基于改进NSGA-Ⅱ的列车运行多目标优化方法

针对目前城市轨道交通列车运行节能控制必须满足工程校验、实时高精度需求以及快速非支配排序遗传算法(NSGA-Ⅱ)在优化列车运行速度曲线时解集分布性差的问题,提出一种基于改进NSGA-Ⅱ的列车运行多目标优化方法.首先建立以站间牵引能耗、到站时间、停车精度为优化目标,以多种规范约束为支配惩罚,以实数编码的位置-工况组合为变量下的列车节能运行数学模型.然后,以限速曲线与坡度变化原则分段离散化站间线路,基于NSGA-Ⅱ加入动态矫正计算适应度值并引进自适应选择与混合交叉算子.最后,采用北京地铁8号线数据进行优化仿真.结果表明,改进NSGA-Ⅱ算法在标准测试函数上解集分布性指标最高提升27％,在列车节能工程优化问题上,运行备选方案数量提升2倍以上,方案分布性提升26％,牵引能耗降低4.8％.本方法为城轨列车节能运行的优化设计及决策者对目标条件的权衡提供了更广泛的选择.     

基于闭塞区间的高速列车运行时间与节能协同优化方法

提出了一种高速列车运行时间与节能协同优化方法.针对由动态调度层、优化控制层、跟踪控制层组成的列车运行控制与动态调度一体化结构,设计了面向动态调度层和优化控制层的列车运行时间调整策略和节能速度位置曲线.基于高速铁路闭塞区间,建立了列车区间模型和列车速度曲线节能优化模型.利用模型预测控制方法对列车区间运行时间进行调整,优化列车总延误时间;根据调整后的区间运行时间设计列车运行优化速度位置曲线,减少列车运行能耗.仿真算例验证了设计的运行时间与节能协同优化策略的有效性.     

自适应遗传算法在列车节能优化中的应用

为改进列车节能优化策略,结合既有节能操纵经验与典型子区间思想,引入自适应遗传算法,在列车满足安全、准点、乘车舒适等约束条件的前提下,寻找各工况转换点,使列车运行能耗最小。首先介绍列车停车制动曲线,限速防护曲线的计算方法,通过预制列车停车制动曲线,限速防护曲线,修正列车速度曲线,达到了提高遗传算法可行解比例,加速算法的迭代进程的目的。然后详细说明了遗传算法染色体、遗传算子,适应度函数及迭代收敛条件;自适应机制的应用增强遗传算法全局搜索能力。最后以武汉至新乌龙泉线路为案例,验证了节能优化算法的有效性。     

基于CBTC的城市轨道交通列车能耗算法及仿真

以西南交通大学的CBTC仿真与性能分析系统为平台详细研究了列车运行的能耗算法,针对不同的线路和不同类型的列车,通过仿真均能得到列车行驶过程中的速度状态和列车牵引能耗以及再生制动能的关系。本文的研究为今后利用此平台,以节能为目标进行系统性能优化奠定了基础。     

城际列车多区间节能运行优化方法研究

为了提高城际列车运行的节能性与准点性,研究了一种城际列车多区间节能优化方法。将中间停车站点作为关键点约束,同时以总运行时间约束为边界条件,将列车多区间节能运行优化问题转换为广义上的单区间节能运行优化问题。设计了一种基于极大值原理分析结论的动态规划算法,在保证列车总运行时间不变情况下,实现了全线的最优节能运行操纵策略与时刻表的同步优化。与传统动态规划算法相比,上述算法无需对位置和速度进行双重离散化,只对速度进行离散,有效避免了速度轨迹波动。算法对电分相区内无牵引工况的操纵约束具有很好的兼容性。最后以CRH6A型动车组运行于莞惠线为例进行仿真验证,结果表明,与实车运行数据相比,提出的优化方法节能率可达19.92%。     

基于鲁棒预测控制的高速列车节能运行研究

针对高速列车在运行过程中的传统控制策略优化精度差、难以达到理想的节能效果的问题,提出了基于安全、准点、节能等多目标要求的高速列车鲁棒预测控制策略。对列车的运行过程进行受力分析,运用聚类和最小二乘法建立了基于多模型的线性预测模型,考虑高速列车惰行运行及道路条件等情况,合理设计出列车的节能目标曲线。将相应的节能曲线作为输入量,采用鲁棒预测控制算法进行优化,有效地提高了模型的适配性和跟踪性。以CRH3型列车作为研究对象进行仿真,结果表明,鲁棒预测控制能够满足跟踪节能曲线精度的要求,验证了该节能运行方式的可行性和优越性。     

基于再生制动能的列车发车间隔优化模型

随着低碳环保的生活理念越来越深入人心,节能已成为城市轨道交通运行的目标。着眼于再生制动能技术在列车运行过程中日益突出的效用,笔者利用再生制动能,以求得所有列车运行总能耗最低的时间间隔为目标,建立了优化多列车发车间隔的模型。该模型采用微元法将位移、速度与时间的关系表示出来,并算出列车牵引能耗,再结合再生制动能创建模型,通过改进的遗传算法求解,得到列车最优的发车间隔和运行图。     

基于钩缓约束的重载列车驾驶过程优化

重载列车是一种由上百甚至几百节车厢组成的动力集中式大载重系统, 其牵引力/制动力需通过车钩相继传递给车厢, 存在明显的非线性和大滞后性. 现有的人工驾驶模式, 司机难以考虑车厢之间的钩缓约束, 易引起车钩断裂和脱轨; 且运行性能与司机的操纵经验密切相关, 存在耗电大, 无法按照列车运行图正点运行等问题. 本文针对此关键问题, 以实现重载列车安全、正点、节能运行为目标, 开展其驾驶过程运行优化研究. 分析列车钩缓系统受力原理, 基于其特性曲线, 采用翟方法构造重载列车钩缓模型及整车纵向动力学模型; 据此, 考虑钩缓约束运用多目标自适应遗传算法, 结合实际运行线路(限速、坡道、曲线率等)约束条件设定列车理想的运行速度目标曲线; 最后, 采用改进广义预测控制器设计重载列车驾驶过程优化控制方法, 跟踪理想速度目标曲线安全、正点、低能耗运行. 基于大秦线上HXD1型重载列车实际数据的仿真结果表明本文所设计的理想目标速度曲线优化方法可以较好地改善列车运行中的安全, 正点和节能等关键性指标, 运行优化控制能保证列车精确跟踪理想速度目标曲线, 实现其驾驶过程优化运行.     

基于遗传算法的高速列车ATO追溯目标曲线优化

对于高速列车在运行过程中因为运行环境造成能耗、舒适、准时和准确停车等指标的不同,运用遗传算法对列车运行的节能性曲线和多目标运行曲线优化,结合列车牵引计算方程和选定的线路约束条件仿真得到列车ATO所要追溯的目标曲线。结果表明：通过遗传算法优化工况转换点使得列车运行中的惰行比例增加,可以实现列车节能运行,与节能性目标相比,多目标可以较好地保证列车运行中的舒适性,准时性和准确停车等关键性指标。     

采用再生制动的地铁时刻表节能优化研究

地铁运行的主要成本是电能消耗,如何降低地铁运行能耗是建设绿色城市的重要课题.本文从列车运行时再生制动产生回馈电网能量出发,建立采用再生制动的地铁列车运行能耗模型.进而,将地铁运行节能问题转化为地铁列车时刻表优化问题,并引入列车运行约束和混合逻辑动态模型约束将该问题建模为一个非线性混合整数规划问题.本文设计了分解协调优化算法,以列车停站时间和发车时间间隔作为优化操作变量进行优化.从仿真结果可知,以不同的操纵变量进行优化均能有效提高再生制动能量利用率,且分解协调算法的求解结果优于传统的模拟退火算法.     

Operation Optimal Control of Urban Rail Train Based on Multi-Objective Particle Swarm Optimization

The energy consumption of train operation occupies a large proportion of the total consumption of railway transportation. In order to improve the operating energy utilization rate of trains, a multi-objective particle swarm optimization (MPSO) algorithm with energy consumption, punctuality and parking accuracy as the objective and safety as the constraint is built. To accelerate its the convergence process, the train operation progression is divided into several modes according to the train speed-distance curve. A human-computer interactive particle swarm optimization algorithm is proposed, which presents the optimized results after a certain number of iterations to the decision maker, and the satisfactory outcomes can be obtained after a limited number of adjustments. The multi-objective particle swarm optimization (MPSO) algorithm is used to optimize the train operation process. An algorithm based on the important relationship between the objective and the preference information of the given reference points is suggested to overcome the shortcomings of the existing algorithms. These methods significantly increase the computational complexity and convergence of the algorithm. An adaptive fuzzy logic system that can simultaneously utilize experience information and field data information is proposed to adjust the consequences of off-line optimization in real time, thereby eliminating the influence of uncertainty on train operation. After optimization and adjustment, the whole running time has been increased by 0.5 s, the energy consumption has been reduced by 12%, the parking accuracy has been increased by 8%, and the comprehensive performance has been enhanced.     

列车节能运行决策问题的模拟优化研究

轨道交通运输耗能巨大,研究列车节能操作运行具有重要的理论意义和实用价值。从节能角度出发,分析列车运行过程中的能量转换机制,建立单列车耗能最低优化模型、多列车节能优化模型及列车延误多目标优化控制模型,针对模型本身及其约束条件的复杂性,提出基于改进布谷鸟优化算法与动态搜索方法的“模拟优化”求解方法,对列车节能运行决策问题进行求解,并通过与其他同类算法的比较,阐述了所提方法的优越性。得到列车在不同运行工况下的最优节能运行控制策略,确定各情况下列车运行的最优速度距离曲线,结果符合实际情况。改进算法的搜索效率更高,研究思路与模型对于列车节能操作运行具有一定的借鉴意义,所提出的针对复杂优化模型的求解方法合理有效,适用性强,有一定的参考价值。     

Dynamic coast control of train movement with genetic algorithm

The railway service is now the major transportation means in most of the countries around the world. With the increasing population and expanding commercial and industrial activities, a high quality of railway service is the most desirable. Train service usually varies with the population activities throughout a day and train coordination and service regulation are then expected to meet the daily passengers' demand. Dwell time control at stations and fixed coasting point in an inter-station run are the current practices to regulate train service in most metro railway systems. However, a flexible and efficient train control and operation is not always possible. To minimize energy consumption of train operation and make certain compromises on the train schedule, coast control is an economical approach to balance run-time and energy consumption in railway operation if time is not an important issue, particularly at off-peak hours. The capability to identify the starting point for coasting according to the current traffic conditions provides the necessary flexibility for train operation. This paper presents an application of genetic algorithms (GA) to search for the appropriate coasting point(s) and investigates the possible improvement on fitness of genes. Single and multiple coasting point control with simple GA are developed to attain the solutions and their corresponding train movement is examined. Further, a hierarchical genetic algorithm (HGA) is introduced here to identify the number of coasting points required according to the traffic conditions, and Minimum-Allele-Reserve-Keeper (MARK) is adopted as a genetic operator to achieve fitter solutions.     

遗传算法在列车运行控制模型中的应用

针对轨道交通列车节约能耗、节省时间和提高舒适度等因素之间的冲突问题,建立了以工况转换点为求解目标的多约束条件下列车运行优化控制模型,并提出了弯道优行法的列车通行原则,优化了弯道运行策略.对模型进行分析,应用遗传算法对该问题进行求解,最后采用MATLAB软件进行仿真验证.仿真结果表明,该模型方法能够有效的优化列车运行模式,在运行时间只延长11.96%的情况下,能耗降低了33.27%,并保证了乘客的舒适度,最终得到了比较理想的运行策略.     

牵引计算与仿真之经济牵引策略计算

列车运行中采用何种牵引策略对提高列车的运行速度和牵引重量,保证列车的运行安全和尽量节约能耗,以及扩大运输能力、提高运输效益的是非常重要的。介绍了经济牵引策略,分析了基于经济牵引策略的计算机防真计算过程。     

On an optimal control problem of train operation

This paper examines the operation of a train on a variable grade profile subject to arbitrary speed restrictions. The purpose of the study is to determine a detailed program for traction and brake applications, which minimizes energy consumption in moving the train along a given route for a given time. Stated in the form of optimal control, this problem is solved by constructing a numerical algorithm which essentially exploits analytical properties of the optimal solution obtained from the maximum principle analysis. Due to its analytical origin, the algorithm has inherent accuracy and adequate quick-operation that are demonstrated in numerical examples     

基于改进遗传算法的列车运行曲线优化

传统遗传算法很早就在列车运行优化研究中得到了应用,但是由于种群中染色体进化方向的不确定性和局部搜索能力不足,导致收敛速度缓慢和求解质量低下。针对以上问题,本文提出一种改进型遗传算法,对列车运行曲线的生成进行研究。以列车运行能耗最小为优化目标,将行车安全、准点和精确停车等约束条件转化为惩罚函数,同时以工况序列为遗传个体进行求解,为加快种群收敛速度和提高解的质量,设计包含准点调整和局部搜索的种群进化方向引导机制。仿真结果表明,改进后的算法适用于多约束的列车运行优化问题,有效提升了收敛速度,优化结果相比于简单遗传算法和自适应遗传算法更加节能。