The invention discloses a subway train energy saving optimization method based on gold segmentation genetic algorithm, obtains the related data of train running line and train, calculates train movement model according to the obtained data, encodes train position and working condition level, initializes primary and secondary population, and generates a certain size of chromosomes randomly. Taking the fitness function value as the evaluation function, the optimal operation point of the train is worked out through the iterative calculation of genetic operation, and the energy saving operation curve of the train is output. This invention realizes the train energy saving optimization method of gold segmentation genetic algorithm, uses genetic algorithm and gold segmentation algorithm to carry out global and local optimization to the primary and secondary population respectively, and selects M and N individuals to exchange the two individuals, respectively. At the same time, the golden cut method uses the probability of 0.382 and 0.618 to search for the intersection. And the best adaptive point of variation. The invention can accurately search the optimal operation conversion point of trains, and has fewer iteration times and is not easy to fall into local optimum.
【技术实现步骤摘要】
一种基于黄金分割遗传算法的地铁列车节能优化方法
本专利技术属于地铁列车节能
,尤其涉及一种基于黄金分割遗传算法的地铁列车节能优化方法,用于优化地铁列车最优工况转换点,达到节能的根本目的。
技术介绍
随着城市轨道交通的快速发展,巨大能源消耗引起了学者的广泛关注。列车牵引力的能耗占据地铁系统接近一半的总能耗,因此研究如何在保证地铁准时的情况下降低地铁的耗能具有重要的实际意义。目前,在地铁列车节能方面的研究主要是先根据路况信息制定相应的操纵策略,然后采用优化算法求解列车的最优工况切换点,进而求得最优控制序列,实现节能控制。通常情况下,首先将路段以每一分段内的限速和坡度相同为原则划分成若干份,然后根据分段内不同的坡度和限速信息制定相应的控制策略,最后使用遗传算法进行列车工况转换点的寻优,得出列车最优运行曲线。然而,遗传算法虽然已在地铁列车节能优化方面得到了广泛的应用,但有很多问题比如易陷入局部最优,迭代次数多等问题导致在求解列车最优控制问题的时候不能得到一个最优解。因此,急需一种可以有效的优化列车控制问题的方法,降低列车的运行能耗。
技术实现思路
本专利技术所解决的技术问题在于提供一种基于黄金分割遗传算法优化地铁列车运行曲线的方法。为实现上述目的,本专利技术采用如下的技术方案:一种基于黄金分割遗传算法的地铁列车节能优化方法,包括以下步骤:步骤1:获取列车行驶线路数据、列车特性以及列车初始位置和初速度;步骤2:根据获得的列车牵引和制动特性曲线,根据列车各个工况的运动模型计算列车的速度和运行距离参数:步骤3:根据列车各个阶段的计算模型,加载操纵序列,如果满足条件就输 ...
【技术保护点】
1.一种基于黄金分割遗传算法的地铁列车节能优化方法,其特征在于,包括以下步骤:步骤1:获取列车行驶线路数据、列车特性以及列车初始位置和初速度;步骤2:根据获得的列车牵引和制动特性曲线,根据列车各个工况的运动模型计算列车的速度和运行距离参数:步骤3:根据列车各个阶段的计算模型,加载操纵序列,如果满足条件就输出S‑V曲线,输出相关数据;若不满足最优解,跳转到步骤6。步骤4:编码根据步骤2中计算的列车在各个阶段的速度、加速度和行车位置以及相关坡度和限速信息,采用二进制对列车工况点进行编码组成染色体;步骤5:初始化种群在初始化种群中,采用黄金分割算法,根据实际地铁列车运行路况的限制条件,对产生的B种群中的染色体,以0.682或0.318的比例等比缩小搜索空间,将次种群B中符合列车限制条件的N个染色个体挑选出来,起到优化种群B的效果;采用遗传算法用以上步骤优化主种群A,从中选出M个个体来;主次种群间进行信息进行交换,将M个主种群的个体给次种群B,而次种群B中的N个个体给主种群A;其中,A为基于GA全局寻优的主种群,B为基于GR局部寻优的次种群;初始化参数,包括主次种群大小分别为M、N,进化代数G ...
【技术特征摘要】
1.一种基于黄金分割遗传算法的地铁列车节能优化方法,其特征在于,包括以下步骤:步骤1:获取列车行驶线路数据、列车特性以及列车初始位置和初速度;步骤2:根据获得的列车牵引和制动特性曲线,根据列车各个工况的运动模型计算列车的速度和运行距离参数:步骤3:根据列车各个阶段的计算模型,加载操纵序列,如果满足条件就输出S-V曲线,输出相关数据;若不满足最优解,跳转到步骤6。步骤4:编码根据步骤2中计算的列车在各个阶段的速度、加速度和行车位置以及相关坡度和限速信息,采用二进制对列车工况点进行编码组成染色体;步骤5:初始化种群在初始化种群中,采用黄金分割算法,根据实际地铁列车运行路况的限制条件,对产生的B种群中的染色体,以0.682或0.318的比例等比缩小搜索空间,将次种群B中符合列车限制条件的N个染色个体挑选出来,起到优化种群B的效果;采用遗传算法用以上步骤优化主种群A,从中选出M个个体来;主次种群间进行信息进行交换,将M个主种群的个体给次种群B,而次种群B中的N个个体给主种群A;其中,A为基于GA全局寻优的主种群,B为基于GR局部寻优的次种群;初始化参数,包括主次种群大小分别为M、N,进化代数Gen;步骤6:适应度函数经过步骤5产生的染色体通过适应度函数进行评判,如果符合条件进入步骤7进行遗传操作,否则被淘汰;具体为:将时间和停车距离这两个约束条件以罚函数的方式加在目标函数中进行处理,目标函数如式(5)所示:f=E+α(|T-Ttarket|)+β(|S-Starket|)(5)其中,...
【专利技术属性】
技术研发人员:王普,丁圣,高学金,高慧慧,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。