城轨区间运行时分-最优能耗值函数的B样条拟合方法

由于城轨日常行车对区间运行时分的多样性需求,不同运行时分下区间列车运行策略的优化求解极为困难.通过丰富的实际列车运行数据拟合,获取运行时分?最优能耗间的函数关系.将区间内每一列车运行策略对应的运行时分和能耗值作为数据点,根据数据特点构建劣点判别规则从原始数据中剔除能耗值较高的不合理数据,筛选得到最优拟合数据点集.提出基于遗传算法的B样条拟合方法,结合遗传算法寻求B样条曲线的最优参数向量和控制顶点数,拟合得到运行时分-最优能耗值函数曲线.通过某城市地铁区间的实际列车运行数据进行验证,证明本文提出的拟合方法精度高、速度快,绘制出的运行时分-最优能耗值函数曲线能够为城轨列车运行组织提供依据.     

再生制动条件下的城轨列车节能驾驶综合模型

当供电区段内有列车进行电力再生制动时,所产生的再生电能会向牵引供电网反馈,若邻近无处于牵引状态的列车吸收此部分再生电能,则会造成牵引变电所两端的电压升高。由此提出通过检测牵引供电网第三轨电压并在牵引供电网网压升高时适当提高邻近列车运行速度,以充分利用再生电能,从而实现城轨列车的节能运行。基于此思路建立列车节能运行优化控制与牵引供电系统相配合的城轨列车节能驾驶综合模型。该模型由列车节能运行优化控制算法和牵引供电模型组成。前者为牵引供电模型提供列车运行动态信息;后者基于牵引供电系统特性生成列车运行控制最佳策略所需的数据,供列车节能运行优化控制算法使用。以北京地铁亦庄线为例,验证综合模型的可行性和有效性。结果表明:在该线4站3区间10个列车全部准点运行的情况下,采用综合模型后列车的运行能耗降低了7.18%。     

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%。     

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。     

基于免疫退火遗传算法的城市轨道交通列车节能运行策略

为降低城市轨道交通列车站间运行能耗,提出了一种基于免疫退火遗传算法(IAGA)的列车节能运行策略.在区间运行时间固定的情况下,该策略能实现列车能耗的最小化.IAGA算法通过免疫补充和建立疫苗库缩短算法收敛时间,并借助退火机制避免算法提前进入早熟状态.求解模型以寻找列车站间运行工况转换点为约束,牵引能耗最小为目标,建立列车节能运行策略.以实际线路数据和车辆参数为基础,对单区间及三站两区间的节能策略进行仿真验证.结果表明,在保证站间列车定时运行的情况下,与传统遗传算法相比,IAGA算法具有更快的收敛速度,其计算的策略可使单区间列车运行能耗降低10.2％,三站两区间列车运行总能耗降低16.0％.     

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。     

城市轨道交通追踪列车定时节能操纵优化

研究在给定站间运行时分前提下的城市轨道交通追踪列车节能操纵优化模型,模型以两列车在两站间运行的总能耗最小为目标,通过同时优化前行列车和追踪列车的操纵策略以提高再生制动能的利用。在一定的制动停车距离、线路平纵断面和限速条件下,将站间区间划分为若干个子区间,建立两列车在各个子区间的运行工况序列选择模型,通过遗传算法优化两列车在每个子区间的牵引力使用系数、末速度和运行时间,提高列车牵引时对再生制动能的利用率。算例表明,在给定的站间区间上,本文模型在保证正点前提下比单列车定时节能算法的能耗降低5.8%。当区间存在陡下坡时,两列车在途中运行过程中比在进出站过程中协同利用再生制动能效果更显著。     

一种结合时刻表调整的列车节能驾驶优化方法

为了降低高速列车在连续站间运行的能耗,以区间运行能耗和运行时间为目标建立列车驾驶策略优化模型,采用基于模拟退火的粒子群算法PSO-SA进行求解,得到每个运行区间的能耗-时间Pareto解集,并通过最小二乘法拟合得到每个区间相应的Pareto曲线。在此基础上,提出一种时刻表优化调整方法,在始发站至终点站总运行时分确定的前提下,基于KKT(Karush-Kuhn-Tucker)条件调整每个站间运行时分,给出最优的站间运行时分组合和最佳的区间运行策略。以CRH2A高速列车在镇江南—昆山南区间实际运行数据为基础进行仿真验证,结果表明:通过区间最优工况求解和多站间运行时分调整优化,列车在多站间的总运行能耗降低了17.6%,验证了模型和算法的有效性。     

长大下坡道区间地铁列车节能操纵方法

针对地铁列车在长大下坡道区间长时间使用制动不利于节能的问题,在标准四阶段节能操纵方法的基础上,提出通过优化工况出现的序列及相互间的转换位置、充分利用坡道势能使列车加速进而减少牵引工况持续时间的改进操纵方法;以最大牵引力的牵引终止位置和初次巡航终止位置为决策变量,以列车运行牵引能耗最小为优化目标,建立改进操纵模型;采用加入邻域搜索策略的改进遗传算法和Brute Force算法求解模型,结合案例分析改进操纵模型及算法在不同线路条件和运行时分下的节能效果。结果表明:在限速为80km·h-1的长大下坡区间和给定运行图下(富余时分比例为区间最小运行时分的10%),采用改进操纵方法较标准四阶段操纵方法节能30%以上;改进操纵方法的节能效果与坡道条件、线路限速和运行时分富余量有关,节能效果随线路限速的降低和运行时分的减少而增加。     

基于混合整数规划的高速列车多区间节能优化研究

当今巨大的能源消耗成为高速铁路发展不可忽视的问题,节能优化显得格外重要。从列车优化操纵与区间运行时分分配两方面出发,在总运行时分约束下,探讨全程最节能的运行时分分配方案及所对应的列车操纵策略。在列车运动方程基础上,引入经停站约束,建立列车运行能耗和区间运行时分分配同步优化的非线性连续节能优化模型。通过离散化与线性变换,将节能优化模型重构为混合整数规划模型,并利用Cplex求解。以高速铁路线路为背景设计算例,验证模型的有效性。仿真结果证明在列车优化操纵策略的基础上,优化区间运行时分分配方案可以进一步降低列车总运行能耗。在不改变总运行时间的情况下,运行总能耗可降低1.03%。     

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。     

基于改进遗传算法的高速列车节能优化研究

为有效降低列车运行能耗,针对高速列车行进过程中的能耗优化问题,讨论了列车运行阻力的计算及列车停车点的设置,以此建立以列车能耗最小为优化目标的列车运行优化模型,提出3代逼近搜索的引导机制,改进了传统遗传算法中的算子,同时引入逆转算子提高算法求解能力.以CRH380B型高速列车和合福高铁(合肥—福州)数据为基础进行仿真,列...     

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。     

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%。     

基于数据驱动的列车智能驾驶算法研究

结合数据驱动控制理论和司机驾驶经验,提出数据驱动推理控制算法.考虑到列车运行控制的复杂性,在推理控制算法的基础上引入了牛顿迭代学习法以减小运行误差.在MATLAB环境构建了在线仿真模型,并运用实际线路进行了仿真比较,与PID控制算法的结果对比表明,该算法优于PID控制算法,基本符合驾驶经验,提高了舒适度、降低了能耗,同时满足停车精度和运行时间要求.     

基于多目标遗传算法的地铁列车定时节能算法研究

针对地铁列车定时节能复杂多目标优化问题，建立以节能和准时为优化目标的列车定时节能模型，采用多目标遗传算法求出一组最优驾驶策略解。该方法通过具体分析列车行驶过程中的不同受力状态，充分考虑限速、最大加速度、定点停车等约束条件，采用分解协调的思想将复杂的多目标优化问题分解成多个阶段子问题，通过线性加权和多次迭代，求出最优解。最后通过算例和仿真结果表明该算法的有效性。     

一种城轨列车的混合动力能量优化控制

近年来,基于质子交换膜燃料电池的混合动力机车越来越受到机车业界的重视。在能量系统中燃料电池充当主要动力源,锂电池和超级电容充当能量支持和存储系统。将系统瞬时氢耗分为燃料电池瞬时氢耗、蓄电池和超级电容等效瞬时氢耗两个部分,建立数学模型,并提出系统瞬时氢耗最小时的能量管理策略,控制着重于计算最佳的燃料电池功率,最大限度地减少混合动力车的氢气消耗。通过仿真测试该能量管理策略对系统能量的优化程度,并与基于经典的比例积分控制策略进行比较。仿真结果表明,在整个驾驶循环期间,节省约5%的氢气消耗。     

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。     

基于负载量均衡的AGV快递分拣系统布局优化

随着我国AGV快递分拣系统中物流量不断增加,优化AGV快递分拣系统布局,成为提高其分拣系统效率的关键.首先,在分析造成基于AGV分拣系统拥堵的关键影响因素基础上,研究基于AGV快递分拣系统中取货口和投递口布局优化问题,构建相应的整数规划优化模型,该优化模型以整个分拣系统负载量均衡为优化目标.其次,针对该优化模型特征设计...     

基于 Dueling DQN 算法的列车运行图节能优化研究

通过优化地铁时刻表可有效降低地铁牵引能耗。为解决客流波动和车辆延误对实际节能率影响的问题,提出列车牵引和供电系统实时潮流计算分析模型和基于 Dueling Deep Q Network(Dueling DQN)深度强化学习算法相结合的运行图节能优化方法,建立基于区间动态客流概率统计的时刻表迭代优化模型,降低动态客流变化对节能率的影响。对预测 Q 网络和目标 Q 网络分别选取自适应时刻估计和均方根反向传播方法,提高模型收敛快速性,同时以时刻表优化前、后总运行时间不变、乘客换乘时间和等待时间最小为优化目标,实现节能时刻表无感切换。以苏州轨道交通 4 号线为例验证方法的有效性,节能对比试验结果表明：在到达换乘站时刻偏差不超过 2 s和列车全周转运行时间不变的前提下,列车牵引节能率达 5.27%,车公里能耗下降 4.99%。