CN108394429A - 一种为城轨列车群生成自动驾驶曲线的方法 - Google Patents

一种为城轨列车群生成自动驾驶曲线的方法 Download PDF

Info

Publication number
CN108394429A
CN108394429A CN201810116712.8A CN201810116712A CN108394429A CN 108394429 A CN108394429 A CN 108394429A CN 201810116712 A CN201810116712 A CN 201810116712A CN 108394429 A CN108394429 A CN 108394429A
Authority
CN
China
Prior art keywords
particle
module
solution
fundamental
forward positions
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.)
Granted
Application number
CN201810116712.8A
Other languages
English (en)
Other versions
CN108394429B (zh
Inventor
徐凯
杨飞凤
何周阳
杨世聪
徐文轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Yanxin Automobile Industry Investment Development Co ltd
Original Assignee
Chongqing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Jiaotong University filed Critical Chongqing Jiaotong University
Priority to CN201810116712.8A priority Critical patent/CN108394429B/zh
Publication of CN108394429A publication Critical patent/CN108394429A/zh
Application granted granted Critical
Publication of CN108394429B publication Critical patent/CN108394429B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/04—Automatic systems, e.g. controlled by train; Change-over to manual control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/08—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only
    • B61L23/14—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only automatically operated

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种为城轨列车群生成自动驾驶曲线的方法，包括地面列车群集成控制系统和自动驾驶曲线生成系统，其特征在于：（一）地面列车群集成控制系统周期性地将多辆列车各自对应的基础数据和约束参数分别传输到相应的处理模块；（二）每次收到基础数据和约束参数时，处理模块就根据方法一生成相应的Pareto前沿解集；（三）然后，处理模块根据方法二生成相应的控制曲线并将控制曲线传输到地面列车群集成控制系统；多个处理模块输出的控制曲线即形成列车群的自动驾驶曲线。采用本发明所述的方法，能快速、实时地获取Pareto前沿解集，并从Pareto前沿解集得到更加优化的列车群地面列车群集成控制系统自动驾驶曲线，使列车群自动驾驶即节时又节能。

Description

一种为城轨列车群生成自动驾驶曲线的方法
技术领域
本发明涉及城轨列车自动控制技术领域，特别是一种为城轨列车群生成自动驾驶曲线的方法。
背景技术
城轨列车车载计算机系统可以根据控制命令来控制列车沿最优目标曲线运行，实现城市轨道列车自动化控制。城市轨道交通某条线路上的列车群在自动驾驶命令生成时，需要输入列车属性数据、线路数据和列车运营等数据。对上述输入数据而言，不同时段的载客量是随时变化的，同时有可能出现线路限速、坡度和列车运营时间临时调整的情况。因此，对列车群实施自动驾驶控制命令，不是一个静态问题，其性质应是一个动态、实时的问题。需要根据当前实际变化和临时情况进行调整，实时生成列车群自动驾驶曲线，用以控制某条线路的列车群沿最优目标曲线运行。
在城市轨道交通某条线路上，对某一辆单向行驶的列车而言，若有n个站点，就要生成n-1条自动驾驶曲线，若有m辆列车就有m(n-1)条自动驾驶曲线。一条线路上运行的是整个列车群，对自动驾驶曲线生成的实时性、快速性都是有要求的。现有技术中，采用遗传算法、粒子集群算法等人工智能的方式来进行能耗和运行时间的多目标优化，可以获取列车自动驾驶速度曲线，但针对列车群行驶情况复杂、变化大的情况，要实时根据列车行驶线路情况获取其驾驶曲线，计算工作量将非常大，传统的智能计算方法性能差、效率低，无法满足实时性的要求。
发明内容
针对背景技术的问题，本发明提供一种为城轨列车群地面列车群集成控制系统生成自动驾驶曲线的方法，以解决现有的方法不能快速、实时生成城轨列车群自动驾驶曲线的问题。
为实现本发明的目的，本发明提供了一种为城轨列车群生成自动驾驶曲线的方法，包括地面列车群集成控制系统和自动驾驶曲线生成系统，所述自动驾驶曲线生成系统能为地面列车群集成控制系统生成自动驾驶曲线，地面列车群集成控制系统能将所述自动驾驶曲线传送给各列车车载计算机，以实现对列车群的控制，其创新点在于：所述自动驾驶曲线生成系统由多个处理模块组成，单个处理模块包括一个自动驾驶曲线生成模块、一个主机模块和一个辅机模块；
所述方法包括：
设某一运营线路上有多辆列车运行，多辆列车与所述多个处理模块一一对应；
(一)地面列车群集成控制系统周期性地将多辆列车各自对应的基础数据和约束参数分别传输到相应的处理模块；
(二)每次收到基础数据和约束参数时，处理模块就根据方法一生成相应的Pareto前沿解集；
(三)然后，处理模块根据方法二生成相应的控制曲线并将控制曲线传输到地面列车群集成控制系统；多个处理模块输出的控制曲线即形成列车群自动驾驶曲线；
所述方法一包括：
当处理模块收到基础数据和约束参数后，其中的主机模块按如下方式进行操作：1)主机模块根据当前的基础数据和约束参数生成多个基础粒子，然后，主机模块采用粒子集群算法求取Pareto前沿解；
2)首次得到Pareto前沿解时，主机模块将Pareto前沿解传输至辅机模块，同时，主机模块开始周期性地开启通信窗口；
3)通信窗口开启时，主机模块停止运行粒子集群算法，并将当前得到的Pareto前沿解传输至辅机模块，同时，主机模块接收辅机模块输出的精英Pareto前沿解；通信窗口关闭后，主机模块对收到的精英Pareto前沿解和自身保存的Pareto前沿解进行支配关系识别，并根据支配关系识别结果，继续运行粒子集群算法求取Pareto前沿解；
4)当通信窗口的开启次数达到设定值后，主机模块对当前的Pareto前沿解和精英Pareto前沿解进行支配关系识别，支配关系识别后，最终得到的所有Pareto前沿解即为Pareto前沿解集；
首次收到前沿解后，辅机模块按如下方式进行操作：A)辅机模块根据Pareto前沿解生成多个精英粒子群，然后，辅机模块采用粒子集群算法求取精英Pareto前沿解；
B)当通信窗口开启时，辅机模块停止运行粒子集群算法，并将当前得到的精英Pareto前沿解传输至主机模块，同时，辅机模块接收主机模块输出的Pareto前沿解；通信窗口关闭后，辅机模块根据新的Pareto前沿解重新生成多个精英粒子群，然后，辅机模块继续运行粒子集群算法求取精英Pareto前沿解；
所述方法二包括：
自动驾驶曲线生成模块对Pareto前沿解集中的Pareto前沿解进行模糊满意度评价，为每个Pareto前沿解生成相应的满意度值，将满意度值最高的Pareto前沿解作为控制曲线输出至地面列车群集成控制系统。
进一步地，所述步骤1)中的基础粒子按如下方式设置：
设所述运营线路上有多个站点，相邻两个站点之间的路段记为一个子线路；
为列车设计控制序列；所述控制序列由多个顺次排列的控制阶段组成，每个控制阶段均对应一种列车工况，列车工况切换时控制阶段也随之切换；列车工况切换时，列车在子线路上所处的位置记为工况转换点；当控制阶段的数量及各个控制阶段的列车工况种类确定后，即形成了一种控制模态；对控制阶段的数量及各个控制阶段的列车工况种类进行调整，即可得到多种控制模态；在单种控制模态条件下，对工况转换点的位置进行调节，即可为该种控制模态生成多种控制情况，同一控制情况及其所辖的多个工况转换点记为一个基础粒子，多种控制情况分别对应多个基础粒子；控制阶段的数量与工况转换点的数量之和即为基础粒子的维度；主机模块根据基础粒子生成多个基础粒子群。
进一步地，所述主机模块包括一个基础粒子群优化模块和一个全局外部档案模块；主机模块按如下方式获取Pareto前沿解：
(a)收到基础数据和约束参数后，基础粒子群优化模块根据基础数据和约束参数生成多个基础粒子；
(b)然后，基础粒子群优化模块根据公式一对各个基础粒子进行粒子速度更新处理，得到各个基础粒子当前的粒子速度；然后根据各个基础粒子当前的粒子速度采用公式三对各个基础粒子进行粒子位置更新处理，得到各个基础粒子当前的粒子位置；
(c)然后根据约束参数，判断各个基础粒子当前的粒子位置中是否有可行解：
满足约束参数条件的基础粒子位置记为可行解；
若无可行解，则返回步骤(b)；若有可行解，则进入步骤(d)；
(d)基础粒子群优化模块将可行解送入全局外部档案模块，全局外部档案模块对可行解进行支配关系识别，保留下来的可行解即形成Pareto前沿解；
(e)然后，基础粒子群优化模块根据公式二对各个基础粒子进行粒子速度更新处理，得到各个基础粒子当前的粒子速度；然后根据各个基础粒子当前的粒子速度采用公式三对各个基础粒子进行粒子位置更新处理，得到各个基础粒子当前的粒子位置；
(f)根据约束参数，判断各个基础粒子当前的粒子位置中是否有可行解：
若无可行解，则返回步骤(e)；若有可行解，则进入步骤(g)；
(g)基础粒子群优化模块将可行解送入全局外部档案模块，全局外部档案模块将新收到的可行解和以前的Pareto前沿解一起进行支配关系识别，获取当前的Pareto前沿解；
所述公式一为：
其中，w为惯性权重，w为设定值；为相应基础粒子群中第d维度上第i个基础粒子第k次搜索时的粒子速度，为设定值；为相应基础粒子群中第d维度上第i个基础粒子第k+1次搜索时的粒子速度；c1和c2均是数值为正的常数，c2和c2均为设定值；和均为[0,1]区间上的随机数，和的具体数值由基础粒子群优化模块根据粒子集群算法随机生成；为相应基础粒子群中第d维度上第i个基础粒子在第k次搜索时的自身最优位置，为设定值，后续过程中的由各个基础粒子根据粒子集群算法自动更新；为相应基础粒子群中第d维度上第k次搜索时的全局最优位置，为设定值；为相应基础粒子群中第d维度上第i个基础粒子在第k次搜索时的位置向量，为设定值；
所述公式二为：
其中，c3是数值为正值的常数，c3为设定值；为[0,1]区间上的随机数，的具体数值由基础粒子群优化模块根据粒子集群算法随机生成；为第d维度上第k次搜索时从全局外部档案模块中随机选取的多个Pareto前沿解，所述多个Pareto前沿解分别作为多个基础粒子的引导粒子；
所述公式三为：
其中，为相应基础粒子群中第d维度上第i个基础粒子第k+1次搜索时的粒子的位置向量；
进一步地，所述辅机模块包括一个精英粒子群优化模块和一个局部外部档案模块；所述辅机模块按如下方式获取精英Pareto前沿解：
a)收到Pareto前沿解后，精英粒子群优化模块根据Pareto前沿解生成多个精英粒子群；
b)根据公式四对精英粒子群中的每个精英粒子进行r次随机扰动，得到多个扰动粒子；对单个精英粒子而言，每扰动一次，就得到一个相应的扰动粒子，单个精英粒子被扰动r次后，就能得到r个扰动粒子；进入步骤c)；
c)根据约束参数，判断扰动粒子中是否有可行解：如果有可行解，则进入步骤d)；如果没有可行解，则返回步骤b)；
d)将可行解送入局部外部档案模块，对可行解进行支配关系识别，得到精英Pareto前沿解；返回步骤b)；
所述公式四为：
其中，为第r次扰动后相应精英粒子群中第j个精英粒子在第d维度上的位置向量；xbestjd为扰动前相应精英粒子群中第j个精英粒子在第d维度上的位置向量；Re giond max、Re giond min分别为相应精英粒子群中的精英粒子在第d维度上的搜索范围的上下界；rand()为[-1,1]内的随机数；
进一步地，按如下方式为单个Pareto前沿解生成满意度值：
按公式五计算出单个Pareto前沿解中各个目标函数对应的隶属度，然后根据隶属度，按公式六计算出该前沿解的满意度值；
所述公式五为：
其中，ul为目标函数fl的隶属度值，和分别为目标函数fl的最小值和最大值，l＝1,2，其中f1为与时间相关的目标函数，f2为与能耗相关的目标函数；
所述公式六为：
其中，vm即为相应Pareto前沿解的满意度值。
本发明的原理如下：
本发明中应用到的粒子集群算法、Pareto原理和速度控制命令求解技术为现有技术中十分常见的处理手段，相关的内容，本领域技术人员可从现有技术的相关文献中获取。现有技术中，为提高算法的全局搜索能力，可通过增加粒子的多样性来实现。而采用多种群协同进化策略是增加粒子多样性的重要方法之一，也是惯用做法。多种群协同进化是指在搜索空间的不同可行区域上布置一些子种群，让这些子种群并行搜索相应区域上的最优解，以保证整个种群的多样性和分布性。现有的常见做法是在进化初期强化全局搜索能力，并在后期强化局部搜索能力，即先粗搜找到全局最优区域，再细搜找到全局最优位置，即最优解，整个过程是分为两个步骤完成的，正是由于多步骤的串行处理方式，导致了计算耗时较长、实时性不高的缺陷。
本发明是在整个进化过程中，主机模块和辅机模块同时协同工作，基础粒子群优化模块控制基础粒子群实现全局搜索，并将获取的可行解送入全局外部档案模块获取Pareto前沿解，同时全局外部档案模块中的Pareto前沿解周期性地传输至辅机模块，对辅机模块的精英粒子进行更新，精英粒子群优化模块控制精英粒子群实现局部精细搜索，并将搜索结果送入局部外部档案模块获取精英Pareto前沿解，局部外部档案模块中的精英Pareto前沿解周期性地传输至主机模块，对全局外部档案模块中的Pareto前沿解进行更新，最终获取Pareto前沿解集。通过特有的主辅机双向通信机制，让全局搜索和局部搜索并行进行，大大提高了收敛速度，能快速获取Pareto前沿解集，满足列车群自动驾驶曲线生成快速、实时的需要。
另一方面，现有技术中基础粒子的速度更新方式通常只利用了公式一，全局外部档案模块对Pareto前沿解的提取、甄选和存储仅是为了在算法处理完成后能累积到多个Pareto前沿解，从而形成Pareto前沿解集。在本发明中，公式二在公式一的基础上在等号右边增加了第4项：其中的为第d维度上第k次搜索时从全局外部档案模块中随机选取的多个Pareto前沿解，在迭代过程中一旦全局外部档案模块获得了Pareto前沿解，则在后续迭代中，利用公式二将之前获得的多个Pareto前沿解分别作为多个基础粒子的引导粒子，用于各基础群粒子速度更新。这就可以使后续迭代过程中，既能兼顾到单个基础粒子全局最优位置(公式二等号右边第3项)、又能兼顾到所有基础粒子全局最优位置(公式二等号右边第4项)，这就可以使基础粒子收敛性在迭代过程中不断得到改善，由此得到的处理结果更加趋近于最优的自动驾驶曲线。
再一方面，精英粒子均为当前较优秀的可行解，这意味着在它的附近可能存在更多、更优秀的可行解。因此，本发明采用前述公式四，对精英粒子在每代进化中加r次扰动生成r个扰动粒子。这些新生成的扰动粒子，可能是不可行解，也可能是更优秀的可行解，将所生成的更优秀可行解送入局部外部档案模块中存放，经过支配关系识别，获得精英Pareto前沿解，当通信窗口开启后再将精英Pareto前沿解送入全局外部档案模块，在全局外部档案模块中，精英前沿解与已有的前沿解进行支配关系识别，其中被保留下来的精英前沿解形成新的Pareto前沿解。该过程相当于自然界中生物的衍生繁殖，在较优秀的可行解附近进行小范围的局部搜索，从而由一个较优秀的可行解产生出多个更为优秀的可行解。采用上述精英粒子的衍生繁殖机制，一方面可以获得更多的自动驾驶方案，另一方面也提高了自动驾驶方案的质量。
由于采用了上述技术方案，基于上述发明原理，本发明具有如下有益效果：能快速、实时地获取Pareto前沿解集，从Pareto前沿解集中获得更加优化的列车群地面列车群集成控制系统自动驾驶曲线，使列车群自动驾驶即节时又节能。
附图说明
本发明的附图说明如下。
图1为本发明所述的地面列车群集成控制系统和自动驾驶曲线生成系统示意图；
图2为单个处理模块的结构示意图。
图中：1、地面列车群集成控制系统；2、处理模块；21、自动驾驶曲线生成模块；22、基础粒子群优化模块；23、全局外部档案模块；24、精英粒子群优化模块；25、局部外部档案模块；221、基础粒子群；241、精英粒子群。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明所述的为城轨列车群生成自动驾驶曲线的方法包括如附图1和附图2所示的地面列车群集成控制系统1和自动驾驶曲线生成系统，所述自动驾驶曲线生成系统能为地面列车群集成控制系统1生成自动驾驶曲线，地面列车群集成控制系统1能将所述自动驾驶曲线传送给各列车车载计算机，以实现对列车群的控制；所述自动驾驶曲线生成系统由多个处理模块2组成，单个处理模块2包括一个自动驾驶曲线生成模块21、一个主机模块和一个辅机模块；所述主机模块包括一个基础粒子群优化模块22和一个全局外部档案模块23；所述辅机模块包括一个精英粒子群优化模块24和一个局部外部档案模块25；
所述方法包括：
设某一运营线路上有多辆列车运行，多辆列车与所述多个处理模块2一一对应；
(一)地面列车群集成控制系统1周期性地将多辆列车各自对应的基础数据和约束参数分别传输到相应的处理模块2；
(二)每次收到基础数据和约束参数时，处理模块2就根据方法一生成相应的Pareto前沿解集；
(三)然后，处理模块2根据方法二生成相应的控制曲线并将控制曲线传输到地面列车群集成控制系统1；多个处理模块2输出的控制曲线即形成列车群自动驾驶曲线；
上述步骤(一)中所述的基础数据包括：子线路的线路参数、列车的属性参数和列车的运营参数；所述约束参数包括：子线路的限速参数、停车位置参数、到发站时间参数和列车的工况转换原则；上述基础数据和约束参数本领域技术人员可以根据实际具体情况进行设定；
所述方法一包括：
收到基础数据和约束参数后，主机模块按如下方式进行操作：
1)主机模块根据当前的基础数据和约束参数生成多个基础粒子，然后，主机模块采用粒子集群算法求取Pareto前沿解；
基础粒子按如下方式设置：
设所述运营线路上有多个站点，相邻两个站点之间的路段记为一个子线路；
为列车设计控制序列；所述控制序列由多个顺次排列的控制阶段组成，每个控制阶段均对应一种列车工况，列车工况切换时控制阶段也随之切换；列车工况切换时，列车在子线路上所处的位置记为工况转换点；当控制阶段的数量及各个控制阶段的列车工况种类确定后，即形成了一种控制模态；对控制阶段的数量及各个控制阶段的列车工况种类进行调整，即可得到多种控制模态；在单种控制模态条件下，对工况转换点的位置进行调节，即可为该种控制模态生成多种控制情况，同一控制情况及其所辖的多个工况转换点记为一个基础粒子，多种控制情况分别对应多个基础粒子；控制阶段的数量与工况转换点的数量之和即为基础粒子的维度；主机模块根据基础粒子生成多个基础粒子群221。基础粒子群221的生成方式有多种，本实施例中，将多个基础粒子均分为n份，形成n个基础粒子群221。
关于多种控制模态问题，可通过如下方式来理解：
由现有技术可知，列车工况大致有牵引、惰行、巡航和制动四种，为便于叙述，我们用T代表牵引、C代表惰行，H代表巡航、B代表制动；
前述的“对控制阶段的数量及各个控制阶段的列车工况种类进行调整，即可得到多种控制模态”，这段内容可以这么来理解：假设，对某一子线路，我们设计了如下7种控制模态：
模态一：T一C一B
模态二：T一H一C一B
模态三：T一C一H一C一B
模态四：T一C一T一C一B
模态五：T一H一T一C一B
模态六：T一C一H一T一C一B
模态七：T一C一T一C一T一C一B
则模态一的控制阶段数量就是3，3个控制阶段分别对应的列车工况就是T、C、B；模态二控制阶段数量是4，4个控制阶段分别对应的列车工况就是T、H、C、B；模态三、四、五的控制阶段数量都是5，但这5个控制阶段分别对应的列车工况却不同，模态三是T、C、H、C、B，模态四是T、H、T、C、B，模态五是T、H、T、C、B；模态六的控制阶段数量是6，6个控制阶段分别对应的列车工况是T、C、H、T、C、B；模态七的控制阶段数量是7，7个控制阶段分别对应的列车工况是T、C、T、C、T、C、B；如此，就能得到多种控制模态；
关于为单种控制模态生成多种控制情况的问题，可通过如下方式来理解：
以前述的模态一为例，模态一中有3个控制阶段，其中，T和C之间存在1个工况转换点，C和B之间存在1个工况转换点，所以模态一中包含2个工况转换点，当2个工况转换点的位置确定后，就形成了一种控制情况，对2个工况转换点中的一者或两者进行位置调节，就能为模态一生成新的控制情况。
主机模块按如下方式获取Pareto前沿解：
(a)收到基础数据和约束参数后，基础粒子群优化模块22根据基础数据和约束参数生成多个基础粒子；
(b)然后，基础粒子群优化模块22根据公式一对各个基础粒子进行粒子速度更新处理，得到各个基础粒子当前的粒子速度；然后根据各个基础粒子当前的粒子速度采用公式三对各个基础粒子进行粒子位置更新处理，得到各个基础粒子当前的粒子位置；
(c)然后根据约束参数，判断各个基础粒子当前的粒子位置中是否有可行解：
满足约束参数条件的基础粒子位置记为可行解；
若无可行解，则返回步骤(b)；若有可行解，则进入步骤(d)；
(d)基础粒子群优化模块22将可行解送入全局外部档案模块23，全局外部档案模块23对可行解进行支配关系识别，保留下来的可行解即形成Pareto前沿解；
(e)然后，基础粒子群优化模块22根据公式二对各个基础粒子进行粒子速度更新处理，得到各个基础粒子当前的粒子速度；然后根据各个基础粒子当前的粒子速度采用公式三对各个基础粒子进行粒子位置更新处理，得到各个基础粒子当前的粒子位置；
(f)根据约束参数，判断各个基础粒子当前的粒子位置中是否有可行解：
若无可行解，则返回步骤(e)；若有可行解，则进入步骤(g)；
(g)基础粒子群优化模块22将可行解送入全局外部档案模块23，全局外部档案模块23将新收到的可行解和以前的Pareto前沿解一起进行支配关系识别，获取当前的Pareto前沿解；
所述支配关系识别按如下方式进行：
全局外部档案模块第一次收到可行解时，若可行解的数量为1，则全局外部档案模块直接对可行解进行保存，若可行解的数量为2个或2个以上，则全局外部档案模块对所有可行解进行支配关系识别：对于不存在支配关系的可行解，则全部保留，对于存在支配关系的可行解，只保留支配者，移除受支配者；保留在全局外部档案模块中的可行解记为Pareto前沿解；后续迭代过程中，全局外部档案模块对新收到的可行解和Pareto前沿解整体进行支配关系识别：对于不存在支配关系的可行解和Pareto前沿解，则全部保留，对于存在支配关系的可行解和Pareto前沿解，只保留支配者，移除受支配者；
所述公式一为：
其中，w为惯性权重，w为设定值；为相应基础粒子群221中第d维度上第i个基础粒子第k次搜索时的粒子速度，为设定值；为相应基础粒子群221中第d维度上第i个基础粒子第k+1次搜索时的粒子速度；c1和c2均是数值为正的常数，c2和c2均为设定值；和均为[0,1]区间上的随机数，和的具体数值由基础粒子群优化模块22根据粒子集群算法随机生成；为相应基础粒子群221中第d维度上第i个基础粒子在第k次搜索时的自身最优位置，为设定值，后续过程中的由各个基础粒子根据粒子集群算法自动更新；为相应基础粒子群221中第d维度上第k次搜索时的全局最优位置，为设定值；为相应基础粒子群221中第d维度上第i个基础粒子在第k次搜索时的位置向量，为设定值；
所述公式二为：
其中，c3是数值为正值的常数，c3为设定值；为[0,1]区间上的随机数，的具体数值由基础粒子群优化模块22根据粒子集群算法随机生成；为第d维度上第k次搜索时从全局外部档案模块23中随机选取的多个Pareto前沿解，所述多个Pareto前沿解分别作为多个基础粒子的引导粒子；
所述公式三为：
其中，为相应基础粒子群221中第d维度上第i个基础粒子第k+1次搜索时的粒子的位置向量；
2)首次得到Pareto前沿解时，主机模块将Pareto前沿解传输至辅机模块，同时，主机模块开始周期性地开启通信窗口；
本实施例中，开启通信窗口的周期按如下方式设置：
设基础粒子的总迭代次数为s次，其中每迭代t次记为一个通信周期，t＜s，s/t记为通信周期数，所述通信周期数为整数；
3)通信窗口开启时，主机模块停止运行粒子集群算法，并将当前得到的Pareto前沿解传输至辅机模块，同时，主机模块接收辅机模块输出的精英Pareto前沿解；通信窗口关闭后，主机模块对收到的精英Pareto前沿解和自身保存的Pareto前沿解进行支配关系识别，并根据支配关系识别结果，继续运行粒子集群算法求取Pareto前沿解；
4)当通信窗口的开启次数即通信周期数达到设定值s/t后，主机模块对当前的Pareto前沿解和精英Pareto前沿解进行支配关系识别，支配关系识别后，最终得到的所有Pareto前沿解即为Pareto前沿解集；
首次收到前沿解后，辅机模块按如下方式进行操作：
A)辅机模块根据Pareto前沿解生成多个精英粒子群241，然后，辅机模块采用粒子集群算法求取精英Pareto前沿解；
辅机模块按如下方式获取精英Pareto前沿解：
a)收到前沿解后，精英粒子群优化模块24根据Pareto前沿解生成多个精英粒子群241；
生成精英粒子群241的方式有多种，本实施例中可按如下方式生成：
设辅机模块需要生成m个精英粒子群241，此时全局外部档案模块23中的Pareto前沿解为b个，按如下方式从b个Pareto前沿解中复制、选择m个Pareto前沿解平均分配到m个精英粒子群241中去：
若b＞m，则随机选取m个Pareto前沿解；
若b＝m，则选取m个Pareto前沿解；
若b＜m，则按如下方式选取m个Pareto前沿解：
设m＝b×u+y，u＞0，y≥0，u和y均为整数；
当y＝0时，将b个Pareto前沿解均复制u次，得到m个Pareto前沿解；
当y＞0时，将b个Pareto前沿解均复制u次，得到b×u个Pareto前沿解，加上从b个Pareto前沿解中随机选取的y个Pareto前沿解，得到m个Pareto前沿解；
b)根据公式四对精英粒子群241中的每个精英粒子进行r次随机扰动，得到多个扰动粒子；对单个精英粒子而言，每扰动一次，就得到一个相应的扰动粒子，单个精英粒子被扰动r次后，就能得到r个扰动粒子；进入步骤c)；
c)根据约束参数，判断扰动粒子中是否有可行解：如果有可行解，则进入步骤d)；如果没有可行解，则返回步骤b)；
d)将可行解送入局部外部档案模块25，对可行解进行支配关系识别，得到精英Pareto前沿解；返回步骤b)；
局部外部档案模块25对可行解的支配关系识别方式与全局外部档案模块23相同，只是支配关系识别的结果记为精英Pareto前沿解。
所述公式四为：
其中，为第r次扰动后相应精英粒子群241中第j个精英粒子在第d维度上的位置向量；xbestjd为扰动前相应精英粒子群241中第j个精英粒子在第d维度上的位置向量；Regiond max、Re giond min分别为相应精英粒子群241中的精英粒子在第d维度上的搜索范围的上下界；rand()为[-1,1]内的随机数；
B)当通信窗口开启时，辅机模块停止运行粒子集群算法，并将当前得到的精英Pareto前沿解传输至主机模块，同时，辅机模块接收主机模块输出的Pareto前沿解；通信窗口关闭后，辅机模块根据新的Pareto前沿解重新生成多个精英粒子群241，然后，辅机模块继续运行粒子集群算法求取精英Pareto前沿解；
所述方法二包括：
自动驾驶曲线生成模块21对Pareto前沿解集中的Pareto前沿解进行模糊满意度评价，为每个Pareto前沿解生成相应的满意度值，将满意度值最高的Pareto前沿解作为控制曲线输出至地面列车群集成控制系统1；
为单个Pareto前沿解按如下方式生成满意度值：
按公式五计算出单个Pareto前沿解中各个目标函数对应的隶属度，然后根据隶属度，按公式六计算出该前沿解的满意度值；
所述公式五为：
其中，ul为目标函数fl的隶属度值，和分别为目标函数fl的最小值和最大值，l＝1,2，其中f1为与时间相关的目标函数，f2为与能耗相关的目标函数；
所述公式六为：
其中，vm即为相应Pareto前沿解的满意度值。

Claims (5)

1.一种为城轨列车群生成自动驾驶曲线的方法，包括地面列车群集成控制系统(1)和自动驾驶曲线生成系统，所述自动驾驶曲线生成系统能为地面列车群集成控制系统(1)生成自动驾驶曲线，地面列车群集成控制系统(1)能将所述自动驾驶曲线传送给各列车车载计算机，以实现对列车群的控制，其特征在于：所述自动驾驶曲线生成系统由多个处理模块(2)组成，单个处理模块(2)包括一个自动驾驶曲线生成模块(21)、一个主机模块和一个辅机模块；
所述方法包括：
设某一运营线路上有多辆列车运行，多辆列车与所述多个处理模块(2)一一对应；
(一)地面列车群集成控制系统(1)周期性地将多辆列车各自对应的基础数据和约束参数分别传输到相应的处理模块(2)；
(二)每次收到基础数据和约束参数时，处理模块(2)就根据方法一生成相应的Pareto前沿解集；
(三)然后，处理模块(2)根据方法二生成相应的控制曲线并将控制曲线传输到地面列车群集成控制系统(1)；多个处理模块(2)输出的控制曲线即形成列车群自动驾驶曲线；
所述方法一包括：
当处理模块收到基础数据和约束参数后，其中的主机模块按如下方式进行操作：1)主机模块根据当前的基础数据和约束参数生成多个基础粒子，然后，主机模块采用粒子集群算法求取Pareto前沿解；
2)首次得到Pareto前沿解时，主机模块将Pareto前沿解传输至辅机模块，同时，主机模块开始周期性地开启通信窗口；
3)通信窗口开启时，主机模块停止运行粒子集群算法，并将当前得到的Pareto前沿解传输至辅机模块，同时，主机模块接收辅机模块输出的精英Pareto前沿解；通信窗口关闭后，主机模块对收到的精英Pareto前沿解和自身保存的Pareto前沿解进行支配关系识别，并根据支配关系识别结果，继续运行粒子集群算法求取Pareto前沿解；
4)当通信窗口的开启次数达到设定值后，主机模块对当前的Pareto前沿解和精英Pareto前沿解进行支配关系识别，支配关系识别后，最终得到的所有Pareto前沿解即为Pareto前沿解集；
首次收到前沿解后，辅机模块按如下方式进行操作：A)辅机模块根据Pareto前沿解生成多个精英粒子群(241)，然后，辅机模块采用粒子集群算法求取精英Pareto前沿解；
B)当通信窗口开启时，辅机模块停止运行粒子集群算法，并将当前得到的精英Pareto前沿解传输至主机模块，同时，辅机模块接收主机模块输出的Pareto前沿解；通信窗口关闭后，辅机模块根据新的Pareto前沿解重新生成多个精英粒子群(241)，然后，辅机模块继续运行粒子集群算法求取精英Pareto前沿解；
所述方法二包括：
自动驾驶曲线生成模块(21)对Pareto前沿解集中的Pareto前沿解进行模糊满意度评价，为每个Pareto前沿解生成相应的满意度值，将满意度值最高的Pareto前沿解作为控制曲线输出至地面列车群集成控制系统(1)。
2.根据权利要求1所述的为城轨列车群生成自动驾驶曲线的方法，其特征在于：所述步骤1)中的基础粒子按如下方式设置：
设所述运营线路上有多个站点，相邻两个站点之间的路段记为一个子线路；
为列车设计控制序列；所述控制序列由多个顺次排列的控制阶段组成，每个控制阶段均对应一种列车工况，列车工况切换时控制阶段也随之切换；列车工况切换时，列车在子线路上所处的位置记为工况转换点；当控制阶段的数量及各个控制阶段的列车工况种类确定后，即形成了一种控制模态；对控制阶段的数量及各个控制阶段的列车工况种类进行调整，即可得到多种控制模态；在单种控制模态条件下，对工况转换点的位置进行调节，即可为该种控制模态生成多种控制情况，同一控制情况及其所辖的多个工况转换点记为一个基础粒子，多种控制情况分别对应多个基础粒子；控制阶段的数量与工况转换点的数量之和即为基础粒子的维度；主机模块根据基础粒子生成多个基础粒子群(221)。
3.根据权利要求1所述的为城轨列车群生成自动驾驶曲线的方法，其特征在于：所述主机模块包括一个基础粒子群优化模块(22)和一个全局外部档案模块(23)；主机模块按如下方式获取Pareto前沿解：
(a)收到基础数据和约束参数后，基础粒子群优化模块(22)根据基础数据和约束参数生成多个基础粒子；
(b)然后，基础粒子群优化模块(22)根据公式一对各个基础粒子进行粒子速度更新处理，得到各个基础粒子当前的粒子速度；然后根据各个基础粒子当前的粒子速度采用公式三对各个基础粒子进行粒子位置更新处理，得到各个基础粒子当前的粒子位置；
(c)然后根据约束参数，判断各个基础粒子当前的粒子位置中是否有可行解：
满足约束参数条件的基础粒子位置记为可行解；
若无可行解，则返回步骤(b)；若有可行解，则进入步骤(d)；
(d)基础粒子群优化模块(22)将可行解送入全局外部档案模块(23)，全局外部档案模块(23)对可行解进行支配关系识别，保留下来的可行解即形成Pareto前沿解；
(e)然后，基础粒子群优化模块(22)根据公式二对各个基础粒子进行粒子速度更新处理，得到各个基础粒子当前的粒子速度；然后根据各个基础粒子当前的粒子速度采用公式三对各个基础粒子进行粒子位置更新处理，得到各个基础粒子当前的粒子位置；
(f)根据约束参数，判断各个基础粒子当前的粒子位置中是否有可行解：
若无可行解，则返回步骤(e)；若有可行解，则进入步骤(g)；
(g)基础粒子群优化模块(22)将可行解送入全局外部档案模块(23)，全局外部档案模块(23)将新收到的可行解和以前的Pareto前沿解一起进行支配关系识别，获取当前的Pareto前沿解；
所述公式一为：
其中，w为惯性权重，w为设定值；为相应基础粒子群(221)中第d维度上第i个基础粒子第k次搜索时的粒子速度，为设定值；为相应基础粒子群(221)中第d维度上第i个基础粒子第k+1次搜索时的粒子速度；c1和c2均是数值为正的常数，c2和c2均为设定值；和均为[0,1]区间上的随机数，和的具体数值由基础粒子群优化模块(22)根据粒子集群算法随机生成；为相应基础粒子群(221)中第d维度上第i个基础粒子在第k次搜索时的自身最优位置，为设定值，后续过程中的由各个基础粒子根据粒子集群算法自动更新；为相应基础粒子群(221)中第d维度上第k次搜索时的全局最优位置，为设定值；为相应基础粒子群(221)中第d维度上第i个基础粒子在第k次搜索时的位置向量，为设定值；
所述公式二为：
其中，c3是数值为正值的常数，c3为设定值；为[0,1]区间上的随机数，的具体数值由基础粒子群优化模块(22)根据粒子集群算法随机生成；为第d维度上第k次搜索时从全局外部档案模块(23)中随机选取的多个Pareto前沿解，所述多个Pareto前沿解分别作为多个基础粒子的引导粒子；
所述公式三为：
其中，为相应基础粒子群(221)中第d维度上第i个基础粒子第k+1次搜索时的粒子的位置向量。
4.如权利要求1所述的为城轨列车群生成自动驾驶曲线的方法，其特征在于：所述辅机模块包括一个精英粒子群优化模块(24)和一个局部外部档案模块(25)；所述辅机模块按如下方式获取精英Pareto前沿解：
a)收到Pareto前沿解后，精英粒子群优化模块(24)根据Pareto前沿解生成多个精英粒子群(241)；
b)根据公式四对精英粒子群(241)中的每个精英粒子进行r次随机扰动，得到多个扰动粒子；对单个精英粒子而言，每扰动一次，就得到一个相应的扰动粒子，单个精英粒子被扰动r次后，就能得到r个扰动粒子；进入步骤c)；
c)根据约束参数，判断扰动粒子中是否有可行解：如果有可行解，则进入步骤d)；如果没有可行解，则返回步骤b)；
d)将可行解送入局部外部档案模块(25)，对可行解进行支配关系识别，得到精英Pareto前沿解；返回步骤b)；
所述公式四为：
其中，为第r次扰动后相应精英粒子群(241)中第j个精英粒子在第d维度上的位置向量；xbestjd为扰动前相应精英粒子群(241)中第j个精英粒子在第d维度上的位置向量；Regiond max、Re giond min分别为相应精英粒子群(241)中的精英粒子在第d维度上的搜索范围的上下界；rand()为[-1,1]内的随机数。
5.如权利要求1所述的为城轨列车群生成自动驾驶曲线的方法，其特征在于：按如下方式为单个Pareto前沿解生成满意度值：
按公式五计算出单个Pareto前沿解中各个目标函数对应的隶属度，然后根据隶属度，按公式六计算出该前沿解的满意度值；
所述公式五为：
其中，ul为目标函数fl的隶属度值，fl min和fl max分别为目标函数fl的最小值和最大值，l＝1,2，其中f1为与时间相关的目标函数，f2为与能耗相关的目标函数；
所述公式六为：
其中，vm即为相应Pareto前沿解的满意度值。
CN201810116712.8A 2018-02-06 2018-02-06 一种为城轨列车群生成自动驾驶曲线的方法 Expired - Fee Related CN108394429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810116712.8A CN108394429B (zh) 2018-02-06 2018-02-06 一种为城轨列车群生成自动驾驶曲线的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810116712.8A CN108394429B (zh) 2018-02-06 2018-02-06 一种为城轨列车群生成自动驾驶曲线的方法

Publications (2)

Publication Number Publication Date
CN108394429A true CN108394429A (zh) 2018-08-14
CN108394429B CN108394429B (zh) 2020-04-07

Family

ID=63095825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810116712.8A Expired - Fee Related CN108394429B (zh) 2018-02-06 2018-02-06 一种为城轨列车群生成自动驾驶曲线的方法

Country Status (1)

Country Link
CN (1) CN108394429B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109345022A (zh) * 2018-10-17 2019-02-15 重庆交通大学 一种优化铁路固定闭塞分区的方法
CN112084030A (zh) * 2020-09-14 2020-12-15 重庆交通大学 基于云边协同的无人驾驶列车控制系统及其控制方法
CN113359688A (zh) * 2021-05-28 2021-09-07 重庆交通大学 基于驾驶员nms特征的人机共驾鲁棒控制方法
CN113415317A (zh) * 2021-07-12 2021-09-21 重庆交通大学 一种虚拟连挂高速列车群的控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056238A (zh) * 2016-05-20 2016-10-26 北京交通大学 列车区间运行轨迹的规划方法
CN106503804A (zh) * 2016-10-11 2017-03-15 南京理工大学 一种基于Pareto多目标遗传算法的列车定时节能运行方法
CN106777752A (zh) * 2016-12-30 2017-05-31 华东交通大学 一种高速列车追踪运行曲线优化设定方法
CN106842901A (zh) * 2017-01-19 2017-06-13 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
CN106873366A (zh) * 2017-01-19 2017-06-20 重庆交通大学 为城轨列车生成ato速度控制命令的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056238A (zh) * 2016-05-20 2016-10-26 北京交通大学 列车区间运行轨迹的规划方法
CN106503804A (zh) * 2016-10-11 2017-03-15 南京理工大学 一种基于Pareto多目标遗传算法的列车定时节能运行方法
CN106777752A (zh) * 2016-12-30 2017-05-31 华东交通大学 一种高速列车追踪运行曲线优化设定方法
CN106842901A (zh) * 2017-01-19 2017-06-13 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
CN106873366A (zh) * 2017-01-19 2017-06-20 重庆交通大学 为城轨列车生成ato速度控制命令的方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109345022A (zh) * 2018-10-17 2019-02-15 重庆交通大学 一种优化铁路固定闭塞分区的方法
CN112084030A (zh) * 2020-09-14 2020-12-15 重庆交通大学 基于云边协同的无人驾驶列车控制系统及其控制方法
CN112084030B (zh) * 2020-09-14 2022-04-01 重庆交通大学 基于云边协同的无人驾驶列车控制系统及其控制方法
CN113359688A (zh) * 2021-05-28 2021-09-07 重庆交通大学 基于驾驶员nms特征的人机共驾鲁棒控制方法
CN113415317A (zh) * 2021-07-12 2021-09-21 重庆交通大学 一种虚拟连挂高速列车群的控制方法
CN113415317B (zh) * 2021-07-12 2022-06-17 重庆交通大学 一种虚拟连挂高速列车群的控制方法

Also Published As

Publication number Publication date
CN108394429B (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
CN108394429A (zh) 一种为城轨列车群生成自动驾驶曲线的方法
CN110264750B (zh) 一种基于多任务深度q网络的q值迁移的多交叉口信号灯协同控制方法
CN112776673B (zh) 智能网联燃料电池汽车实时能量优化管理系统
CN106873366B (zh) 为城轨列车生成ato速度控制命令的方法
CN108657232B (zh) 一种城轨列车的多目标控制方法
CN109910866A (zh) 基于路况预测的混合动力汽车能量管理方法和系统
CN108288095A (zh) 一种基于黄金分割遗传算法的地铁列车节能优化方法
CN104200264A (zh) 一种包括独立全局搜索的两阶段粒子群优化算法
CN112149350A (zh) 解决热泵系统故障诊断中数据依赖问题的模型迁移方法
CN106647269B (zh) 一种机车智能操纵优化计算方法
CN113110052A (zh) 一种基于神经网络和强化学习的混合能量管理方法
Bin et al. Energy-efficient speed profile optimization for high-speed railway considering neutral sections
CN113276829B (zh) 一种基于工况预测的车辆行驶节能优化变权重方法
CN114644018A (zh) 一种基于博弈论的自动驾驶车辆人车交互决策规划方法
CN106696952A (zh) 一种智能网联混合动力汽车能量控制方法
Li A hierarchical autonomous driving framework combining reinforcement learning and imitation learning
CN106647279B (zh) 一种基于模糊规则的机车智能操纵优化计算方法
Zhang et al. An optimal vehicle speed planning algorithm for regenerative braking at traffic lights intersections based on reinforcement learning
Luo et al. Researches on intelligent traffic signal control based on deep reinforcement learning
Zhang et al. Coordinated control of distributed traffic signal based on multiagent cooperative game
CN115202357A (zh) 一种基于脉冲神经网络的自主建图方法
Wang et al. 3D Autonomous Navigation of UAVs: An Energy-Efficient and Collision-Free Deep Reinforcement Learning Approach
CN110717260A (zh) 一种无人机机动能力模型建立方法
CN111625933B (zh) 基于多目标人工蜂群算法的牵引变电站节能方法
CN114954541B (zh) 车辆的功率分配和跟踪速度的协同方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201230

Address after: No.66 Lijiang Road, Yancheng Economic and Technological Development Zone, Jiangsu Province 224000

Patentee after: Jiangsu New Energy Vehicle Research Institute Co.,Ltd.

Address before: 402247 No. 1 Fuxing Road, Shuang Fu New District, Jiangjin District, Chongqing.

Patentee before: CHONGQING JIAOTONG University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210713

Address after: Room 309, building 1, No.69, Donghuan South Road, Yancheng Economic and Technological Development Zone, Jiangsu 224000

Patentee after: Jiangsu Yanxin Automobile Industry Investment Development Co.,Ltd.

Address before: No.66 Lijiang Road, Yancheng Economic and Technological Development Zone, Jiangsu Province 224000

Patentee before: Jiangsu New Energy Vehicle Research Institute Co.,Ltd.

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: 20200407