CN104881527B - 城市轨道交通列车ato速度命令优化方法 - Google Patents
城市轨道交通列车ato速度命令优化方法 Download PDFInfo
- Publication number
- CN104881527B CN104881527B CN201510242340.XA CN201510242340A CN104881527B CN 104881527 B CN104881527 B CN 104881527B CN 201510242340 A CN201510242340 A CN 201510242340A CN 104881527 B CN104881527 B CN 104881527B
- Authority
- CN
- China
- Prior art keywords
- ato
- train
- population
- ato speed
- speed command
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005265 energy consumption Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims abstract description 7
- 238000004134 energy conservation Methods 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 10
- 238000010353 genetic engineering Methods 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 6
- 210000000349 chromosome Anatomy 0.000 claims description 5
- 229910002056 binary alloy Inorganic materials 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000004043 dyeing Methods 0.000 claims 1
- 238000013461 design Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种城市轨道交通列车ATO速度命令优化方法，包括以下步骤：建立供ATO速度命令优化的数据模块；建立ATO速度命令组合评价模块，评价当前ATO速度命令组合的优劣性；建立基于多目标遗传算法NSGA‑II的ATO速度命令节能优化方法，确定节能ATO速度命令，最终得到区间节能ATO速度命令集。本发明方法可以得到地铁线路所有运行区间的最优ATO速度命令集，大大缩短优化时间，既可以进行离线优化，也可以进行在线优化，降低了地铁牵引能耗，为我国城市轨道交通系统每年节约大量电能。
Description
技术领域
本发明涉及城市轨道交通技术领域，特别是一种城市轨道交通列车ATO(自动列车运行装置，Automatic Train Operation)速度命令优化方法。
背景技术
由于轨道交通运量庞大，能源消耗总量过大是目前城市轨道交通面临的一大问题。其中有近50％来自于列车牵引能耗，不仅城市轨道交通运营成本居高不下，而且也给城市供电系统带来了沉重的负担。目前节约牵引能耗的方法中，一个重要的切入点是研究列车节能驾驶曲线：在设计列车在两站之间运行曲线时，在考虑列车的牵引特性，线路的坡道、弯道及限速等情况下，离线设计列车节能驾驶控制序列或优化曲线。只要列车运行时正确的跟踪节能驾驶曲线，就可达到节约能耗的目的。按问题求解方法划分数学优化方法和计算机辅助设计两类：数学优化方法主要是采用最大值原理求解连续控制下的最优速度曲线；计算机辅助设计主要是通过列车运行仿真，结合优化算法，研究内容主要集中在列车操纵策略、能耗计算、单质点列车、多质点列车等模型的建模和分析。
然而，对于研究列车节能驾驶曲线，存在以下问题：(1)通过数值方法求解优化在研究过程中对轨道、列车和驾驶模型进行了简化，无法对列车运行能耗进行精确计算；(2)通过计算机辅助设计的列车运行仿真模型和优化算法并不能使用于ATO速度曲线的优化：一方面，优化ATO速度曲线的特点是优化ATO速度命令而不是连续控制曲线的优化；另一方面，遗传优化适应度函数设计过程中，采用权值的方法预先设定了优化各个目标的比重或关系，融入了人为偏好的优化策略使得最终解存在一定局限性。
发明内容
本发明的目的在于提供一种精确、高效的基于多目标遗传算法的城市轨道交通列车ATO速度命令优化方法。
实现本发明目的的技术解决方案为：一种城市轨道交通列车ATO速度命令优化方法，包括以下步骤：
步骤1，建立供ATO速度命令优化的数据模块；
步骤2，建立ATO速度命令组合评价模块，评价当前ATO速度命令组合的优劣性；
步骤3，建立基于多目标遗传算法NSGA-II的ATO速度命令节能优化方法，确定节能ATO速度命令，最终得到区间节能ATO速度命令集。
本发明与现有技术相比，其显著优点是：(1)在乘客舒适度得到保障条件下，在设计ATO速度命令时考虑了列车运行能耗，即设计的ATO速度命令具有节能效果，可实现牵引节能；(2)将遗传算法NSGA-II应用于ATO速度命令设计，采用快速非支配排序算法、拥挤距离和拥挤度比较算子以及精英和适应度共享策略，使得最终设计得到的ATO速度命令达到非支配标准的要求，同时NSGA-II求解得到均匀分布的Pareto解集，对基于时间均匀分布标准和能耗灵敏度标准的决策十分有利；(3)较高的可行性：该方案与具体ATO系统结合，具体实施的时候只需改动ATO设备配置参数即可；(4)较低的成本：仅需要对ATO实际运行的能耗做测试分析，而没有增加任何设备成本；(5)灵活性较好：由于多目标优化得到的是ATO速度命令集合，可以根据实际列车的区间运行时间、舒适度指标和ATO运行等级进行灵活选择，从而能够有效的保障服务质量。
附图说明
图1是本发明城市轨道交通列车ATO速度命令优化方法的结构示意图。
图2是本发明中列车运行仿真模型总体结构示意图。
图3是本发明中NSGA-II求解ATO速度命令Pareto解的流程示意图。
具体实施方式
以下结合附图和具体实施方式对本发明做进一步详细描述。
结合图1，本发明城市轨道交通列车ATO速度命令优化方法，包括以下步骤：
步骤1，建立供ATO速度命令优化的数据模块；
所述供ATO速度命令优化的数据模块包括线路数据模块、列车运营数据模块、列车属性数据模块和ATO配置模块，该四个模块均为数据输入模块，为ATO速度命令优化提供初始参数，其中：
线路数据模块，提供线路站点位置列表和坡道弯道列表数据；
列车运营数据模块，提供区间最短运行时间数据；
列车属性数据模块，提供列车运行的基本运行参数，包括列车编组、载客量、基本阻力参数、逆变器效率、牵引制动特性；
ATO配置模块，配置ATO系统的基本特征量，包括ATO速度命令和速度调节算法参数。
步骤2，建立ATO速度命令组合评价模块，评价当前ATO速度命令组合的优劣性；
结合图2，所述建立ATO速度命令组合评价模块即建立列车运行仿真模块，包括：
车载ATO模型：计算当前列车加速度，实现列车工况保持或转移，并将加速度值传递给列车模型和运行计算模型；
列车模型：根据车载ATO模型提供的加速度数据，进行列车牵引或制动力的计算，并将牵引或制动力值传递给运行计算模型；
运行计算模型：根据车载ATO模型和列车模型提供的数据，进行动力学运算，确定列车当前速度、运行距离和运行时间，并将计算结果传递给能耗、时间计算模型；
能耗、时间计算模型：根据运行计算模型提供的数据，计算出列车的区间运行时间和牵引能耗。
步骤3，建立基于多目标遗传算法NSGA-II的ATO速度命令节能优化方法，确定节能ATO速度命令，最终得到区间节能ATO速度命令集，如图3所示，具体步骤如下：
(1)编码：采用实数编码，编码的对象为ATO速度命令；所述编码的对象ATO速度命令包括ATO控制模式Mode、牵引加速度ap、制动减速度ab、惰行起始速度vcs、惰行终止速度即巡航速度vce和惰行点位置sc。
(2)确定种群数量：根据区间长度确定种群大小和迭代代数，具体为：当区间长度小于1500m，种群大小设置为50；当区间长度大于1500m且小于2500m，种群大小设置为80；当区间长度大于2500m，种群大小设置为100；迭代代数均设为100。
(3)设置种群适应度方程：min{EC(x),RT(x)}，其中EC(x)为列车运行能耗、RT(x)为列车运行时间，x为ATO速度命令对应的染色体。
(4)计算父种群个体适应度值：由步骤2所述的ATO速度命令组合评价模块计算父种群个体适应度值。
(5)遗传操作：遗传操作包括选择、交叉和变异，选择操作采用锦标赛选择算子，交叉操作采用模拟二进制交叉，变异操作采用多项式变异，产生子种群。
(6)计算子种群个体适应度值：由步骤2所述的ATO速度命令组合评价模块计算子种群个体适应度值。步骤(4)和步骤(6)中所述个体适应度值计算步骤包括：
(a)取种群中第i个个体并计算该个体对应的ATO速度命令，i初始值为0，将个体的染色体转化为ATO速度命令；
(b)检查ATO速度命令每个参数值是否在取值范围内，其参数范围值由列车ATO系统确定：若满足要求，则进入(c)；若不满足，则个体的适应度1和适应度2分别取最大值，最大值均设为1000，跳转至(f)；
(c)将个体染色体转化的ATO速度命令传递给ATO配置模块参数，更新ATO速度命令；
(d)进行列车运行仿真：调用ATO速度命令组合评价模块进行运行仿真，由ATO速度命令组合评价模块中的能耗、时间计算模型计算个体适应度值；
(e)保存个体的适应度值：个体的适应度1表示运行能耗，个体的适应度2表示运行时间；
(f)判读当前个体是否是种群中的最后一个个体：若是最后一个个体，则计算结束；否则，i＝i+1，跳转至(a)。
(7)产生下一代父种群：父种群与子种群共同参与竞争，采用精英和适应度值共享策略，得到下一代父种群，具体为：将父种群与该父种群产生的子代种群组合，共同竞争产生下一代父种群，确保父代中的优良个体进入下一代，最优个体不会丢失。
(8)判断迭代是否满足终止条件：判断迭代代数是否达到最大迭代代数，若到达则结束并进入(9)，若未到达则返回(5)。
(9)输出节能ATO速度命令集：采用非支配标准、能耗灵敏度标准和时间均匀分布标准，选择ATO速度命令集。
实施例1
现以城市轨道交通中某条线路的某个区间为例，其节能ATO速度命令的设计步骤如下：
首先，输入ATO属性数据、线路数据和列车属性数据，确定仿真区间，若数据无误，计算机进入节能ATO速度命令设计模块；
其次，进入节能ATO速度命令设计模块，具体步骤包括：
步骤一：编码，即对每个种群编码。采用实数编码方式，编码的对象为ATO速度命令，包括ATO控制模式(Mode)、牵引加速度(ap)、制动减速度(ab)、惰行起始速度(vcs)、惰行终止速度(巡航速度)(vce)和惰行点位置(sc)，约束条件分别为：
Mode＝Mi+p Mi,p＝0,1,2
ap＝apl+m·Δap m＝0,1,2,…,M
ab＝abl+n·Δab n＝0,1,2,…,N
vcs＝vcsl+k·Δvcs k＝0,1,2,…,K
vce＝vcel+j·Δvce j＝0,1,2,…,J
sc＝scl+l·Δsc l＝0,1,2,…,L
vcs≤vce
式中，Mi为初始控制模式，apl和abl分别表示启动牵引加速度和制动减速度最小值；Δap和Δap分别为牵引和制动加速度增量；vcsl和vcel分别表示惰行起始速度和惰行终止速度最小值；Δvcs和Δvce为惰行起始速度增量和惰行终止速度增量；scl表示惰行点位置最小值，Δsc为惰行点位置增量；M、N、K、J、L分别为牵引加速度、制动减速度、惰行起始速度、惰行终止速度(巡航速度)和惰行点位置增量的上限值；
步骤二：确定种群大小和代数，并初始化第一代父种群。根据区间长度确定种群大小，当区间长度小于1500m，种群大小设置为50；当区间长度大于1500m且小于2500m，种群大小设置为80；当区间长度小大于2500m，种群大小设置为100；
步骤三：设置种群的适应度方程，目标是运行时间最小，同时运行能耗最小。ATO速度命令节能设计问题是一个两目标优化的问题，其数学模型为：
min{EC(x),RT(x)}
EC(x)和RT(x)分别为列车运行能耗和运行时间；
步骤四：将父种群传递给适应度计算模型，由其计算出种群每个个体的适应度值。
步骤五：遗传操作：由父种群通过遗传操作产生子种群，其中遗传操作主要包括选择、交叉和变异。选择操作采用锦标赛选择算子，交叉操作采用模拟二进制交叉，变异操作采用多项式变异，产生子种群。
步骤六：子种群适应度函数计算：将子种群传递给适应度计算模型，由其计算出种群每个个体的适应度值；
步骤七：父种群与子种群共同参与竞争，采用精英和适应度值共享策略，得到下一代父种群，这有利于确保父代中的优良个体进入下一代，并通过对种群中所有个体的分级存放，使得最优个体不会丢失，同时，NSGA-II的适应度共享策略是建立在拥挤距离算子基础上的，用以保持种群的多样性和分布的均匀；
步骤八：判断迭代是否满足终止条件；
步骤九：采用非支配标准、能耗灵敏度标准和时间均匀分布标准，得到节能ATO速度命令集。
综上所述，本发明方法可以得到地铁所有区间的最优ATO速度命令集，大大缩短优化时间，既可以进行离线优化，也可以进行在线优化，降低了地铁牵引能耗，为我国城市轨道交通系统每年节约大量电能。
Claims (7)
1.一种城市轨道交通列车ATO速度命令优化方法，其特征在于，包括以下步骤：
步骤1，建立供ATO速度命令优化的数据模块；
步骤2，建立ATO速度命令组合评价模块，评价当前ATO速度命令组合的优劣性；
步骤3，建立基于多目标遗传算法NSGA-II的ATO速度命令节能优化方法，确定节能ATO速度命令，最终得到区间节能ATO速度命令集，步骤如下：
(1)编码：采用实数编码，编码的对象为ATO速度命令；
(2)确定种群数量：根据区间长度确定种群大小和迭代代数；
(3)设置种群适应度方程：其中EC(x)为列车运行能耗、RT(x)为列车运行时间，x为ATO速度命令对应的染色体；
(4)计算父种群个体适应度值：由步骤2所述的ATO速度命令组合评价模块计算父种群个体适应度值；
(5)遗传操作：遗传操作包括选择、交叉和变异，选择操作采用锦标赛选择算子，交叉操作采用模拟二进制交叉，变异操作采用多项式变异，产生子种群；
(6)计算子种群个体适应度值：由步骤2所述的ATO速度命令组合评价模块计算子种群个体适应度值；
(7)产生下一代父种群：父种群与子种群共同参与竞争，采用精英和适应度值共享策略，得到下一代父种群；
(8)判断迭代是否满足终止条件：判断迭代代数是否达到最大迭代代数，若到达则结束并进入(9)，若未到达则返回(5)；
(9)输出节能ATO速度命令集：采用非支配标准、能耗灵敏度标准和时间均匀分布标准，选择ATO速度命令集。
2.根据权利要求1所述的城市轨道交通列车ATO速度命令优化方法，其特征在于，步骤1所述供ATO速度命令优化的数据模块包括线路数据模块、列车运营数据模块、列车属性数据模块和ATO配置模块，该四个模块均为数据输入模块，为ATO速度命令优化提供初始参数，其中：
线路数据模块，提供线路站点位置列表和坡道弯道列表数据；
列车运营数据模块，提供区间最短运行时间数据；
列车属性数据模块，提供列车运行的基本运行参数，包括列车编组、载客量、基本阻力参数、逆变器效率、牵引制动特性；
ATO配置模块，配置ATO系统的基本特征量，包括ATO速度命令和速度调节算法参数。
3.根据权利要求1所述的城市轨道交通列车ATO速度命令优化方法，其特征在于，步骤2所述建立ATO速度命令组合评价模块即建立列车运行仿真模块，包括：
车载ATO模型：计算当前列车加速度，实现列车工况保持或转移，并将加速度值传递给列车模型和运行计算模型；
列车模型：根据车载ATO模型提供的加速度数据，进行列车牵引或制动力的计算，并将牵引或制动力值传递给运行计算模型；
运行计算模型：根据车载ATO模型和列车模型提供的数据，进行动力学运算，确定列车当前速度、运行距离和运行时间，并将计算结果传递给能耗、时间计算模型；
能耗、时间计算模型：根据运行计算模型提供的数据，计算出列车的区间运行时间和牵引能耗。
4.根据权利要求1所述的城市轨道交通列车ATO速度命令优化方法，其特征在于，步骤(1)中所述编码的对象ATO速度命令包括ATO控制模式Mode、牵引加速度ap、制动减速度ab、惰行起始速度vcs、惰行终止速度即巡航速度vce和惰行点位置sc。
5.根据权利要求1所述的城市轨道交通列车ATO速度命令优化方法，其特征在于，步骤(2)中所述根据区间长度确定种群大小和迭代代数，具体为：当区间长度小于1500m，种群大小设置为50；当区间长度大于1500m且小于2500m，种群大小设置为80；当区间长度大于2500m，种群大小设置为100；迭代代数均设为100。
6.根据权利要求1所述的城市轨道交通列车ATO速度命令优化方法，其特征在于，步骤(4)和步骤(6)中所述个体适应度值计算步骤包括：
(a)取种群中第i个个体并计算该个体对应的ATO速度命令，i初始值为0，将个体的染色体转化为ATO速度命令；
(b)检查ATO速度命令每个参数值是否在取值范围内，其参数范围值由列车ATO系统确定：若满足要求，则进入(c)；若不满足，则个体的适应度1和适应度2分别取最大值，最大值均设为1000，跳转至(f)；
(c)将个体染色体转化的ATO速度命令传递给ATO配置模块参数，更新ATO速度命令；
(d)进行列车运行仿真：调用ATO速度命令组合评价模块进行运行仿真，由ATO速度命令组合评价模块中的能耗、时间计算模型计算个体适应度值；
(e)保存个体的适应度值：个体的适应度1表示运行能耗，个体的适应度2表示运行时间；
(f)判读当前个体是否是种群中的最后一个个体：若是最后一个个体，则计算结束；否则，i＝i+1，跳转至(a)。
7.根据权利要求1所述的城市轨道交通列车ATO速度命令优化方法，其特征在于，步骤(7)中所述采用精英和适应度值共享策略，得到下一代父种群，具体为：将父种群与该父种群产生的子代种群组合，共同竞争产生下一代父种群，确保父代中的优良个体进入下一代，最优个体不会丢失。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510242340.XA CN104881527B (zh) | 2015-05-13 | 2015-05-13 | 城市轨道交通列车ato速度命令优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510242340.XA CN104881527B (zh) | 2015-05-13 | 2015-05-13 | 城市轨道交通列车ato速度命令优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104881527A CN104881527A (zh) | 2015-09-02 |
| CN104881527B true CN104881527B (zh) | 2018-06-12 |
Family
ID=53949020
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510242340.XA Expired - Fee Related CN104881527B (zh) | 2015-05-13 | 2015-05-13 | 城市轨道交通列车ato速度命令优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104881527B (zh) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106126870B (zh) * | 2016-08-31 | 2019-07-16 | 中车青岛四方机车车辆股份有限公司 | 一种列车牵引系统的节能边界评估方法 |
| CN106444421B (zh) * | 2016-09-29 | 2019-06-25 | 南京理工大学 | 城市轨道交通车载牵引制动控制器系统及其工作方法 |
| CN106777717B (zh) * | 2016-12-23 | 2020-10-30 | 南京理工大学 | 一种考虑载客量变化的ato速度命令节能优化方法 |
| CN106740998B (zh) * | 2016-12-29 | 2018-10-19 | 广州地铁集团有限公司 | 城市轨道交通cbtc系统车载ato节能操控方法 |
| CN106873366B (zh) * | 2017-01-19 | 2019-11-05 | 重庆交通大学 | 为城轨列车生成ato速度控制命令的方法 |
| CN106842901B (zh) * | 2017-01-19 | 2019-11-08 | 重庆交通大学 | 为列车自动驾驶系统生成速度控制命令的方法 |
| CN108932356A (zh) * | 2017-05-27 | 2018-12-04 | 南京理工大学 | 一种考虑列车晚点因素的ato速度命令节能优化方法 |
| CN107272407B (zh) * | 2017-06-15 | 2020-06-19 | 清华大学 | 一种ato系统行程方案的评价方法及系统 |
| CN107180282B (zh) * | 2017-07-01 | 2020-08-25 | 南京理工大学 | 一种高峰时段多列车节能优化方法 |
| CN108674452B (zh) * | 2018-05-18 | 2020-04-03 | 重庆交通大学 | 一种移动闭塞下的高铁列车群多目标控制方法 |
| CN109165830A (zh) * | 2018-08-10 | 2019-01-08 | 安徽库讯自动化设备有限公司 | 一种agv小车运行状态的智能化调控系统 |
| CN109190185A (zh) * | 2018-08-10 | 2019-01-11 | 安徽库讯自动化设备有限公司 | 一种具有参数分析功能的agv小车的运行状态调控方法 |
| CN109376437A (zh) * | 2018-10-30 | 2019-02-22 | 中车南京浦镇车辆有限公司 | 一种基于多目标遗传算法的新能源车载储能优化控制方法 |
| CN111605587B (zh) * | 2019-02-26 | 2022-02-08 | 比亚迪股份有限公司 | 列车、列车自动运行系统及其运行参数优化方法、系统 |
| CN110990950B (zh) * | 2019-12-04 | 2021-12-21 | 北京交通大学 | 基于混合运行模式的多目标列车节能优化方法 |
| CN111680413B (zh) * | 2020-05-30 | 2023-03-28 | 南京理工大学 | 基于双层算法的有轨电车定时节能运行优化方法及其系统 |
| CN112633596B (zh) * | 2020-12-30 | 2022-09-27 | 南京理工大学 | 地铁列车速度曲线和区间运行时间的一体化优化方法 |
| CN112896244B (zh) * | 2021-02-22 | 2022-07-19 | 同济大学 | 基于目标速度曲线跟踪的列车站间运行控制方法及装置 |
| CN113326574A (zh) * | 2021-06-30 | 2021-08-31 | 南京信息工程大学 | 一种考虑列车精准停车因素的ato速度命令节能优化方法 |
| CN115309171B (zh) * | 2022-10-12 | 2022-12-20 | 维飒科技(西安)有限公司 | 轨道机器人的行为轨迹控制方法及装置 |
| CN118182587A (zh) * | 2024-04-15 | 2024-06-14 | 北京城建设计发展集团股份有限公司 | 一种基于轨道超高设计的ato控车方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10315973A (ja) * | 1997-05-15 | 1998-12-02 | Nippon Signal Co Ltd:The | 自動列車運転装置 |
| CN102360401B (zh) * | 2011-10-14 | 2013-06-05 | 南京理工大学 | 一种基于遗传算法的城市轨道交通节能运行图设计方法 |
| CN102495934B (zh) * | 2011-12-15 | 2014-12-24 | 南京理工大学 | 基于粒子群算法的轨道交通牵引功率平衡运行图设计方法 |
| CN104134378A (zh) * | 2014-06-23 | 2014-11-05 | 北京交通大学 | 一种基于驾驶经验和在线学习的城轨列车智能控制方法 |
-
2015
- 2015-05-13 CN CN201510242340.XA patent/CN104881527B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN104881527A (zh) | 2015-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104881527B (zh) | 城市轨道交通列车ato速度命令优化方法 | |
| Cao et al. | Bio-inspired speed curve optimization and sliding mode tracking control for subway trains | |
| CN112307564B (zh) | 列车ato目标运行速度曲线优化方法及装置 | |
| CN109840641B (zh) | 一种列车多区间运行曲线快速优化方法 | |
| CN102981408B (zh) | 一种动车组运行过程建模与自适应控制方法 | |
| CN106777717A (zh) | 一种考虑载客量变化的ato速度命令节能优化方法 | |
| CN110287564B (zh) | 一种基于遗传算法的中速磁浮节能运行图优化方法 | |
| CN106503804A (zh) | 一种基于Pareto多目标遗传算法的列车定时节能运行方法 | |
| CN108932356A (zh) | 一种考虑列车晚点因素的ato速度命令节能优化方法 | |
| CN112633598A (zh) | 城市轨道交通列车速度曲线与时刻表综合节能优化方法 | |
| CN105460048A (zh) | 城轨交通优化操纵与行车调度综合节能控制方法及装置 | |
| CN114202316B (zh) | 基于深度强化学习的城市轨道交通列车时刻表优化方法 | |
| Liu et al. | Optimization for the following operation of a high-speed train under the moving block system | |
| CN106379378B (zh) | 一种离线和在线结合调整驾驶曲线的方法和系统 | |
| CN106056238B (zh) | 列车区间运行轨迹的规划方法 | |
| CN107368920A (zh) | 一种非高峰时段多列车运行节能优化方法 | |
| CN103879414A (zh) | 一种基于自适应A-Star算法的铁路机车优化操纵方法 | |
| CN111680413B (zh) | 基于双层算法的有轨电车定时节能运行优化方法及其系统 | |
| CN109376437A (zh) | 一种基于多目标遗传算法的新能源车载储能优化控制方法 | |
| CN103955135A (zh) | 一种基于双层模式曲线的机车优化操纵序列计算方法 | |
| Bin et al. | Energy-efficient speed profile optimization for high-speed railway considering neutral sections | |
| Hamid et al. | Investigation into train positioning systems for saving energy with optimised train trajectories | |
| CN117022398A (zh) | 考虑客流分配的城市轨道交通列车时刻表优化方法及系统 | |
| Chen et al. | Robust optimization of energy-saving train trajectories under passenger load uncertainty based on p-NSGA-II | |
| Ke et al. | Signalling blocklayout and strategy of train operation for saving energy in mass rapid transit systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180612 |