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...     

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。     

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。     

基于多智能体的地铁列车运行调整方法

针对移动闭塞条件下地铁列车运行的特点,将降低列车群的总晚点时间和提高相邻列车对客流的吸纳水平作为性能指标,建立地铁列车运行调整模型。应用Agent、多Agent协作技术,构建地铁列车Agent,设计地铁列车运行调整算法,给出基于规则的地铁列车运行调整控制策略。根据列车群晚点程度的不同,列车运行调整分为全局调整和局部调整。全局调整采用偏移计划运行图方法,局部调整采用滚动优化方法,通过多次调整达到恢复计划运行图的目的,并分别给出相应的调整方法和调整步骤。以北京1号线为背景进行仿真测试,仿真结果表明:基于多Agent协作技术的地铁列车运行调整方法是合理的,并具有动态的扩展性。     

基于差分进化的高速列车运行操纵的多目标优化研究

在满足行车安全、区间固定限速、图定区间运行时间及车辆动力学性能约束的条件下,以能耗、实际区间运行时间、精确停车及不舒适度为指标建立高速列车运行操纵多目标优化模型。针对传统差分进化算法易陷入局部最优的问题,对其交叉操作过程进行改进,同时引入模拟退火思想提升算法的最优解搜索能力。利用改进后的差分进化算法对高速列车运行操纵多目标优化模型进行求解,给出相应的优化算法。以京沪高速铁路某区间线路数据为基础,通过计算机仿真验证了所提算法的有效性与实用性。     

城市轨道交通列车运行调整的粒子群算法研究

依据列车行车组织的特点,对列车运行调整策略进行研究,建立了列车运行调整模型.模型中涉及的约束条件较多,对实时性和延迟传播有着严格的限制,从而使问题的求解成为难题.在模型的求解过程中,粒子群算法有计算速度快、收敛性强的特点,满足模型实时性的要求.因此在列车运行调整中采用了粒子群算法,实现了列车运行调整的高效求解.     

中低速磁浮交通多车协同利用制动能量的研究

首先分析了中低速磁浮交通单列车运行能耗和供电系统,在此基础上建立多列车运行能耗模型。为了充分利用再生制动能量,提出了可对运行间隔、停站时间和区间运行时分微调的列车运行时刻表制定方法。设计了多种群遗传算法,以多列车运行能耗最低和最大程度利用再生制动能量为目标,优化列车运行时刻表。通过采用精英保留策略和移民策略算法,提高了寻优过程的稳定性和速度。仿真结果表明,本文方法可将再生制动能量的利用率由传统14.8%提高到80.9%,将被利用的再生制动能量与运行能耗比值由传统0.74%提高到4.2%。     

中速磁悬浮列车的分数阶运行控制方法

针对中速磁悬浮列车运行控制系统的高控制精度与高鲁棒性要求,提出一种基于分数阶PID的运行控制方法.首先,根据中速磁悬浮列车运行数据,利用粒子群优化-模拟退火算法辨识列车空气阻力系数,提高列车动力学模型精度.然后,设计分数阶PID速度控制器,跟踪列车目标速度曲线,降低各类运行阻力对列车运行过程的影响.最后,基于试验线数据...     

隔离小生境粒子群算法在地铁列车运行曲线优化中的应用

针对地铁列车运行优化指标过于单一的问题,提出了牵引-巡航-惰行-制动模式运行曲线的计算流程,综合考虑能耗、乘客舒适度、运行时间、停车精度等指标,用Fi(综合优化目标函数)值度量综合运行质量(其值越小表示越接近理想状态),并建立列车运行曲线的优化模型。结合粒子群算法和小生境技术,设计了应用于列车运行曲线优化的隔离小生境粒子群算法(INPSO)。结合实例仿真,利用INPSO优化模型,确定最优惰行末端速度,实现了高质量列车运行曲线的计算。其中INPSO优化后的Fi值实际只是基本粒子群算法优化结果的58.96%,效果显著,证明了INPSO寻优的有效性以及可靠性。     

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。     

基于多代理机制的列车运行调整模型及算法动态集成研究

分析列车运行调整问题研究的现状与进展,主要集中在模型研究和算法研究两个方面。分析传统求解模型及算法研究的局限性,提出对现有模型及算法进行动态集成的研究思路。采用基于多代理机制的动态集成方法,将模型对象和算法对象转化成多个代理,定义多代理之间的交互策略,实现调整方法的动态集成。提出基于多代理机制的列车运行调整问题模型及算法的动态集成系统。     

基于虚拟耦合的列车群体智能控制技术研究及展望

铁路列车运行控制方式经历了固定闭塞、准移动闭塞和移动闭塞的发展过程,随着车联网和群体智能等新一代信息技术的快速发展,更高效率的先进列车运行控制技术成为研究热点。面向下一代铁路列车运行控制系统,研究一种基于虚拟耦合的列车群体协同运行控制技术,提出采用多智能体系统(MAS)对虚拟耦合列车群的运行进行控制的方法,刻画其控制规则并构建以列车群稳定协同运行为目标的控制模型。在此基础上,设计基于虚拟耦合的列车控制及调度系统框架,采用仿真技术验证该方法可大幅缩短列车运行间隔,提升运行控制效率。最后分析总结基于群体智能的列车运行控制技术研究及发展方向。     

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。     

基于改进YOLOv3的铁路落石检测方法研究与实现

我国山区铁路沿线边坡崩塌落石侵入铁路限界将严重危及列车运行安全,当前铁路危岩落石的自动化监测系统存在误报、漏报及时效性低等缺点,各类监测系统对侵限落石的检测方法成为了制约系统性能指标的关键因素。本文收集了大量铁路真实场景下的崩塌落石样本,并选取Faster RCNN和YOLOv3算法进行了落石检测对比实验,实验表明YOLOv3算法与Faster RCNN算法检测精度相近,但检测速度更快,因此本文选取YOLOv3算法构建铁路边坡落石检测模型。由于YOLOv3算法对铁路落石群的检测准确度较低,本文采用多尺度检测以及调整网络超参数等方式对YOLOv3框架进行了改进,结果显示对落石群检测准确度提升效果较为明显,更能满足铁路沿线危岩落石检测的实际应用要求。     

铁路列车运行调整模型及三群协同粒子群算法的研究

列车运行调整问题是一类NP完全问题。根据列车运行调整的原则和基本方法,设计了双线铁路区段列车运行调整的数学模型,并利用三群协同粒子群算法进行求解,提高了模型求解的时效性,可为铁路行车调度调整起到很好的辅助决策作用。     

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。     

基于小生境粒子群算法的ATO运行过程优化研究

针对自动驾驶(ATO)列车的低能耗、高准时和高舒适度问题,以列车运行过程中的安全性及其列车动力学模型为约束条件,建立列车运行过程的多目标优化模型,提出粒子群算法与小生境技术相结合的求解算法。该求解算法首先计算随机生成的粒子间欧式距离的平均值,确定小生境半径,划分小生境种群;采用共享机制对更新后的小生境群体进行调节,提高粒子的适应度值;最后通过迭代求出最优解。通过对选取线路的仿真模拟,验证该算法在降低ATO列车的运行能耗、提高列车运行过程的准时性与舒适性方面的有效性。     

基于多加速度计融合算法的列车运行坡度测量装置

提出一种基于多加速度计融合的列车运行坡度测量装置.该装置通过不同角度的加速度计来测量列车的实时加速度,结合加速度计融合算法,可动态计算出列车所在位置的线路坡度值.该方法使得列车不依赖于精确定位和电子地图就可进行超速防护,提升了安全性和可用性,有利于推广应用到互联互通CBTC(基于通信的列车控制)系统中.     

列车运行调整微粒群算法研究

列车运行调整问题是铁路行车调度指挥工作的重要内容,决定着区段内行车秩序的优劣。这一问题的计算机自动求解算法是我国铁路信息化建设的一个核心技术和难点问题。本文依据我国铁路行车组织体制的特点,建立了相应的模型。在模型的求解过程中,先运用大系统理论将列车进行分层分级,从而将待解的原始问题分解成若干个子问题,在对分解后的问题进行求解时,设计了微粒群算法,运用该算法可快速得到各子问题的近似最优解。然后,应用系统原理对问题进行还原,即可快速得到一个满意度高、可用性强的列车运行调整方案。最后,采用现场数据,应用该算法对列车运行调整问题进行求解,并与遗传算法进行比较,结果表明微粒群算法解决列车运行调整问题高效、实用。