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。

遗传算法在ATO目标速度曲线规划中的应用

在列车自动驾驶(ATO)系统中,结合遗传算法和列车逐级变速技术,规划出列车运行的目标速度曲线,实现了对列车加速、巡航、减速等运行状态的规划控制。仿真结果表明,该算法满足列车对目标速度曲线的安全性、准时性、节能性和舒适性等要求,可运用于ATO系统和培训仿真系统。

临时限速条件下高铁ATO目标速度曲线的研究

针对线路增加临时限速后的高速列车自动驾驶问题,提出一种RH-PSO算法实现ATO目标速度曲线动态调整。列车在区间运行时,根据乘车舒适度以及ATP速度约束采用RH算法进行实时决策,针对临时限速条件实现目标速度曲线的动态调整;在列车即将进站停车阶段,采用PSO算法搜索最优巡航-惰行工况转换点并计算目标速度曲线,使其满足准点要求,并达到舒适、节能的效果。仿真结果表明,所提出的算法在不同临时限速条件下均有效地调整了目标速度曲线。与最快速度策略相比,RH-PSO算法具有较优的舒适度和节能性,在确保可以正点到达的前提下,RH-PSO算法具有较高的准点性,在无法避免晚点时,可防止晚点时间进一步放大。

基于S曲线加减速控制方法的轨道交通列车目标速度曲线计算研究

针对目前城市轨道交通乘客日益增长的舒适性需求,基于S曲线加减速控制方法,提出了列车运行目标速度曲线的计算方法。该方法已在FAO(全自动运行)下列车运行速度控制中得以应用。结果表明:采用该方法可提高列车运行的平稳性,进而提高乘客乘坐的舒适性。对因减缓机械设备冲击性而减缓机械设备的磨损、降低噪声、延长设备的使用寿命等方面也有一定助益。

数据驱动的重载列车多目标速度曲线规划算法研究

重载铁路是世界货运铁路的重要发展方向,由于其带来的巨大经济效益和较优的技术经济比而倍受重视。为实现重载列车的节能、正时和平稳驾驶,本文以数据驱动的方式实现了重载列车多目标速度曲线规划。首先,基于动力学和线路环境条件建立了二次规划优化模型;然后,为分析权重对各性能指标的量化影响,以乘法线性回归、多元非线性回归和支持向量回归方式构建了性能指标的回归模型;最后,采用一种融合回归模型的神经网络速度曲线规划模型。以虚拟和实际线路进行仿真,结果表明神经网络规划模型可高效掌握二次规划模型的优化策略,能够降低列车能耗、促进正时、加强平稳运行,且在突发故障下更具备灵活性。

横风下基于滚动GAPSO算法的列车速度曲线优化

针对普通环境下高速列车目标速度曲线优化算法不适用于横风环境的问题,提出一种横风环境下基于滚动GAPSO(遗传粒子群)算法的列车速度曲线优化方法。首先,考虑横风风速阻力作用改进列车动力学模型,并建立列车运行多目标优化模型;其次,基于GAPSO算法寻优巡航构建列车在起始阶段的最优目标速度曲线,引入滚动优化框架实时调整目标速度曲线,并在横风限速区按照改进快行策略运行;最后,在列车进站前采用GAPSO算法寻优惰行点生成目标速度曲线。仿真实验结果表明:GAPSO算法较GA算法和PSO算法具有搜索能力强、收敛速度快的优点;滚动GAPSO算法能在不同横风环境下实时生成优化后的目标速度曲线,并与改进快行策略和RH-PSO算法相比,具有较优的节能性和准时性。横风下基于滚动GAPSO算法的列车目标速度曲线优化可为横风环境下列车节能、准时运行提供一种可行的解决方案。

临时限速下基于强化学习的高速列车速度曲线优化

高速列车运行过程中受到恶劣天气、前方列车等的影响,导致线路增设临时限速,需要实时生成优化的目标速度曲线,以保障运行效率。为此,提出考虑限速信息的列车目标速度曲线优化方法。根据列车运行阶段的不同设置工况调整策略,并提出用于优化列车车载控制器的动作选择策略的最短剩余运行时间计算方法。在高速列车运行强化学习环境的状态空间中增加限速信息变量,重构了强化学习环境。基于优先回放机制改进了双深度Q网络算法,以提高算法学习效率和模型收敛速度。不同临时限速场景下的仿真算例表明双深度Q网络算法可以充分利用计划运行时间曲线与最短运行时间曲线之间的冗余,保证列车准时性的前提下实现列车节能舒适运行,与遗传算法相比,有效减少工况切换次数,同时降低列车运行能耗3%以上。

基于遗传算法和粒子群优化的列车自动驾驶速度曲线优化方法

针对列车自动驾驶(ATO)过程中的精准停车、准时性、舒适性以及能耗问题,提出一种基于遗传算法与粒子群优化(GAPSO)算法结合的ATO速度曲线优化方法。首先,建立列车ATO运行多目标优化模型,将列车过分相区断电惰行纳入控制策略,并对运行控制策略进行分析;其次,对粒子群优化(PSO)算法进行改进,采用非线性动态惯性权重和改进的加速度系数,并将遗传算子融入其中,从而构成一种全新的GAPSO算法,且验证了GAPSO算法在全局搜索和局部搜索能力以及收敛速度上的优越性。最后,通过GAPSO算法对工况转换点进行寻优,以获取一组满足多目标优化的工况转换点速度,进而得到最优目标速度曲线。仿真实验结果表明,所提优化方法在总体运行时间满足准时性要求的前提下,使能耗降低了13.29%,舒适性提高了26.62%,停车误差降低了21.62%。由此可见,优化后的列车目标速度曲线能够满足多目标要求,该方法为列车ATO多目标优化提供了一种可行的解决方案。

基于最优预见控制的高速列车速度控制器研究

针对高速列车自动驾驶(ATO)速度控制器的设计及性能问题,以列车运行过程中的安全性、舒适性、控制输入为约束条件,提出用最优预见算法设计控制器。该算法以列车动力学为基础,确定列车模型传递函数,进行极点配置之后使控制系统稳定;以列车模型为该算法的控制对象,将列车运行过程中的线路附加阻力和基本阻力作为干扰,实现列车ATO模式下目标速度的自动跟踪控制。选取京津城际北京南站至武清站间线路数据进行仿真验证,仿真结果表明该算法在降低列车运行能耗、提高旅客舒适性与列车运行准点率方面的有效性。

基于RBF-ADRC的高速列车速度控制算法

针对高速列车运行过程中的时变与非线性模型问题,提出一种基于径向基(RBF)神经网络(RBFNN)优化的高速列车速度自抗扰控制(ADRC)算法。首先,以单质点模型建立列车动力学方程;其次,将ADRC技术应用到列车上,以列车外干扰作为扩张部分,借助非线性误差反馈控制律实时观测和补偿系统扰动,设计基于RBFNN优化的ADRC控制器;然后,以CRH380型列车参数进行目标速度曲线仿真追踪,验证RBF-ADRC控制器追踪性能;最后,将设计的RBF-ADRC控制器与传统ADRC控制器在抗干扰性能和追踪误差方面进行比较。结果表明:基于RBF-ADRC的控制器抗干扰性能高于传统的ADRC控制,且追踪误差更小,适用于列车严格运行条件。

燃料电池有轨电车能量管理与速度曲线协同优化

能量管理策略与目标速度曲线对有轨电车的运行成本具有重要影响。为了降低燃料电池有轨电车的运行成本,提出三种能量管理策略与目标速度曲线同步优化方案:并行方案、顺序方案和协同方案。并行优化方案的两者优化过程相互独立,顺序优化方案的两者优化过程具有单向联系,而协同优化方案基于混合智能算法求解,实现了两者优化过程的双向联系。借鉴有轨电车全寿命周期成本的构成形式,成本函数由能量源设备初始投资、运行和更换维护等三类成本组成,其中更换维护成本考虑了能量源的寿命因素。基于武汉某有轨电车线路数据,分析三种同步优化方案的应用效果,并与单独优化方案进行对比。结果表明,协同优化方案可获得最佳列车运行成本和燃料电池效率。

基于模糊自适应PID控制的ATO系统控制算法

为了研究ATO系统控制算法的智能性和高效性,在传统PID算法的基础上,充分考虑到列车系统的非线性和复杂性,结合模糊控制理论能进行实时非线性调节的优点,提出了模糊自适应PID控制算法。并在Matlab/Simulink中建立了ATO系统的仿真模型和算法控制模块。将两种算法分别运用到ATO系统中,对目标速度曲线进行跟踪,从停车精度、追溯性、准时性、节能性、舒适性五个方面对二者的控制性能进行比较分析。仿真结果表明,将模糊自适应PID算法运用到ATO系统中,列车的控制性能能够很好地满足ATO系统的各个性能指标要求。

基于无模型自适应控制的城轨列车自动驾驶研究

城轨列车ATO(Automatic Train Operation)目标速度曲线的精确追踪是保障城轨列车安全、高效、舒适和节能的关键环节。针对列车ATO系统为非线性时变滞后复杂系统,具有建模难和鲁棒性要求高等特点,本文将无模型自适应控制方法引入ATO目标速度曲线追踪控制器的设计问题中。通过与PID控制方法对比,基于MFAC(Model Free Adaptive Control)的ATO目标速度曲线追踪控制算法,具有追踪效果好、速度误差小、停车精度高、舒适度高、能耗少等特点。

S曲线加减速控制在FAO自动驾驶中的应用研究

针对目前城市轨道交通中乘客日益增多的舒适性诉求以及节能减排的需要,研究了S曲线加减速控制方法,提出了基于S曲线加减速控制方法计算目标速度曲线的方法。基于该方法在FAO自动驾驶中进行了应用研究,结果表明采用该方法实现提高列车的舒适性,实现节能减排是正确的和可行的。