城市轨道交通列车运行过程的多目标优化研究

为了使城市轨道交通列车运行曲线能更好地为司机提供驾驶指导,进一步保证列车高效运行,在前人研究的基础上,建立包含巡航模式的列车运行过程优化模型。在建模过程中综合考虑列车运行过程的时间、能耗、乘坐舒适度、精确停车等多个性能指标,并使用差分进化算法对建立的模型进行求解。由于传统的差分进化算法存在许多不足,采用一种具有自适应参数调整策略的改进差分进化算法。通过调整算法的变异因子和交叉因子,增加了种群的多样性、扩大了全局搜索区域,避免了局部最优解,同时在后期也加快了收敛速度。通过对所选线路的仿真优化,使各优化性能指标达到了整体相对最优,验证了模型与算法的有效性。     

重载列车优化操纵算法设计与仿真

文章针对电力牵引重载列车的运行特点,对重载列车的优化操纵问题进行了分析研究,设计了一种基于模糊预测和再优化的列车运行控制算法。该算法先使用模糊逻辑控制器产生操纵队列,预测列车未来一段区间的运行情况,然后对产生的操纵队列以安全、节能为目标进行反复优化。算法通过对操纵队列的有重合区间局部寻优来保证得到近似全局最优解。文章使用列车牵引计算模型对算法进行了仿真验证,结果表明该算法产生的操纵队列基本达到了重载列车运行要求。     

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。     

基于改进差分算法的高速列车运行调整研究

为了压缩高速铁路列车运行的总晚点时间、编制高质量的列车运行调整计划,建立高速铁路列车运行调整模型,运用矩阵描述高速列车运行调整中的相关概念,以列车到发线数量、列车追踪时间间隔、列车停站时分等作为高速列车运行调整的约束,以列车在各站的到达的总晚点时间最少为优化目标,构建高速铁路列车运行调整模型。在分析基本差分算法差分策略的基础上,提出基于三角差分策略的高速铁路运行调整差分算法,给出详细的计算步骤。以京广高速铁路实际列车运行数据进行计算,验证了模型的有效性和算法的高效性、精确性。本文提出的基于新的改进的差分策略的高速铁路列车运行调整方法是合理可行的。     

基于黄金比例遗传算法的动车组列车节能优化研究

为研究注重最小化能耗的动车组列车运行控制,针对列车单质点模型受力分析不准确问题,提出一种对附加阻力进行处理的多质点方法,进而以多质点模型为基础进行2次优化。为解决遗传算法寻优时容易陷入局部最优的问题,提出一种基于黄金比例遗传算法的优化方法,1次优化通过该算法为列车运行寻求一组满足约束条件的目标速度集合,获得列车节能运行速度曲线。考虑过电分相对列车运行的影响,进行2次优化,将运行区间划分为操纵固定段和操纵可优化段,并通过黄金比例遗传算法搜索出一组操纵可优化段内满意的工况转换点,结合1次优化得到列车最终运行曲线。以兰考南-开封北线路CRH3型动车组为仿真实例,列车运行能耗降低了10.83%,表明所提方法是可行的。     

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间使得算法性能最佳。以武广高铁85km线路仿真高铁自动驾驶,改进MH算法中随机惯性权重粒子群算法的收敛速度优于原算法。仿真结果表明:改进MH算法在列车运行准点性和停车精度方面得到提升,为ATO在线计算提供思路。     

长大下坡道区间地铁列车节能操纵方法

针对地铁列车在长大下坡道区间长时间使用制动不利于节能的问题,在标准四阶段节能操纵方法的基础上,提出通过优化工况出现的序列及相互间的转换位置、充分利用坡道势能使列车加速进而减少牵引工况持续时间的改进操纵方法;以最大牵引力的牵引终止位置和初次巡航终止位置为决策变量,以列车运行牵引能耗最小为优化目标,建立改进操纵模型;采用加入邻域搜索策略的改进遗传算法和Brute Force算法求解模型,结合案例分析改进操纵模型及算法在不同线路条件和运行时分下的节能效果。结果表明:在限速为80km·h-1的长大下坡区间和给定运行图下(富余时分比例为区间最小运行时分的10%),采用改进操纵方法较标准四阶段操纵方法节能30%以上;改进操纵方法的节能效果与坡道条件、线路限速和运行时分富余量有关,节能效果随线路限速的降低和运行时分的减少而增加。     

基于改进遗传算法的高速列车节能优化研究

为有效降低列车运行能耗,针对高速列车行进过程中的能耗优化问题,讨论了列车运行阻力的计算及列车停车点的设置,以此建立以列车能耗最小为优化目标的列车运行优化模型,提出3代逼近搜索的引导机制,改进了传统遗传算法中的算子,同时引入逆转算子提高算法求解能力。以CRH380B型高速列车和合福高铁(合肥—福州)数据为基础进行仿真,列车运行能耗降低了10.7%。仿真结果表明,提出的改进遗传优化算法在高速列车行进过程中,满足列车运行准时性和安全性,且能够有效降低运行能耗。     

基于遗传优化算法的城市轨道交通多列车运行节能计算方法

针对地铁列车多列车节能问题,提出一种基于遗传优化算法的多列车运行节能计算方法。分析多列车运行过程中制动能量传递使用过程;建立以能耗最少、旅行时间准点为目标,以全天列车运行对数、高/低峰行车对数为约束的多列车运行节能模型;采用遗传算法获得各站最优的停站时间和发车间隔序列,并计算出全线能耗、列车能耗和线路损耗。同时,以我国某地铁线路4个区间组成的短线进行多列车节能仿真,优化得到各站的停站时间和发车间隔时间。     

城市轨道交通列车运行自动调整的优化模型及算法研究

针对城市轨道交通列车运行的特点，以发车时间、停站时间、区间运行时间、追踪间隔为约束条件，以列车总晚点时间和总晚点数目为综合优化目标，构建城市轨道交通列车运行自动调整模型。采用改进的遗传算法对该模型进行求解。并对实例进行仿真测试验证，仿真结果表明，此模型和算法可以满足自动运行调整的需要。     

基于SAHDE-RVM的铁路短期风速预测研究

针对铁路短期风速预测方法中人工神经网络(ANN)易陷入局部最小值、支持向量机(SVM)核函数选择困难等缺陷,提出采用一种基于自适应混合差分进化相关向量机(SAHDE-RVM)对铁路短期风速进行预测研究。首先,改进自适应差分进化算法,引入模拟退火算法对种群的当前最优个体进行二次寻优,形成自适应混合差分进化算法,然后将自适应混合差分进化算法与相关向量机结合,建立自适应混合差分进化相关向量机模型,最后利用本文模型对国内某两段不同铁路沿线实测风速数据进行预测,预测结果表明,本文模型的预测指标均优于传统差分进化算法(DE)参数寻优的相关向量机模型及最小二乘支持向量机(LS-SVM)模型,具有更加出色的预测性能。     

基于动态规划的列车节能操纵优化方法

在保证服务质量的前提下,降低系统运行能耗是目前城市轨道交通发展过程中面临的重要挑战。面向单列车区间运行场景,将列车运行操纵策略作为研究对象,结合动态规划多阶段寻优思路,提出一种在正点运行条件下的列车节能操纵优化模型,并利用多目标优化理论,给出一种高效的模型求解算法。以北京地铁亦庄线为例,验证模型的有效性和算法的高效性。实验结果表明,与其他动态规划方法相比,优化模型的节能效果进一步提升了2.54%,平均运行时间偏差为0.48 s。模型优化效果和算法求解效率与模型参数密切相关,用户可根据实际的优化需求选择合适的模型参数。     

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%。     

PSO-ICS算法优化的城轨列车自动驾驶系统

针对城轨列车控制系统运行模式曲线的设计需求,以精确停车、准点、舒适和节能为速度控制目标,建立城轨列车运行过程的多目标优化模型。采用一种将粒子群优化(PSO)与改进布谷鸟搜索(ICS)相结合的混合方式,即PSO-ICS算法。该方法综合PSO算法信息共享的机制及布谷鸟搜索(CS)算法lévy飞行的优势,能在搜索空间产生足够、多样化的解。与此同时,对CS算法的重要参数进行相应改进,即搜索步长和巢主鸟发现外来鸟蛋的概率这2个参数采用自适应的方式,加快了CS算法的收敛性。将该方法与PSO,CS和PSO-CS分别用于列车运行过程的优化,通过仿真实验比较研究,验证了所提出算法性能的优越性。该算法能实现对列车运行曲线的优化,从而产生最优的决策策略以控制列车的运行。     

一种结合时刻表调整的列车节能驾驶优化方法

为了降低高速列车在连续站间运行的能耗,以区间运行能耗和运行时间为目标建立列车驾驶策略优化模型,采用基于模拟退火的粒子群算法PSO-SA进行求解,得到每个运行区间的能耗-时间Pareto解集,并通过最小二乘法拟合得到每个区间相应的Pareto曲线。在此基础上,提出一种时刻表优化调整方法,在始发站至终点站总运行时分确定的前提下,基于KKT(Karush-Kuhn-Tucker)条件调整每个站间运行时分,给出最优的站间运行时分组合和最佳的区间运行策略。以CRH2A高速列车在镇江南—昆山南区间实际运行数据为基础进行仿真验证,结果表明:通过区间最优工况求解和多站间运行时分调整优化,列车在多站间的总运行能耗降低了17.6%,验证了模型和算法的有效性。     

横风下基于滚动GAPSO算法的列车速度曲线优化

针对普通环境下高速列车目标速度曲线优化算法不适用于横风环境的问题,提出一种横风环境下基于滚动GAPSO(遗传粒子群)算法的列车速度曲线优化方法。首先,考虑横风风速阻力作用改进列车动力学模型,并建立列车运行多目标优化模型;其次,基于GAPSO算法寻优巡航构建列车在起始阶段的最优目标速度曲线,引入滚动优化框架实时调整目标速度曲线,并在横风限速区按照改进快行策略运行;最后,在列车进站前采用GAPSO算法寻优惰行点生成目标速度曲线。仿真实验结果表明：GAPSO算法较GA算法和PSO算法具有搜索能力强、收敛速度快的优点;滚动GAPSO算法能在不同横风环境下实时生成优化后的目标速度曲线,并与改进快行策略和RH-PSO算法相比,具有较优的节能性和准时性。横风下基于滚动GAPSO算法的列车目标速度曲线优化可为横风环境下列车节能、准时运行提供一种可行的解决方案。     

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。     

基于混合微粒群优化的多目标列车控制研究

列车控制策略包括输入控制序列和每一控制序列作用距离两方面,本文建立列车运行过程多目标优化模型,以二进制和实数域的混合微粒群优化方法对该问题进行了研究,二进制微粒群算法优化列车输入控制序列,实数域微粒群算法对列车运行距离进行优化,以此得到列车最佳控制策略;针对实际的问题,提出了微粒群算法中pBest更新和gBest选择策略;并与传统的单个目标的列车运行过程优化模型进行了对比研究,仿真研究结果表明混合微粒群优化算法用于列车运行过程优化控制,可以获得满意的效果。     

横风环境下高速列车头型的多目标优化设计

基于高速列车初始外形的参数化设计,针对各个优化目标建立对应的基于交叉验证方法的Kriging模型;为保证预测精度且尽量减少加点数量,基于最优解点和预测标准差最大点的2点加点准则,利用多目标优化算法得到满足约束条件的Pareto最优解集;利用测试函数验证优化设计方法的可靠性。以3辆编组高速列车为例,以整车气动阻力系数、流线型部分容积、尾车气动侧向力系数和尾车倾覆力矩系数为优化目标,以鼻锥厚度、鼻锥引流、鼻锥高度、车体宽度、司机室视角和排障器形状为设计参数,进行横风环境下高速列车的外形优化。结果表明:多目标优化算法可应用于高速列车头型的优化设计;利用各设计参数与优化目标的作用规律,可指导高速列车头型的工程改进设计。     

超级电容有轨电车多区间节能优化研究

超级电容有轨电车具有高效环保的优点，研究其多区间运行时刻表和运行策略能够进一步降低运行能耗。文章首先介绍车载超级电容能量流动模型，建立列车动力学模型与超级电容模型，以列车系统总能耗最小为目标，建立协同优化列车运行时刻表和运行策略的节能控制模型；设计动态规划算法，求解列车多区间运行时刻表和运行策略；最后通过实车线路进行仿真验证。结果表明，在各区间均采用节能运行策略，相比于标准时刻表，优化时刻表能够进一步降低运行能耗；同时分析了多区间总运行时间与能耗的关系，可综合考虑列车运行能耗与效率制定运行时间，采用协同优化方法确定时刻表与运行策略，从而达到节能的目的。