考虑轮轨黏着的高速列车多目标速度曲线优化

高速列车运行环境复杂多变，现有的给定运行速度目标曲线主要考虑列车运行的安全性和正点性，难以改善列车的其他运行性能。为了满足高速列车日益增加的行车需求，并改善列车的运行性能，针对安全、节能、正点及舒适多个目标，考虑轮轨间最优黏着，提出一种改进的多目标运行速度优化方法。首先，在满足区间限速以及列车动力学模型约束的前提下，建立安全、节能、正点、舒适4个评价指标，构成高速列车运行过程多目标优化模型；其次，在节能模型中考虑轮轨间黏着的影响，优化牵引/制动力使得其保持在最优黏着范围内，节约运行能耗；最后，采用基于参考点的非支配排序的优化算法（NSGA-Ⅲ）对多目标运行速度曲线进行优化。对真实线路的仿真验证表明，本文提出的考虑轮轨黏着的优化效果显著提高，尤其在节能方面；优化算法相较于GA和NSGA-Ⅱ，NSGA-Ⅲ算法在收敛效果和收敛速度上均为更优。     

融入偏好信息的列车运行过程多目标优化算法

列车运行过程优化是一个多目标、大滞后、非线性的极其复杂的优化问题.为了更好地解决上述问题,以列车能耗、舒适性、停靠准确性和运行时间为控制目标,以列车运动动力学方程为约束,建立了列车运行过程的多目标优化模型,提出了一种融入偏好信息的列车运行过程多目标遗传粒子群算法.提出的改进策略具有以下优点,在融入偏好信息的基础上通过控制粒子群中个体在解空间的分布能够更好地保持粒子群多样性,从而在进化过程中具有更明显的全局收敛的指向作用.仿真得到的速度距离曲线表明,在列车及其运行线路相同的情况下,本文所提出的算法性能较佳、寻优结果较好.     

混合动力列车电源系统控制策略

为了实现混合动力列车的计算仿真,建立混合电源系统模型,并提出一种混合电源系统控制策略.在此基础上,通过对混合电源系统与列车纵向动力学系统的耦合分析,给出了基于该电源系统控制策略的列车运行目标速度曲线计算算法.利用MATLAB/Simulink对系统建模,对列车在某线路上的运行过程进行了仿真.仿真结果表明,系统控制策略能够满足列车的运行性能,列车自动控制(ATC)系统能够精确的控制列车跟踪计算的目标速度曲线运行,混合电源回收了41%的再生制动能量, 控制策略和目标速度曲线计算算法达到了设计目标.      

基于遗传算法的地铁列车自动驾驶控制算法研究

轨道交通列车运行曲线的控制是轨道交通列车自动化的核心技术。通过提出改进的遗传算法来设计列车ATO（列车自动驾驶）控制算法，使用某城市地铁列车参数建模，编制实用的遗传算法生成列车时分控制曲线的程序，并进行计算机仿真，仿真的结果达到了：输出时间与给定的定时值完全一致；能耗比节时模式降低56%；停车点精度｜x｜=14cm，小于规定值（25cm）；最大速度小于规定值；具有较高的全局适应度。表明算法效果良好、性能优越。     

基于微粒群算法的多目标列车运行过程优化

为客观地描述列车的运行过程,建立了列车运行过程的多目标优化模型,并用微粒群算法求解该模型.针对多目标微粒群优化(MOPSO)算法的不足,提出了相应的改进措施和解的多样性保持策略.仿真结果表明,提出的优化列车运行过程的改进MOPSO算法可以在一次运行过程中获得多组列车操纵控制策略,清晰地显示出各性能指标随控制策略变化的趋势,控制序列转换次数大大降低,每组控制策略都可以在能耗、运行时间和停靠准确性之间获得很好的折衷效果,可以根据列车运行状况选择恰当的策略控制列车,以获得预期的结果.     

小半径曲线钢轨非对称打磨廓形设计方法

为设计可提升列车小半径曲线通过性能的钢轨非对称打磨目标廓形，对中国现有CN60钢轨廓形进行了几何推导；以钢轨廓形几何参数作为设计变量，以车辆系统多体动力学指标作为综合目标函数，考虑钢轨打磨约束条件，提出了一种针对小半径曲线钢轨非对称打磨廓形的多目标数值优化模型；基于差分进化算法编写了相应的数值计算程序，并选择合理的计算参数求解了优化模型；根据实际线路参数分析了优化后钢轨打磨廓形的轮轨接触几何特性，并验证了列车的小半径曲线动力学性能。研究结果表明:提出的优化方法具有较快的计算速度，优化模型仅迭代了97次即可获得理想的钢轨打磨廓形；非对称打磨使内外钢轨具有差异性的打磨位置与打磨深度，将轮轨对中位置向轨道内侧移动了约10 mm，且不会改变轮缘处的轮轨匹配特性，有效增大了轮对横移10 mm范围内的轮对滚动圆半径差与轮轨接触角差，降低了列车在通过小半径曲线时的轮对横移、轮轨横向力、脱轨系数和轮重减载率，提高了转向架的横向稳定性和轮轨磨耗性能；虽然该打磨方式获得的钢轨廓形增大了轮轨接触应力，但并不会引起轮轨塑性变形。由此可见，该设计方法为提高列车的中小半径曲线通过能力提供了一种可行途径。      

基于多速度调控的城轨列车区间运行策略优化

针对城市轨道交通区间运行时分要求,将列车在区间的最高运行速度、最低惰行速度作为速度参数,提出多速度参数调控的城轨列车区间运行策略优化问题。考虑线路平纵断面、列车性能等的影响,以及区间限速、运行时分限制等约束,以区间运行能耗最小化为目标,建立均布质量模型下的给定运行时分下基于多速度参数调控的列车运行节能优化策略模型,优化确定各速度参数取值和对应的区间运行控制方案,设计针对多速度参数综合调控的模拟退火求解方法。以广州地铁8号线中大-晓港为例,测算不同时分下的运行控制方案。结果表明：最高运行速度参数可有效控制区间运行时分取值;最低惰行速度的合理取值可显著降低能耗,最多可降低4.68%;列车操纵模式的确定需综合考虑区间运行时分、节能效果和惰行次数,节能操纵模式在较长运行时分下节能作用更为显著。优化结果可为城轨节能化列车运行组织提供决策支持。     

高速列车动态间隔优化的弹性调整策略

为保证列车运行安全性, 提高铁路线路运载效能, 针对移动闭塞系统, 研究了高速列车追踪运行的间隔弹性调整策略和操纵轨迹的动态优化问题; 以高速列车运行安全性、效率、能耗和乘客舒适度作为列车运行控制策略曲线的优化目标, 研究了列车的追踪运行过程; 采用差分进化算法求解了列车运行过程多目标优化模型, 设计了离线最优运行控制策略曲线; 提出了列车弹性追踪间隔模型, 分析了列车运行过程中追踪间隔的实时变化; 基于弹性间隔模型设计列车追踪运行控制策略动态调整机制, 采集列车实际运行数据, 实时监测相邻列车间的实际追踪间隔, 评估其是否符合安全性与效率约束条件, 并分析了评估结果; 依据工况调整原则在线调整追踪列车的运行状态与工况, 实时优化列车追踪间隔; 应用武广高速铁路赤壁北—长沙南区间的实际运行数据进行了仿真验证。仿真结果表明: 与真实区间运行数据相比, 采用离线最优运行控制策略曲线后, 运行能耗降低了6.86%;与固定追踪时间间隔模型相比, 采用基于弹性模型的控制策略动态调整机制有效提升了铁路整体运输效能, 将临界安全发车间隔从234 s缩短至161 s, 线路整体运行效率由6 434 s缩短至6 376 s, 与真实运行数据相比, 追踪列车的运行能耗降低了7.194%。      

基于弹复力调整的高速列车群动态运行轨迹优化方法

为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明:提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。      

高速列车运行调整与运行控制一体化双目标优化模型与算法

列车实时运行调整与运行控制是实现高速列车准点节能运行的两个重要方面.本文构建高速列车运行调整与运行控制一体化优化模型，以降低列车总延误时间与运行能耗为目标，同时优化列车速度距离与时间距离曲线.与以往研究将列车运行调整与运行控制独立优化不同，本文基于列车牵引计算，通过锁闭时间理论将列车运行调整与控制的解空间进行耦合，根据列车运行速度、制动性能、信号系统的清空与开放时间、轨道区段/闭塞分区的长度等因素，精细化计算列车占用不同轨道区段/闭塞分区的时间，动态确定列车区间运行时分与追踪间隔.为求解复杂的非线性模型，设计分段近似法将非线性约束进行重构，从而将非线性优化模型转变为混合整数规划模型.通过算例计算，给出双目标问题的帕累托解集，与单目标优化方法对比，本文方法可以减少总能耗2.46%，降低运行总延误7.33%.     

广义预测控制算法在ATO系统中的研究仿真

对广义预测控制（GPC）算法进行了研究,并将GPC算法应用在自动运行（ATO）系统中。通过该算法的使用,列车能较好地跟随目标曲线运行,由于目标曲线是根据列车牵引计算得到的最优的列车运行曲线,从而保证列车安全、平稳、正点地自动运行,同时也确保列车进站停车的精确性。     

MRT列车运行模拟模型的多目标改进遗传算法

为了求解城市快速交通（MRT）列车运行模拟模型，寻找最优的列车运行控制曲线，构造了多目标改进遗传算法．以列车运行过程中工况转换点为基因编码依据，以多个基因构成一个染色体代表一个控制方案，从而形成初始种群；根据列车运行控制的停站误差、时分误差和能耗等目标要求设计适应值函数；通过个体有效性检查保证选择、交叉和变异过程中新个体的有效性，并在各算子中加入保优算子，使新种群不淘汰上一代最优个体．实例计算表明，与多质点优化模型相比，在一定的误差范围内，遗传算法能够减少能耗10％以上，并能提供大量次优解，具有明显的优化效果．     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

运行图驱动的城轨供电系统负荷过程动态仿真

针对城轨供电系统采用平铺运行图进行负荷过程仿真分析与实际负荷过程差别大，不能准确反应供电系统运营阶段的诸多问题，将运行图中各列车运行时分作为约束条件，建立列车定时节能运行的指标函数，以提高仿真模型准确性；基于固定阶梯级目标速度搜索算法优化列车操纵序列，还原多列车具有电气信息的运行轨迹；以实迹运行图为驱动，实现了供电系统正常运行与异常情形下的负荷过程仿真分析. 算例分析结果表明:基于实迹运行图的仿真结果与实测牵引变电所负荷过程曲线的Pearson相关系数在0.89以上，负荷过程特征值仿真与实测的最大误差不超过6.85%，较平铺运行图仿真结果准确度最高可提升12.91%.      

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

改进粒子群算法的轨道列车节能控制优化

当前列车节能控制研究的优化算法存在优化效果不明显,收敛速度慢等一系列问题,提出了一种引入自适应惯性权重,同时加入具有调整能力的动态学习因子与改进速度更新公式的粒子群优化算法。一是通过惯性权重来平衡不同阶段的搜索能力,加入拥有调整能力的动态学习因子,着重加强算法后期的运算效率和收敛能力,同时引入惩罚函数,将列车运行过程中的拘束条件转化为惩罚因子,提升搜索速率;二是对传统的速度更新公式进行改进,用来降低选取到不理想的粒子影响寻优结果的概率。经过Matlab仿真分析,与传统的列车运行优化算法相比,改进后的优化算法收敛速度更快,列车节能效果更好。     

高速列车运行调整与运行控制一体化双目标优化模型与算法

列车实时运行调整与运行控制是实现高速列车准点节能运行的两个重要方面.本文构建高速列车运行调整与运行控制一体化优化模型,以降低列车总延误时间与运行能耗为目标,同时优化列车速度距离与时间距离曲线.与以往研究将列车运行调整与运行控制独立优化不同,本文基于列车牵引计算,通过锁闭时间理论将列车运行调整与控制的解空间进行耦合,根据列车运行速度、制动性能、信号系统的清空与开放时间、轨道区段/闭塞分区的长度等因素,精细化计算列车占用不同轨道区段/闭塞分区的时间,动态确定列车区间运行时分与追踪间隔.为求解复杂的非线性模型,设计分段近似法将非线性约束进行重构,从而将非线性优化模型转变为混合整数规划模型.通过算例计算,给出双目标问题的帕累托解集,与单目标优化方法对比,本文方法可以减少总能耗2.46%,降低运行总延误7.33%.     

考虑总延误时间和延误恢复时间的城轨列车运行调整优化

现阶段城市轨道交通具有行车密度大、追踪间隔短等特点,列车延误一旦发生,其传播的速度快、影响范围大。为保证列车运行的正点率以及运输效率,根据城轨列车实际运营需要,在传统列车运行调整模型的优化目标中加入延误恢复时间最小这一目标,建立了以列车总延误时间和延误恢复时间最小为优化目标的城轨列车运行调整模型,并采用遗传算法对问题进行求解。最后以成都地铁一号线的列车运行调整问题为案例,根据城市轨道交通实际运营情况分别分析模型在ATO模式以及人工驾驶模式下的优化效果。结果表明当列车在人工驾驶模式下运行时,该列车运行调整模型可以在基本不影响总延误时间的同时显著降低列车的延误恢复时间。     

一种新的双种群PSO-DE混合算法

给出一种新的粒子群算法和差分进化算法相结合的混合算法.该算法基于一种双种群进化策略,其中一个种群由粒子群算法进化,另一种群由差分进化算法进化.此外,采用一种信息分享机制,在算法的进化过程中2个种群中的个体可以实现协同进化.为了进一步提高混合算法的性能,在差分进化算法中融入一种线性递减加权策略的变异操作和指数递增交叉概率算子.通过4个标准测试函数的测试结果表明文中提出的混合算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法.     

基于遗传算法的列车运行能耗优化算法

研究了CBTC系统中列车控制模型和列车运行调整,以降低能耗为目标,对列车在区间的运行控制进行优化组合,提出了基于遗传算法的能耗优化算法,根据具体的线路条件,计算了在不同的运行等级下或不同区间运行时分对应的列车运行速度曲线。以一段2 400m长,具有典型节能坡设置,且包含一段60km.h-1区间限速的线路为例,进行了能耗计算和优化仿真。研究结果表明:优化之后速度曲线与其对应的运行等级2、3、4的速度曲线相比,列车牵引能耗减少到原来的62%、58%、60%,节能效果显著,算法有效。