基于KH算法的高速列车ATO控制策略优化研究

针对传统高速列车自动驾驶(ATO)控制策略优化时简化线路参数、列车牵引计算采用单质点模型等问题,将列车通过牵引供电分相区断电惰行纳入运行工况,建立动车组多质点模型。在满足列车运行图固定运行时间条件下,以能耗、准点性、停车准确性及舒适性为指标建立高速列车ATO控制策略优化模型。利用磷虾群(KH)算法对高速列车ATO控制策略进行优化。以兰新高速铁路某区间线路数据为例,仿真测试表明KH算法可以在较少的迭代次数下获得较粒子群算法更优的ATO控制策略,且列车过分相区断电惰行会对优化结果产生影响,验证了所提算法在优化高速列车ATO控制策略中的优越性及将列车过分相区断电惰行纳入运行工况的合理性。     

南宁地铁1号线列车自动运行模式下列车停车精度优化设计

以南宁地铁1号线ATO(列车自动运行)模式下列车停车精度为研究对象,以停车精度的统计数据为依据,通过对ATO制动力和电空制动配合两个方面进行分析,找出了停车精度不准的根本原因。进行了ATO模式停车精度的优化设计,并在实际运营线路上进行了测试验证。测试结果表明,南宁地铁1号线ATO模式下列车停车精度的优化设计方案可行,列车停车精度得到了较大的提高。     

城市轨道交通ATO的节能优化研究

自动列车驾驶系统ATO通过对列车的速度调节实现列车在站间的自动运行,列车在站间的控制策略决定其运行的能耗。传统的ATO可以根据线路情况、列车当前速度、位置、牵引制动特性以及停车点的位置计算相应的速度曲线,通过一定的控制算法实现对列车速度的精确追踪,保证列车准点并精确地到达停车点。但是该过程使得列车在站间运行时反复实施牵引力和制动力的转换,能耗较大。本文在传统ATO控制策略的基础上,分析一种基于驾驶策略的ATO控制方法,给出一种ATO节能驾驶策略的求解算法。该算法在保证列车到站时间误差在一定范围的前提下,通过延长列车的惰行距离,减少列车在站间运行的能耗。     

地铁列车基于惰行控制的节能优化运行研究

为降低地铁列车运行能耗,提出了基于惰行控制的节能优化方案。根据地铁列车运营特点和列车运行能耗特性,同时结合列车优化操纵方法,在不考虑列车运行过程中的工况转换时间前提下,提出了一种快速搜索适合惰行点的节能优化算法,并与其他2种惰行优化处理方式进行仿真对比。结果表明:基于惰行控制的节能优化方法能有效地降低列车能耗,算法处理速度快,同时满足高精度的定时运行要求。所提出的节能优化处理方式在节能效果上比逐个处理方式高10.8%,比同时处理方式高4.5%。     

基于遗传算法的列车节能运行惰行控制研究

本文建立了定时约束条件下地铁列车节能运行惰行控制优化模型,设计了实数遗传算法进行求解,在适应度函数中引入了运行时间惩罚因子.同时,将遗传算法嵌入到城市列车运行计算系统中,设计了惰行控制优化模块,实现了给定线路条件下站间最佳惰行点的自动计算,最后结合具体算例进行了仿真验证.仿真结果表明,实数编码的遗传算法能较好地解决惰行点布局问题,优化后的惰行控制方案使算例中列车运行能耗降低了10.99%.     

基于再生制动能量利用的地铁列车时刻表设计方法研究

结合线路参数、列车运行工况以及时刻表等因素,分析了同一供电区段内列车再生制动能量的利用情况,建立基于再生制动能量利用与运行时刻表设计的多车节能优化模型。通过引入浓度免疫算法,调整列车时刻表中发车间隔、停站时间、运行时间等要素并优化列车操纵工况,求解出实际线路下的节能运行时刻表及多车节能驾驶策略。结合南宁地铁1号线某供电区段的仿真数据证明,采用优化的节能运行时刻表在满足正点运行的前提下,提高再生制动能量的利用率达11.4%,降低列车运行的总能耗达16.9%。     

基于2阶段优化的高速列车节能运行仿真研究

以高速列车牵引计算为基础,节能运行为目标,充分考虑实际运行线路条件,提出包含坡道运行优化和全线惰行优化的两阶段优化方法,分别构建定时约束下的列车节能模型。第1阶段,将线路坡道离散化,使用遗传算法搜索列车运行能耗最小时的速度组合序列,将模型求解转化为最优化问题,获得列车速度运行曲线;第2阶段,通过遗传算法在列车的中间运行阶段选择合理的惰行位置和惰行区间速度,再次优化列车速度曲线。以济南—泰安为站间实例进行仿真,经过2阶段优化后,CRH_3型高速列车节能效果达11.63%。     

城市轨道交通降级信号系统下的点式列车自动运行防护

当列车与轨旁通信丢失,或者信号系统转换进入后备控制模式时,列车无法进行自动驾驶,因而影响了运营性能。介绍一种降级信号系统下的点式ATO(列车自动运行)防护方法,可在后备控制模式下使列车实现自动驾驶,因而降低了司机的工作强度、提高了列车运营效率。     

城市轨道交通时刻表优化技术框架及关键技术环节

时刻表优化技术是城市轨道交通运营管理所涉及的一项关键技术,其实施好坏直接影响到城市轨道交通运营的各个环节。针对当前实际运营过程中,列车时刻表的优化调整显著受制于断面客流预估精度的现状,借助城市轨道交通AFC(自动售检票)系统采集的乘客交易信息,提出了一种基于客流信息的城市轨道交通时刻表优化技术框架,并对其核心模块功能实现的关键技术环节进行了阐述,探讨了基于客流特性参数的发车模型。     

城市轨道交通线路限速与列车自动防护顶篷速度匹配性设计探讨

上海城市轨道交通1~10号线的设计速度为80km/h,但在运营时部分线路列车实际最高运行速度达不到此设计值。这主要是因为车辆、限界、线路、结构、信号等专业之间未能进行充分的匹配,各自都留有安全余量,使得ATP(列车自动防护)顶篷速度设置过于保守,ATO(列车自动运行)速度无法达到线路设计速度,降低了线路的运行效率。基于线路ATO速度能达到80km/h的设计目标,提出了3个等级的线路限速值以及与ATP顶篷速度匹配的设计思路,在确保仍能实现信号安全防护的前提下,通过提高ATP顶篷速度,来实现设计速度目标。     

一种基于策略梯度强化学习的列车智能控制方法

近年来,我国已初步建成巨大的城市轨道交通和高速铁路网络,逐步开始走向提升整体运营效率的新阶段。城市轨道交通系统的大规模和高密度运营,使得系统能耗急剧增长。现有的自动驾驶控制方法基于已有的模型,能够完成在正常场景下的自动驾驶。基于现有列车自动驾驶技术的控制原理和优秀司机的驾驶经验,提出一种列车智能控制方法,以减小列车的牵引能耗。首先,建立列车控制专家系统,能满足乘客舒适度要求;在此基础上,利用神经网络作为列车驾驶控制器,设计了一种基于策略的强化学习算法,优化神经网络的参数,以适应变化的运营场景。基于地铁现场运行数据仿真结果表明,该智能算法比现有算法具有更好地节能效果和准时性。     

地铁线路钢轨异常波磨的分析与解决措施

针对深圳市地铁3号线ATO列车在长大坡度区段运行时,因制动导致线路钢轨产生异常波磨的问题,进行系统分析和研究,制定相应实施方案,取得良好应用效果,可为后续轨道交通线路建设和运营提供应用参考.     

成都地铁2号线ATO模式下列车停车精度的提高

成都地铁2号线列车运行是基于移动闭塞信号车载系统控制的,具有列车自动驾驶功能。结合运营中出现的列车停站精度较差情况,综合分析系统运行数据与设计文件,提出改进、测试方案,并对测试结果进行分析,进行列车的制动能力验证。     

北京地铁14号线全自动车辆段设计及应用

为解决传统车辆段既有接发车模式中接发车效率低、调度人员工作量大等问题,并降低由此产生的因操作失误而导致事故发生的概率,北京地铁14号线车辆段配置具有列车自动控制系统(ATC)的全自动运行区域,列车在全自动区域升级至基于通信的列车控制系统(CBTC)级别后可实现列车自动防护(ATP)、列车自动操作(ATO)功能以及列车自动监控(ATS)功能,由信号系统防护列车运行安全,并能够以ATO模式自动完成进出段场的运行功能。全自动车辆段作为未来可推广的车辆段建设管理模式,对现行实施的有关全自动车辆段系统功能、系统配置以及运作方式将具有重要的参考意义。     

移动闭塞条件下的ATO子系统运行控制算法分析

基于移动闭塞技术的ATC系统是城市轨道交通信号系统的发展趋势,其中ATO子系统是实现城轨高效率、低能耗、高舒适度的关键技术。通过对多种智能控制算法的特点分析,指出采用不同算法的ATO子系统在实现其功能的过程中各有其不同优势侧重点。并提出可结合多种智能算法的优势实现对ATO子系统的进一步优化。     

基于移动闭塞的列车自动运行仿真

介绍ATO系统功能作用及节能操纵方案,移动闭塞原理,以及列车在自动驾驶过程中所需要的运动方程.通过对相应公式的分析,将其应用在ATO系统中,采用节能操纵方案,计算出ATO系统在移动闭塞条件下的加速度,速度,并确保列车在安全、经济的条件下运行.     

基于目标速度追踪的城轨列车节能优化算法

为了实现城市轨道交通的节能运行,提出基于目标速度追踪的城轨列车节能优化算法。首先构建列车均质棒动力学模型和节能优化目标函数,利用极大值原理推导出列车节能运行工况。然后重点分析列车运行时间和运行方式对能耗的影响。在对典型方案仿真分析的基础上,提出通过陡坡时的基于等效平均速度法的运行策略,以及目标速度改变时合理利用惰行的运行策略。最后通过目标速度追踪的方法得到速度曲线,实现城轨列车的节能运行。利用上海地铁3号线的数据对本文提出的算法进行验证,结果表明相较实际运行情况,本文提出的算法可以降低25.39%的运行能耗,同时求解得到的速度曲线更加平缓,更适合城市轨道交通的实际运行情况。     

基于GA优化模糊PID控制的ATO算法研究

针对城市轨道列车的自动驾驶系统(ATO)传统PID控制方法适应性差和智能化不足的问题,基于该领域专家知识和驾驶司机的操作经验,将遗传算法优化的模糊PID控制算法运用在ATO的控制系统中,并运用MTALAB进行仿真。仿真结果表明,该控制算法优于传统的PID控制,能够满足ATO系统对不同工况下的适应性和智能性要求,可以达到精确停车和准点到站的目的,能够有效提高列车舒适性和降低列车能耗。