【技术实现步骤摘要】
一种有轨电车在线优化控制方法
本专利技术属于有轨电车
，特别是涉及一种有轨电车在线优化控制方法。
技术介绍
城市轨道交通是现阶段我国核心城市解决城市扩张和交通压力的主要方式，在众多的城市轨道交通工具中，地铁、轻轨等现代化轨道交通对城市规模和人口体量有着较高的要求，大型城市具备这样的运营能力，但对于城市圈周边的中型城市而言，往往不具备这样的条件。而中等运量的有轨电车，凭借着低造价成本、高运载效率以及环保的电力驱动等技术特点，是现代化轨道交通领域的有效补充。在未来的城市体系中，尤其在我国大中型城市虹吸效应的特点下，更为系统和多元的城市轨道交通发展将是未来的趋势。中小城市需要有能与公交系统配合的新型轨道交通，以进一步改善城市交通问题，缓解交通压力。目前，我国的现代有轨电车在建线路城市在20个左右，整体比重和数量依然较小，未来整体的市场机会庞大，预测在2020年全国将要建成超过2500公里的线路，远期规模超过5000公里。可以预见，在现今汽车能源紧张、环境污染等严峻问题的包围下，现代有轨电车的市场前景十分可观。现代有轨电车是在传统有轨电车的基础上全面改造升级的一种先...
【技术保护点】
1.一种有轨电车在线优化控制方法，其特征在于，包括步骤：S100，采集并记录有轨电车线路实际运行参数，并对参数数据进行聚类处理，获得线路参数样本；S200，基于线路期望要求，利用神经网络训练线路参数样本，输出保证列车准时性和舒适性的调控参数；S300，由所述调控参数，实时调整列车运行参数，同时进行能量回收制动。
【技术特征摘要】
1.一种有轨电车在线优化控制方法，其特征在于，包括步骤：S100，采集并记录有轨电车线路实际运行参数，并对参数数据进行聚类处理，获得线路参数样本；S200，基于线路期望要求，利用神经网络训练线路参数样本，输出保证列车准时性和舒适性的调控参数；S300，由所述调控参数，实时调整列车运行参数，同时进行能量回收制动。2.根据权利要求1所述的一种有轨电车在线优化控制方法，其特征在于，在所述步骤S200中，基于线路期望要求，利用神经网络训练线路参数样本，输出保证列车准时性和舒适性的调控参数，包括步骤：S210，根据列车实际运行工况，搜集有轨电车线路实际运行参数作为神经网络的输入；将舒适度最佳的列车运行加速度区间ax作为神经网络的输出的保证列车准时性和舒适性的调控参数；S220，有轨电车线路实际运行参数进行聚类处理，将处理后的数据作为训练集样本；根据线路期望要求，确定神经网络的各项参数；S230，对训练目标进行逻辑分析，结合输入参数以及期望值要求，利用神经网络进行训练分析，得到保证列车准时性和舒适性的加速度区间。3.根据权利要求2所述的一种有轨电车在线优化控制方法，其特征在于，在所述步骤S210中，所述有轨电车线路实际运行参数包括行驶时间tx、采样时间内的运行速度vx、运行加速度amean、最大加速度amax、最小加速度amin、加速度方差avar和加速度变化率ka。4.根据权利要求3所述的一种有轨电车在线优化控制方法，其特征在于，对所述神经网络的输入和输出进行归一化处理，归一化函数：其中，P为输入输出向量P(tx，vx，amean，amax，amin，avar，ka，ax)，min(P)、max(P)分别是向量P(tx，vx，amean，amax，amin，avar，ka，ax)的最小值和最大值。5.根据权利要求4所述的一种有轨电车在线优化控制方法，其特征在于，在所述步骤S220中，根据线路期望要求，确定神经网络的各项参数，包括步骤：S221，对有轨电车线路实际运行参数进行聚类处理，将处理后的数据作为训练集样本；S222，确定神经网络的参数包括：输入层的结点个数n；隐含层的结点个数q；输入层和隐含层的权值w1kj(k＝1,2,…,q；j＝1,2,,…,n)，阈值bi(i＝1,2,…,n)；输出层的结点个数m；隐含层和输出层的权值w2kj(k＝1,2,…,m；j＝1,2,…,q)，阈值bj(j＝1,2,…，m)；隐含层传递函数f1(.)，输出层传递函数f2(.)；S223，设定样本学习结束条件：目标误差e为0.0001，最大迭代次数为1000，学习速率初始值为0.1。6.根据权利要求5所述的一种有轨电车在线优化控制方法，其特征在于，所述隐含层的结点个数为q，计算公式为：q＝log2n，或上式中，a为0-...
【专利技术属性】
技术研发人员：戴朝华，安琪，时方力，刘禺贝，郭爱，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51
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。