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。     

混沌微粒群算法在离散型生产调度中的应用

本文基于离散型生产调度问题的定义、约束条件,建立了相应的数学模型,针对微粒群算法后期容易陷入局部最优解且收敛速度慢的特点,提出了混沌的微粒群算法.详细介绍了混沌微粒群算法在离散型生产调度的优化流程,并将该算法用于实际项目,进行优化求解,与基本的微粒群算法对比得出更好的结果,验证了混沌微粒群算法的优越性.     

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。     

多种群分层联合优化的城轨列车ATO研究

针对城轨列车控制系统运行模式曲线的设计需求,在满足安全、精确停车及各种约束条件下,以运行时间和能耗为目标,建立列车运行的多目标优化模型。将粒子群优化PSO算法与布谷鸟搜索CS相结合,即多种群分层PSO-CS联合优化算法。在底层,该方法将整个种群分成若干个小种群,小种群使用PSO算法寻优,再将寻优得到的精英粒子送往高层使用CS算法深度优化,高层优化后的粒子再返回到底层各自的小种群中去。将该方法与多目标粒子群MOPSO分别用于列车运行过程的优化,仿真实验表明,所提出算法得到的Pareto前沿解的收敛性和多样性更好。将该算法用于城轨列车运行曲线的优化设计中,不仅能够获得更优的列车运行控制策略,还能为设计者提供更多选择方案。     

基于粒子群的有轨电车混合储能参数匹配研究

目前，混合储能式有轨电车作为一种高性价比的交通工具已得到广泛应用。混合储能系统承担着有轨电车供能任务，合理配置储能元件对于保障有轨电车正常运行具有重要的现实意义。以混合储能式有轨电车作为研究对象，在多目标、多约束条件下，利用粒子群优化算法，求解混合储能系统最优参数匹配方案；以广州海珠有轨电车THZ1线作为实例进行仿真验证，结果表明:最优配置混合储能系统在降低储能系统的体积、重量及成本、发挥储能元件充放电能力方面具有明显的优越性。     

现代有轨电车通过交叉道口优化控制方案研究

为了提高有轨电车通过道口的效率,比较理想的状态就是有轨电车通过每一个道口时运行方向总是绿灯,电车可以不用在道口处停车等待。根据目前有轨电车的运行特点,要想最大程度地保证有轨电车安全、高效地通过道口,可以从2个方面进行协调:一是现代有轨电车控制系统做出相应调整优化,二是社会交通系统给予相应调整优化。分别分析研究这2个方面的控制策略,并尝试找到2个优化相结合的方法,最大限度地保证有轨电车运行安全和效率。     

有轨电车的重量计算和设备布置优化方法研究

针对五模块铰接式浮车型有轨电车重量计算和设备布局优化方法开展研究,根据材料力学方法提出一种有轨电车重量计算方法,其计算结果与基于FE有限元模型分析结果相比相对误差小于4％,重量计算精度较高.基于Isight优化平台采用多 目标优化算法进行设备布置,因其优化效率低,并且仅能搜索到局部最优解,最终提出采用混合整数线性规划算...     

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...     

置换流水车间新工件到达干扰管理研究

在置换流水加工环境下,以最小化生产流程时间为目标制定的初始加工方案,由于新工件的到达变得不再最优或不可行,为了降低对原始加工方案的影响,在权衡生产成本和扰动成本的情况下,建立双目标重调度干扰管理模型,对初始最优方案进行调整。针对该模型的特点和问题复杂度,结合微粒群算法强大的全局搜索能力,以及非支配排序遗传算法(NSGA-Ⅱ)获得的Pareto解优良的综合性能,提出了一种混合微粒群算法来对问题求解。通过求解经典文献中置换流水车间双目标问题和随机生成的置换流水车间新工件到达问题,结果表明混合算法要优于NSGA-Ⅱ和多目标微粒群算法(MOPSO),同时验证了求解置换流水车间干扰管理问题的有效性。     

粒子群优化算法在多用户检测中的应用

粒子群优化算法是一类有效的随机全局优化技术。它利用一个粒子群搜索解空间,每个粒子表示一个被优化问题的解,通过粒子间的相互作用发现复杂空间中的最优区域。多用户检测技术是直扩序列码分多址中的一项关键技术。将粒子群优化算法应用于多用户检测中,能有效抑制多址干扰,实现结构简单、鲁棒性强的目的,在加速收敛的同时降低了计算复杂度。仿真结果表明,这种多用户检测器充分利用了粒子群优化算法的优良特性,与传统的码分多址接收机、基于进化算法的多用户检测器和基于遗传算法的多用户检测器比较,在误码率和收敛速度等方面都有显著的改善。     

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。     

高速磁浮列车头型多目标气动优化设计

针对常温常导高速磁浮列车头型的几何特点,将其分为流线型和设备舱2个部分,采用改进的VMF参数化方法和曲面离散方法,分别进行参数化设计;对提取的12个设计参数,结合计算流体力学方法、支持向量机模型和多目标粒子群算法,以整车气动阻力系数和尾车气动升力系数为优化目标,以头车气动升力系数为约束条件,进行高速磁浮列车头型多目标气动优化设计,并进行设计参数的灵敏度分析;对优化外形进行工程化改进和风洞试验验证。结果表明:参数化设计方法能够利用较少的设计参数描述高速磁浮列车头型;减少计算量且提高优化效率的支持向量机模型的预测精度满足设计要求;头型长度是影响高速磁浮列车气动性能的关键设计参数,水平剖面型线对头尾车气动升力的影响较为显著;较原始外形,采用根据工程设计要求改进的优化外形后,整车气动阻力系数减小19.2%,头车和尾车气动升力系数分别减小24.8%和51.3%。     

基于捕食搜索策略的粒子群算法求解高铁闭塞分区划分问题

高铁闭塞分区的合理划分可以保证列车的运行安全、提高运输效率和减少投资成本。为了更好地解决这个问题,利用基于捕食搜索策略的粒子群算法求解优化准移动闭塞条件下的闭塞分区划分模型。捕食搜索策略可以平衡粒子的局域搜索和全局搜索,从而避免陷入局部最优,提高算法精度。通过算例仿真,比较基于捕食搜索策略的粒子群算法和标准粒子群算法对模型优化的结果,验证基于捕食搜索策略的粒子算法对模型的求解是有效的,而且得到的解更精确,运算速度更快。     

基于铁路无线通信环境下改进的PSO算法在多用户检测中的应用

随着无线通信技术在铁路系统中迅猛发展和广泛应用,对通信系统装备的抗干扰能力提出更高更新的要求,因此必须研究有效的抗干扰技术以对付日益严重的干扰威胁。在粒子群算法中采用量子力学和经典力学的理论,将量子离散粒子群算法应用于多用户检测技术。在铁路无线通信系统中,可以提高铁路信道质量,降低数据通信误码率,解决列车与调度指挥中心之间的高数据通信中误码率高的问题,并且在抗多址干扰能力明显优于传统检测器。     

基于GAPSO-RBFNN的动车组电机吊架多目标稳健优化设计

基于遗传粒子群(GAPSO)算法获取最优平滑系数,从而改进径向基神经网络(RBFNN);通过电机吊架的灵敏度分析筛选出对其总质量和自然频率等质量特性影响较大的关键设计变量;结合正交试验设计与有限元分析得出电机吊架各质量特性值及对应的信噪比,将试验数据作为输入、信噪比作为输出用于GAPSO-RBFNN的训练和测试,并对比分析预测精度;基于GAPSO-RBFNN构建电机吊架的多目标稳健优化模型,采用NSGA-II多目标优化算法对其寻优求解,并与传统设计方案进行对比。结果表明:GAPSO-RBFNN的预测误差远低于传统RBFNN;优化后电机吊架各质量特性信噪比得到提高,实现了对电机吊架的多目标稳健优化,降低了电机吊架总质量,提高了其自然频率。     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。