基于遗传算法列车自动运行速度曲线的优化

本文探讨了列车自动运行系统(ATO,Automatic Train Operation)中的列车自动运行速度曲线的优化问题.根据ATO控制指标的要求,建立了包含速度防护、舒适度、节能、精确停车等多个目标的列车运行控制模型;采用遗传算法对列车自动运行控制策略进行优化,验证和仿真了优化后的速度曲线,直观反映了列车自动运行的安全性,舒适性,高效性和停车精度等性能提高情况.     

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。     

城轨列车运行时分节能优化方法

基于传统的城轨列车站间运行曲线优化模型,研究列车运行图中的运行时分优化模型和方法。同时在满足运营需求的前提下,以降低城轨列车运行能耗为目标利用遗传算法对列车全周转内各个站间的运行时分进行优化。根据北京地铁亦庄线的实际数据,对以上方法的节能效果进行实际验证和比较。结果表明,基于遗传算法的城轨列车运行时分优化方法相比城轨列车实际运行与仅优化站间驾驶策略方法分别可以获得17.3%与4.1%的节能效果。     

基于不同速度控制模式的列车驾驶策略优化研究

列车驾驶策略优化通过优化列车速度曲线降低列车牵引能耗,在列车准点运行的前提下降低铁路系统运营成本。为了探究连续控制型和离散控制型列车节能速度曲线的节能效果差异,对比优化2种速度控制模式的列车节能速度曲线,并给出了相应的结论。分析列车牵引计算模型和节能运行工况模型,建立列车区间运行多目标优化数学模型。分析列车运行时间与列车运行能耗的关系,将区间运行时间最短的列车区间最速曲线作为参考基准,同时给出列车区间最速曲线生成方法。分别提出2种速度控制模式的列车驾驶策略多目标优化方法及其对应的优化算法决策变量通用设置规则,再采用粒子群优化、模拟退火和模式搜索法优化列车速度曲线。基于实例进行验证,生成2种区间运行时间方案下CRH3C型动车组列车从岳阳东站到汨罗东站的列车区间最速曲线、连续控制型列车节能速度曲线和离散控制型列车节能速度曲线。此外,对比水平线路上的3种列车速度曲线。结果表明：延长列车区间运行时间可以有效降低列车区间运行能耗;含有下坡道的变坡度线路上,连续控制型列车节能速度曲线节能效果更优;水平线路上,离散控制型列车节能速度曲线节能效果更优;2种速度控制模式下,粒子群优化的节能效果优于模拟退...     

基于遗传算法的列车自动驾驶过程优化研究

针对列车自动驾驶系统（ATO）控制的目标复杂多样和环境变量不稳定等问题,在对列车的运行过程进行研究的基础上,建立了列车运行过程的多目标优化模型,并用遗传算法对列车的目标曲线进行优化,同时加入精英统治保持模型的高适应度,提高了运算速度,得到列车运行的最优控制策略。仿真结果表明,该系统在兼顾列车运行的准时性、停车精度、能耗及舒适性等多目标的情况下,使列车运行的各项性能指标都有所提高。     

基于Pareto多目标遗传算法的高峰时段多地铁列车节能优化

城市轨道交通列车在运行过程中会频繁地启动和制动,如何提高列车运行中电能的利用率、降低牵引能耗在城市轨道交通领域有着重要的意义。在高峰时间段运行时,由于客流量较大,单位时间发车数量较多,所以同一供电区间的相邻列车间重叠运行的时间较长,再生制动可利用能量很大。针对高峰时段多列车运行的特点,采用Pareto多目标遗传算法对高峰时段列车运行进行节能优化。通过合理优化列车在各站的停站时间来优化列车时刻表,最大效率地利用列车运行中再生制动能量。     

基于遗传算法的跨坐式单轨列车牵引曲线优化研究

以跨坐式单轨列车牵引计算理论为基础,结合跨坐式单轨列车运行要求,建立了以运行时间和能耗为目标的单轨列车运行优化模型,运用遗传算法对牵引曲线的关键点进行优化。以重庆市轻轨2号线为例,对该线13个站间牵引曲线进行优化,并将优化前后曲线进行了对比,结果显示运行时间和运行能耗得到一定程度改善,整个区段上运行能耗下降了16%,运行时间节约2%。     

基于实数遗传算法的列车优化操纵曲线研究

列车优化操纵是列车节能控制的关键问题，以列车运行动力学方程和牵引计算理论为基础，结合列车运行过程中的要求，构建以能耗、时分误差、限速等为目标的列车节能控制模型，采用实数遗传算法，通过Visual Basic编程对此问题进行求解。在已知列车编组的条件下，以DF4型内燃机车牵引客车、空气制动和燃油量曲线为基础，得到给定运行时间、距离条件下的优化操纵曲线，从而对司机操纵给出指导性意见。     

遗传算法在ATO目标速度曲线规划中的应用

在列车自动驾驶(ATO)系统中,结合遗传算法和列车逐级变速技术,规划出列车运行的目标速度曲线,实现了对列车加速、巡航、减速等运行状态的规划控制.仿真结果表明,该算法满足列车对目标速度曲线的安全性、准时性、节能性和舒适性等要求,可运用于ATO系统和培训仿真系统.     

基于Q学习算法的城轨列车智能控制策略

牵引能耗是列车能耗的主要组成部分,针对城轨列车节能运行的问题,将列车运行状态离散化,以列车对速度控制作为动作空间,时间和能耗作为奖励函数,提出一种基于Q学习算法的城轨列车智能控制策略.在不使用离线优化速度曲线的情况下,根据列车当前位置和速度实时计算最优控制策略;同时,在传统Q学习基础上,将∈-greedy策略与司机驾驶...     

基于双重启发式动态规划算法的列车运行调整研究

通过对列车行车组织特点及运行调整策略的研究,采用自适应动态规划体系中的双重启发式动态规划算法,建立了列车运行调整模型.双重启发式动态规划算法适合处理具有实时性、约束性、非线性、随机性等特点的列车运行调整复杂动态系统的优化控制问题,通过仿真验证,该算法求解速度快、精度高,对列车晚点的调整起到了良好的控制作用.为列车运行调整的深入研究提供了一定的参考价值.     

基于PID算法ATO系统的仿真研究

基于现有列车运动模型,设计了列车速度闭环仿真模型,其中控制器采用PID控制算法,当系统输入波浪形V-S曲线时,在PID控制器控制参数设置恰当的情况下,系统输出的V-S曲线具有较为满意的跟随性,在输出的加速度曲线中在列车的启动阶段和中间速度波动阶段会有尖峰波动现象。针对基于PID控制算法的ATO系统出现的问题进行了分析。     

考虑乘客流影响的列车运行调整难点研究

本文针对基于通信的列车控制(CBTC)系统中列车运行的特点,研究了运行调整中的难点问题-晚点传播,即在前行列车发生初始延误的条件下,引起后行列车或其自身的后效晚点现象.分析了乘客流对列车晚点的影响,在建立列车停站模型时,考虑乘客流的影响,提高该系统的可行性.建立了以列车总晚点时间为优化函数的运行调整模型,最后利用matlab中的遗传算法工具箱对此进行求解,实验结果显示了该模型应用于实际运行调整时的可行性和有效性.     

基于客流影响的城轨交通列车运行调整研究

列车运行调整是城轨交通调度指挥行车的重要内容,但存在约束条件多、搜索空间大、可行解范围小等问题,往往难以获得满意解。为解决该问题,结合城轨交通列车运行特点,本文建立基于客流量影响的列车运行调整优化模型,采用改进粒子群算法进行求解。通过与遗传算法、粒子群算法对比,验证本文模型及算法的有效性。     

利用红外线探测网络的列车接近报警系统

随着铁路大提速的展开.列车运行速度已在主要干线达到或超过了200 km/h,在高速铁路上上道作业,对人身安全存在很大的威胁.本文利用现有红外线探测网络资源,开发了利用红外线探测网络的列车接近预报系统,节约研制生产费用,确保职工上道作业人身安全和生产运输安全.     

高速铁路动车组运用计划编制数学模型及优化

分析影响动车组运用计划编制的主要因素，在不固定动车组运用区段的前提下，根据列车运行图，以动车组的运用交路和检修模式为约束条件，以减少动车组的使用数量、降低检修成本为优化目标，建立动车组运用计划和检修计划的一体化优化模型，设计求解模型的遗传算法。     

铁道轮轨黏着系数

铁道轮轨黏着限制对铁道列车安全运行至关重要,尤其现代高速列车速度已达350—360 km/h,并有向400 km/h甚或以上推进的趋势,所以高速轮轨黏着条件能否支持高速牵引力与制动力就是一个现实课题。时至今日,尚无法用理论方法推算轮轨黏着系数公式格式和数值范围,只能用纯经验方法处理。本文推荐常规列车中不同型式机车(牵引)计算黏着系数的实用公式,并提供3种核算利用黏着系数的方法,基于核算、分析与讨论若干类别的高速列车利用的黏着系数范围与少数既有的高速黏着系数公式之间的位置与关系,最终推荐中国湿轨黏着系数的实用公式(μ_j=0.04+13.7/120+v),作为高速列车(牵引与制动)统一的计算黏着系数公式以及常规列车的(制动)计算黏着系数公式。     

上海磁浮示范运营线列车速度曲线监控功能分析

介绍了列车速度曲线监控功能的基本工作原理和构成形式。速度曲线监控功能可监控列车的实时速度和位置,确保其按规定速度行驶,是运行控制系统中保证列车行驶安全的核心功能。