的过程数据编组传输监控数据，数据在重联通信网络上的传输时延影响重联控制的性能。针对这一问题，构建动车组重联网络控制系统简化模型，采用网络时延的自回归AR模型，通过Yule-walker参数自辨识算法根据历史数据对网络时延进行在线预测，同时利用快速隐式广义预测控制IGPC对预测的时延进行补偿。仿真实验结果表明，该方法具有较高的时延预测精度，且对网络时延有较好的补偿效果，可保证良好的控制效果。

动车组；重联网络控制；UIC网关；时延预测；隐式广义预测控制

目前，我国动车组重联控制网络主要有ARCNET和TCN 2种，其中TCN网络应用较广泛。UIC网关以TCN为基础，且符合UIC556标准，是实现动车组之间互通、互联和互操作的关键设备[1]，有助于实现不同型号动车组间重联控制，重联控制网络的引入会产生网络传输时延，导致控制指令不能及时送达重联列车的受控设备，且受控设备的状态无法及时反馈，进而影响列车的控制性能，甚至引起控制系统的不稳定[2−3]。针对网络控制系统(Networked Control Systems，NCS)数据传输时延，王义等[4]采用Lyapunov分析法得出CAN总线网络控制系统工作的稳定域。刘玉卿[5]给出一种用马尔可夫链分析其竞争冲突概率的方法，得出一种面向MAC的Lonworks总线时延模型。Lee等[6]分析Profibus-DP总线协议及网络诱导时延的产生的原因，并以步进电机为研究对象设计模糊逻辑控制器。FENG等[7]分析Ethernet，ControlNet和DeviceNet网络的网络诱导时延的大小和特性，为采用控制策略解决时延问题奠定了基础。BU等[8−9]分析无线通信模式下，CBTC中延时、丢包对列控系统性能的影响。步兵等[10]在文献[8]和文献[9]基础上提出了消除传输时延对列控系统影响的改进措施。上述研究均未涉及动车组重联控制网络的领域，本文以基于UIC网关的重联动车组过程数据传输网络时延为研究对象，采用文献[2]中的AR模型，利用历史数据对NCS前向通道的时延进行在线预测，并设计快速隐式广义预测控制器补偿网络时延的影响。

1 重联网络控制系统模型

为了突出研究方法，利用2个UIC网关和2个MVB设备，构建动车组重联网络控制系统简化模型，如图1所示，并作如下假设[11]：

图1 动车组重联网络控制系统简化模型

2 时延预估器设计

2.1 模型的定阶

利用Akaike信息准则(AIC)[12]来确定最佳阶次，以使系统的性能达到最佳。AIC准则函数为

式中：时间序列样本数量为=1,…,，2为白噪声方差。

2.2 模型的参数估计

采用Yule-Walker方程法[13]根据新的时延值动态地调整加权系数a，在最小均方误差(MMSE)准则下，要使预测值最佳地逼近Delay()，参数a的选择应使

根据Yule-Walker方程

式中：R()为自回归时间序列的自相关系数。

3 时延补偿控制器设计

基于CARIMA模型[14]，对象的离散差分方 程为：

选取如下性能指标函数进行滚动优化：

式中：为数学期望；0为最小预测长度，一般取0=；1为最大预测长度；N为控制长度；为加权系数；ref为参考轨迹；Δ为控制增量。

引入文献[15]中的Diophantine方程，得系统输出为：

式中：

欲使性能指标函数最小，需令：

则得使最小的控制律为：

3.1 G的辨识

由式(10)和式(12)可得最后一个预测方程为

()可通过以下递推最小二乘公式估计为：

通过辨识出()的估计值*()，可求出矩阵中的各个元素。

3.2 ψ的辨识

根据GPC与DMC控制规律的等价性[16]，可得预测输出为

这样(+)就可通过式(17)计算

求得和，之后利用式(13)可计算控制量。则系统的广义预测控制律为

4 仿真实验与结果

根据图2，()准则曲线在阶数=7和=31附近取得2个较小值。理论上讲，当=31时，()取值最小，模型的适用度更高，但需要辨识的参数也越多，预测时间长。根据的不同取值，分别随机抽取2组样本进行预测，由图3和图4可以看出，预测时延和样本时延基本重合。故兼顾模型适用度和预测实时性，选取AR阶次为=7。

图2 AIC(n)准则曲线

(a) 第1组随机样本；(b) 第2组随机样本

(a) 第1组随机样本；(b) 第2组随机样本

图5 半实物仿真平台

为了验证时延补偿算法的有效性，针对动车组控制中常用的恒定值控制，取二阶系统()− 0.49(−1)=0.5(−2)+()/进行实验仿真。参数取T=0.1，1=6，=0.8，=1；系统初始值取g−1=1，(+)=1，0=105，其余初始值均为0。

从图6可以看出，在不存在网络时延的情况下，PID与IGPC二者的控制效果相当，甚至PID控制在超调量方面还略好于IGPC控制。但在存在网络时延的情况下，IGPC控制通过滚动优化和不断地在线辨识，有效地克服了模型失配造成的不利影响，使系统输出能够很好地跟踪控制输入参考轨迹，且系统响应时间短，超调量小，鲁棒性好。

(a)；(b)；(c)；(d)

5 结论

1) 通过搭建半实物测试平台，采用往返时延RTT法对动车组重联控制网络中过程数据传输时延进行测量，测量结果表明：该网络时延在一定范围内随机分布。

2) 针对动车组重联网络控制系统中存在的网络时延，采用基于自回归AR模型的预测方法，利用历史时延预测当前时刻时延，具有较高的预测精度。

3) 针对动车组控制中常用的恒定值控制，采用快速广义预测控制算法对预测的网络时延进行补偿，系统输出很好地跟踪输入参考设定值，控制效果良好。本方法可为动车组网络控制时延研究提供理论支持。

[1] 李常贤, 刘洋, 张彤, 等. 用于动车组间互联、互通和互操作的UIC网关研究[J]. 中国铁道科学, 2013, 34(6): 110−116. LI Changxian, LIU Yang, ZHANG Tong, et al. Research on UIC gateway used for interconnection, intercommunication and interoperability between EMUs [J]. China Railway Science, 2013, 34(6): 110−116.

[2] 时维国, 邵诚, 孙正阳. 基于AR模型时延预测的改进GPC网络控制算法[J].控制与决策, 2012, 27(3): 477−480. SHI Weiguo, SHAO Cheng, SUN Zhengyang. Improved GPC network-control algorithm based on AR model time-delay prediction[J]. Control and Decision, 2012, 27(3): 477−480.

[3] 王军, 夏利民. 基于观测器的列车网络控制[J]. 铁道科学与工程学报, 2015, 12(5): 1205−1211. WANG Jun, XIA Limin. Train networked control based on observer[J]. Journal of Railway Science and Engineering, 2015, 12(5): 1205−1211.

[4] 王义, 何立仁. CAN总线时延网络控制系统稳定性研究[J]. 中北大学学报(自然科学版), 2014, 35(2): 132− 172. WANG Yi, HE Liren. Research of stability for CAN bus delay NCS[J]. Journal of North University of China (Natural Science Edition), 2014, 35(2): 132−172.

[5] 刘玉卿. 基于Lon总线的时延分析与实验平台研究[D].南京: 南京理工大学, 2009. LIU Yuqing. Time-delay analysis and study on experimental platform based on LON bus[D]. Nanjing: Nanjing University of Science & Technology, 2009.

[6] Lee K C, Lee S, Lee M H. Remote fuzzy logic control of networked control system via profibus-DP[J]. IEEE Transactions on Industrial Electronics, 2003, 50(4): 784−792.

[7] FENG L L, James R M, Dawm M T. Performance evaluation of control networks: Ethernet, controlnet, and devicenet[J]. IEEE Control Systems Magazine, 2001, 2(1): 66−83.

[8] BU Bing, YU F Richard, TANG Tao, et al. Performance improvements of communication-based train control (CBTC) systems with unreliable wireless networks[J]. Wireless Networks, 2014, 20(1): 53−71.

[9] BU Bing, YU F Richard, TANG Tao. Performance improved method for communication-based train control systems with random packet drops[J]. IEEE Transaction on Intelligent Transportation Systems, 2014, 15(3): 1179−1192.

[10] 步兵, 唐涛. 传输时延对CBCT影响的分析及消除[J].铁道学报, 2014, 36(6): 41−46. BU Bing, TANG Tao. Analysis and elimination of the impact of transmission delays on CBTC[J]. Journal of the China Railway Society, 2014, 36(6): 41−46.

[11] LIAN F L, Moyue J R, Tibury D M. Network design consideration for distributed control systems[J]. IEEE Trans on Contr Syst Tech, 2002, 10(2): 297−307.

[12] 杨绿溪. 现代数字信号处理[M]. 北京: 科学出版社, 2007: 212−220. YANG Lüxi. Modern digital signal processing[M]. Beijing: Science Press, 2007: 212−220.

[13] 常学将,刘维奇. AR模型识别及其参数的高阶Yule- Walker估计[J]. 应用数学学报, 1989, 12(2): 218−227. CHANG Xuejiang, LIU Weiqi. AR model identification and the high order Yule-Walker estimation of Autoregressive parameters[J]. ACTA Mathematicae Applicaitae Sinica, 1989, 12(2): 218−227.

[14] 吴密密, 戴文战. 基于改进粒子群算法的约束隐式广义预测控制[J]. 浙江理工大学学报(自然科学版), 2014, 31(3): 301−305. WU Mimi, DAI Wenzhan. A kind of constrained implicit generalized predictive control based on improved particle swarm optimization[J]. Journal of Zhejiang Sci-Tech University (Natural Sciences), 2015, 31(3): 301−305.

[15] 吴凡, 陈在平.广义预测算法在网络控制系统中的应用[J]. 天津理工大学学报, 2010, 26(1): 32−34. WU Fan, CHEN Zaiping. The application of generalized predictive control theory in networked control system[J]. Journal of Tianjin University of Technology, 2010, 26(1): 32−34.

[16] WANG Wei. A direct adaptive generalized predictive control algorithm with guaranteed stability[J]. Adaptive Control and Signal Processing, 1994, 8(3): 211−227.

(编辑 阳丽霞)

Time-delay prediction and compensation of EMU coupling network control system

LIU Yang1, LI Changxian2, CHEN Long3

(1. Mordern Railway Transportation Research Institute, Dalian Jiaotong University, Dalian 116028, China; 2. School of EMU Application and Maintenance Engineering, Dalian Jiaotong University, Dalian 116028, China; 3. CRRC Dalian Co., Ltd, Dalian 116022, China)

UIC gateway uses its function of process data marshalling to transmit control and monitoring data between coupling EMUs. There will be time-delay in the process of monitoring data transmission on the train coupling communication network. The network time-delay can deteriorate the coupling control performance. In order to solve this problem, simplified model of networked control system was established with respect to coupling EMU. The time-delay auto regressive (AR) model was established, and Yule-walker parameter self-identification algorithm was used for time-delay online prediction according to historical data. At the same time, fast implicit generalized prediction control was used for compensating predictive time-delay. Simulation results show that this method has high prediction accuracy, a good effect on time-delay compensation and can ensure the good control effect.

EMU; coupling network control; UIC gateway; time-delay prediction; implicit generalized predictive control

10.19713/j.cnki.43−1423/u.2018.12.004

U258.4；TP273

A

1672 − 7029(2018)12 − 3044 − 06

2017−11−23

中国铁路总公司科技研究开发计划项目(2015J007-D)

刘洋(1982−)，男，吉林长春人，讲师，博士，从事轨道列车网络控制系统研究；E−mail：liuyang_82@163.com