列车优化操纵与自动驾驶模式的研究与仿真

对列车优化操纵与自动驾驶模式进行了深入研究,在总结优秀司机操纵经验的基础上阐述了合理操纵和节能操纵两种优化操纵方法,提出了在不同坡道上和通过限速时列车自动驾驶的基本策略,给出了实现最大能力操纵的主要原则以及由此达到正点运行的方法,进行了优化操纵及自动驾驶模式的仿真,证明了研究成果的正确性。     

基于极大值原理的电动车组节能操纵

为了研究电动车组列车的节能操纵策略,以列车牵引能耗最小为优化目标,基于极大值原理推导出列车节能运行的最优工况集。考虑线路限速,通过分析伴随变量的变化规律,得到最优工况的切换原则,并在此基础上设计求解列车节能操纵工况序列的数值算法。仿真算例验证了该算法的有效性以及将其用于在线计算电动车组列车节能速度模式曲线的可行性。     

一种货运列车节能优化方法研究

研究了一种货运列车节能优化方法.首先以列车运行时间为约束,建立列车节能运行优化模型.设计了一种基于极大值原理的动态规划算法,在满足运行时间约束下,实现列车最优节能运行操纵策略优化.本算法仅仅对速度进行离散化处理,相比其他方法需对位置和速度进行双重离散,避免因网格划分引起的速度轨迹波动,同时提高了计算效率.此外,该算法将...     

列车节能控制的优化分析

为研究列车节能控制问题，采用带有非线性约束的微分方程描述列车运行过程，用牵引力积分形式描述节能优化目标，并将最大值原理应用于模型求解。在确保安全运行、满足线路限速约束、机车性能约束和运行时间约束的条件下，充分利用线路坡道，以能量消耗最小为控制目标，得到列车优化控制的策略。针对由于模型奇异性而使控制策略还不能确定出列车所有工况转换点的问题，结合列车操纵经验给出列车节能控制算法。在列车运行仿真平台上验证了优化控制方法与算法的正确性。     

面向机车自动驾驶系统的预存数据处理技术研究

研究机车自动驾驶系统旨在用其替代司机的操纵,在保证列车安全平稳运行前提下,实现列车运行准点、节能等目标。为了支撑机车自动驾驶系统精准的优化控制策略,收集了大量优秀司机的经验操纵数据为系统控车提供科学指导,同时也收集了实际运营线路的特殊区段数据为系统控车提供基础导航依据。为了能够实时将这些数据提供给自动驾驶装置,文章研究并实现了基于列车运行监控记录装置LKJ2000的预存数据处理技术,该技术输出预存数据的正确率为100%,并且已在多个铁路局的机车自动驾驶系统中得到应用和验证。试验结果表明,该技术可为机车自动驾驶系统提供可靠的预存数据,满足实际应用需求。     

基于人工蜂群算法的高速列车运行节能优化研究

合理的列车操纵方式能在很大程度上降低列车运行过程中的能耗,为了有效降低高速列车运行能耗,从研究高速列车的操纵方式入手,首先建立列车牵引计算模型和列车运行能耗计算模型,其次通过对比人工蜂群算法(ABC算法)和粒子群算法(PSO算法)的优化性能证明ABC算法优于PSO算法,提出了在满足运行速度、运行时间以及运行区间等约束条件下,采用ABC算法与操纵工况序列相结合的方法来优化计算确定高速列车操纵工况关键转换点最优位置和速度。最后通过对选取线路的MATLAB仿真模拟,验算了ABC算法在降低列车运行能耗方面的有效性。研究表明,经过ABC算法优化后的结果均能满足优化操纵方式的基本操纵策略且达到了良好的优化效果,能较好地解决列车节能操纵优化问题。     

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。     

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%。     

机车司机操纵评价系统软件的开发

以列车牵引计算专家知识，优秀司机的操纵经验，行车线路纵断面，列车编组及机车，车辆的特性数据等为基础，将机车运行监控装置的数据处理，列车牵引计算，列车动力学分析及优化操纵等相关内容有机地结合起来，利用面向对象的编程技术实现了机车司机操纵评价软件的设计和制作，该评价系统功能强大完善，易学实用，可对司机操纵结果进行科学，合理的评价。     

列车优化操纵原则及其优化操纵策略的数学描述

介绍了根据牵引计算专家知识和优秀司机驾驶经验，确定列车优化操纵原则、列车运行过程中的优化指标及其优化操纵策略的办法，给出了列车操纵方案的数学描述，为列车优化操纵示意图的自动生成系统及列车自动控制（ATC）模式的研究奠定了基础。     

长大下坡区间货运列车周期性制动研究

针对货运列车在长大下坡道空气制动无法恒速且相邻两次空气制动之间需满足缓解再充风约束的特点,以司机实际操纵中普遍采用的50～70kPa减压调速为依据,建立货运列车的最优控制问题,研究其在长大下坡道上的最优操纵策略,基于极大值原理分析"全力制动-全电制动-全力制动"的周期性制动控制策略的最优性,以及列车入坡、出坡应满足的必要条件,提出长大下坡道及其相邻区间列车运行最优控制的数值求解算法。以SS6B型电力机车牵引50节重车进行仿真验证,结果表明:在准点的前提下,与模糊专家系统相比,采用的周期性制动策略能实现9.8%节能效果,证明本文算法正确、有效。     

两级模糊神经网络在高速列车ATO系统中的应用研究

列车自动驾驶系统(ATO)作为替代司机、实现铁路运输自动化的重要设备,受到国内外铁路科技工作者的广泛关注,它的性能关系到铁路运输系统的安全和效率。一种高效的高速列车控制方法可以很好地满足人们对高速铁路"安全、正点、舒适和快捷"的要求。由于模糊神经网络具有自动提取经验和进行推理的特点,在前人研究的基础上,本文用两级模糊神经网络对高速列车运行过程进行控制。参照当前列车运行速度、线路状况、列车编组、列车时刻表、距目标点距离以及目标点所允许的速度,前一子网模拟优秀司机的操纵可获得在当前状态下应采取的最佳列车运行工况,后一子网根据运行工况、线路状况、列车在线路上位置、列车编组、列车时刻表、距目标点距离和目标点允许速度,得到列车在该工况及当前条件下的运行速度。仿真实验结果表明该方法正确有效,达到了期望的效果。     

高速列车应急自走行辅助驾驶研究

当牵引供电网发生故障,高速列车应急自走行系统受车载储能装置容量限制,特别是在线路条件复杂时,如何操纵列车实现就近停车变得异常困难。为了解决高速列车应急自走行系统的速度曲线规划问题,进行了应急自走行辅助驾驶装置的功能设计和系统结构设计。根据列车应急运行的特点,设计了应急自走行优化算法。以CR400BF复兴号动车组列车运行于国内某高速铁路线路为例进行仿真,仿真结果表明,该装置可在能量受限的情况下规划列车自走行的运行速度曲线,与司机巡航驾驶相比实现了良好的节能性;同时,基于节能优化操纵策略,采用不同的牵引目标恒速速度进行仿真,仿真结果表明,根据线路条件选择合适的牵引目标恒速速度,对于车载储能装置容量受限的高速列车应急自走行驾驶具有重要的指导意义。     

基于免疫粒子群算法的地铁列车节能优化研究

在综合考虑地铁列车动力学特性、线路条件、区间限速以及准点运行等条件的基础上,建立基于再生制动能量利用的多约束能耗模型。通过免疫粒子群组合算法求解列车能耗模型,得到列车节能操纵工况序列及各工况转换点,最终求得列车站间运行的最低能耗。为验证该方法的有效性,以南宁地铁1号线为仿真实例,计算得出优化后的列车能耗降低6.62%。     

基于控制参数化方法的列车节能操纵优化研究

以列车运行全过程牵引能耗最小为目标,综合考虑定时、变坡道、线路限速、牵引力和制动力限制以及驾驶舒适度等约束条件,建立列车节能操纵最优控制模型。基于控制参数化方法,将列车节能操纵最优控制问题转化为以线路子分段上的列车控制力为优化参数的非线性规划问题。为克服常规方法不能有效处理阶梯状线路限速的不足,提出一种离散化方法,使无限维状态约束简化为有限维不等式约束。针对牵引力上边界约束随速度非光滑变化的特点,利用二次函数对列车牵引特性曲线进行光滑化近似,进而将上边界约束转化为不等式约束,最终得到的非线性规划问题可由序列二次规划算法求解。仿真结果表明:该算法能够在精确满足所有约束的前提下,有效获取列车节能最优操纵序列及相应的参考速度曲线。     

基于遗传算法的重载列车驾驶策略研究

针对重载列车在长大下坡道运行时需采取循环制动来保证列车安全运行的难点问题,通过分析重载列车动力学模型和操纵要求,研究了一种基于遗传算法的列车驾驶策略。首先,基于线路数据和列车编组数据,对重载列车运行过程进行了动力学模型的建立;然后以操纵要求建立约束集,设计了以工况(制动和制动缓解)转换点为编码对象的驾驶策略生成算法;最后选取朔黄铁路一段长大下坡道实际线路数据,仿真得到最优的工况转换序列,并生成列车驾驶曲线。分析仿真驾驶曲线与指导驾驶曲线速度的均方根误差以及速度误差的期望和方差,表明该方法是可行的。     

基于混合整数规划的高速列车多区间节能优化研究

当今巨大的能源消耗成为高速铁路发展不可忽视的问题,节能优化显得格外重要。从列车优化操纵与区间运行时分分配两方面出发,在总运行时分约束下,探讨全程最节能的运行时分分配方案及所对应的列车操纵策略。在列车运动方程基础上,引入经停站约束,建立列车运行能耗和区间运行时分分配同步优化的非线性连续节能优化模型。通过离散化与线性变换,将节能优化模型重构为混合整数规划模型,并利用Cplex求解。以高速铁路线路为背景设计算例,验证模型的有效性。仿真结果证明在列车优化操纵策略的基础上,优化区间运行时分分配方案可以进一步降低列车总运行能耗。在不改变总运行时间的情况下,运行总能耗可降低1.03%。     

基于FAPSO的地铁列车节能运行优化研究

以地铁列车节能、准点运行为研究目标,在充分考虑实际运行线路条件下,构建满足约束条件下的多质点列车运行能耗模型,并在此基础上,将萤火虫算子引入到标准粒子群算法中,构建一种包含萤火虫算子的粒子群优化算法(FAPSO),进而提出基于FAPSO算法的双层结构一体化优化控制方法。上层结构优化通过使用FAPSO算法对获得的总冗余时间进行分配,进而得出各站间最佳运行时间,优化列车运行时刻表;下层结构优化在上层结构优化所得站间最佳运行时间下,对不同运行策略下列车运行能耗进行比较,进而优化整条线路的列车运行策略。最终,获得列车站间节能、准点运行的最优驾驶方案。以广州地铁站间线路为例,通过MATLAB进行实例仿真,仿真结果表明,经双层结构一体化优化后列车运行能耗降低10.8%,且满足列车准点运行的要求。     

基于离散微区间工况选择的列车节能运行优化方法

列车节能运行优化可降低列车的运行能耗，从而降低轨道交通运营成本，但对于坡度、坡长、限速等条件多变的线路，既有节能优化方法难以给出合理的工况组合方案，因此提出基于离散微区间工况选择的列车节能运行优化方法。首先，将列车运行区间离散为等距的微区间，建立节能运行优化模型；其次，通过考虑相邻2个迭代最优解之间差异的启发效应，对蚁群系统算法（ACS算法）进行改进，提出改进的蚁群系统算法（ACSd算法）；然后，采用ACSd算法在微区间中直接选择运行工况；最后，将节能和准时的要求同时纳入目标函数和算法的启发因子，并提出调节信息素浓度的时间补偿机制处理时间误差。以北京亦庄地铁线某个多坡段区间为例，将所提方法与既有能量分配法的优化结果进行对比，并对分别采用ACSd算法和ACS算法选择运行工况所获得的优化结果进行对比。结果表明：基于微区间工况选择的优化方法较能量分配方法降低能耗29.1%；采用ACSd算法进行列车节能运行优化较ACS算法降低能耗9.9%。     

基于改进MH算法的高铁ATO运行操纵多目标优化研究

在高速列车运行过程中,运行环境变化将对ATO提出更高的计算要求,ATO既要满足实时计算又要满足运行操纵多目标优化.针对该问题提出一种改进MH算法计算列车运行操纵序列.在原有MH算法基础上,对算法计算频率与寻优目标函数进行改进,提出随机惯性权重粒子群算法与司机驾驶逻辑相结合的方式计算运行操纵序列,通过选取合理的计算间隔时...