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。

基于复杂线路的货运列车多目标优化研究

针对复杂线路的全局最优工况序列和最佳工况转换点位置难以确定的问题,提出一种基于改进麻雀搜索算法(ISSA)最佳工况转换点位置多目标优化方法。分析货运列车运行约束条件,根据性能指标要求构建以节能准点为优化目标的模型,采用线性加权求和设计适应度函数;根据实际运行线路限速和坡道情况规划求解复杂线路下货运列车工况序列,采用基于自适应权重和Levy飞行扰动ISSA,求解此工况序列下的最佳工况转换点位置。仿真结果表明所设计的工况序列及转换点位置生成的目标速度曲线方法,能在满足货运列车准点运行的前提下实现节能。

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.

基于多粒子群协同的城轨列车速度曲线多目标优化

在满足安全原则和各类约束条件下,为实现城市轨道交通列车运行能耗低、行驶时间短和停车精度高三个目标,建立了列车运行控制模型。在Pareto原理基础上,考虑列车运行中的各类工况序列,提出一种协同进化的多目标混沌粒子群算法(CMOCPSO),用于优化列车的自动驾驶速度曲线。此算法框架结构分为上下两层,其中基础群位于下层,以目标引导法实现全局搜索,在尽可能发掘边沿解的条件下让解分布更为均匀;精英群则位于上层,将其加以扰动后实现局部精细搜索。此外,为了改良算法的各项性能指标,进一步引入双外部档案来实现上下层的双向交互,在恰当的通信周期参数下,构成一个多方协同的高效寻优粒子群体。通过仿真试验验证表明:相比于多目标粒子群MOPSO算法,所提算法在多样性及收敛性上均具有明显的优势。为获取多种工况下优质的列车自动驾驶曲线,采用模糊隶属度法对Pareto前沿解集进行了筛选。

高速铁路区间节能坡设计方法研究

为提高高速铁路运行节能降耗效果,在优化线路纵断面的设计中引入节能坡设计是有效途径之一。然而由于高速铁路具有行车速度高、区间距离长、曲线半径大等特殊性,使得节能坡设计应用变得极为复杂。在对列车节能运行操纵优化问题数学描述的基础上,针对列车节能操纵优化问题数学模型非线性、有约束的最优化特性,提出工况序列表与基于改进实数编码遗传算法相结合的高速铁路区间节能坡设计方法,解决节能坡在高速铁路区间的设计应用问题。实验结果表明:该方法能够在最大范围和最大程度上寻找最优设计结果,较好地满足区间节能坡设计。

R-dPSO算法及其在ATO控制策略中的应用

城市轨道交通列车自动运行中,通过调整列车的5种工况序列解决含有安全、准点、准时、舒适度和能耗等指标的多目标优化问题。根据轨道交通列车自动运行过程中涉及的动力学公式建立ATO目标速度曲线的数学模型。提出一种随机驱动的全局粒子群优化算法(R-dPSO),用12个基准函数测试了R-dPSO算法的有效性。进而,利用SPSO算法、XEPSO算法和R-dPSO算法解决上述多目标优化问题。实验表明,只有R-dPSO算法的优化结果满足ATO控制策略的各个指标要求。

多跑道机场航班着陆排序研究

在飞机着陆的决策过程中,其核心是飞机在多跑道间的分配、飞机的着陆顺序以及着陆时刻。本文以实际着陆时刻和原计划着陆时刻差异最小化为目标,建立混合整数规划模型,并采用基于模拟退火的混合元启发式算法求解。在得出的计算结果中我们不难发现,混合元启发式算法科学有效并为 100 多架真实案例的飞机提供了最优解,不仅如此,该算法还可为 500 多架飞机与 5 条跑道的问题在短时间内找到高质量、高可比性的解决方案。本文根据飞机的着陆相关参数建立合适的整数规划模型和求解算法,为多跑道的繁忙机场提供科学合理的跑道分配和排序辅助决策方案奠定了基础。

采用萤火虫算法的高速列车节能运行优化

智能算法可以通过优化列车运行曲线达到节能降耗的目的.将列车运行能耗作为目标函数,以限速、时间和距离为约束条件,建立优化模型.以CRH3型动车组和武广客运专线中某段线路为基础,进行仿真实验.运用萤火虫算法,搜索能耗最低时的一组列车工况转换速度序列.仿真结果表明:列车运行能耗指标降低14.33%,且满足停车精确性与准时到站的要求.