CN108764571A - 一种重载列车运行的多目标优化方法 - Google Patents

一种重载列车运行的多目标优化方法 Download PDF

Info

Publication number
CN108764571A
CN108764571A CN201810522692.4A CN201810522692A CN108764571A CN 108764571 A CN108764571 A CN 108764571A CN 201810522692 A CN201810522692 A CN 201810522692A CN 108764571 A CN108764571 A CN 108764571A
Authority
CN
China
Prior art keywords
train
data
down grade
weight
speed
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
CN201810522692.4A
Other languages
English (en)
Other versions
CN108764571B (zh
Inventor
王青元
白宝雪
孙鹏飞
朱宇清
冯晓云
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.)
Southwest Jiaotong University
Original Assignee
Southwest 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201810522692.4A priority Critical patent/CN108764571B/zh
Publication of CN108764571A publication Critical patent/CN108764571A/zh
Application granted granted Critical
Publication of CN108764571B publication Critical patent/CN108764571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • B61L27/20—Trackside control of safe travel of vehicle or train, e.g. braking curve calculation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种重载列车运行的多目标优化方法，包括以下步骤：获取待优化区段数据，包括机车、车辆信息、编组信息、线路数据、线路限速和时刻表数据等；S2：初始化目标函数的权重集，以及S1中的相关数据；S3：针对待优化线路范围内的各段长大下坡道的列车运行优化进行数值求解，获得节能优化曲线；S4：针对非长大下坡道的多目标平衡调节，综合利用二次规划模型和权重自适应调整方法，获得满足运行指标的平稳、节能优化曲线；S5：对S3与S4求解的曲线结果，进行满足列车运行平稳的过渡连接；S6：输出完整的列车速度优化曲线。本发明的优点在于：在安全、准点的基础上，实现重载列车包含长大下坡道、非长大下坡道在内全过程的平稳节能运行全局优化。

Description

一种重载列车运行的多目标优化方法
技术领域
本发明涉及重载列车运行控制技术领域，特别涉及一种重载列车运行的多目标优化方法。
背景技术
20世纪50年代以来，铁路中的重载货物运输因其巨大的经济效益和社会效益而被世界各国器重并迅速发展。然而，从最初的5000吨级提高到1万吨、2万吨，甚至3万吨，重载列车的运输安全问题逐渐突显——制动失灵、车辆断钩等问题不断发生，严重制约着重载铁路运输的发展，重载列车的安全行驶、平稳驾驶问题亟待解决。另一方面，由于机车牵引能耗的巨额经济成本，使得节能操纵成为该领域研究的热点问题。
在我国重载运输的现有技术条件下，列车运行品质的好坏主要依赖于司乘人员操纵水平的高低。在我国重载列车实际行车过程中，司机只能凭借自身积累的经验和操纵提示卡的提示信息来行车。而目前我国操纵示意图的生成主要依靠优秀司机LKJ2000运行记录曲线人工拼接的方式，其结果难以实现全局最优且该方法不具备普适性。另外由于重载列车车体长、质量大，运行线路复杂，使得驾驶操纵相对困难，又因目前我国客货混运的现实条件，容易造成司机的操纵失误及列车运行安全隐患。若给出能够指导司机的优化运行曲线，将有效提高运输效率和降低司机工作强度。
由于列车运行环境较为复杂，在运行过程受很多因素的影响，因而存在着各种操纵方式和不同的能耗水平。因此，给定列车优化曲线做参考可以提高列车运行安全、平稳性，优化机车操纵序列，可有效降低列车能耗。寻找切实可行的列车节能操纵算法，对铁路的高效能运输具有重要意义。
综上所述，重载列车的运行优化问题是一个典型的多目标优化问题，开展其优化方法研究，形成基于多目标优化的列车运行速度曲线和对应的工况序列，对优化司机操纵，减小司机工作强度，提升司机操纵水平，提高列车运行平稳性，降低列车运行能耗具有重要的理论意义和工作应用价值。
国内外的专家学者在列车操纵领域进行了大量研究，并取得了丰硕的成果。国外学者在研究列车操纵问题时，侧重于理论研究，其计算模型较为复杂，且研究重点在于地铁列车、车辆的节能操纵。国内学者多采用离线优化计算、或离线与在线寻优控制相结合的研究策略，例如模糊预测控制、遗传算法。这类算法或多或少在解的全局最优性、解质量和计算耗时方面存在不足。
现有技术一
[1]王新培.重载列车多目标优化操纵研究[J].现代计算机(专业版),2016(14):14-18.
[2]王新培.基于多目标的重载列车优化操纵研究[D].西南交通大学,2016.
以上两篇文章是本发明的研究基础，原作者研究了基于二次规划的多目标重载列车优化操纵，本发明进一步修正了该技术的缺点。
现有技术一的缺点
1)目标函数中平稳性只考虑牵引力，未考虑制动力；
2)约束条件简单，没有考虑列车牵引力/制动力特性、电分相的约束等，不符合实际；
3)没有求解结果对权重的反馈环节，需要人工择优。
4)长大下坡道以打补丁形式拼接到原二次规划优化曲线，影响了运行时间和速度、工况的平稳过渡，且由于打补丁后，长大下坡道上的平均速度降低，导致时间损失，需要进行速度曲线的二次调整。
现有技术二
[1]林轩,王青元,刘强强,冯晓云.HXD2牵引货运列车长大下坡区间周期性制动研究[J].西南交通大学学报,2017,52(05):859-868.
该文章给出了长大下坡道路况下节能最优控制的基础理论分析和证明过程，并提出了基于伴随变量计算的“间接法”求解算法，算法明确了最优操纵工况以及工况之间的最优切换规则，这是本发明进行数值求解的理论来源。
现有技术二的缺点
该论文提出的长大下坡道及其前后的过渡工况操纵求解算法，都是节能最优操纵的“间接法”，需要迭代计算伴随变量，且计算中需要校验伴随变量的正跳变性等，计算量大，模型复杂。
发明内容
本发明针对现有技术的缺陷，提供了一种重载列车运行的多目标优化数值求解方法，能有效的解决上述现有技术存在的问题。
为了实现以上发明目的，本发明采取的技术方案如下：
一种重载列车运行的多目标优化方法，包括如下步骤：
S1：获取待优化区段数据，包括机车、车辆信息、编组信息、线路数据、线路限速和时刻表数据等；
S2：初始化目标函数的权重集，以及S1中的相关数据；
S3：针对待优化线路范围内的各段长大下坡道的列车运行优化进行数值求解，获得节能优化曲线；
S4：针对非长大下坡道的多目标平衡调节，综合利用二次规划模型和权重自适应调整方法，获得满足运行指标的平稳、节能优化曲线；
S5：对S3与S4求解的曲线结果，进行满足列车运行平稳的过渡连接；
S6：输出完整的列车速度优化曲线。
进一步地，S1中所述优化区段数据中线路数据包括：坡道数据、曲线数据、长短链数据和电分相数据；所述坡道数据是起止点公里标和线路坡度，曲线数据是起止点公里标和曲线半径，长短链数据是公里标和长度，电分相数据是起止点公里标。
进一步地，S2中所述的数据初始化包括：由机车、车辆信息得出的列车静态总重、列车总长；离散化优化区段起点到终点范围内的坡道数据、曲线数据；根据列车总长修正线路限速数据，计算高限速到低限速的速度安全防护曲线；基于长大下坡道的识别，确定坡道分区表。
进一步地，所述S3包括如下子步骤：
S3.1获得当前求解状态，初始为缓解状态；
S3.2根据工况进入制动状态或缓解状态的牵引计算模型的求解过程；
S3.3每次状态计算完成后，若长大下坡道求解完成，则长大下坡道计算结束；否则更改当前求解状态，返回步骤S3.2。
进一步地，所述S3中长大下坡道路况的数值求解规则包括：1.货运列车在长大下坡道的最优操纵策略为“全电制-空电联合-全电制”周期性制动控制策略；2.全电制工况的保持时间为列车所需的缓解再充风时间和列车下次空气制动的空走时间之和，必要时可根据需要加上一定的安全裕量；3.全电制工况的末速度为线路限速；4.长大下坡道末端最优工况为全电制工况；
所述S3中长大下坡道路况的缓解再充风时间和制动速度的计算基于列车摩擦材料、制动机类型、列车管空气压力等。
进一步地，所述S4包括如下子步骤：
S4.1获取给定运行指标和初始目标速度集、初始权重集；
S4.2根据权重值进行QP算法求解，并计算得出相应的性能指标；
S4.3将求解的运行性能指标与给定性能指标做比较，满足则计算结束，不满足则进一步判断，通过一定的权重调整规则修正权重集，返回步骤S4.2。
进一步地，所述S4.2的QP算法基于列车牵引计算模型，其运动学方程为
其中ξ为加速度系数，c为列车单位合力。
进一步地，所述的QP算法包括目标函数和约束条件两大类，形如：
subjecttoAeq·x＝beq
Cx≤d
其中目标函数包括了节能参数：列车能耗EC、准点参数：速度跟踪性dE和平稳参数：力的变化量dF，并通过节能权重λ1、准点权重λ2和平稳权重λ3加权，计算公式为
其中约束条件包括等式约束和不等式约束，等式约束包括：基于能量守恒定律、列车基本阻力模型、线路附加阻力模型、牵引力/制动力计算模型，其表达式为
Ek＝Ek-1+(Tk-Bk-Wk)Δs
其中E为列车动能，T为列车牵引力，B为列车制动力，W为列车阻力。
不等式约束包括：基于线路限速、列车牵引力/制动力特性、电分相约束、力的变化率约束，其约束集形式可描述为
其中m为列车总质量，ΔTmin、ΔTmax、ΔBmin、ΔBmax为变化率约束量。
进一步地，所述目标函数中针对准点性的目标速度设定，根据线路的上坡道、下坡道结合线路高限速、低限速设定不同阶段的目标速度；
所述的列车的运行指标包括：运行时间(准点性)、列车能耗(节能性)、列车动能变化量(速度跟踪性)和列车力变化量(平稳性)。
所述的非长大下坡道的权重自适应调整方法针对列车的运行指标，首先通过给定运行指标的优先级确定相应指标的精度停止条件，拟合获得列车运行指标与相应权重的函数关系或变化规律；然后通过QP计算的预测运行指标与给定运行指标比较，根据误差方向和前一步的函数/规律确定下一次迭代计算的权重大小；
所述的非长大下坡道的权重自适应调整方法中，针对准点性的调节分为两步，一是目标速度和准点权重值在广范围的粗调节，二是目标速度下的准点权重的细调节。
进一步地，所述的长大下坡道优化结果中的平均速度、始末速度和始末牵引制动力作为二次规划求解的约束条件，从而实现长大下坡道优化结果与非长大下坡道优化结果的平稳过渡。
与现有技术相比本发明的优点在于：
1)多目标达成：基于安全、准点的重载列车平稳、节能的最优控制。
2)多目标的平衡调节：通过自适应调整方法确定权重，以充分满足给定的性能指标要求。
3)充分利用长大下坡道最优操纵规则和二次规划模型，求解过程既满足解的全局优化性，且使单次计算时间短，速度快。
附图说明
图1为本发明实施例的主流程；
图2为本发明实施例长大下坡道路况的数值求解流程图；
图3为本发明实施例多目标优化的权重自适应流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图并列举实施例，对本发明做进一步详细说明。
如图1所示，一种重载列车运行的多目标优化方法，包括如下步骤：
S1：获取待优化区段数据，包括机车、车辆信息、编组信息、线路数据、线路限速和时刻表数据等；
S2：初始化目标函数的权重集，以及S1中的相关数据初始化；
S3：针对待优化线路范围内的各段长大下坡道的列车运行优化进行数值求解，获得节能优化曲线；
S4：针对非长大下坡道的多目标平衡调节，综合利用二次规划模型和权重自适应调整方法，获得满足运行指标的平稳、节能优化曲线；
S5：对S3与S4求解的曲线结果，进行满足列车运行平稳的过渡连接；
S6：输出完整的列车速度优化曲线。
所述优化区段数据包括：线路数据坡道数据(起止点公里标和线路坡道)、曲线数据(起止点公里标和曲线半径)、长短链数据(起止点公里标和长度)和电分相数据(起止点公里标)。
所述的数据初始化包括：由机车、车辆信息得出的列车静态总重、列车总长；离散化优化区段起点到终点范围内的坡道数据、曲线数据；根据列车总长修正线路限速数据，计算高限速到低限速的速度安全防护曲线；基于长大下坡道的识别，确定坡道分区表。
如图2所示，所述步骤S3进一步包括如下子步骤：
S3.1获得当前求解状态，初始为缓解状态；
S3.2根据工况进入制动状态或缓解状态的牵引计算模型的求解过程；
S3.3每次状态计算完成后，若长大下坡道求解完成，结束；否则更改当前求解状态，返回步骤S3.2。
所述长大下坡道路况的数值求解规则包括：1.货运列车在长大下坡道的最优操纵策略为“全电制-空电联合-全电制”周期性制动控制策略；2.全电制工况的保持时间为列车所需的缓解再充风时间和列车下次空气制动的空走时间之和，必要时可根据需要加上一定的安全裕量；3.全电制工况的末速度为线路限速；4.长达下坡道末端最优工况为全电制工况。
所述长大下坡道路况的缓解再充风时间和制动速度的计算基于列车摩擦材料、制动机类型、列车管空气压力等。
所述的缓解状态和制动状态的计算停止条件根据长大下坡道路况的数值求解规则形成。长大下坡道的计算条件根据坡道分区表形成。
如图3所示，所述步骤S4进一步包括如下子步骤：
S4.1获取给定运行指标和初始目标速度集、初始权重集；
S4.2根据权重值进行QP算法求解，并计算得出相应的性能指标；
S4.3将求解的运行性能指标与给定性能指标做比较，满足则计算结束，不满足则进一步判断，通过一定的权重调整规则修正权重集，返回步骤S4.2。
所述的QP算法基于列车牵引计算模型，其运动学方程为
其中ξ为加速度系数，c为列车单位合力。
所述的QP算法包括目标函数和约束条件两大类，形如：
subjecttoAeq·x＝beq
Cx≤d
其中目标函数包括节能参数：列车能耗EC、准点参数:速度跟踪性dE和平稳参数：力的变化量dF，并通过节能权重λ1、准点权重λ2和平稳权重λ3加权，计算公式为
其中约束条件包括等式约束和不等式约束，等式约束基于能量守恒定律、列车基本阻力模型、线路附加阻力模型、牵引力/制动力计算模型，其表达式为
Ek＝Ek-1+(Tk-Bk-Wk)Δs
不等式约束包括：基于线路限速、列车牵引力/制动力特性、电分相约束、力的变化率约束，其约束集形式可描述为
所述目标函数中针对准点性的目标速度设定，根据线路的上坡道、下坡道结合线路高限速、低限速设定不同阶段的目标速度。
所述的列车的运行指标包括：运行时间(准点性)、列车能耗(节能性)、列车动能变化量(速度跟踪性)和列车力变化量(平稳性)，其中，运行时间(准点性)由目标速度集中的目标速度，以及列车能耗、动能变化量和列车力变化量之间的权重间接确定。
所述的非长大下坡道的权重自适应调整方法针对列车的运行指标，首先通过给定准点、节能、平稳的优先级，划分相应指标的计算精度停止条件(确定ΔT、ΔE、ΔdF数值大小)，拟合获得列车运行指标与相应权重的函数关系或变化规律，可以为运行时间与节能/准点权重、列车能耗与节能/准点权重、列车力变化量与平稳权重的函数关系；然后通过QP计算的预测运行指标与给定运行指标比较，根据误差方向和前一步的函数/规律确定下一次迭代计算的权重大小。
由于运行时间(准点性)性能指标是由目标速度集中的目标速度，以及列车能耗、动能变化量和列车里变化量之间的权重间接确定，因此，所述的非长大下坡道的权重自适应调整方法中针对准点性的调节分为两步，一是目标速度和准点权重值在广范围的粗调节，二是目标速度下的准点权重的细调节。利用系数n1、n2和时间误差ΔT划分了准点性粗调节和细调节的范围。
所述的长大下坡道优化结果中的平均速度、始末速度和始末牵引制动力作为二次规划求解的约束条件，从而实现长大下坡道优化结果与非长大下坡道优化结果的平稳过渡。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (10)

1.一种重载列车运行的多目标优化方法，其特征在于，包括如下步骤：
S1：获取待优化区段数据，包括机车、车辆信息、编组信息、线路数据、线路限速和时刻表数据等；
S2：初始化目标函数的权重集，以及S1中的相关数据；
S3：针对待优化线路范围内的各段长大下坡道的列车运行优化进行数值求解，获得节能优化曲线；
S4：针对非长大下坡道的多目标平衡调节，综合利用二次规划模型和权重自适应调整方法，获得满足运行指标的平稳、节能优化曲线；
S5：对S3与S4求解的曲线结果，进行满足列车运行平稳的过渡连接；
S6：输出完整的列车速度优化曲线。
2.根据权利要求1所述的一种重载列车运行的多目标优化方法，其特征在于：S1中所述优化区段数据包括：线路数据、坡道数据、曲线数据、长短链数据和电分相数据；所述坡道数据是起止点公里标和线路坡度，曲线数据是起止点公里标和曲线半径，长短链数据是公里标和长度，电分相数据是起止点公里标。
3.根据权利要求1所述的一种重载列车运行的多目标优化方法，其特征在于：S2中所述的数据初始化包括：由机车、车辆信息得出列车静态总重、列车总长；离散化优化区段起点到终点范围内的坡道数据、曲线数据；根据列车总长修正线路限速数据，计算高限速到低限速的速度安全防护曲线；基于长大下坡道的识别，确定坡道分区表。
4.根据权利要求1所述的一种重载列车运行的多目标优化方法，其特征在于：所述S3包括如下子步骤：
S3.1获得当前求解状态，初始为缓解状态；
S3.2根据工况进入制动状态或缓解状态的牵引计算模型的求解过程；
S3.3每次状态计算完成后，若长大下坡道求解完成，结束；否则更改当前求解状态，返回步骤S3.2。
5.根据权利要求2所述的一种重载列车运行的多目标优化方法，其特征在于：所述S3中长大下坡道路况的数值求解规则包括：1.货运列车在长大下坡道的最优操纵策略为“全电制-空电联合-全电制”周期性制动控制策略；2.全电制工况的保持时间为列车所需的缓解再充风时间和列车下次空气制动的空走时间之和，必要时可根据需要加上一定的安全裕量；3.全电制工况的末速度为线路限速；4.长大下坡道末端最优工况为全电制工况。
6.根据权利要求1所述的一种重载列车运行的多目标优化方法，其特征在于：所述S4包括如下子步骤：
S4.1获取给定运行指标和初始目标速度集、初始权重集；
S4.2根据权重值进行QP(Quadratic Programming)算法求解，并计算得出相应的性能指标；
S4.3将求解的运行性能指标与给定性能指标做比较，满足则计算结束，不满足则进一步判断，通过一定的权重调整规则修正权重集，返回步骤S4.2。
7.根据权利要求6所述的一种重载列车运行的多目标优化方法，其特征在于：所述S4.2的QP算法基于列车牵引计算模型，其运动学方程为
其中ξ为加速度系数，c为列车单位合力。
8.根据权利要求7所述的一种重载列车运行的多目标优化方法，其特征在于：所述的QP算法包括目标函数和约束条件两大类，形如：
subject to Aeq·x＝beq
Cx≤d
其中目标函数包括节能参数：列车能耗EC、准点参数：速度跟踪性dE和平稳参数：力的变化量dF，并通过节能权重λ1、准点权重λ2和平稳权重λ3加权，计算公式为
其中约束条件包括等式约束和不等式约束，等式约束包括：基于能量守恒定律、列车基本阻力模型、线路附加阻力模型和牵引力/制动力计算模型，其表达式为
Ek＝Ek-1+(Tk-Bk-Wk)Δs
其中E为列车动能，T为列车牵引力，B为列车制动力，W为列车阻力。
不等式约束包括：基于线路限速、列车牵引力/制动力特性、电分相约束、力的变化率约束，其约束集形式可描述为
其中m为列车总质量，ΔTmin、ΔTmax、ΔBmin、ΔBmax为变化率约束量。
9.根据权利要求8所述的一种重载列车运行的多目标优化方法，其特征在于：所述目标函数中针对准点性的目标速度设定，根据线路的上坡道、下坡道结合线路高限速、低限速设定不同阶段的目标速度；
所述的列车的运行指标包括：运行时间、列车能耗、列车动能变化量和列车力变化量；
所述的非长大下坡道的权重自适应调整方法针对列车的运行指标，首先通过给定的运行指标优先级确定相应指标的精度容许值，拟合获得列车运行指标与相应权重的函数关系或变化规律；然后通过QP计算的预测运行指标与给定运行指标比较，根据误差方向和前一步的函数/规律确定下一次迭代计算的权重大小；
所述的非长大下坡道的权重自适应调整方法中针对准点性的调节分为两步，一是目标速度和准点权重值在广范围的粗调节，二是目标速度下的准点权重的细调节。
10.根据权利要求9所述的一种重载列车运行的多目标优化方法，其特征在于：所述的长大下坡道优化结果中的平均速度、始末速度和始末牵引制动力作为二次规划求解的约束条件，从而实现长大下坡道优化结果与非长大下坡道优化结果的平稳过渡。
CN201810522692.4A 2018-05-28 2018-05-28 一种重载列车运行的多目标优化方法 Active CN108764571B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810522692.4A CN108764571B (zh) 2018-05-28 2018-05-28 一种重载列车运行的多目标优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810522692.4A CN108764571B (zh) 2018-05-28 2018-05-28 一种重载列车运行的多目标优化方法

Publications (2)

Publication Number Publication Date
CN108764571A true CN108764571A (zh) 2018-11-06
CN108764571B CN108764571B (zh) 2020-04-14

Family

ID=64002837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810522692.4A Active CN108764571B (zh) 2018-05-28 2018-05-28 一种重载列车运行的多目标优化方法

Country Status (1)

Country Link
CN (1) CN108764571B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840641A (zh) * 2019-03-08 2019-06-04 西南交通大学 一种列车多区间运行曲线快速优化方法
CN109839879A (zh) * 2019-03-07 2019-06-04 西南交通大学 数据模拟装置及其模拟方法、上位机-lkj装置、lkj模拟系统
CN109969220A (zh) * 2019-03-26 2019-07-05 北京交通大学 一种基于双空气制动管的重载列车循环制动方法及系统
CN110155126A (zh) * 2019-06-03 2019-08-23 北京交通大学 临时限速下的高铁列车调度与控制一体优化方法
CN110497943A (zh) * 2019-09-03 2019-11-26 西南交通大学 一种基于强化学习的城轨列车节能运行策略在线优化方法
CN110641523A (zh) * 2019-10-15 2020-01-03 大连海事大学 一种地铁列车实时速度监测方法及系统
CN111325462A (zh) * 2020-02-18 2020-06-23 中国铁道科学研究院集团有限公司 动车组辅助驾驶方法及系统
CN111824213A (zh) * 2019-04-18 2020-10-27 中车株洲电力机车研究所有限公司 一种重载机车自动驾驶方法及系统
CN112026857A (zh) * 2020-09-16 2020-12-04 长安大学 一种基于ctcs-3列控系统的高速铁路列车运行调整方法
CN112380605A (zh) * 2020-11-16 2021-02-19 广州地铁设计研究院股份有限公司 一种地铁纵断面设计和节能操纵方案优化方法及装置
CN112550359A (zh) * 2020-11-22 2021-03-26 卡斯柯信号有限公司 基于阶梯形目标速度曲线的列车平滑跟踪控制方法
CN112722011A (zh) * 2019-10-29 2021-04-30 中车株洲电力机车研究所有限公司 重载列车自动驾驶节能控制方法及装置
CN113665638A (zh) * 2021-09-28 2021-11-19 西南交通大学 一种针对带车载储能列车在复杂山区铁路的优化通行方法
CN113815685A (zh) * 2021-11-02 2021-12-21 西南交通大学 一种列车全程最优目标速度计算方法
CN114348068A (zh) * 2022-01-10 2022-04-15 北京全路通信信号研究设计院集团有限公司 一种列车下坡运行控制方法、系统
CN114475721A (zh) * 2020-10-23 2022-05-13 中车株洲电力机车研究所有限公司 运行速度曲线的确定方法、装置、电子设备及存储介质
CN114633780A (zh) * 2021-12-30 2022-06-17 中南大学 重载列车及其纵向动力学牵引运行优化控制系统
CN114655277A (zh) * 2022-04-02 2022-06-24 株洲中车时代电气股份有限公司 重载列车智能驾驶超速防护曲线计算方法及相关设备
CN116062004A (zh) * 2023-03-23 2023-05-05 西南交通大学 一种考虑列车控制力平缓度的节能速度曲线调整方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023081176A1 (en) * 2021-11-05 2023-05-11 Carnegie Mellon University Systems and methods for verifying train controllers

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103879414A (zh) * 2014-03-26 2014-06-25 北京清软英泰信息技术有限公司 一种基于自适应A-Star算法的铁路机车优化操纵方法
CN104765916A (zh) * 2015-03-31 2015-07-08 西南交通大学 一种高速列车动力学性能参数优化方法
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
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
CN106647279A (zh) * 2017-01-13 2017-05-10 清华大学 一种基于模糊规则的机车智能操纵优化计算方法
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
CN107704975A (zh) * 2017-06-30 2018-02-16 湖南工业大学 基于生物地理算法的地铁列车节能运行优化方法与系统
CN107958316A (zh) * 2018-01-17 2018-04-24 深圳技术大学（筹） 一种轨道交通线路的列车停站优化方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103879414A (zh) * 2014-03-26 2014-06-25 北京清软英泰信息技术有限公司 一种基于自适应A-Star算法的铁路机车优化操纵方法
CN104765916A (zh) * 2015-03-31 2015-07-08 西南交通大学 一种高速列车动力学性能参数优化方法
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
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
CN106647279A (zh) * 2017-01-13 2017-05-10 清华大学 一种基于模糊规则的机车智能操纵优化计算方法
CN107704975A (zh) * 2017-06-30 2018-02-16 湖南工业大学 基于生物地理算法的地铁列车节能运行优化方法与系统
CN107958316A (zh) * 2018-01-17 2018-04-24 深圳技术大学（筹） 一种轨道交通线路的列车停站优化方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
T. MINEYOSHI 等: "A study on an energy saving train scheduling in consideration of vehicle load variations and loss model of traction circuit", 《2016 19TH INTERNATIONAL CONFERENCE ON ELECTRICAL MACHINES AND SYSTEMS (ICEMS)》 *
X. LIN 等: "The Energy-Efficient Operation Problem of a Freight Train Considering Long-Distance Steep Downhill Sections", 《ENERGIES》 *
林轩 等: "HXD2牵引货运列车长大下坡区间周期性制动研究", 《西南交通大学学报》 *
柏赘 等: "长大下坡道区间地铁列车节能操纵方法", 《中国铁道科学》 *
王新培: "基于多目标的重载列车优化操纵研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109839879A (zh) * 2019-03-07 2019-06-04 西南交通大学 数据模拟装置及其模拟方法、上位机-lkj装置、lkj模拟系统
CN109839879B (zh) * 2019-03-07 2023-09-08 西南交通大学 数据模拟装置及其模拟方法、上位机-lkj装置、lkj模拟系统
CN109840641B (zh) * 2019-03-08 2020-05-26 西南交通大学 一种列车多区间运行曲线快速优化方法
CN109840641A (zh) * 2019-03-08 2019-06-04 西南交通大学 一种列车多区间运行曲线快速优化方法
CN109969220A (zh) * 2019-03-26 2019-07-05 北京交通大学 一种基于双空气制动管的重载列车循环制动方法及系统
CN109969220B (zh) * 2019-03-26 2020-02-11 北京交通大学 一种基于双空气制动管的重载列车循环制动方法及系统
CN111824213A (zh) * 2019-04-18 2020-10-27 中车株洲电力机车研究所有限公司 一种重载机车自动驾驶方法及系统
CN110155126A (zh) * 2019-06-03 2019-08-23 北京交通大学 临时限速下的高铁列车调度与控制一体优化方法
CN110497943A (zh) * 2019-09-03 2019-11-26 西南交通大学 一种基于强化学习的城轨列车节能运行策略在线优化方法
CN110641523B (zh) * 2019-10-15 2021-06-29 大连海事大学 一种地铁列车实时速度监测方法及系统
CN110641523A (zh) * 2019-10-15 2020-01-03 大连海事大学 一种地铁列车实时速度监测方法及系统
CN112722011A (zh) * 2019-10-29 2021-04-30 中车株洲电力机车研究所有限公司 重载列车自动驾驶节能控制方法及装置
CN112722011B (zh) * 2019-10-29 2022-12-13 中车株洲电力机车研究所有限公司 重载列车自动驾驶节能控制方法及装置
CN111325462A (zh) * 2020-02-18 2020-06-23 中国铁道科学研究院集团有限公司 动车组辅助驾驶方法及系统
CN112026857A (zh) * 2020-09-16 2020-12-04 长安大学 一种基于ctcs-3列控系统的高速铁路列车运行调整方法
CN114475721B (zh) * 2020-10-23 2023-11-07 中车株洲电力机车研究所有限公司 运行速度曲线的确定方法、装置、电子设备及存储介质
CN114475721A (zh) * 2020-10-23 2022-05-13 中车株洲电力机车研究所有限公司 运行速度曲线的确定方法、装置、电子设备及存储介质
CN112380605A (zh) * 2020-11-16 2021-02-19 广州地铁设计研究院股份有限公司 一种地铁纵断面设计和节能操纵方案优化方法及装置
CN112380605B (zh) * 2020-11-16 2024-04-19 广州地铁设计研究院股份有限公司 一种地铁纵断面设计和节能操纵方案优化方法及装置
CN112550359B (zh) * 2020-11-22 2022-08-23 卡斯柯信号有限公司 基于阶梯形目标速度曲线的列车平滑跟踪控制方法
CN112550359A (zh) * 2020-11-22 2021-03-26 卡斯柯信号有限公司 基于阶梯形目标速度曲线的列车平滑跟踪控制方法
CN113665638A (zh) * 2021-09-28 2021-11-19 西南交通大学 一种针对带车载储能列车在复杂山区铁路的优化通行方法
CN113815685A (zh) * 2021-11-02 2021-12-21 西南交通大学 一种列车全程最优目标速度计算方法
CN114633780B (zh) * 2021-12-30 2022-11-25 中南大学 重载列车及其纵向动力学牵引运行优化控制系统
CN114633780A (zh) * 2021-12-30 2022-06-17 中南大学 重载列车及其纵向动力学牵引运行优化控制系统
CN114348068B (zh) * 2022-01-10 2023-10-27 北京全路通信信号研究设计院集团有限公司 一种列车下坡运行控制方法、系统
CN114348068A (zh) * 2022-01-10 2022-04-15 北京全路通信信号研究设计院集团有限公司 一种列车下坡运行控制方法、系统
CN114655277A (zh) * 2022-04-02 2022-06-24 株洲中车时代电气股份有限公司 重载列车智能驾驶超速防护曲线计算方法及相关设备
CN116062004A (zh) * 2023-03-23 2023-05-05 西南交通大学 一种考虑列车控制力平缓度的节能速度曲线调整方法
CN116062004B (zh) * 2023-03-23 2024-07-23 西南交通大学 一种考虑列车控制力平缓度的节能速度曲线调整方法

Also Published As

Publication number Publication date
CN108764571B (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN108764571A (zh) 一种重载列车运行的多目标优化方法
CN102981408B (zh) 一种动车组运行过程建模与自适应控制方法
CN101214819B (zh) 内燃牵引机车优化操纵的方法和指导装置
CN107585180B (zh) 车载ato基于多目标自调整驾驶策略的方法及装置
CN103914985B (zh) 一种混合动力客车未来车速轨迹预测方法
CN104881527B (zh) 城市轨道交通列车ato速度命令优化方法
Ke et al. Optimization of train-speed trajectory and control for mass rapid transit systems
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
CN106056238B (zh) 列车区间运行轨迹的规划方法
CN102831478B (zh) 一种基于bp神经网络的地铁能耗综合预测方法
CN107895960A (zh) 基于强化学习的城轨交通地面式超级电容储能系统能量管理方法
CN104656452B (zh) 一种基于矩阵离散的地铁列车优化控制方法及装置
CN103777631A (zh) 一种自动驾驶的控制系统及方法
Xu et al. Global optimization energy management for multi-energy source vehicles based on “Information layer-Physical layer-Energy layer-Dynamic programming”(IPE-DP)
CN109344996A (zh) 一种城市轨道交通列车节能优化运行方法
Lai et al. Optimization of rail transit alignments considering vehicle dynamics
CN107368920A (zh) 一种非高峰时段多列车运行节能优化方法
Hult et al. Energy-optimal coordination of autonomous vehicles at intersections
CN108099877A (zh) 一种紧急制动工况下滑移率跟踪控制方法
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
Ivarsson et al. Look-ahead control—consequences of a non-linear fuel map on truck fuel consumption
CN116935671A (zh) 一种基于投影式约束策略优化的自动道路交叉口管理方法
Ding et al. Simulation algorithm for energy-efficient train control under moving block system
CN108749816B (zh) 运用能量耗散理论进行智能车辆速度调控的方法
Licheng et al. Optimization of train speed curve based on ATO tracking control strategy

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wang Qingyuan

Inventor after: Bai Baoxue

Inventor after: Sun Pengfei

Inventor after: Guo Youxing

Inventor after: Zhu Yuqing

Inventor after: Feng Xiaoyun

Inventor before: Wang Qingyuan

Inventor before: Bai Baoxue

Inventor before: Sun Pengfei

Inventor before: Zhu Yuqing

Inventor before: Feng Xiaoyun

GR01 Patent grant
GR01 Patent grant