一种基于粒子群算法的列车运行速度曲线节能优化方法技术

本发明专利技术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。本发明专利技术可有效提高列车节能优化精度和优化速度。

【技术实现步骤摘要】
一种基于粒子群算法的列车运行速度曲线节能优化方法
本专利技术涉及列车运行控制
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。
技术介绍
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。
技术实现思路
本专利技术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，本专利技术采用下述技术方案：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。本专利技术的有益效果如下：本专利技术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。本专利技术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专利技术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专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。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，不应以此限制本专利技术的保护范围。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、制动运行模态可本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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；...

【专利技术属性】
技术研发人员：魏秀琨，李卓玥，贾利民，朱明，张晓中，王腾腾，贺延芳，张靖林，闫冬，吕又冉，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11