高速铁路接触网悬挂系统维修计划的优化研究

将高速铁路接触网系统的维修方式分为3类,根据不同维修方式下系统的可靠性和维修费用不同的特点,建立不同维修组合下接触网系统的动态可靠性模型和维修费用模型。为实现提高接触网系统的可靠性并降低维修费用的目标,提出一种混沌自适应进化算法(CSEA)来求解这一多目标优化问题。该算法的混沌初始种群算子提高了初代种群的多样性,分组选择策略保证各代有一定数量的劣势个体能参与进化,自适应遗传算子增加了劣势个体的交叉和变异概率,从而避免算法早熟,增强了算法的全局搜索能力。计算结果表明,CSEA在种群多样性保持和帕累托(Pareto)最优解收敛方面均优于流行的NSGA-Ⅱ多目标算法。采用CSEA算法得到的优化维修计划,可显著提高接触网系统的可靠性,也大幅度降低维修费用。将本文多目标优化算法与传统的单目标优化算法进行比较,验证了多目标优化算法的优越性。