1.本发明属于列车运行自动控制技术领域，尤其涉及一种货运列车及其速度跟踪方法与系统。


背景技术：

2.铁路交通运输有着其运量大、速度快、能耗小、成本低、全天候的独特优势，近年来，货运列车自动驾驶(automatic train operation，ato)的研究倍受关注，研究方法从传统控制向先进控制演化。货运列车自动驾驶系统同时也是提高轨道交通运行效率、降低司机劳动强度的有效途径。货运列车速度和位置的跟踪控制是ato的一个重要研究内容，通过建立合适的动态模型并采用相应控制策略使货运列车沿期望的目标轨迹运行。
3.货运列车本身结构复杂：短车多连接、编组数量大、车钩之间的传动比较频繁，重载需要大功率牵引，货车轴重高、长距离平稳运行。在轨道交通运行中，还存外部环境因素多变的问题，已有控制模式无法良好适应所有的运行条件。要克服以上难题，需要改进传统货运列车控制策略，针对不同情况研究合适的控制算法，是当前提升货运列车运行技术发展的重要方向。
4.通常采用物理学定律来对货运列车进行单质点建模和多质点建模。单质点模型只考虑列车的外力不考虑列车车厢与车厢之间的相互作用力，将货运列车看作一个无形状的质点，模型简单，计算方便。多质点模型是将每一节车厢看成一个质点，然后货运列车每个车厢的质点用线连接起来形成一条质点链；它虽然考虑了车厢间的相互作用，接近真实运行情况，但多质点动力学方程求解过程计算量过大，控制繁琐。如何根据实际运行线路自适应选择单质点模型或者多质点模型，既能在转弯、上坡、下坡等特殊路段通过多质点模型实现每节车厢的精准控制，又能在整个运行线路大多数情况通过单质点模型快速运算并节省资源，以适应复杂多样化的路况给货运列车运行带来不同控制要求，达到全程速度稳定运行和准确定位目的，实现自动驾驶。
5.货运列车控制方法有多种，pid是最常见的经典控制方法，这种pid控制是根据线性化模型、极态工作点以及工程参数值设计，并没有一一考虑货运列车实际运行特性，难以实现这种复杂系统的精确控制。智能控制已成功应用在轨道交通领域，如模糊控制，其基本思想就是在控制方法上应用模糊集合理论，把人对控制策略的自然语言转化为计算机能够接受的算法语言，通过模拟人的思维方式对一些无法构造数学模型的被控对象进行有效控制。


技术实现要素：

6.本发明的目的在于提供一种货运列车及其速度跟踪方法与系统，以解决传统控制方式无法适应现实场景中复杂多变的运行环境，导致货运列车无法获得全程最佳运行效果。
7.本发明是通过如下的技术方案来解决上述技术问题的：一种货运列车速度跟踪方
法，包括以下步骤：
8.采集并获取列车的路况信息、实时运行速度、实时位置以及运行环境信息；
9.将所述实时运行速度与预设速度曲线上的预设速度进行对比，得到速度误差和速度误差变化率，并根据所述速度误差和速度误差变化率控制列车按照预设速度曲线运行；
10.根据路况信息以及实时位置选择以单质点模型或多质点模型作为控制对象；
11.对所述速度误差、速度误差变化率进行模糊化处理，得到模糊输入量，基于所述运行环境信息和控制对象选择结果，根据设置的模糊控制规则对所述模糊输入量进行模糊推理，得到对应的模糊值；对所述模糊值进行解模糊处理，得到列车的牵引力/制动力调整值；
12.根据牵引力/制动力调整值调整列车的运行，实现列车实时运行速度跟踪预设速度曲线。
13.本发明中，根据路况信息以及实时位置选择单质点模型或多质点模型，既能在转弯、坡度变化的上坡/下坡段等特殊路段通过多质点模型实现单节车厢的精准控制，又能在整个运行线路大多数情况下通过单质点模型实现快速运算，节省运算资源，实现全程速度稳定运行；不同的运行环境信息、以及单质点模型或多质点模型对应不同的模糊控制规则，在实际运行过程中，根据运行环境和控制对象可以灵活切换至对应的模糊控制规则，实现动态补偿，使列车的运行控制更加符合实际运行条件，具有更好地运行控制效果。
14.进一步地，当列车处于平直段或列车整体处于坡度不变的上坡/下坡路段时，以单质点模型作为控制对象；
15.当列车的部分车厢处于坡度不变的上坡/下坡路段或列车整体处于坡度变化的上坡/下坡路段或列车处于弯道时，以多质点模型作为控制对象。
16.进一步地，所述速度误差对应的模糊输入量为{nb，ns，zn，ze，zp，ps，pb}7个模糊子集；所述速度误差变化率对应的模糊输入量为{nb，ns，ze，ps，pb}5个模糊子集；所述模糊值包括制动力对应的模糊值和牵引力对应的模糊值，制动力对应的模糊值为{z7，z6，z5，z4，z3，z2，z1，z0}8个模糊子集，牵引力对应的模糊值为{q1，q2，q3，q4，q5，q6，q7}7个模糊子集；
17.其中，nb表示负大，ns表示负小，zn表示负较小，ze表示零，zp表示正较小，ps表示正小，pb表示正大，z7～z1分别表示制动力由小到大的7个等级，q1～q7分别表示牵引力由小到大的7个等级，z0为惰行模式，即制动力为0。
18.进一步地，所述模糊控制规则包括基于单质点模型晴天状况下的模糊控制规则、基于多质点模型晴天状况下的模糊控制规则、基于单质点模型雨天状况下的模糊控制规则、基于多质点模型雨天状况下的模糊控制规则、基于单质点模型雾天状况下的模糊控制规则、基于多质点模型雾天状况下的模糊控制规则、基于单质点模型冰雪状况下的模糊控制规则、基于多质点模型冰雪状况下的模糊控制规则。
19.进一步地，所述跟踪方法还包括：根据路况信息以及实时位置判断列车运行前方是否发生紧急状况；
20.当发生紧急状况时，获取列车与紧急状况发生点的实时距离；
21.对所述实时运行速度、实时距离进行模糊化处理，得到模糊输入量，根据设置的紧急模糊控制规则对所述模糊输入量进行模糊推理，得到对应的模糊值；对所述模糊值进行解模糊处理，得到列车的制动力调整值；
22.根据所述制动力调整值调整列车的运行，使列车在到达紧急状况发生点之前平缓停车。
23.进一步地，所述实时运行速度对应的模糊输入量为{v1，v2，v3，v4，v5}5个模糊子集；所述实时距离对应的模糊输入量为{n，qn，m，qf，f}5个模糊子集；所述模糊值为制动力对应的模糊值，制动力对应的模糊值为{z7，z6，z5，z4，z3，z2，z1，z0}8个模糊子集；
24.其中，v1表示小，v2表示较小，v3表示中，v4表示较大，v5表示大，n表示近，qn表示较近，m表示中，qf表示较远，f表示远，z7～z1分别表示制动力由小到大的7个等级，z0为惰行模式，即制动力为0。
25.进一步地，所述紧急模糊控制规则如表1所示：
26.表1.紧急模糊控制规则
[0027][0028]
其中v
s
表示实时运行速度，s表示实时距离。
[0029]
本发明还提供一种货运列车速度跟踪系统，包括：
[0030]
多源信息融合模块，用于采集并获取列车的路况信息、实时运行速度、实时位置以及运行环境信息；
[0031]
比较控制模块，用于将所述实时运行速度与预设速度曲线上的预设速度进行对比，得到速度误差和速度误差变化率，并根据所述速度误差和速度误差变化率控制列车按照预设速度曲线运行；
[0032]
模型判断切换模块，用于根据路况信息以及实时位置选择以单质点模型或多质点模型作为控制对象；
[0033]
模糊控制模块，用于对所述速度误差、速度误差变化率进行模糊化处理，得到模糊输入量，基于所述运行环境信息和控制对象选择结果，根据设置的模糊控制规则对所述模糊输入量进行模糊推理，得到对应的模糊值；对所述模糊值进行解模糊处理，得到列车的牵引力/制动力调整值；
[0034]
调整模块，用于根据牵引力/制动力调整值调整列车的运行，实现列车实时运行速度跟踪预设速度曲线。
[0035]
进一步地，所述系统还包括紧急模糊控制单元，所述紧急模糊控制单元包括：
[0036]
判断模块，用于根据路况信息以及实时位置判断列车运行前方是否发生紧急状况；
[0037]
距离获取模块，用于当发生紧急状况时，获取列车与紧急状况发生点的实时距离；
[0038]
紧急模糊控制模块，用于对所述实时运行速度、实时距离进行模糊化处理，得到模糊输入量，根据设置的紧急模糊控制规则对所述模糊输入量进行模糊推理，得到对应的模糊值；对所述模糊值进行解模糊处理，得到列车的制动力调整值；
[0039]
紧急调整模块，用于根据所述制动力调整值调整列车的运行，使列车在到达紧急状况发生点之前平缓停车。
[0040]
本发明还提供一种货运列车，包括如上所述的货运列车速度跟踪系统。
[0041]
有益效果
[0042]
与现有技术相比，本发明的优点在于：
[0043]
1、根据路况信息以及实时位置进行单质点模型或多质点模型的切换，既能在转弯、坡度变化的上坡/下坡段等特殊路段通过多质点模型实现单节车厢的精准控制，又能在整个运行线路大多数情况下通过单质点模型实现快速运算，节省运算资源，实现全程速度稳定运行；
[0044]
2、不同的运行环境信息、以及单质点模型或多质点模型对应不同的模糊控制规则，在实际运行过程中，根据运行环境和控制对象可以灵活切换至对应的模糊控制规则，实现动态补偿，使列车的运行控制更加符合实际运行条件，具有更好地运行控制效果；本发明能够适应复杂多变的运行环境，使货运列车在线路全程均能达到最佳运行效果；
[0045]
3、当发生紧急状况时，紧急模糊控制能根据实时位置与紧急状况发生点的实时距离得出最优制动控制策略，控制列车在进入前方危险路段前平稳停车，提升了货运列车运行的安全性。
附图说明
[0046]
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0047]
图1是本发明实施例中模型判断切换模块示意图；
[0048]
图2是本发明实施例中货运列车速度跟踪系统示意图；
[0049]
图3是本发明实施例中模糊控制规则示意图。
具体实施方式
[0050]
下面结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0051]
下面以具体地实施例对本技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0052]
本实施例所提供的一种货运列车速度跟踪方法，包括以下步骤：
[0053]
1、采集并获取列车的路况信息、实时位置以及运行环境信息。
[0054]
采用多源信息融合模块来采集并获取列车的路况信息、实时位置以及运行环境信息等。如图1和2所示，多源信息融合模块包括多个传感器模块、多个视觉监测模块、第一通
信模块、第二通信模块、定位模块以及综合计算模块，传感器模块、视觉监测模块均与第一通信模块连接，第一通信模块与第二通信模块连接，第二通信模块、定位模块均与综合计算模块连接。
[0055]
多个传感器模块沿运行线路分布于轨道一侧或两侧，每个传感器模块用于采集对应线路段的气象环境数据；视觉监测模块包括摄像头模块和图像处理模块，多个视觉监测模块沿运行线路分布于轨道一侧或两侧，每个摄像头模块用于采集对应线路段的环境图像，图像处理模块用于将环境图像与预设的标准环境图像进行对比，并评估运行线路沿轨环境得到环境信息，再结合气象环境数据，得到路况信息和运行环境信息，图像处理模块还用于根据采集的环境图像构建整个线路电子地图，该线路电子地图用于辅助校准定位模块的累计误差，实现精准定位。路况信息包括但不限于平直段、弯道、坡道以及坡道的坡度变化等，该运行环境信息包括但不限于晴天、雨天、雾天、冰雪天气等。
[0056]
定位模块设于货运列车上，定位模块采用北斗定位惯导系统进行自主定位，定位模块用于计算包括列车当前位置信息在内的实时位置和实时运行速度，并结合视觉监测模块构建的线路电子地图不断校准，确保位置精确可靠。综合计算模块基于预先存储在其中的运行线路数据进行实时位置信息校准的实时计算，并集中计算处理传感器模块、视频监测模块所传输的数据，将经过计算处理的数据转换为可供模块控制模块参考的变量(路况信息、实时位置以及运行环境信息)。视觉监测模块在运行线路上的安装位置固定且精确，根据其采集的环境图像可以构建整个线路电子地图，该线路电子地图用于辅助校准定位模块的累计误差，实现精准定位。
[0057]
本实施例中，第一通信模块和第二通信模块均采用低延时5g网络，实现信息或数据的实时传输。运行线路数据在排运输任务时，已经获知，可以预先存储于综合计算模块内。
[0058]
多源信息融合模块可以实时感知当前的路况信息、实时位置以及运行环境信息并通过综合计算模块处理后将这些数据转换为可供后续模块(例如模块控制模块)参考的数据，如图2所示。模型判断切换模块根据路况信息以及实时位置，自适应选择多质点模型或单质点模型；模糊控制模块根据运行环境信息和控制对象自适应选择相应的模糊控制规则，调整其输出到牵引/制动单元的控制量，实现动态补偿。
[0059]
2、将实时运行速度与预设速度曲线上的预设速度进行对比，得到速度误差和速度误差变化率，并根据速度误差和速度误差变化率控制列车按照预设速度曲线运行。
[0060]
实时运行速度可以通过列车上已有的速度检测装置来检测获取。货运列车自动驾驶控制系统是一个闭环反馈控制系统，通过比较预设速度与列车实际运行速度值可以得到速度误差e和速度误差变化率e
c
，具体计算公式为：
[0061]
e＝v0‑
v
s
ꢀꢀꢀ
(1)
[0062][0063]
其中，v0表示预设速度，v
s
表示实时运行速度，e表示速度误差，e
c
表示速度误差变化率。
[0064]
3、根据路况信息以及实时位置选择以单质点模型或多质点模型作为控制对象。
[0065]
根据路况信息以及实时位置可以得知列车处于平直段还是坡道还是弯道，不同路
况自适应选择不同的质点模型，既能满足特殊路况的控制精度，又能满足普通路况的运算速度，节约运算资源。
[0066]
本实施例中，当列车处于平直段或列车整体处于坡度不变的上坡/下坡路段时，以单质点模型作为控制对象，可以满足货运列车对速度跟踪精度的要求，同时采用单质点模型可以实现快速运算；当列车的部分车厢处于坡度不变的上坡/下坡路段或列车整体处于坡度变化的上坡/下坡路段或列车处于弯道时，单质点模型已经无法满足速度跟踪精度要求，以多质点模型作为控制对象，实现每节车厢受力的精确计算和对货运列车速度的精确控制。
[0067]
货运列车单质点模型或多质点模型的构建是现有技术，在模型切换瞬间保证货运列车的牵引力/制动力、速度等参数不变，实现平滑切换。
[0068]
4、对速度误差、速度误差变化率进行模糊化处理，得到模糊输入量，基于运行环境信息和步骤3的控制对象选择结果，根据设置的模糊控制规则对所述模糊输入量进行模糊推理，得到对应的模糊值；对所述模糊值进行解模糊处理，得到列车的牵引力/制动力调整值。
[0069]
本实施例中，速度误差对应的模糊输入量为{nb，ns，zn，ze，zp，ps，pb}7个模糊子集；速度误差变化率对应的模糊输入量为{nb，ns，ze，ps，pb}5个模糊子集；模糊值包括制动力对应的模糊值和牵引力对应的模糊值，制动力对应的模糊值为{z7，z6，z5，z4，z3，z2，z1，z0}8个模糊子集，牵引力对应的模糊值为{q1，q2，q3，q4，q5，q6，q7}7个模糊子集。
[0070]
其中，nb表示负大，ns表示负小，zn表示负较小，ze表示零，zp表示正较小，ps表示正小，pb表示正大，z7～z1分别表示制动力由小到大的7个等级，q1～q7分别表示牵引力由小到大的7个等级，z0为惰行模式，即制动力为0。
[0071]
如图3所示，基于驾驶员的模糊控制规则包括但不限于基于单质点模型晴天状况下的模糊控制规则、基于多质点模型晴天状况下的模糊控制规则、基于单质点模型雨天状况下的模糊控制规则、基于多质点模型雨天状况下的模糊控制规则、基于单质点模型雾天状况下的模糊控制规则、基于多质点模型雾天状况下的模糊控制规则、基于单质点模型冰雪状况下的模糊控制规则、基于多质点模型冰雪状况下的模糊控制规则。
[0072]
基于驾驶员的模糊控制规则是根据驾驶员对不同路况、运行环境的实际熟练驾驶经验来灵活制定并适配不同的模糊控制规则，以基于单质点模型晴天状况下的模糊控制规则为例，如表1所示：
[0073]
表1.基于单质点模型晴天状况下的模糊控制规则
[0074][0075]
其中e表示速度误差，e
c
表示速度误差变化率。
[0076]
多源信息融合模块可以实时检测运行线路的各种信息变化，辅助列车及时进行模糊控制规则的切换，能够适应复杂多变的运行环境，使货运列车在线路全程均能达到最佳运行效果；同时实时信息变化也作为模糊输入量，能够提升货运列车的速度跟踪效果。
[0077]
模糊控制模块根据运行环境信息和控制对象确定当前最适用于货运列车的模糊控制规则，可以实现货运列车在不同路况(对应到质点模型)和运行环境下都能获得相对良好的速度跟踪性能。
[0078]
5、根据牵引力/制动力调整值调整列车的运行，实现列车实时运行速度跟踪预设速度曲线。
[0079]
6、紧急状况下的运行控制。
[0080]
本发明在模糊控制规则基础上还引入基于副驾驶经验的紧急模糊控制规则，可以在突发状况或紧急状况时起到运行紧急安全防护作用。
[0081]
多源信息融合模块还包括障碍物检测模块，当根据路况信息以及实时位置判断列车运行前方发生紧急状况(例如沿途山体滑坡、隧道坍塌、轨道事故等需要紧急停车的情况)时，障碍物检测模块获取列车与紧急状况发生点的实时距离；再对列车实时运行速度、实时距离进行模糊化处理，得到模糊输入量，根据设置的紧急模糊控制规则对该模糊输入量进行模糊推理，得到对应的模糊值；对模糊值进行解模糊处理，得到列车的制动力调整值；最后根据制动力调整值调整列车的运行，使列车在到达紧急状况发生点之前平缓停车。
[0082]
本实施例中，实时运行速度对应的模糊输入量为{v1，v2，v3，v4，v5}5个模糊子集；实时距离对应的模糊输入量为{n，qn，m，qf，f}5个模糊子集；模糊值为制动力对应的模糊值，制动力对应的模糊值为{z7，z6，z5，z4，z3，z2，z1，z0}8个模糊子集；其中，v1表示小，v2表示较小，v3表示中，v4表示较大，v5表示大，n表示近，qn表示较近，m表示中，qf表示较远，f表示远，z7～z1分别表示制动力由小到大的7个等级。其中z0为惰行模式即制动力为0。
[0083]
基于副驾驶经验库的紧急模糊控制规则如表2所示：
[0084]
表2.紧急模糊控制规则
[0085][0086]
其中v
s
表示实时运行速度，s表示实时距离。
[0087]
当判断发生紧急状况时，模糊控制模块停止工作，紧急模糊控制模块根据实时位置、实时距离以及实时运行速度选择最优的紧急模糊控制规则，从而得出最优的制动控制策略，控制列车在进入前方危险路段前平稳停车。
[0088]
如图2所示，本实施例还提供一种货运列车速度跟踪系统，包括：
[0089]
多源信息融合模块，用于采集并获取列车的路况信息、实时位置以及运行环境信息。
[0090]
如图1和2所示，多源信息融合模块包括多个传感器模块、多个视觉监测模块、第一通信模块、第二通信模块、定位模块以及综合计算模块，传感器模块、视觉监测模块均与第一通信模块连接，第一通信模块与第二通信模块连接，第二通信模块、定位模块均与综合计算模块连接。
[0091]
多个传感器模块沿运行线路分布于轨道一侧或两侧，每个传感器模块用于采集对应线路段的气象环境数据；视觉监测模块包括摄像头模块和图像处理模块，多个视觉监测模块沿运行线路分布于轨道一侧或两侧，每个摄像头模块用于采集对应线路段的环境图像，图像处理模块用于将环境图像与预设的标准环境图像进行对比，并评估运行线路沿轨环境得到环境信息，再结合气象环境数据，得到路况信息和运行环境信息，图像处理模块还用于根据采集的环境图像构建整个线路电子地图，该线路电子地图用于辅助校准定位模块的累计误差，实现精准定位。路况信息包括但不限于平直段、弯道、坡道以及坡道的坡度变化等，该运行环境信息包括但不限于晴天、雨天、雾天、冰雪天气等。
[0092]
定位模块设于货运列车上，定位模块采用北斗定位惯导系统进行自主定位，定位模块用于计算包括列车当前位置信息在内的实时位置和实时运行速度，并结合视觉监测模块构建的线路电子地图不断校准，确保位置精确可靠。综合计算模块基于预先存储在其中的运行线路数据进行实时位置信息校准的实时计算，并集中计算处理传感器模块、视频监测模块所传输的数据，将经过计算处理的数据转换为可供模块控制模块参考的变量(路况信息、实时位置以及运行环境信息)。视觉监测模块在运行线路上的安装位置固定且精确，根据其采集的环境图像可以构建整个线路电子地图，该线路电子地图用于辅助校准定位模块的累计误差，实现精准定位。
[0093]
本实施例中，第一通信模块和第二通信模块均采用低延时5g网络，实现信息或数据的实时传输。运行线路数据在排运输任务时，已经获知，可以预先存储于综合计算模块
内。
[0094]
多源信息融合模块可以实时感知当前的路况信息、实时位置以及运行环境信息并通过综合计算模块处理后将这些数据转换为可供后续模块(例如模块控制模块)参考的数据，如图2所示。模型判断切换模块根据路况信息以及实时位置，自适应选择多质点模型或单质点模型；模糊控制模块根据运行环境信息和控制对象自适应选择相应的模糊控制规则，调整其输出到牵引/制动单元的控制量，实现动态补偿。
[0095]
比较控制模块，用于将实时运行速度与预设速度曲线上的预设速度进行对比，得到速度误差和速度误差变化率(如式(1)和(2)所示)，并根据速度误差和速度误差变化率控制列车按照预设速度曲线运行。本实施例中，实时运行速度可以通过列车上已有的速度检测装置来检测获取，也可以在多源信息融合模块中增设速度传感器来采集获取。
[0096]
模型判断切换模块，用于根据路况信息以及实时位置选择以单质点模型或多质点模型作为控制对象，如图1所示。
[0097]
根据路况信息以及实时位置可以得知列车处于平直段还是坡道还是弯道，不同路况自适应选择不同的质点模型，既能满足特殊路况的控制精度，又能满足普通路况的运算速度，节约运算资源。
[0098]
本实施例中，当列车处于平直段或列车整体处于坡度不变的上坡/下坡路段时，以单质点模型作为控制对象，可以满足货运列车对速度跟踪精度的要求，同时采用单质点模型可以实现快速运算；当列车的部分车厢处于坡度不变的上坡/下坡路段或列车整体处于坡度变化的上坡/下坡路段或列车处于弯道时，单质点模型已经无法满足速度跟踪精度要求，以多质点模型作为控制对象，实现每节车厢受力的精确计算和对货运列车速度的精确控制。
[0099]
模糊控制模块，用于对速度误差、速度误差变化率进行模糊化处理，得到模糊输入量，基于运行环境信息和控制对象选择结果，根据设置的模糊控制规则对所述模糊输入量进行模糊推理，得到对应的模糊值；对模糊值进行解模糊处理，得到列车的牵引力/制动力调整值；具体模糊控制规则如表1所示。
[0100]
调整模块，用于根据牵引力/制动力调整值调整列车的运行，实现列车实时运行速度跟踪预设速度曲线。
[0101]
该系统还包括紧急模糊控制单元，紧急模糊控制单元包括：
[0102]
判断模块，用于根据路况信息以及实时位置判断列车运行前方是否发生紧急状况。
[0103]
距离获取模块，用于当发生紧急状况时，获取列车与紧急状况发生点的实时距离。
[0104]
紧急模糊控制模块，用于对实时运行速度、实时距离进行模糊化处理，得到模糊输入量，根据设置的紧急模糊控制规则对所述模糊输入量进行模糊推理，得到对应的模糊值；对模糊值进行解模糊处理，得到列车的制动力调整值；具体紧急模糊控制规则如表2所示。
[0105]
紧急调整模块，用于根据制动力调整值调整列车的运行，使列车在到达紧急状况发生点之前平缓停车。
[0106]
以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。