基于机器学习和非支配排序遗传算法的盾构姿态预测与优化北大核心

提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析。将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围。结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著。该优化方法可靠适用,值得推广。     

基于遗传算法的机车周转优化模型

机车在多个交路间周转时可以提高机车运用效率，基于引建立了机车周转优化模型，并引入遗传算法进行求解。     

基于混合系统模型预测控制的列车优化运行

为保证列车高效率运行,需要对自动驾驶系统进行高效设计。列车运行过程具有高度非线性化的特性,针对这一特性,通过引入整数变量,建立基于混合系统的列车混合逻辑动态模型,其次考虑列车运行过程的多重约束,通过二次规划求解控制律。同时为了降低控制器计算量,在模型预测控制的基础上引入了阶梯式控制策略。最后利用Matlab仿真软件使其跟踪一条即定曲线,对所提的控制策略进行数值仿真。结果表明,该控制器可以在降低计算量的基础上,保证列车准时高效跟踪既定曲线,当改变控制器参数时,对跟踪效果有较大的影响。仿真结果对本文采用的方法进行了有效验证。     

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.     

基于低碳与随机需求的多目标车辆路径优化

考虑B2B电商环境下随机需求以及低碳要求对物流配送环节的影响,以配送总成本最小、车队规模最小以及客户时间满意度最大为目标,建立基于低碳与随机需求的多目标模型,针对该模型特点,设计基于Pareto最优的多目标遗传算法。最后以步步高集团云通物流为实际配送优化案例,对上述优化模型及其求解算法的有效性进行验证。研究结果表明：从政府管理的角度,碳税额定为70元/t最优,从物流配送行业的角度,碳税额定为40元/t最优。配送企业的不同优化目标偏好与配送优化决策方案的选择密切相关。本模型可为政府制定合理的碳税政策以及企业制定合理的配送决策提供理论依据。     

突发事件下考虑旅客时间价值的列车开行方案研究

突发事件对铁路旅客出行及运输组织造成了极大的影响,且突发事件下旅客出行选择行为与正常情况有明显的差异。为此,分析突发事件下旅客的出行方式选择行为,利用轨道交通综合网络间的相依特性,研究旅客列车的开行问题,以减轻突发事件对旅客运输组织的影响。首先,分不同支付能力从经济性、快速性、舒适性、方便性及安全性等方面研究旅客广义出行费用。其次,针对突发事件下列车开行方案的编制问题,提出以旅客广义出行费用最小及铁路部门运输成本最低为优化目标,以线路通过能力、满载率、车组数量及铁路旅客服务率等为约束条件的多目标规划模型。进而,根据模型特点设计带精英策略的非支配排序遗传算法,并结合考虑旅客时间价值优先级的Logit客流分配策略对模型进行求解。最后,利用算例对模型和算法的有效性进行分析,研究结果表明：突发事件下基于旅客时间价值的广义出行费用进行开行方案动态调整可有效提高铁路旅客服务率。突发事件下考虑旅客时间价值的列车开行方案模型可有效满足突发事件下旅客出行需求,降低突发事件下铁路部门运输成本;问题的研究有助于降低突发事件的影响程度,可为提高突发事件下的应急保障水平提供依据。     

基于时间连续性的企业枢纽车站进路选择优化

企业铁路车站的线路结构及作业方式较普速铁路车站更为复杂,其货运调车作业的进路选择较客运行车作业有明显不同.根据企业铁路枢纽站行车作业与调车作业并存以及调车作业繁多的场站特性,考虑调车作业的进路选择具有时间连续性即前项作业的完成情况直接影响后续作业的进行,建立进路冲突延误时间最小及走行时间最少的多目标进路选择及时间安排模...     

基于DP-SQP方法的列车动态编组优化控制

动态编组逐渐成为列车运行控制领域的研究热点之一,低牵引能耗、高编组精确性、强抗干扰能力的多目标控制是实现动态编组的难题.针对这一问题,提出一种基于动态规划(DP)-序列二次规划(SQP)的优化控制方法.首先,对动态编组过程建立数学模型;然后,建立以低能量消耗和精确编组为目标的动态编组优化问题,在离线状态下使用动态规划算...     

基于遗传算法的铁路纵断面优化系统的研究

提出一种基于全局最优的改进式遗传算法.采用改进的启发式交叉算子和多种算子混合操作,加快算法向最优解收敛的速度.给出相应的纵断面优化模型,并改进初始种群生成的方法,将一个二维优化问题转化为两个一维优化问题进行求解,简化了算法的执行过程.引入惩罚函数的概念处理方案的约束问题,设计算法实现的流程图,并开发相应的优化系统.利用实例证明遗传算法在纵断面优化设计中的可行性及全局寻优的性能.     

基于遗传算法的铁路纵断面优化研究

针对铁路纵断面优化问题,基于遗传算法建立铁路纵断面优化模型。研究结论:在初始铁路纵断面方案基础上,基于遗传算法进行纵断面自动优化,可以提高优化速度和优化结果;以变坡点里程及设计高程为优化设计变量,依据对纵断面设计内涵的分析,构建了遗传算法的多目标适应度函数;在种群多样性评价的基础上,确定选择、交叉和变异算子操作概率的自适应调整方法;在纵断面优化理论的研究基础上,利用VC.NET和ObjectARX2006编制了基于遗传算法的纵断面优化程序。     

基于地质实体的铁路选线优化与决策模型设计

铁路选线设计是在三维空间决定线路位置的决策优化过程,特别是山区,河谷深切、构造复杂,不良地质普遍发育。岩溶、顺层、滑坡、断层破碎带和崩塌等主要不良地质现象分布广泛,比选线路方案时对地质因素考虑得最多,更加注重“地质选线”,地质因素往往成为线路方案取舍的决定因素。采用智能选线技术,依据技术标准并考虑约束条件可自动生成经济、节能、环保、合理的线路优化方案,为此,本文就遗传算法的基因编码、线路染色体、终止准则优化模型实施步骤开展设计。研究成果对指导西南山区铁路选线设计具有重要的优化作用。     

基于CO_2排放的车辆路径优化模型及其算法研究

物流不仅是能源消耗大户,同时也是CO2排放的重要来源。在分析配送车辆燃油消耗和CO2排放因素的多种车辆类型车辆路径问题特点的基础上,构建其相应的优化模型,并给出基于遗传算法的启发式求解算法。最后,针对该模型和求解算法进行数值算例仿真,研究结果显示:路径最短的路线不一定是能耗最小的路线;与传统基于路径最短的车辆路径对比,基于CO2排放的车辆路径总行驶里程较长,但其综合成本较低;遗传算法是解决绿色车辆路径问题的一个有效的求解算法。     

考虑人工驾驶的动车组列车节能运行优化

铁路运输中列车牵引能耗是主要的能源消耗。为有效减少列车牵引能耗,首先应用无制动保持速度的驾驶策略,考虑人工驾驶的特点和列车驾驶员实现驾驶命令时存在的不确定性,以列车运行时间和牵引能耗为目标,在满足一定的停站精度、线路条件等约束条件下,提出基于仿真的列车节能运行模型。然后应用模糊非支配排序遗传算法求解列车节能运行方案和最优能耗曲线。最后以广州东-东莞线路CRH1A型动车组为仿真实例,列车牵引能耗可降低7.8%,验证了模型的可行性和实用性。     

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....     

基于时间窗的城市医药品动态配送路径优化模型与算法

由于城市医药客户需求的随机性和不确定性,需要对医药品进行动态配送路径的优化.以客户服务时间窗为约束,以降低药品配送费用及提高服务准时性为目标,建立配送路径初始优化模型与动态优化模型,并利用遗传算法进行求解.研究结果表明:遗传算法能迅速收敛到最优解,配送费用得到较大程度的节省,服务准时性得到较大提高,能较好地满足城市医药...     

基于遗传算法的车载天线布局优化

基于遗传算法变换车载天线的位置坐标,可以产生大量截然不同的高性能设计方案,保证了天线布局设计的多样性,有效的克服了传统方法中的人为因素.并在此基础上结合机车顶上的实际情况提出了车载天线布局优化的目标函数,详细讨论了如何利用Matlab数学工具建立数学模型得到优化布局的天线位置坐标,并通过三维电磁仿真软件验证了天线布局的正确性,为实际的天线布局提供了理论依据.     

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。     

基于基因遗传算法的车轮踏面优化

结合遗传优化算法与车辆动力学仿真,对车轮踏面进行动态优化。建立了与车辆系统关键动力学指标相对应的适应度函数,根据优化目标选择加权系数形成综合适应度函数。以磨耗形踏面作为父本踏面,生成初始踏面群体,使用动力学软件SIMPACK计算不同踏面个体对应的动力学指标,用基因算法对各踏面个体的适应度进行评价,选择适应度较高的踏面进行交叉和变异操作形成新的踏面群体,如此进行数代遗传优化得到了适应度较高的踏面形状。     

基于模糊多目标优化的城轨列车车门系统维保周期的研究

科学制定车门系统维保周期对整个城轨列车系统的安全高效运营具有重要意义。采用模糊多目标优化算法对城轨列车车门系统维保周期进行优化:分别确定可用度、经济性、任务可靠度与维保周期的关系函数;以可用度、经济性为优化目标,以任务可靠度为约束条件,建立基于模糊层次分析法的维保周期模糊多目标优化模型。对某地铁公司2号线车门系统进行实例分析,验证了模型的有效性。