The invention provides a multi-objective control method for urban rail trains, including a train control system and a train driving curve generation system. The train driving curve generation system can generate an automatic driving curve for the train control system, and the train control system can control the train operation according to the automatic driving curve. The train is characterized in that the train is: Driving curve generation system includes basic group module, elite group module, global external file module, local external file module, communication control module and driving curve generation module. By adopting the method described in the invention, the multi-objective particle swarm algorithm has good convergence, good diversity of Pareto frontier solutions and improved multi-objective optimization effect.
【技术实现步骤摘要】
一种城轨列车的多目标控制方法
本专利技术涉及城轨列车自动控制
,特别是一种城轨列车的多目标控制方法。
技术介绍
城市轨道列车的控制问题是一个典型的多目标优化问题,即在保证列车运行安全性和平稳性的前提下,兼顾节能、省时和停车精度等指标。传统的方法是在一定约束条件下,采用对多个目标加权求和的方法,将多目标优化问题转换为单目标优化问题进行处理。传统加权方法由于没有考虑各目标间的相互影响,多目标优化的结果是相互独立、排斥的最优解集,即某一目标性能优化必然损害其它目标性能。基于Pareto原理和粒子集群算法的原理,本领域技术人员已经进行了一些探索。如MaríaDomínguez采用MOPSO(多目标粒子集群优化)方法来解决列车自动驾驶速度模式曲线问题,并证明了MOPSO在收敛性和多样性上均优于NSGA-II(非劣排序遗传算法)。因此,基于Pareto原理的多目标粒子集群算法是一种更为优秀的处理方法。基于Pareto原理的多目标粒子集群算法的收敛性和多样性,直接决定了列车的自动驾驶曲线的优劣:Pareto前沿解的收敛性好即意味着列车的耗能小、运行时间短且停车精度高,Pareto前沿解的多样性好即意味着所生成的自动驾驶方案在上述三个目标上跨度大、分布均匀且方案数量更多。目前,基于Pareto原理的多目标粒子集群算法主要针对时间和能耗两个目标进行优化,针对对列车运行耗能、时间和停车精度三个目标进行优化时,多目标粒子集群算法的收敛性不好,Pareto前沿解的多样性不好,所以多目标优化效果不好。
技术实现思路
针对
技术介绍
的问题,本专利技术提供一种城轨列车的多目标控制方法, ...
【技术保护点】
1.一种城轨列车的多目标控制方法,包括列车控制系统和列车驾驶曲线生成系统,列车驾驶曲线生成系统能为列车控制系统生成自动驾驶曲线,列车控制系统能根据自动驾驶曲线控制列车运行,其特征在于:所述列车驾驶曲线生成系统包括基础群模块(1)、精英群模块(2)、全局外部档案模块(3)、局部外部档案模块(4)、通信控制模块(5)和驾驶曲线生成模块(6);所述基础群模块(1)包括4个小种群模块,其中1个小种群模块记为权衡优化模块(11),另外3个小种群模块记为目标优化模块;所述4个小种群模块均与全局外部档案模块(3)连接,驾驶曲线生成模块(6)与全局外部档案模块(3)连接,局部外部档案模块(4)通过通道一与全局外部档案模块(3)连接,精英群模块(2)与局部外部档案模块(4)连接,全局外部档案模块(3)通过通道二与精英群模块(2)连接,通信控制模块(5)与权衡优化模块(11)连接,通信控制模块(5)能控制通道一和通道二同步开启或关断;所述自动驾驶曲线按如下方法生成:(一)列车控制系统将列车的基础数据和约束参数传输到列车驾驶曲线生成系统;(二)列车驾驶曲线生成系统根据基础数据和约束参数生成最优前沿解集,最优 ...
【技术特征摘要】
1.一种城轨列车的多目标控制方法,包括列车控制系统和列车驾驶曲线生成系统,列车驾驶曲线生成系统能为列车控制系统生成自动驾驶曲线,列车控制系统能根据自动驾驶曲线控制列车运行,其特征在于:所述列车驾驶曲线生成系统包括基础群模块(1)、精英群模块(2)、全局外部档案模块(3)、局部外部档案模块(4)、通信控制模块(5)和驾驶曲线生成模块(6);所述基础群模块(1)包括4个小种群模块,其中1个小种群模块记为权衡优化模块(11),另外3个小种群模块记为目标优化模块;所述4个小种群模块均与全局外部档案模块(3)连接,驾驶曲线生成模块(6)与全局外部档案模块(3)连接,局部外部档案模块(4)通过通道一与全局外部档案模块(3)连接,精英群模块(2)与局部外部档案模块(4)连接,全局外部档案模块(3)通过通道二与精英群模块(2)连接,通信控制模块(5)与权衡优化模块(11)连接,通信控制模块(5)能控制通道一和通道二同步开启或关断;所述自动驾驶曲线按如下方法生成:(一)列车控制系统将列车的基础数据和约束参数传输到列车驾驶曲线生成系统;(二)列车驾驶曲线生成系统根据基础数据和约束参数生成最优前沿解集,最优前沿解集由多个Pareto前沿解组成;(三)操作人员根据需要从最优前沿解集中选出一个Pareto前沿解,列车驾驶曲线生成系统根据选定的Pareto前沿解生成自动驾驶曲线;所述步骤(二)中,所述最优前沿解集按如下方法生成:上电后,所述基础群模块(1)根据基础数据和约束参数生成基础粒子,然后将基础粒子发送至小种群模块;收到基础粒子后,小种群模块采用方法一生成可行解,并将可行解送入全局外部档案模块(3),全局外部档案模块(3)生成相应的Pareto前沿解;通道二开启时,全局外部档案模块(3)将当前的Pareto前沿解传输至精英群模块(2);精英群模块(2)根据Pareto前沿解生成多个精英粒子群,然后采用粒子集群算法生成精英可行解,并将精英可行解实时送入局部外部档案模块(4),局部外部档案模块(4)根据精英可行解生成精英解;通道一开启时,局部外部档案模块(4)将当前的精英解传输至全局外部档案模块(3),全局外部档案模块(3)生成相应的Pareto前沿解;小种群模块的迭代次数达到设定值时,全局外部档案模块(3)内当前的Pareto前沿解即形成最优前沿解集,得到最优前沿解集后,全局外部档案模块(3)将最优前沿解集传输到驾驶曲线生成模块(6);通信控制模块(5)控制通道一和通道二,初次开启的时机为设定值;通道一和通道二每次开启后,延迟一定时间,通信控制模...
【专利技术属性】
技术研发人员:徐凯,杨飞凤,杨世聪,徐文轩,何周阳,吴仕勋,
申请(专利权)人:重庆交通大学,
类型:发明
国别省市:重庆,50
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。