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。

基于双质点模型的模糊预测PID列车追踪算法研究

针对城轨列车系统的非线性、时变性和滞后性问题,在模糊比例-积分-微分(Proportion-Integral-Derivative,PID)控制器的基础上运用了改进的灰色预测理论,提出一种改进灰色预测模糊PID控制算法,建立了城轨列车双质点动力学模型。通过高斯变异粒子群算法优化得到列车目标速度曲线后,利用Simulink模块搭建仿真模型进行仿真。仿真测试结果表明,所提出的算法具有响应速度快、超调量小、抗干扰能力强等优点,并且在优化目标上表现良好。

基于RBF神经网络PID控制的列车ATO系统优化

针对在复杂环境下列车高速运行时,现有的Fuzzy-PID控制算法自适应性差在受到外界因素的干扰时会导致列车追踪误差较大的问题,提出了一种基于径向基(RBF)神经网络PID控制的列车速度控制算法。首先,在构建列车优化模型时,充分考虑列车经过电分相时必须处于惰行工况的特点,并且依据电分相和限速条件的特点将列车行驶过程中的区段进行了划分,简化了求解过程;然后使用RBF神经网络PID控制器对目标速度曲线进行追踪仿真,同时与现有的Fuzzy-PID控制器进行比较。实验结果表明,基于RBF神经网络PID控制算法能够实时有效的追踪目标速度曲线且追踪误差较小。

高速铁路平面曲线特征点偏移接受域研究

以高速铁路曲线整正作业时的正矢作为研究对象,通过分析实测正矢偏差的组成,建立了一种优化线形与设计线形间的正矢偏差模型,并以轨道实测正矢平顺性判定结果不变(不超限)为条件,提出了一种平面曲线特征点偏移接受域(即所允许的特征点最大偏移量)算法。该算法为评价特征点辨识精度是否合适以及判断线路的变形是否会对整体平顺性的判定结果造成影响,进而决定是否以优化线形代替设计线形对实测线路进行整正作业提供了理论依据。该算法可以移植应用到普速、快速线路中。

变速恒频双馈风力发电系统最大功率跟踪算法的比较与仿真研究

研究比较了最大风能捕获的3种算法:直接转速控制法、最佳功率—转速曲线跟踪法、爬山搜索法,从稳定性、可控性方面进行研究比较分析,并用所搭建的系统模型进行详细的仿真研究,仿真结果验证了基于最佳功率—转速曲线跟踪法的变速恒频双馈风力发电系统能够快速地进行最大功率点跟踪(MPPT),从而最大效率地利用风能。