基于工况序列寻优的列车节能操纵策略优化

传统“三阶段”“四阶段”工况序列的列车操纵模式难以满足城市轨道交通复杂线路条件下的列车节能运行需求,本文提出一种基于工况序列寻优的列车节能操纵策略优化方法。将物理区间离散为多个等距离子区间,建立工况序列与子区间之间的映射关系,以区间总牵引能耗和运行时间最小化为目标构建列车节能操纵策略多目标优化模型。为提高模型求解效率,改进非支配排序遗传算法的交叉算子和距离算子,通过离散仿真求解列车节能操纵策略集。以福州地铁1号线的两个典型区间为对象进行案例分析,结果表明,相比传统操纵模式,优化后列车牵引能耗平均降低约19%。本文方法通过合理选择算法参数能够有效构建适应不同线路条件的运行工况序列,生成秒级运行时间划分下的列车节能操纵策略集。

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%。

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。

城市轨道交通列车节能度量探讨

城市轨道交通信号系统节能措施围绕列车控制进行,主要包括单列车节能、运行图节能、协同节能。如节能措施的效果仅依靠统计,难以体现对应关系。提出一种具有预测能力的节能度量方式,可确定节能措施的节能效果对应关系,有助于节能效果的参考计算,可作为智能算法的有效支撑。

电力牵引货运列车节能运行研究(一):目标速度曲线优化

列车运行是典型的非线性、多约束、多目标复杂时变过程,其目标速度曲线优化是目前制约国内外节能运行控制工程应用的主要瓶颈。本文以电力牵引的货运列车为对象,采用数学推理、逻辑分析及软件仿真相结合的方法,提出一种新的目标速度曲线节能运行优化(简称优化,下同)算法,并采用逐步深入的方式进行介绍。提出能耗敏感度和全要素能耗机理集总模型的概念,用以表征优化过程中需要优先考虑的要素集;针对平直道简化了已有的最优惰行关系的证明;证明了缓坡区段匀速运行的最优性,得到了对于含有缓坡线路模态切换点的确定方法;针对陡坡区段介绍了等效匀速优化算法。仿真结果表明,该方法能够在较复杂的线路条件下实现高效优化,且计算速度较快。

路网中的列车节能操纵优化方法研究

在铁路网络中,列车运行通过车站时可能会受到其他运行线列车运行的干扰,本文对列车运行受干扰时的节能操纵优化进行了研究.根据问题的数学描述和列车运行动力学方程,建立了最优化模型,并采用变长度染色体遗传算法,结合工况序列表,对问题进行了求解.通过仿真计算,给出了受干扰时列车运行的速度距离曲线,与无干扰时的速度距离曲线进行了比较,分析了速度、时间之间的相互变化,并结合能耗距离曲线,揭示了列车节能操纵的一些原则,最后将运算结果与其他方法计算出的结果进行了比较.比较结果表明,变长度染色体遗传算法是一个有效的算法,可以很好地应用在列车节能操纵优化的研究中.

基于遗传算法的列车节能控制研究

为降低铁路运营成本,针对如何降低列车运行能耗的问题进行了研究。以列车节能控制模型为基础,提出了坡道三分法机车手柄位变化原则,将列车节能控制这一典型最优控制问题转化为最优化问题,应用遗传算法对该问题进行求解。最后采用Matlab软件仿真验证了所提方法的有效性。

电力牵引货运列车节能运行研究(二):速度跟踪组合控制方法

本文在目标速度优化曲线给定的基础上,针对货运列车运行过程的非线性、大滞后、多目标、多约束的特点,围绕速度跟踪控制问题展开研究。在对现役列车普遍采用的PI控制进行简要分析的基础上,针对被控对象的特点,提出多模态模糊PID控制算法(MMFPID)。为应对货运列车的大滞后特性,采用牵引力前馈的方法,较好地提升了控制器的动态性能。针对车速超调在低限速区段引起的撞线制动问题,采用局部输出限幅的策略,在无需增加限速安全裕量的同时,收到了满意的效果。借助于自行开发的软件仿真平台,将本文提出的组合控制方法与经典的PID和模糊控制进行了对比仿真。结果表明,MMFPID不仅具有满意的控制效果,且其多模态结构使得MMFPID具有对各种应用场景的良好适应性。

基于遗传算法的追踪列车节能优化

为了研究追踪列车的节能优化操纵策略,提出了四显示固定闭塞系统下的列车静态速度约束条件和追踪列车动态速度约束条件.在此基础上,建立了以列车操纵手柄级位和工况转换点为控制变量的追踪列车节能优化模型.采用染色体长度可变多目标遗传算法,结合外部惩罚函数对该模型进行了求解,并利用遗传算法中的染色体变长算子对列车操纵手柄变换策略进行了优化.在四显示固定闭塞平台上的仿真结果表明,该方法可在安全、准点的前提下,使追踪列车的能耗下降4.3%,运行时间误差减小1.7%.

基于控制参数化方法的列车节能操纵优化研究

以列车运行全过程牵引能耗最小为目标,综合考虑定时、变坡道、线路限速、牵引力和制动力限制以及驾驶舒适度等约束条件,建立列车节能操纵最优控制模型。基于控制参数化方法,将列车节能操纵最优控制问题转化为以线路子分段上的列车控制力为优化参数的非线性规划问题。为克服常规方法不能有效处理阶梯状线路限速的不足,提出一种离散化方法,使无限维状态约束简化为有限维不等式约束。针对牵引力上边界约束随速度非光滑变化的特点,利用二次函数对列车牵引特性曲线进行光滑化近似,进而将上边界约束转化为不等式约束,最终得到的非线性规划问题可由序列二次规划算法求解。仿真结果表明:该算法能够在精确满足所有约束的前提下,有效获取列车节能最优操纵序列及相应的参考速度曲线。

列车节能运行决策问题的模拟优化研究

轨道交通运输耗能巨大,研究列车节能操作运行具有重要的理论意义和实用价值。从节能角度出发,分析列车运行过程中的能量转换机制,建立单列车耗能最低优化模型、多列车节能优化模型及列车延误多目标优化控制模型,针对模型本身及其约束条件的复杂性,提出基于改进布谷鸟优化算法与动态搜索方法的"模拟优化"求解方法,对列车节能运行决策问题进行求解,并通过与其他同类算法的比较,阐述了所提方法的优越性。得到列车在不同运行工况下的最优节能运行控制策略,确定各情况下列车运行的最优速度距离曲线,结果符合实际情况。改进算法的搜索效率更高,研究思路与模型对于列车节能操作运行具有一定的借鉴意义,所提出的针对复杂优化模型的求解方法合理有效,适用性强,有一定的参考价值。

考虑客流空间分布的地铁列车节能时刻表优化方法

客流变化引起的列车质量变化是影响地铁列车能耗与节能运行的重要因素之一.本文考虑地铁线路客流空间分布差异,研究耗散型再生制动能利用方式下的列车节能时刻表优化方法.结合各区间载荷差异和列车运动方程,建立以净能耗最小为目标的时刻表优化模型,通过适度优化计划停站时间、区间运行时间和折返时间协同多列车牵引、巡航、惰行和制动过程的时空分布,设计二分法和粒子群算法对模型求解.以北京地铁某线路进行实例研究,结果表明,优化模型能有效协同多列车的节能运行,考虑客流空间分布差异比假定列车载荷为常数能进一步提升节能效果.

一种实时抗干扰的列车节能—晚点恢复模型

列车占用、出清线路设备的时间受外部因素影响后会发生晚点现象.国内外普遍采用调整运行方案或运行曲线,即宏观或微观方法处理列车晚点问题.本文对列车晚点问题的研究现状做了详细分析,然后使用区间锁闭时间模型预测晚点增加与传播的范围,设计了一种实时抗干扰的列车节能—晚点恢复模型,使用微观方法避让受干扰区段,同时降低列车牵引能耗并缓解晚点现象.通过广铁集团CTC实时车次信息与相应区间参数制作的晚点场景,模型降低能耗与处理晚点的能力得到了验证.模拟计算表明:可降速的子区间越多,列车可避让的晚点时长越长;晚点较大时,则应使用更多数据或转化为宏观问题来解决.

基于粒子群优化算法的地铁列车节能运行研究

在建立地铁列车运行物理模型的基础上,采用粒子群优化算法搜寻列车区间运行的惰行点位置,优化列车区间运行时间及运行能耗。基于南京地铁2号线实际线路模型,利用粒子群优化算法求解定时节能策略中列车区间运行惰行点位置,计算区间运行时间、能耗及回馈能量。结果显示,区间运行时间增加5.5%,列车运行能耗相应降低18.73%。

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际数据对算法进行仿真验证。仿真结果表明,使用该算法控制行车时,在满足区间运行时间约束条件下,站间能耗可降低22.92%,计算时间为1.3s。该算法收敛速度快,节能效果明显,对降低列车牵引能耗具有一定现实意义。

遗传算法在列车节能优化中的应用

为降低铁路运营成本,文章针对列车运行能源消耗问题进行了研究,建立列车节能控制模型,将列车节能控制这一典型的最优控制问题转化为最优化问题,同时提出坡道三分法的机车手柄位变化原则,并应用遗传算法求解该非线性规划问题。最后应用Matlab软件仿真验证了所提方法的有效性。

列车节能运行目标速度控制优化研究

探讨了城市轨道交通列车节能运行控制问题,提出了一种分段目标速度控制策略,将目标速度的大小、调速范围和里程范围作为控制参量,建立了定时约束下的列车节能运行优化模型.设计了一种双重惩罚机制的实数编码遗传算法求解模型,对列车晚点和非节能方案进行惩罚以提高算法收敛速度.仿真分析表明,该方法得到的目标速度控制方案较好地适应了线路条件,有效地避免了列车在下坡道的制动调速,与启发式算法得到的运行结果相比,案例中不同富裕时分程度下的优化方案平均节能率22.2%.

基于DQN的列车节能驾驶控制方法

随着轨道交通网络规模的扩大和列车运营间隔的缩短,列车牵引能耗在快速增加。因此,通过优化列车的驾驶策略降低牵引能耗,对于轨道交通系统的节能减排具有重大意义。针对列车的驾驶策略优化问题,提出一种基于深度Q网络(DQN)的列车节能驾驶控制方法。首先介绍了传统的列车节能驾驶问题并构造其反问题,即通过分配最少的能耗达到规定运行时分。进一步将该问题转化为有限马尔可夫决策过程(MDP),通过设计状态动作值函数、定义动作策略选取方法等,构建基于DQN方法的列车节能驾驶控制方法。通过实际驾驶数据对DQN进行训练,得到最优的状态动作值函数,并通过该值函数确定最优的能耗分配方案,从而得到最优驾驶策略。最后,以北京地铁亦庄线的实际运营数据设计了仿真算例,对方法的有效性进行验证,并对方法参数进行了敏感度分析。提出的方法可充分利用列车的驾驶数据提升驾驶策略,降低列车牵引能耗,对未来我国智慧城轨的发展具有一定的借鉴意义。

改进粒子群算法的轨道列车节能控制优化

当前列车节能控制研究的优化算法存在优化效果不明显,收敛速度慢等一系列问题,提出了一种引入自适应惯性权重,同时加入具有调整能力的动态学习因子与改进速度更新公式的粒子群优化算法。一是通过惯性权重来平衡不同阶段的搜索能力,加入拥有调整能力的动态学习因子,着重加强算法后期的运算效率和收敛能力,同时引入惩罚函数,将列车运行过程中的拘束条件转化为惩罚因子,提升搜索速率;二是对传统的速度更新公式进行改进,用来降低选取到不理想的粒子影响寻优结果的概率。经过Matlab仿真分析,与传统的列车运行优化算法相比,改进后的优化算法收敛速度更快,列车节能效果更好。