CN105785795B - 一种基于粒子群算法的列车运行速度曲线节能优化方法 - Google Patents
一种基于粒子群算法的列车运行速度曲线节能优化方法 Download PDFInfo
- Publication number
- CN105785795B CN105785795B CN201610291150.1A CN201610291150A CN105785795B CN 105785795 B CN105785795 B CN 105785795B CN 201610291150 A CN201610291150 A CN 201610291150A CN 105785795 B CN105785795 B CN 105785795B
- Authority
- CN
- China
- Prior art keywords
- train
- speed
- energy
- energy consumption
- track data
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开一种基于粒子群算法的列车运行速度曲线节能优化方法,包括:S1、设置线路数据和列车参数,获取当前限速等指令,并对线路数据进行离散化处理得到各线路结点;S2、根据线路数据将各线路结点的对应速度范围进行离散化,并建立速度关联稀疏矩阵及对应的能耗、时间稀疏矩阵;S3、根据列车节能理论经验,生成能耗矩阵;S4、利用自适应粒子群算法对列车运行速度曲线进行节能仿真优化。本发明可有效提高列车节能优化精度和优化速度。
Description
技术领域
本发明涉及列车运行控制技术领域。更具体地,涉及一种基于粒子群算法的列车运行速度曲线节能优化方法。
背景技术
铁路运输是我国最重要的交通运输方式之一,它担负着关系国民经济和社会发展的重要任务。随着铁路建设蓬勃发展,铁路运输能源消耗量也呈现总体上升趋势,其中机车牵引能耗占铁路运输能耗的60%~70%。因此,机车牵引系统的节能提效对铁路运输节能具有重大意义。以列车的准点、安全运行为前提,在一定的线路、机车和车辆条件下,通过优化列车目标速度曲线可以降低机车牵引能耗,是实现列车节能的一种有效途径。
传统优化算法将多目标优化问题通过一定的人为方法转化为单目标优化问题,然后求解。传统优化算法一般是针对结构化的问题,有较为明确的问题和条件描述。但是在列车节能这种复杂工程应用中,列车运行状态变量不能全部用数学公式进行表述。此外,传统优化算法计算速度较慢,而列车运行速度曲线节能优化尤其是在线优化对优化速度要求较高。
与传统优化算法对应的是智能算法。智能算法受自然规律的启迪,根据其原理,模仿求解问题思路。智能算法具有鲁棒性好、通用性强、并行高效等优点,越来越广泛地应用于大型工程领域。但智能算法存在易陷入局部最优,不能充分进行全局搜索的问题。
粒子群算法通过评价、比较、模仿三个过程的互相交融激励,具备实现简单、无需梯度信息、没有许多参数的调节、适应外界环境变化、解决复杂问题的能力。当调整参数设置时其收敛速度及收敛精度有所改善。
因此,需要提供一种基于粒子群算法的列车运行速度曲线节能优化方法。
发明内容
本发明的目的在于提供一种基于粒子群算法的列车运行速度曲线节能优化方法。
为达到上述目的,本发明采用下述技术方案:
一种基于粒子群算法的列车运行速度曲线节能优化方法,该方法包括如下步骤:
S1、设置线路数据和列车参数,获取当前限速等指令,并对线路数据进行离散化处理得到各线路结点;
S2、根据线路数据将各线路结点的对应速度范围进行离散化,并建立速度关联稀疏矩阵及对应的能耗稀疏矩阵、时间稀疏矩阵;
S3、根据列车节能理论经验,生成能耗矩阵;
S4、利用自适应粒子群算法对列车运行速度曲线进行节能仿真优化。
优选地,所述线路数据包括坡道起止点公里标、坡度和限速,所述列车参数包括载重、最大允许速度、戴维斯系数、功率、牵引力曲线和制动力。
优选地,步骤S4进一步包括如下子步骤:
S4.1、将列车运行模态转化成速度控制信号形式表示;
S4.2、根据粒子位置及运行的线路轨迹查询能耗矩阵计算各线路结点对应实际耗能;
S4.3、计算平衡列车运行时间控制与能耗目标函数的粒子适应度值,得到能耗目标函数的适应度函数,根据适应度函数得到对应的各线路结点的对应速度,生成节能仿真优化的速度控制信号;
S4.4、根据节能仿真优化的速度控制信号提取速度、时间、能耗数据并绘制节能优化的速度曲线图,完成对列车运行速度曲线的节能仿真优化。
优选地,所述列车运行模态包括:牵引、巡航、惰行和制动模态。
本发明的有益效果如下:
本发明所述技术方法可在一定程度上解决列车节能优化精度和速度之间的矛盾,克服了传统优化算法计算速度较慢的问题,同时有效克服了智能算法易陷入局部最优,不能充分进行全局搜索的问题。本发明所述技术方案可以有效提高列车节能优化精度,并提高优化速度,同时改善优化算法的稳定性,实现简单、无需梯度信息、无需过多参数的调节、适应外界环境变化。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出基于粒子群算法的列车运行速度曲线节能优化方法的流程图。
图2示出速度链示意图。
图3示出速度关联矩阵示意图。
图4示出根据优化速度控制信号提取速度、时间、能耗数据的示意图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
本实施例提供的基于粒子群算法的列车运行速度曲线节能优化方法基于计算机、列车运行控制记录装置LKJ、GPS、列车速度传感器等部件实现,其中,计算机和LKJ设置于列车控制室,GPS设置于列车设备间,列车速度传感器设置于列车轴箱上。计算机根据LKJ、GPS、传感器等部件导入的列车实时运行数据进行基于粒子群算法的列车运行速度曲线节能优化。
如图1所示,本实施例提供的基于粒子群算法的列车运行速度曲线节能优化方法,包括如下步骤:
S1、设置线路数据和列车参数,获取当前限速等指令,并对线路数据进行离散化处理得到各线路结点S∈(S1,S2,…,Sm,…SM),特别注意在限速和坡道变化区域的离散结点应更密集,线路数据和列车参数在LKJ中设置,获取当前限速等指令的方法为实时从LKJ中导入,线路数据包括坡道起止点公里标、坡度和限速等,列车参数包括载重、最大允许速度、戴维斯系数、功率、牵引力曲线和制动力等;
S2、根据线路数据将各线路结点的对应速度范围进行离散化,并建立速度关联稀疏矩阵及对应的能耗稀疏矩阵、时间稀疏矩阵,具体过程为:
如图2所示,根据线路信息速度范围,对各线路结点速度进行离散化,因起点和终点列车都为静止状态,列车在起点、终点的速度选择点只有一种情况;依线路结点推进方向,将各线路结点对应的速度结点从小到大的排列顺序依次叠加,组成速度链,这样列车在各线路结点对应的速度都可通过速度链查找;如图3列举3个线路结点,以速度链的索引编码分别为矩阵横、纵坐标的索引,建立关联稀疏矩阵,其中纵坐标代表列车状态转移的初速度,横坐标代表列车状态转移的末速度,当列车状态转移始末速度不相关,对应位置赋值为0,稀疏矩阵统一处理为\,当列车状态转移始末速度相关,对应位置赋某一实数(本实施例中选用0.01)。
而确定某一线路结点的对应速度后,沿列车运行方向该线路结点之后的各线路结点的对应速度是基于距离的列车状态转移模型计算的,基于距离的列车状态转移模型如下:
设在单位距离ΔS内,加速度a保持一定。列车从状态m变化到状态m+1由以下公式推算(ΔS是一个已知常数):
已知列车运行初始状态:S=0,t=0,v=0,如果每个单位距离内的加速度a已知,那么列车运行中的各个线路结点的对应状态都可以计算出来,状态包括时间和速度。
能耗稀疏矩阵、时间稀疏矩阵是由关联矩阵演变而来,三个稀疏矩阵形式一样,存储数据不同,速度关联稀疏矩阵存储数据代表速度间关联程度,能耗稀疏矩阵、时间稀疏矩阵分别是在速度关联稀疏矩阵对应处分别存储速度变化所消耗的能耗、时间;
S3、根据列车节能理论经验,生成能耗矩阵EC,其中现有技术中对列车节能理论经验进行了数学与统计学证明,本实施例在算法阶段对理论知识进行应用,例如列车在理想单个陡上坡线路中节能运行模态是巡航-最大牵引-巡航,应用中可控制列车在上坡线路中选择牵引模态概率更大;
S4、利用自适应粒子群算法对列车运行速度曲线进行节能仿真优化,该步骤进一步包括如下子步骤:
S4.1、将列车运行模态转化成速度控制信号形式表示,并用阿拉伯数字表述;
将列车性能约束转化为对列车速度控制信号的选择,每一种控制信号代表了粒子的一种运行模态(牵引、巡航、惰行、制动),根据列车在当前速度点分别采取牵引、巡航、惰行、制动运行模态可以推算出列车在下一空间维度的速度,实际应用中,为了提高计算精度可以将各模态进一步细致划分;
S4.2、根据粒子位置及运行的线路轨迹查询能耗矩阵EC计算线路结点Sm对应实际耗能
S4.3、计算平衡列车运行时间控制与能耗目标函数的粒子适应度值,得到能耗目标函数的适应度函数,根据适应度函数得到对应的各线路结点的对应速度,生成节能仿真优化的速度控制信号,具体实现方式如下:
平均速度由计划运行时间Ts及线路全长S决定,见公式:
va=S/Ts
每一线路结点Sm(1≤m≤M)计划抵达时间,见公式:
每一线路结点Sm(1≤m≤M)实际抵达时间可由时间矩阵TC(时间矩阵TC中的元素是根据基于距离的列车状态转移模型表示的一个线路节点到下一个节点所需要的时间)根据粒子位置及运行的线路轨迹查询计算求得,相同的一段路,粒子走过的速度轨迹不同TCu,u+1(u=1,2,…,m)的值也不同,见公式:
在线路结点Sm处时间差值见公式:
本实施例中的列车节能运行的能耗目标函数的目标是能耗最小值问题,能耗目标函数的适应度函数设置与列车能耗相关。通过调整适应度函数的值来保证列车准时性,当时间误差越大,适应度函数调整结果就越大,那么粒子向这条线路的趋向性就越差,调整方式如下:
通常,a<b<c;
得到适应度函数后,根据适应度函数得到对应的各线路结点的对应速度,生成节能仿真优化的速度控制信号。
S5、如图4所示,根据节能仿真优化的速度控制信号提取速度、时间、能耗数据并绘制节能优化的速度曲线图及其他相关图,作为列车驾驶员驾驶列车的辅助参考。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (3)
1.一种基于粒子群算法的列车运行速度曲线节能优化方法,其特征在于,该方法包括如下步骤:
S1、设置线路数据和列车参数,获取当前限速指令,并对线路数据进行离散化处理得到各线路结点;
S2、根据线路数据将各线路结点的对应速度范围进行离散化,并建立速度关联稀疏矩阵及对应的能耗稀疏矩阵、时间稀疏矩阵;
S3、根据列车节能理论经验,生成能耗矩阵;
S4、利用自适应粒子群算法对列车运行速度曲线进行节能仿真优化;
步骤S4进一步包括如下子步骤:
S4.1、将列车运行模态转化成速度控制信号形式表示;
S4.2、根据粒子位置及运行的线路轨迹查询能耗矩阵计算各线路结点对应实际耗能;
S4.3、计算平衡列车运行时间控制与能耗目标函数的粒子适应度值,得到能耗目标函数的适应度函数,根据适应度函数得到对应的各线路结点的对应速度,生成节能仿真优化的速度控制信号;
S4.4、根据节能仿真优化的速度控制信号提取速度、时间、能耗数据并绘制节能优化的速度曲线图,完成对列车运行速度曲线的节能仿真优化。
2.根据权利要求1所述的方法,其特征在于,所述线路数据包括坡道起止点公里标、坡度和限速,所述列车参数包括载重、最大允许速度、戴维斯系数、功率、牵引力曲线和制动力。
3.根据权利要求1所述的方法,其特征在于,所述列车运行模态包括:牵引、巡航、惰行和制动模态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610291150.1A CN105785795B (zh) | 2016-05-05 | 2016-05-05 | 一种基于粒子群算法的列车运行速度曲线节能优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610291150.1A CN105785795B (zh) | 2016-05-05 | 2016-05-05 | 一种基于粒子群算法的列车运行速度曲线节能优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105785795A CN105785795A (zh) | 2016-07-20 |
CN105785795B true CN105785795B (zh) | 2018-11-23 |
Family
ID=56400659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610291150.1A Expired - Fee Related CN105785795B (zh) | 2016-05-05 | 2016-05-05 | 一种基于粒子群算法的列车运行速度曲线节能优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105785795B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106379378B (zh) * | 2016-09-09 | 2018-02-06 | 北京交通大学 | 一种离线和在线结合调整驾驶曲线的方法和系统 |
CN106347420B (zh) * | 2016-09-09 | 2018-02-06 | 北京交通大学 | 一种离线调整驾驶曲线方法和系统 |
CN108657232B (zh) * | 2018-05-18 | 2020-02-18 | 重庆交通大学 | 一种城轨列车的多目标控制方法 |
CN108985662A (zh) * | 2018-08-27 | 2018-12-11 | 广州地铁集团有限公司 | 一种基于并联式免疫粒子群算法的列车运行优化方法 |
CN109344996A (zh) * | 2018-08-29 | 2019-02-15 | 广西大学 | 一种城市轨道交通列车节能优化运行方法 |
CN109067264B (zh) * | 2018-09-17 | 2020-07-28 | 长安大学 | 一种平衡车系统及其控制方法 |
CN109688585B (zh) * | 2018-12-28 | 2023-10-13 | 卡斯柯信号有限公司 | 应用于列车监控系统的车地无线通信加密方法与装置 |
CN112230641B (zh) * | 2019-06-28 | 2022-04-15 | 比亚迪股份有限公司 | 车辆的制动曲线的生成方法和装置 |
CN111859813B (zh) * | 2020-07-30 | 2022-07-01 | 中国空气动力研究与发展中心超高速空气动力研究所 | 气体动理论统一算法中离散速度坐标点选取的优化方法 |
CN112249099B (zh) * | 2020-09-27 | 2021-07-02 | 北京交通大学 | 一种基于预测控制的高速列车节能运行曲线在线计算方法 |
CN113176772B (zh) * | 2021-04-23 | 2023-05-09 | 重庆中车长客轨道车辆有限公司 | 双流制车辆的无电区行驶切换控制仿真测试系统及方法 |
CN113268879A (zh) * | 2021-05-31 | 2021-08-17 | 深圳市大数据研究院 | 列车操纵优化方法、装置、设备及存储介质 |
CN114506366B (zh) * | 2022-01-10 | 2024-01-19 | 北京全路通信信号研究设计院集团有限公司 | 一种列车下坡参考速度曲线确定方法、系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235843A (zh) * | 2013-04-03 | 2013-08-07 | 北京交通大学 | 一种城市轨道交通列车运行优化控制模拟方法和系统 |
CN103963805A (zh) * | 2014-04-25 | 2014-08-06 | 北京交通大学 | 一种城市轨道交通列车运行的节能方法 |
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 |
CN104260759A (zh) * | 2014-10-08 | 2015-01-07 | 北京交通大学 | 一种城市轨道交通节能优化方法及系统 |
CN105243430A (zh) * | 2015-09-07 | 2016-01-13 | 北京交通大学 | 列车节能运行的目标速度曲线的优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8500071B2 (en) * | 2009-10-27 | 2013-08-06 | Invensys Rail Corporation | Method and apparatus for bi-directional downstream adjacent crossing signaling |
-
2016
- 2016-05-05 CN CN201610291150.1A patent/CN105785795B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235843A (zh) * | 2013-04-03 | 2013-08-07 | 北京交通大学 | 一种城市轨道交通列车运行优化控制模拟方法和系统 |
CN103963805A (zh) * | 2014-04-25 | 2014-08-06 | 北京交通大学 | 一种城市轨道交通列车运行的节能方法 |
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 |
CN104260759A (zh) * | 2014-10-08 | 2015-01-07 | 北京交通大学 | 一种城市轨道交通节能优化方法及系统 |
CN105243430A (zh) * | 2015-09-07 | 2016-01-13 | 北京交通大学 | 列车节能运行的目标速度曲线的优化方法 |
Non-Patent Citations (2)
Title |
---|
Single-Train Trajectory Optimization;Shaofeng Lu 等;《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》;20130630;第14卷(第2期);第743-750页 * |
列车节能操纵优化求解方法综述;荀径 等;《铁道学报》;20140430;第36卷(第4期);第14-20页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105785795A (zh) | 2016-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105785795B (zh) | 一种基于粒子群算法的列车运行速度曲线节能优化方法 | |
CN108470444B (zh) | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 | |
CN105243430B (zh) | 列车节能运行的目标速度曲线的优化方法 | |
CN104260724B (zh) | 一种车辆智能预测控制系统及其方法 | |
Wu et al. | Effects of the prevision relative velocity on traffic dynamics in the ACC strategy | |
CN102176283A (zh) | 一种简化交通路网模型及基于此模型的导航方法 | |
CN204256963U (zh) | 一种基于gps的交叉口交通信号灯实时控制装置 | |
CN104574968B (zh) | 一种临界交通状态参数的确定方法 | |
CN104656452B (zh) | 一种基于矩阵离散的地铁列车优化控制方法及装置 | |
CN105243856A (zh) | 城市交通信号智能控制规则的自组织构建方法 | |
CN108427273A (zh) | 一种减少交通拥堵现象的反馈控制设计方法 | |
CN107472302A (zh) | 一种列车站间节能运行方法 | |
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 | |
CN106740998A (zh) | 城市轨道交通cbtc系统车载ato节能操控方法 | |
Yi-Fei et al. | Research on polling based traffic signal control strategy with fuzzy control | |
US20230264578A1 (en) | Method for predicting energy consumption-recovery ratio of new energy vehicle, and energy saving control method and system for new energy vehicle | |
Zou et al. | Intelligent scheduling method for energy saving operation of multi‐train based on genetic algorithm and regenerative kinetic energy | |
Abhishek et al. | Smart traffic light controller using deep reinforcement learning | |
Zhang et al. | Cross‐Modal Travel Route Recommendation Algorithm Based on Internet of Things Awareness | |
Cao et al. | Optimisation of recommended speed profile for train operation based on ant colony algorithm | |
Song et al. | Simulation of multi-train operation and energy consumption calculation considering regenerative braking | |
Zhang et al. | A cell-based robust optimal coordinated control on urban arterial road | |
Xu et al. | Research on Optimization of Intersection Signal Control Based on Traffic Flow Forecasting | |
CN109284540A (zh) | 一种基于工况识别的变衰减因子指数预测模型方法 | |
Severino et al. | Development of automated pipeline for time-resolved link-wise vehicular energy consumption in the Chattanooga, TN road network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into 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 |
Granted publication date: 20181123 Termination date: 20190505 |
|
CF01 | Termination of patent right due to non-payment of annual fee |