CN104881527B - 城市轨道交通列车ato速度命令优化方法 - Google Patents

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

城市轨道交通列车ATO速度命令优化方法

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a_p、制动减速度a_b、惰行起始速度v_cs、惰行终止速度即巡航速度v_ce和惰行点位置s_c。

(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＝M_i+p M_i,p＝0,1,2

a_p＝a_pl+m·Δa_p m＝0,1,2,…,M

a_b＝a_bl+n·Δa_b n＝0,1,2,…,N

v_cs＝v_csl+k·Δv_cs k＝0,1,2,…,K

v_ce＝v_cel+j·Δv_ce j＝0,1,2,…,J

s_c＝s_cl+l·Δs_c l＝0,1,2,…,L

v_cs≤v_ce

式中，M_i为初始控制模式，a_pl和a_bl分别表示启动牵引加速度和制动减速度最小值；Δa_p和Δa_p分别为牵引和制动加速度增量；v_csl和v_cel分别表示惰行起始速度和惰行终止速度最小值；Δv_cs和Δv_ce为惰行起始速度增量和惰行终止速度增量；s_cl表示惰行点位置最小值，Δs_c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a_p、制动减速度a_b、惰行起始速度v_cs、惰行终止速度即巡航速度v_ce和惰行点位置s_c。

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。