列车安全距离优化算法研究与仿真

本文对列车追踪安全距离优化算法进行研究。分析原有安全距离模型的原理及制动最不利情况算法。为缩短安全间隔,基于原有安全距离模型,给出增加前行列车速度信息来计算安全距离的优化算法,并对此进行可行性及安全性分析,该算法是考虑前行列车最有利情况下制动与后行列车最不利情况下制动的一种安全距离模型优化算法。通过仿真研究,对原有算法与优化算法的安全距离模型进行比较。结果表明:优化算法与原有算法相比,能够有效地缩短最小安全间隔,提高列车通过能力。     

基于通信的列车控制系统中列车追踪间隔的优化与仿真

基于移动闭塞的CBTC(基于通信的列车控制)系统相对于传统的ATC(列车自动控制)系统可实现列车间的实时追踪运行,列车的运行间隔大大缩短.然而列车之间的追踪间隔时间的优化仍然是一大难题.在考虑列车速度、加速度、制动距离和安全距离等因素下研究了区间追踪和站台追踪的追踪间隔时间的模型.仿真分析表明,模型是正确和有效的,并在一定程度上优化了追踪间隔.     

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。     

基于改进差分算法的高速列车运行调整研究

为了压缩高速铁路列车运行的总晚点时间、编制高质量的列车运行调整计划,建立高速铁路列车运行调整模型,运用矩阵描述高速列车运行调整中的相关概念,以列车到发线数量、列车追踪时间间隔、列车停站时分等作为高速列车运行调整的约束,以列车在各站的到达的总晚点时间最少为优化目标,构建高速铁路列车运行调整模型。在分析基本差分算法差分策略的基础上,提出基于三角差分策略的高速铁路运行调整差分算法,给出详细的计算步骤。以京广高速铁路实际列车运行数据进行计算,验证了模型的有效性和算法的高效性、精确性。本文提出的基于新的改进的差分策略的高速铁路列车运行调整方法是合理可行的。     

地铁列车追踪运行的节能控制与分析

为了研究地铁列车再生能量利用,分析给定运行图的节能潜力,以牵引变电所处总能耗最小为目标,依据再生制动等效电路和牵引计算模型,获得地铁列车两车追踪运行约束。在假设前行列车运行状态已知的条件下,采用二次规划算法,优化追踪列车操纵序列,提高再生制动能量的吸收利用,降低系统总能耗。仿真算例与仅考虑单车优化运行策略的方案对比结果表明:给出的算法能够在保证追踪列车正点、准确停站的前提下,节约3.8%的系统总能耗。通过该算法获得的节能效率与列车追踪间隔密切相关,同时调整追踪间隔和采用该优化算法可获得更好的节能效果。     

城市轨道交通ATO的节能优化研究

自动列车驾驶系统ATO通过对列车的速度调节实现列车在站间的自动运行,列车在站间的控制策略决定其运行的能耗。传统的ATO可以根据线路情况、列车当前速度、位置、牵引制动特性以及停车点的位置计算相应的速度曲线,通过一定的控制算法实现对列车速度的精确追踪,保证列车准点并精确地到达停车点。但是该过程使得列车在站间运行时反复实施牵引力和制动力的转换,能耗较大。本文在传统ATO控制策略的基础上,分析一种基于驾驶策略的ATO控制方法,给出一种ATO节能驾驶策略的求解算法。该算法在保证列车到站时间误差在一定范围的前提下,通过延长列车的惰行距离,减少列车在站间运行的能耗。     

基于目标速度追踪的城轨列车节能优化算法

为了实现城市轨道交通的节能运行,提出基于目标速度追踪的城轨列车节能优化算法。首先构建列车均质棒动力学模型和节能优化目标函数,利用极大值原理推导出列车节能运行工况。然后重点分析列车运行时间和运行方式对能耗的影响。在对典型方案仿真分析的基础上,提出通过陡坡时的基于等效平均速度法的运行策略,以及目标速度改变时合理利用惰行的运行策略。最后通过目标速度追踪的方法得到速度曲线,实现城轨列车的节能运行。利用上海地铁3号线的数据对本文提出的算法进行验证,结果表明相较实际运行情况,本文提出的算法可以降低25.39%的运行能耗,同时求解得到的速度曲线更加平缓,更适合城市轨道交通的实际运行情况。     

城市轨道交通追踪列车定时节能操纵优化

研究在给定站间运行时分前提下的城市轨道交通追踪列车节能操纵优化模型,模型以两列车在两站间运行的总能耗最小为目标,通过同时优化前行列车和追踪列车的操纵策略以提高再生制动能的利用。在一定的制动停车距离、线路平纵断面和限速条件下,将站间区间划分为若干个子区间,建立两列车在各个子区间的运行工况序列选择模型,通过遗传算法优化两列车在每个子区间的牵引力使用系数、末速度和运行时间,提高列车牵引时对再生制动能的利用率。算例表明,在给定的站间区间上,本文模型在保证正点前提下比单列车定时节能算法的能耗降低5.8%。当区间存在陡下坡时,两列车在途中运行过程中比在进出站过程中协同利用再生制动能效果更显著。     

基于可拓学的列车自动驾驶算法研究

以可拓学理论为基础研究列车自动驾驶算法,该算法兼顾了列车运行的安全性、舒适性、节能性、停车精度等性能指标.通过对列车自动驾驶优化操作策略进行分析,建立了评价列车运行过程的物元模型,确定关联度函数对各性能指标进行量化,利用层次分析法得到性能指标的权重,在此基础上用可拓学中的优度评价法以滚动优化的方式实现得到优化策略.本文将可拓学应用于列车自动驾驶,该方法不需要建立精确的数学模型,为研究列车自动驾驶算法提供了一个新的方向.     

一种结合时刻表调整的列车节能驾驶优化方法

为了降低高速列车在连续站间运行的能耗,以区间运行能耗和运行时间为目标建立列车驾驶策略优化模型,采用基于模拟退火的粒子群算法PSO-SA进行求解,得到每个运行区间的能耗-时间Pareto解集,并通过最小二乘法拟合得到每个区间相应的Pareto曲线。在此基础上,提出一种时刻表优化调整方法,在始发站至终点站总运行时分确定的前提下,基于KKT(Karush-Kuhn-Tucker)条件调整每个站间运行时分,给出最优的站间运行时分组合和最佳的区间运行策略。以CRH2A高速列车在镇江南—昆山南区间实际运行数据为基础进行仿真验证,结果表明:通过区间最优工况求解和多站间运行时分调整优化,列车在多站间的总运行能耗降低了17.6%,验证了模型和算法的有效性。     

基于通信的列车控制系统的列车追踪间隔时间计算

针对由于外界因素影响而使基于通信的列车控制(CBTC)系统列车追踪间隔偏大的问题,对列车追踪间隔时间算法进行了研究,得出了列车追踪间隔时间的表达式,分析了影响列车运行追踪间隔时间的本质因素,提出了基于提前减速法的追踪间隔时间优化方法.以兰州地铁1号线线路数据为例,对提出的理论计算方法进行了仿真验证,得出了相应的追踪间隔-距离曲线图.仿真结果表明,提前减速方法能很好地优化线路中关键区段的追踪间隔偏大的问题,提高了整条线路的运行效率.     

基于蚁群算法的城市轨道交通列车节能运行优化模型仿真分析

对城市轨道交通列车的开行模式、牵引控制特性、驾驶策略优化算法等进行了综合分析，基于蚁群算法建立了优化求解模型匹配的列车最优运行速度曲线，采用OPENTRACK软件对优化结果进行了仿真分析，验证了列车节能运行策略的可行性及算法优化的有效性。     

基于遗传算法的高速铁路行车调整模型

高速铁路采用“高中速列车共线运行”的运输模式,其行车调度具有高实时性和整体性两大特点。以列车计划运行图为优化目标,给出运行图之间的距离定义,建立列车运行调整数学模型,给出列车的发车时刻、股道数量、列车在区间的运行时分、追踪运行间隔时间、维修天窗时间5个约束条件表达式。按照遗传算法的原理,采用罚函数的方法对数学模型中的约束条件进行处理并建立适应度函数,采用整数编码方法对个体进行编码,并定义交叉算子和变异算子。基于遗传算法的调整算法流程开发列车运行调度仿真子系统。仿真结果表明:使用该模型可大大减轻调度人员的工作量,彻底摒弃了在计算机上手工拖动运行线确定列车运行时刻的调整方式,提高了列车运行调整的科学性。该模型已应用在高速铁路综合调度仿真系统中。     

城市轨道交通列车运行自动调整的优化模型及算法研究

针对城市轨道交通列车运行的特点，以发车时间、停站时间、区间运行时间、追踪间隔为约束条件，以列车总晚点时间和总晚点数目为综合优化目标，构建城市轨道交通列车运行自动调整模型。采用改进的遗传算法对该模型进行求解。并对实例进行仿真测试验证，仿真结果表明，此模型和算法可以满足自动运行调整的需要。     

基于动态间隔时间的列车追踪策略研究

基于追踪控制的实时性需求,提出列车追踪动态间隔时间指标,并对列车追踪运行时该指标的变化情况进行分析。根据分析结果提出一种在满足列车间实时通信的情况下,对追踪运行的2列车进行整体考虑的列车追踪方案。该方案先通过改变追踪策略,达到在追踪列车减速进限速区的过程中,间隔距离减小的同时后车速度也逐渐减小,减缓追踪间隔时间实时的变化情况,从而增大最小追踪动态间隔时间,降低列车追踪运行的安全风险;在保证安全运行的前提下,通过适当减小图定追踪间隔时间,提高效率。针对该运行方案,进一步设计模糊决策预测控制的分层控制器进行仿真,仿真结果与理论分析一致,达到预期目的。     

轨道交通移动闭塞安全距离的仿真研究

介绍了轨道交通列车运行安全距离的概念,并对安全距离的影响因素进行了定性分析。结合移动闭塞条件下列车间最小追踪间隔模型,对移动闭塞中安全距离进行仿真研究。研究结果表明,安全距离是影响列车追踪间隔的主要因素,且在列车最高速度一定的情况下,列车最小追踪间隔时间随安全距离的增大而增大,基本呈线性关系。     

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。     

基于事件的控制技术在地铁列车运行中的应用

研究移动闭塞条件下地铁列车的运行规律,建立地铁列车运行模型,将基于事件的控制技术应用到地铁列车控制中。引入运动参考变量,求出在以站间最小运行时间为目标的单列列车控制中,列车运行速度、加速度关于列车走行距离的表达式,根据列车走行距离实时调整规划列车的运行。研究移动闭塞条件下地铁列车间的控制,采用基于事件的控制技术和编队思想降低列车间的最小追踪允许间隔,在保证不撞车以及尽量减少站外停车的前提下,提高地铁线路的通过能力,并且能够方便地实现系统的重新配置以及各子系统间的协调协作。以相邻的3列列车运行为例,研究在移动闭塞条件下后续列车的控制策略,根据列车的走行距离以及前后列车间所要求保留的安全距离,动态调整列车的运行速度、加速度。仿真结果表明,运用基于事件的控制技术来控制列车的运行,可提高列车的正点率到95%。     

站内车次追踪算法的研究与应用

站内列车车次追踪主要采取逻辑追踪方式。逻辑追踪的基本原理是同一时刻、同一地点、有且只有一列列车在运行或者停车。其关键技术就是依据列车运行的情况、当前时刻、当前地点来自动推算当前运行或者停车的列车车次号。基于UML的站内车次追踪算法有利于程序标准化和模块化,提高系统的可靠性和安全性。     

面向节能的高速列车追踪控制方案研究

提出一种基于改进人工蜂群算法的高速列车节能优化方法.通过对高速列车进行受力分析,以牵引计算理论中的运动学方程为支撑,结合列车属性和线路条件建立以列车运行能耗最小的数学模型.决策变量为列车工况以及相对应的工况改变点.针对模型设计基于交叉操作的全局人工蜂群算法,并设计了简单遗传算法作为比较.在此基础上,以前车对后车的限速作为约束,在移动闭塞模式下建立了追踪列车模型.在单列车求解的基础上设计了一种求解追踪列车工况的迭代算法.最后以设计的算例对本文模型及算法进行验证,结果表明所设计模型和算法能够在满足列车安全、准时、到站的条件下实现列车节能优化.