一种城轨列车的多目标控制方法技术

本发明专利技术提供了一种城轨列车多目标控制方法，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、精英群模块、全局外部档案模块、局部外部档案模块、通信控制模块和驾驶曲线生成模块。采用本发明专利技术所述的方法，多目标粒子集群算法的收敛性好，Pareto前沿解的多样性好，多目标优化效果提高。

A multi objective control method for urban rail train

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，以解决现有技术中，采用基于Pareto原理的多目标粒子集群算法对列车运行耗能、时间和停车精度三个目标进行优化时，优化效果不好的问题。为实现本专利技术的目的，本专利技术提供了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，其创新在于：所述列车驾驶曲线生成系统包括基础群模块、精英群模块、全局外部档案模块、局部外部档案模块、通信控制模块和驾驶曲线生成模块；所述基础群模块包括4个小种群模块，其中1个小种群模块记为权衡优化模块，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连接，驾驶曲线生成模块与全局外部档案模块连接，局部外部档案模块通过通道一与全局外部档案模块连接，精英群模块与局部外部档案模块连接，全局外部档案模块通过通道二与精英群模块连接，通信控制模块与权衡优化模块连接，通信控制模块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，全局外部档案模块生成相应的Pareto前沿解；通道二开启时，全局外部档案模块将当前的Pareto前沿解传输至精英群模块；精英群模块根据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，局部外部档案模块根据精英可行解生成精英解；通道一开启时，局部外部档案模块将当前的精英解传输至全局外部档案模块，全局外部档案模块生成相应的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，全局外部档案模块将最优前沿解集传输到驾驶曲线生成模块；通信控制模块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，通信控制模块控制通道一和通道二关断；通道一和通道二每次关断后，通信控制模块按如下方式确定通道一和通道二下一次的开启时机：通信控制模块对权衡小种群模块的当前迭代次数和当前迭代步长进行实时检测，然后根据模糊推理规则表，确定下一次开启通道一和通道二的时机；所述模糊推理规则表为：{LI，SI，MI}为迭代次数模糊论域，其中，LI表示次数少，SI表示次数适中，MI表示次数多；{NB，NM，NS，ZO，PS，PM，PB}为迭代步长模糊论域，其中，NB表示负大，NM表示负中，NS表示负小，ZO表示零，PS表示正小，PM表示正中，PB表示正大；通道一和通道二关断后至再次开启的过程，记为一个通信周期，{VS，S，M，L，VL}为通信周期模糊论域，其中，VS表示很短，S表示短，M表示适中，L表示长，VL表示很长；所述方法一包括：基础群模块(1)中的各个小种群模块根据粒子集群算法进行第一个迭代周期的运算，第一个迭代周期的运算结束后，小种群模块将得到的可行解传输至全局外部档案模块；后续过程中，小种群模块每次收到全局外部档案模块输出的引导粒子，就进行一个迭代周期的运算，每个迭代周期的运算结束后，小种群模块将得到的可行解传输至全局外部档案模块；每次生成相应的Pareto前沿解后，全局外部档案模块向各个小种群模块输出引导粒子：将当前Pareto前沿解中列车运行时间最短那者作为第一目标优化模块的引导粒子，将当前Pareto前沿解中列车能耗最少那者作为第二目标优化模块的引导粒子，将当前Pareto前沿解中列车停车误差最小那者作为第三目标优化模块的引导粒子，在当前Pareto前沿解中随机选择一者作为权衡优化模块的引导粒子。本专利技术与现有技术比较，能提高列车多目标优化效果的原理在于：一方面，采用三个目标优化模块和权衡优化模块协同进化的机制：三个目标优化模块分别对应于一个目标寻优，最大限度地挖掘各个目标上的最优边沿解，有利于Pareto前沿解在各个目标的分布上更为宽广，然而由于多目标优化要使所有的目标同时达到最佳的值，所以各个解之间存在冲突问题，本专利技术中，利用权衡优化模块对多个目标进行综合权衡寻优，使4个小种群模块形成一个既相互独立又多方位协同进化的高效搜索群体，得到的Pareto前沿解的多样性好，从而使自动驾驶方案在三个目标上跨度大、分布均匀且解的数量多；另一方面，在进化的前期和中期，基础粒子的迭代步长较大，在各自目标上的信息差异大，Pareto前沿收敛快，需要较小的通信周期，让全局外部档案模块中的Pareto前沿解及时送入精英群，以便迅速挖掘各自目标上的信息；当进化进行到后期时，各目标均已临近最优解的区域，此时主要是发挥精英群模块的局部搜索作用，需要给定较大的通信周期来实现精细搜索，让精英群模块在最优解附近区域搜索滞留较长时间，从而获取最优解。现有技术中采用固定通信周期，无法顾及粒子进化前、中、后期迭代步长的差异性，从而导致进化效果不好。本专利技术中，通信控制模块通过对权衡优化模块进行检测，根据得到的粒子迭代次数和迭代步长信息，采本文档来自技高网...

【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，通信控制模块(5)控制通道一和通道二关断；通道一和通道二每次关断后，通信控制模块(5)按如下方式确定通道一和通道二下一次的开启时机：通信控制模块(5)对权衡小种群模块(11)的当前迭代次数和当前的迭代步长进行实时检测，然后根据模糊推理规则表，确定下一次开启通道一和通道二的时机；所述模糊推理规则表为：...

【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