شماره ركورد
20495
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
۲۰۴۹۵
پديد آورنده
ستار يوسفي ديبازر
عنوان
طراحي و شبيه سازي سيستم اتوماتيك ترمز قطار جهت توقف دقيق در ايستگاه هاي خط 2 قطار شهري مشهد
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
كنترل علائم راه آهن
سال تحصيل
۹۷-۹۸
تاريخ دفاع
۱۳۹۷/۸/۲۸
استاد راهنما
دكتر صنديد زاده
دانشكده
راه آهن
چكيده
در ايستگاه هاي متروي با تراكم مسافري بالا استفاده از درب هاي محافظ سكو يكي از بهترين راه هاي افزايش ايمني مسافرين حاضر در سكو است. جلوگيري از افتادن مسافر برروي ريل و برخورد با قطار كه يكي از رايج ترين مشكلات در ايستگاه هاي پر تراكم مي باشد و همچنين امكان افزايش سرعت قطار در ورود به ايستگاه و... با نصب درب هاي محافظ سكو برطرف مي شود. در زمان ورود قطار به ايستگاه درب هاي قطار در مقابل درب هاي محافظ سكو قرار گرفته و پس از تشخيص صحت عملكرد ايست قطار در مقابل درب هاي محافظ سكو و باز شدن آن امكان تردد مسافرين فراهم مي گردد. با توجه به افزايش سرعت قطار ها جهت طي مسير با حداقل زمان ممكن افزايش دقت ترمز قطار در زمان توقف در مقابل درب هاي محافظ سكو در ايستگاه از اهميت ويژه اي برخوردار مي شود. سيستم هاي مختلفي در دنيا جهت كنترل ترمز قطار در زمان ورود به ايستگاه هاي داراي درب محافظ قطار طراحي و اجرا شده است كه هر كدام به نوبه خود داراي نقاط ضعف و قوتي مي باشد. اما نقص عمده اي كه در اين سيستم ها مشاهده مي شود عدم مقاومت سيستم هاي طراحي شده به بروز اغتشاشات متنوع و تاثير آنها بر دقت ترمز قطار مي باشد.
خط ۲ قطار شهري مشهد كه متشكل از ۱۳ ايستگاه و به طول 14.5كيلومتر از ايستگاه طبرسي در شمال شرق به ايستگاه سلامت در جنوب غربي كشيده شده است كه 9 ايستگاه آن مورد بهره برداري قرار گرفته و بقيه ايستگاه ها در حال تكميل مي باشد. در طراحي اوليه سيستم متروي خط ۲ براي اولين بار در ايران درب هاي محافظ سكو در نظر گرفته شده است، ليكن با توجه به سياست هاي اجراي پروژه فعلا اقدامي جهت نصب اين درب ها بر روي سكو صورت نپذيرفته است. همچنين سيستم سيگنالينگ طراحي شده بر روي اين خط داراي قابليت ATO مي باشد و بصورت اتوماتيك امكان حركت قطار در طول خط را بر طبق الگوهاي حركتي طراحي شده دارد. در اين تحقيق طراحي الگوريتم ترمز با استفاده از كنترل پيش بين تطبيقي غير خطي بر مبناي اطلاعات خط 2 قطار شهري مشهد صورت پذيرفته تا اين سيستم بتواند با تقريب مناسبي قطار را در ايستگاه به صورت اتوماتيك متوقف نمايد.
واژههاي كليدي: كنترل اتوماتيك قطار(ATO) كنترل قطار اروپايي (ETCS)كنترل ترافيك ريلي اروپايي(ERTMS)، كنترل اتوماتيك ترمز قطار(TASC )،درب محافظ سكو(PSD)
تاريخ ورود اطلاعات
1398/02/24
عنوان به انگليسي
Design and simulation of train automatic control to precision stopping in station of Mashhad subway line 2
تاريخ بهره برداري
11/19/2018 12:00:00 AM
دانشجوي وارد كننده اطلاعات
ستار يوسفي ديبازر
چكيده به لاتين
Abstract—For urban metro systems with platform screen doors, train automatic stop control (TASC) has recently attracted significant attention from both industry and academia. Existing solutions to TASC are challenged by uncertain stopping errors and the fast decrease in service life of braking systems. In this paper, we try to solve the TASC problem using a Model Predictible Control technique and propose a novel online learning control strategy with the help of the precise location data of balises installed at stations. By modeling and analysis, we find that the MPC TASC is a challenging problem, having characteristics of small sample sizes and online learning. We then propose three algorithms for compare TASC by referring to heuristics, gradient descent, and reinforcement learning (RL), which are called heuristic online learning algorithm (HOA), gradient-descentbased online learning algorithm (GOA), and RL-based online learning algorithm (RLA), respectively. We also perform an extensive comparison study on a real-world data set collected in the Mashhad Line 2 subway. Our experimental results show that our approaches control all stopping errors in the range of ±0.20 m under various disturbances. In addition, our approaches can greatly increase the service life of braking systems by only changing the deceleration rate a few times, which is similar to experienced drivers. Among the three algorithms, MPC achieves the best results, and RLA is a little better than GOA and HOA. As online learning algorithms can dynamically reduce stopping errors by using the precise location data from balises, it is a promising technique in solving real-world problems.
Index Terms—Balise, online learning algorithm, Model Precition Control (MPC), train automatic stop control (TASC), urban metro systems.