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。

基于改进DE的城轨列车节能速度曲线研究

采用改进交叉策略的差分进化(DE,Differential Evolution)算法,研究城轨列车节能优化的速度曲线生成。该算法以起点到目标停车点的距离和工况状态值作为个体基因,基于改进交叉策略,结合工况转换原则,对变异后的个体基因进行有效化处理。建立末速度、停车位置误差、运行时间和牵引能耗的评价模型,在满足安全运行和舒适度要求下生成最优列车自动运行(ATO,Automatic Train Operation)速度曲线。经数据仿真测试,牵引能耗为28.8 kw·h。生成的速度曲线,在准时到达的前提下,具有较好的节能效果,对城市轨道交通的列车节能优化运行研究具有一定的参考价值。