改进麻雀算法在列车ATO多目标优化中的应用

针对列车自动驾驶(ATO)运行过程多目标优化问题,以列车运行安全性、列车动力学模型等因素为约束条件,考虑列车准时性、能耗、舒适性等指标,使用模糊隶属度法建立多目标优化模型。利用罚函数处理约束条件,将停车误差与限速作为惩罚项并构造出适当的惩罚函数加入到目标函数中,从而得到增广目标函数,提出基于改进麻雀算法(ISSA)的求解策略。为提高麻雀算法(SSA)的全局寻优能力,避免收敛于局部最优,引入Logistic映射、自适应超参数、变异算子对传统麻雀算法进行改进,通过测试函数对算法性能进行验证,表明ISSA算法的收敛速度、寻优精度比传统SSA算法好。以工况转换点为决策变量,通过ISSA算法对工况转换点的位置及速度进行寻优,进而获得目标速度-距离曲线。最后选取城轨车辆参数与线路数据进行仿真验证,仿真结果表明:所提优化策略相较于未优化前,舒适性提高了21.22%,能耗降低了22.41%,准时性与停车误差满足要求;与PSO优化方法相比,收敛速度更快,运行时间几乎一样的情况下能耗降低了12.74%,节能效果更佳;停车误差降低了20.45%,舒适性保持在舒适范围之内;对于速度-距离曲线,巡航距离更长、惰行距离变短、最高运行速度降低。由此可见,达到了综合优化ATO的目的,验证了ISSA优化策略的有效性。

基于粒子群优化的ATO控制策略

传统列车自动驾驶(ATO)控制策略通过提高对目标速度的追踪精度来精确控制工况切换频繁,能耗较大且无法进行全局优化。直接控制列车驾驶的全局ATO控制策略能较好解决传统控制策略的缺陷。列车在自动运行过程中依据不同的全局控制策略,能耗、运行时间误差、停站误差等评价指标均产生变化。由于评价指标存在内部矛盾,不存在所有指标均最优的控制策略。本文提出1种基于动态邻居和广义学习策略的粒子群(ADPSO)优化全局控制策略的算法。该算法通过挖掘线路信息和列车运行信息指导优化过程,以获得在列车安全运行的前提下,满足一定能耗、运行时间误差和停站误差要求的全局ATO控制策略。仿真研究结果表明与其他两种优化算法相比,该算法具有更好的性能。

城市轨道交通基于模糊控制的ATO算法研究

列车自动驾驶(ATO)系统是城市轨道交通列车自动控制系统的重要组成部分,可保证列车运行快捷、准时、舒适和节能运行。ATO系统的核心是列车速度控制算法,其方法对ATO的控制效果起关键作用。本文主要介绍了ATO的主要功能,分析了基于模糊控制的ATO算法。

广义预测控制算法在ATO系统中的研究仿真

对广义预测控制(GPC)算法进行了研究,并将GPC算法应用在自动运行(ATO)系统中。通过该算法的使用,列车能较好地跟随目标曲线运行,由于目标曲线是根据列车牵引计算得到的最优的列车运行曲线,从而保证列车安全、平稳、正点地自动运行,同时也确保列车进站停车的精确性。

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GA优化模糊PID控制的ATO算法研究

针对城市轨道列车的自动驾驶系统(ATO)传统PID控制方法适应性差和智能化不足的问题,基于该领域专家知识和驾驶司机的操作经验,将遗传算法优化的模糊PID控制算法运用在ATO的控制系统中,并运用MTALAB进行仿真。仿真结果表明,该控制算法优于传统的PID控制,能够满足ATO系统对不同工况下的适应性和智能性要求,可以达到精确停车和准点到站的目的,能够有效提高列车舒适性和降低列车能耗。

基于KH算法的高速列车ATO控制策略优化研究

针对传统高速列车自动驾驶(ATO)控制策略优化时简化线路参数、列车牵引计算采用单质点模型等问题,将列车通过牵引供电分相区断电惰行纳入运行工况,建立动车组多质点模型。在满足列车运行图固定运行时间条件下,以能耗、准点性、停车准确性及舒适性为指标建立高速列车ATO控制策略优化模型。利用磷虾群(KH)算法对高速列车ATO控制策略进行优化。以兰新高速铁路某区间线路数据为例,仿真测试表明KH算法可以在较少的迭代次数下获得较粒子群算法更优的ATO控制策略,且列车过分相区断电惰行会对优化结果产生影响,验证了所提算法在优化高速列车ATO控制策略中的优越性及将列车过分相区断电惰行纳入运行工况的合理性。

基于改进MH算法的高铁ATO运行操纵多目标优化研究

在高速列车运行过程中,运行环境变化将对ATO提出更高的计算要求,ATO既要满足实时计算又要满足运行操纵多目标优化。针对该问题提出一种改进MH算法计算列车运行操纵序列。在原有MH算法基础上,对算法计算频率与寻优目标函数进行改进,提出随机惯性权重粒子群算法与司机驾驶逻辑相结合的方式计算运行操纵序列,通过选取合理的计算间隔时间使得算法性能最佳。以武广高铁85km线路仿真高铁自动驾驶,改进MH算法中随机惯性权重粒子群算法的收敛速度优于原算法。仿真结果表明:改进MH算法在列车运行准点性和停车精度方面得到提升,为ATO在线计算提供思路。

位置式PID控制算法在城轨ATO系统中的应用

为了使城市轨道交通CBTC(基于通信的列车运行控制系统)中的自动驾驶系统(ATO)实现更加精确的控制,通过对传统的PID控制理论进行分析,探索了位置式PID控制算法的详细控制过程,并使用现代计算机技术实现了该算法。将位置式PID控制算法与状态方程结合起来,并将改进后的算法应用于自动驾驶系统中:通过调节PID算法公式中的Kp,Ki,Kd三个参数值,可以得出最适合应用于自动驾驶系统的系数,以决定牵引和制动命令的执行时间点。研究结果表明,在自动驾驶系统中,应用位置式PID算法可以实现列车更加理想的精确控制,减少列车牵引和制动时间以实现节能,保证列车提速平稳以提高列车的舒适度和稳定性。

基于支持向量机的智能ATO控车算法

为解决ATO(列车自动运行)系统在实际线路实施过程中的适应能力差以及与车辆牵引制动性能耦合度过紧等问题,提出一种基于支持向量机(SVM)且具有训练模式和运营模式的智能ATO系统。该ATO系统直接采用车载设备性能参数、车辆性能参数、ATP(列车自动保护)/ATO曲线和线路参数等作为系统输入,通过基于SVM的机器学习算法计算ATO系统牵引和制动电压/电流输出参数。通过对实际线路ATO控车曲线数据的训练,调节SVM参数,得到最优智能ATO控车算法,且可利用该算法对实际线路环境下的控车命令进行预测。

基于改进遗传算法的ATO速度曲线研究

常用遗传算法研究ATO速度曲线,但其存在着局部搜索能力和全局收敛效果较差的缺点。针对此问题,提出一种基于自适应变异算子的变异策略,并结合精英保存策略使算法全局收敛。然后基于列车动力学和牵引制动模型,建立多目标优化模型,用于求解ATO速度曲线。结果表明:改进算法比标准遗传算法效果更优,生成的ATO速度曲线符合相应模式的牵引控制策略,且算法具有一定的参考价值。

PSOGSA在高速铁路ATO系统中的应用

针对传统的高速列车自动驾驶(ATO)控制策略优化时,存在线路参数简化、采用单质点模型进行牵引计算、工况切换频繁及能耗较大等问题,在结合列车牵引动力学、线路坡道及区间限速的情况下,建立动车组多质点模型,以能耗、准点、舒适度、停车精准为指标建立高速铁路ATO控制策略多目标优化模型。因各评价指标存在内部矛盾,利用粒子群优化引力搜索算法(PSOGSA)对ATO多目标优化控制策略进行优化。以兰新高铁某段实际线路数据为例,MATLAB仿真测试验证:PSOGSA算法相较传统PSO优化算法有更好的性能,从而向高速铁路ATO系统提供性能指标更好的目标速度曲线。

线性自抗扰控制算法在ATO系统中的应用研究

针对列车运行系统快速、稳定、精确等要求,将线性自抗扰控制(LADRC)算法应用于ATO系统的速度控制,并采用粒子群优化(PSO)算法对LADRC算法进行优化,提高LADRC控制器的参数整定效率。仿真结果表明,该算法较传统的PID控制算法,能够有效提高速度控制的快速性和精度,改善乘客舒适度。

列车自动驾驶仿真系统算法及其实施研究

介绍了列车自动驾驶系统(ATO)的算法,该算法兼顾了列车运行的高效性、准时性、节能、停车精度、舒适性等功能。其中,节能算法采用按目标速度运行,最大限度利用惰行的控制方式,定时算法采用调整目标速度的启发式算法的方式。同时对列车正常及晚点运行的情况进行了计算机仿真实现,并与列车的实际运行情况进行了比较。该系统可以为进一步研究列车自动驾驶系统提供了有效的实验手段和方法。

基于遗传算法的地铁列车自动驾驶控制算法研究

通过提出改进的遗传算法来设计列车列车自动驾驶(ATO)控制算法,使用某城市地铁列车参数建模,编制实用的遗传算法生成列车时分控制曲线的程序,并进行计算机仿真,仿真的结果达到了:输出时间与给定的定时值完全一致;能耗比节时模式降低56%;停车点精度|x|=14cm,小于规定值(25cm);最大速度小于规定值;具有较高的全局适应度.表明算法效果良好、性能优越.

基于模糊自适应PID的列车智能驾驶算法

列车ATO控制是一个强耦合、高度非线性系统,且随着列车运行工况的变化,这种特性逐渐增强,因此需要更高要求的智能控制算法.针对传统控制方法在智能性方面的不足,结合各种智能控制特点,提出基于模糊自适应PID的列车智能控制算法,建立以节约能耗和精准停车为目标的模糊自适应PID控制策略.以上海轨道交通3号线为例,在Matlab软件环境下构建仿真模型,选择节能性和停车精度试验,结果表明:所提智能控制算法比传统PID控制算法得到的结果更好,单位质量能耗降低了4.91%,停车精度提高了69.23%.因此,该算法完全能满足列车停车精度高、节能效果好的要求.

列车自动驾驶系统控制算法综述

介绍了列车自动驾驶系统的基本结构和功能,并对各控制算法的研究情况与投入使用的情况作了详细分析,同时还对列车自动驾驶系统控制算法的前景作了展望。

基于遗传算法对高速列车速度曲线的优化

为了保证列车运行安全、提高运输效率,满足旅客舒适性和列车节能等要求,必须对高速列车的运行速度进行优化。文章在完成列车自动运行系统中列车速度曲线多目标模型的基础上,选择和运用遗传算法完成了列车运行速度曲线的优化。根据工程实际的需要,尝试从编码方案、复制算子、交叉算子、变异算子和适应度函数的尺度变换等角度来改进遗传算法。最后在Visual C++6.0平台上完成了遗传算法的验证。

基于神经网络的地铁列车运行过程的集成型智能控制

提出了一种以神经网络为主 ,并综合使用模糊系统、遗传算法等方法的集成型地铁列车智能控制方法。分别采用模糊控制的 BP网络和基于遗传算法的模糊神经网络 ,实行了站间运行控制和定位停车控制 ,仿真取得了令人满意的结果。结果表明 ,将神经网络等计算智能方法综合用于列车运行控制是可行的 ,可以保证较好的舒适性、停车准确性 ,具有精度高 ,适应性、鲁棒性强等特点。

西安地铁1号线列车运行自动控制分析

结合工程实际,阐述西安地铁1号线CBTC列车运行控制等级、驾驶模式、列车定位、列车运行速度监督等技术,并对列车运行速度控制算法进行分析。