基于改进DE的城轨列车节能速度曲线研究

采用改进交叉策略的差分进化（DE，Differential Evolution）算法，研究城轨列车节能优化的速度曲线生成。该算法以起点到目标停车点的距离和工况状态值作为个体基因，基于改进交叉策略，结合工况转换原则，对变异后的个体基因进行有效化处理。建立末速度、停车位置误差、运行时间和牵引能耗的评价模型，在满足安全运行和舒适度要求下生成最优列车自动运行（ATO，Automatic Train Operation）速度曲线。经数据仿真测试，牵引能耗为28.8 kw·h。生成的速度曲线，在准时到达的前提下，具有较好的节能效果，对城市轨道交通的列车节能优化运行研究具有一定的参考价值。     

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...     

基于目标速度追踪的城轨列车节能优化算法

为了实现城市轨道交通的节能运行,提出基于目标速度追踪的城轨列车节能优化算法。首先构建列车均质棒动力学模型和节能优化目标函数,利用极大值原理推导出列车节能运行工况。然后重点分析列车运行时间和运行方式对能耗的影响。在对典型方案仿真分析的基础上,提出通过陡坡时的基于等效平均速度法的运行策略,以及目标速度改变时合理利用惰行的运行策略。最后通过目标速度追踪的方法得到速度曲线,实现城轨列车的节能运行。利用上海地铁3号线的数据对本文提出的算法进行验证,结果表明相较实际运行情况,本文提出的算法可以降低25.39%的运行能耗,同时求解得到的速度曲线更加平缓,更适合城市轨道交通的实际运行情况。     

基于蚁群算法的列车节能驾驶策略优化算法研究

针对城市轨道交通运输中列车牵引耗能大的问题,将优化列车推荐速度曲线和改进ATO驾驶策略相结合,提出一种基于蚁群算法的列车节能驾驶策略优化算法.首先建立列车推荐速度曲线优化模型,其次结合司机驾驶经验提出基于蚁群算法的列车推荐速度曲线优化计算方法,然后设计节能巡航驾驶策略对ATO原有驾驶策略进行改进.最后以北京地铁亦庄线实...     

基于蚁群算法的城市轨道交通列车节能运行优化模型仿真分析

对城市轨道交通列车的开行模式、牵引控制特性、驾驶策略优化算法等进行了综合分析，基于蚁群算法建立了优化求解模型匹配的列车最优运行速度曲线，采用OPENTRACK软件对优化结果进行了仿真分析，验证了列车节能运行策略的可行性及算法优化的有效性。     

基于2阶段优化的高速列车节能运行仿真研究

以高速列车牵引计算为基础,节能运行为目标,充分考虑实际运行线路条件,提出包含坡道运行优化和全线惰行优化的两阶段优化方法,分别构建定时约束下的列车节能模型。第1阶段,将线路坡道离散化,使用遗传算法搜索列车运行能耗最小时的速度组合序列,将模型求解转化为最优化问题,获得列车速度运行曲线;第2阶段,通过遗传算法在列车的中间运行阶段选择合理的惰行位置和惰行区间速度,再次优化列车速度曲线。以济南—泰安为站间实例进行仿真,经过2阶段优化后,CRH_3型高速列车节能效果达11.63%。     

临时限速条件下高铁ATO目标速度曲线的研究

针对线路增加临时限速后的高速列车自动驾驶问题,提出一种RH-PSO算法实现ATO目标速度曲线动态调整。列车在区间运行时,根据乘车舒适度以及ATP速度约束采用RH算法进行实时决策,针对临时限速条件实现目标速度曲线的动态调整;在列车即将进站停车阶段,采用PSO算法搜索最优巡航-惰行工况转换点并计算目标速度曲线,使其满足准点要求,并达到舒适、节能的效果。仿真结果表明,所提出的算法在不同临时限速条件下均有效地调整了目标速度曲线。与最快速度策略相比,RH-PSO算法具有较优的舒适度和节能性,在确保可以正点到达的前提下,RH-PSO算法具有较高的准点性,在无法避免晚点时,可防止晚点时间进一步放大。     

快慢车组合运行条件下市域快线节能坡优化模型与算法研究

基于既有研究大多局限于站站停列车运行条件下的地铁节能坡优化,为解决快慢车组合运行条件下市域快线节能坡优化问题,在对列车受力分析的基础上,提出快慢车组合运行下列车运行能耗表达函数,并构建以运行能耗最小和列车运行时间偏离最小为目标的节能坡优化模型,并基于改进的遗传算法设计快速求解算法。通过广州市域快线18号线验证,研究结果表明:本文所提模型与算法能够有效求解节能坡设计方案,相对于原始方案,优化方案在保持运行时间小幅变动的前提下,使列车牵引能耗降低了15.2%～25.2%。并发现快慢车的不同比例对节能坡设计方案和节能效果有影响,慢车比例越大,方案的节能效果越显著。     

基于时间敏感网络的列车通信网络实时流量调度优化

随着轨道交通智能化的发展,列车控制与监测产生的高带宽实时数据对列车通信网络提出了更高的要求。时间敏感网络可作为兼具高传输速率、高确定性和高兼容性的下一代列车通信网络解决方案。然而,实现时间敏感网络确定性通信机制的流量门控调度设计难以拓展到实际场景规模。因此,针对车载网络流量特性,提出一种基于改进增量式调度策略和改进灰狼优化算法的列车通信网络流量门控调度生成方法。首先,基于列车通信网络流量和拓扑结构建立门控调度系统模型。然后,为提高调度生成效率,提出了基于增量式调度的单帧简易调度(Single Frame Simple Scheduling,SFSS)策略,弥补了门控调度模型在计算速度方面的不足。其次,为提高灰狼优化算法的寻优性能,引入了粒子群优化算法、Logistic混沌映射策略和反正切函数,提出了改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,改善了实时周期性流量的实时性能和带宽占用。最后,利用SFSS策略和IGWO算法对列车通信网络门控调度系统模型进行测试和求解,通过实验验证所提出调度生成方法的可行性和有效性。实验结果表明,与其他方法相...     

一种货运列车节能优化方法研究

研究了一种货运列车节能优化方法.首先以列车运行时间为约束,建立列车节能运行优化模型.设计了一种基于极大值原理的动态规划算法,在满足运行时间约束下,实现列车最优节能运行操纵策略优化.本算法仅仅对速度进行离散化处理,相比其他方法需对位置和速度进行双重离散,避免因网格划分引起的速度轨迹波动,同时提高了计算效率.此外,该算法将...     

基于改进遗传算法的ATO速度曲线研究

常用遗传算法研究ATO速度曲线,但其存在着局部搜索能力和全局收敛效果较差的缺点。针对此问题,提出一种基于自适应变异算子的变异策略,并结合精英保存策略使算法全局收敛。然后基于列车动力学和牵引制动模型,建立多目标优化模型,用于求解ATO速度曲线。结果表明:改进算法比标准遗传算法效果更优,生成的ATO速度曲线符合相应模式的牵引控制策略,且算法具有一定的参考价值。     

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...     

基于矩阵离散法的地铁列车节能优化操纵方法及实现

综合考虑由坡道、弯道组成的复杂线路,通过研究列车特定运行规律,对线路隔断分离分析,进而采用拉格朗日乘数法建立限定时间、速度、加速度等约束条件下的最小能耗模型,提出将地铁列车各阶段参数进行离散化分解并编码,继而对不同控制序列建立离散化矩阵模型,以寻找最佳节能操纵策略的矩阵离散方法。引入基于粒子群寻优算法的组合计算以提高算法精确度和增强全局寻优能力,以此为基础设计基于矩阵离散法的地铁列车优化操作智能系统,为列车安全、节能行驶提供理论和实践参考。案例证明该方法有效且计算精确。     

基于极大值原理的电动车组节能操纵

为了研究电动车组列车的节能操纵策略,以列车牵引能耗最小为优化目标,基于极大值原理推导出列车节能运行的最优工况集。考虑线路限速,通过分析伴随变量的变化规律,得到最优工况的切换原则,并在此基础上设计求解列车节能操纵工况序列的数值算法。仿真算例验证了该算法的有效性以及将其用于在线计算电动车组列车节能速度模式曲线的可行性。     

城市轨道列车惰行优化研究

提出了一种基于改进目标速度的惰行节能控制策略。该策略使列车在满足运行时分的前提下以较低的能耗运行。同时在研究和比较了传统的列车惰行控制策略之后,优化了列车在惰行过程中运行工况频繁变换的问题,使列车运行更加合理和满足实际的操纵。最后利用VC++软件实现了该优化控制策略仿真模块的开发,线路模拟结果验证了该控制策略的正确性和可行性。     

横风条件下跨座式单轨车辆曲线通过稳定性研究

研究了不同横风风速下,列车在通过曲线道路时空气动力性能并进行仿真分析。根据计算得到的数据,分析了不同横风速度时相应的车体纵、横向气动力变化和列车的倾覆系数。参照有关高速列车曲线通过稳定性评定标准,给出了9级横风风速下单轨列车安全运行的速度限值,为今后单轨列车在横风作用下的运行安全性提供一定的依据。     

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.     

基于滚动优化的地铁列车节能运行协同控制方法

针对地铁列车节能运行问题,提出基于滚动优化的列车协同控制方法,将系统整体最优问题分解为基于时间推进的局部优化问题。考虑列车每次停站时同一供电分区内其它列车的操纵方案,实时计算下一站间运行净能耗最小的操纵方案。在计算操纵方案时,对传统的列车4阶段操纵策略进行改进,允许列车在运行途中进行2次牵引,减小列车牵引能耗并提高再生能的利用率。结果表明:相比列车基于传统4阶段的个体最优控制策略,采用本文提出的列车协同控制方法在不同发车间隔下均可提高再生能利用率并节约列车运行净能耗,平均节能率达8.37%。     

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%。     

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。