【摘要】：轨道交通领域的智能驾驶是大势所趋,GE、西门子和阿尔斯通都在积极研发相关产品。地铁列车舒适度最优问题是轨道交通智能驾驶领域中的典型问题,指在保证安全行车、精确停车的前提下,进一步研究列车的乘坐舒适度指标,并通过在线计算获得使该指标最优的牵引、制动指令,最后通过将指令传递给车载牵引、制动系统加以执行。本文主要考虑地铁列车的牵引/制动特性、运行准点、精确停车等要求,建立了列车在站间行驶的乘坐舒适度最优模型。该模型将列车的加速度变化率作为控制变量,将其平方的积分作为待优化的舒适度性能指标,将列车运行过程需要满足的动力学规律作为约束条件。为了求解该连续时间域上的智能驾驶问题,本文进一步提出了控制变量和状态变量的同步离散化策略,将连续时间域进行分割,得到离散的控制序列和状态序列,并采用梯形数值积分公式将目标函数、状态方程和约束函数在连续时间域内离散,从而将决策变量无限维的智能驾驶问题转化为一个决策变量为有限维的、维数大小可灵活设置的中大规模凸二次规划问题。本文采用带预测校正的原-对偶非可行路径跟踪法,从初始猜测解出发,以迭代方式逐步逼近凸二次规划问题的最优解,最终获得乘坐舒适度最优驾驶问题的驾驶策略。为了验证所建立模型和所提出算法的有效性,本文采用一个实际案例进行仿真计算,结果表明本文提出的方法可以有效求解乘坐舒适度最优驾驶问题。为了进一步对算法参数的选择提供参考,本文设置了不同的参数值进行了对比计算,发现连续时间域的分割数对算法性能影响较大。