一种重载列车进站曲线优化方法及系统技术方案

本发明专利技术提出了一种重载列车进站曲线优化方法及系统，在NSGA

【技术实现步骤摘要】
一种重载列车进站曲线优化方法及系统


[0001]本专利技术涉及重载列车自动控制
，特别是涉及一种重载列车进站曲线优化方法及系统。

技术介绍

[0002]重载列车因其运量大、运距远、大宗货物运输能力强、运输成本低等特点成为我国货运的重要途径，在人民的生产生活中扮演着更加重要的角色。但重载列车自身结构特殊，运行工况变化频繁加之大秦线路横跨山区，地势险恶。列车制动的弊端日益凸显，脱轨等危险事故常有发生，特别是进站停车时若考虑人为提高停车的精度，将增加司机操控重载列车的难度。近年来，快速精准停车是评价重载列车自动驾驶性能的关键因素之一，重载列车还不能达到如地铁般自动地对准站台屏蔽门进行精准停车的效果，所以重载列车的进站制动优化是重点关注和研究的方向。
[0003]针对重载列车进站曲线优化问题，按阶段又可以分为对重载列车运行曲线的优化和重载列车停车曲线的优化，对编组短、动力分散、速度快的高速列车及城轨列车的控制系统来说，在考虑对列车的运行曲线进行优化的问题时往往采用NSGA
‑
II(Non Dominated Sorting GeneticAlgorithm
‑
II)多目标优化算法，这种算法大多已实现全自动驾驶或人工值守的自动驾驶，精准停车技术成熟，但对于自动化水平低、动力集中、能力短缺、外部因素干扰大的重载列车线路的研究尚处空白。而大多学者使用NSGA
‑
II算法，本身依旧是采用固定的交叉算子和变异算子，没有克服算子固定的缺陷，加之现有的研究没有结合实际运行线路参数，则其优化的重载列车目标曲线缺少实际的应用价值。
[0004]而针对重载列车停车曲线的优化方面，现有的研究也仅限于对空气制动系统模型的建立并进行参数和性能研究，没有将空气制动系统模型与重载列车六质点动力学模型有效结合，更没有结合真实线路、隧道、弯道等因素，从而达到对重载列车停车过程速度曲线模拟的目的，难以满足重载列车实际运行中对进站停车精准度的要求。
[0005]针对以上问题，亟需一种能够满足重载列车实际运行中对进站停车精准度的要求，并实现重载列车进站过程中安全、平稳、节能以及精准停车的曲线优化方法及系统。

技术实现思路

[0006]本专利技术的目的是提供一种重载列车进站曲线优化方法及系统，解决现有的重载列车进站曲线优化方法无法满足重载列车在实际运行中对进站停车精准度要求的问题。
[0007]为实现上述目的，本专利技术提供了一种重载列车进站曲线优化方法，优化方法包括：
[0008]建立重载列车的多目标优化函数及惩罚函数；所述多目标优化函数包括安全目标函数、节能目标函数、稳定目标函数以及与所述安全目标函数和所述稳定目标函数相应的惩罚函数将有约束的优化问题转换为无约束的优化问题，所述安全目标函数为以重载列车的运行速度为自变量的函数，所述节能目标函数为以重载列车的运行时所受阻力为自变量的函数，所述稳定目标函数为以重载列车的运行加速度为自变量的函数；
[0009]基于自适应交叉和变异概率的NSGA
‑
II算法，对所述多目标优化函数进行优化，得到重载列车运行最优解集，并根据所述重载列车运行最优解集控制重载列车在进站前的运行，所述重载列车运行最优解集包括：重载列车运行速度最优解和重载列车运行加速度最优解；
[0010]将单质点模型分解为六个质点，每20节车厢考虑为一个质点，即120辆编组的列车考虑为6个质点，分析每个质点的受力情况，建立重载列车的六质点动力学模型；
[0011]建立空气制动力模型，并验证所述空气制动力模型是否符合在固定减压量下制动缸的充气特性；
[0012]根据验证后的所述空气制动力模型以及所述六质点动力学模型，仿真重载列车进站时在固定减压量下每个质点的速度位移曲线；
[0013]根据预设的重载列车停靠位置以及所述速度位移曲线，反推得到实施空气制动的位置。
[0014]可选地，所述基于自适应交叉和变异概率的NSGA
‑
II算法，对所述多目标优化函数进行优化，具体包括：
[0015]根据重载列车特性与线路数据，将目标运行曲线分为不同的个体，随机产生规模为N的初始种群P0，设置最大进化代数t
max
，并对种群P0进行非支配排序，初始化每个个体的rank值；
[0016]对父代种群P0执行遗传操作，产生子代种群Q0；
[0017]通过二进制锦标赛法从P0和Q0中产生出组合种群R0＝P0∪Q0；
[0018]对组合种群R0进行非支配排序，并通过拥挤度排序和精英保留策略选出rank值排前列的N个个体，组成新的父代种群P1；
[0019]根据当前种群个体的拥挤度与所有种群个体拥挤度的平均值进行比较，并对交叉概率P
c
及变异概率P
m
的变化分类。
[0020]基于算法迭代次数进程，求出交叉算子P
c
和变异算子P
m
的变化值；
[0021]自适应更新选取交叉算子P
c
和变异算子P
m
的值，通过交叉、变异操作，生成新的子代种群Q1；
[0022]跳转至“通过二进制锦标赛法从P0和Q0中产生出组合种群R0＝P0∪Q
0”，进行下一次的进化，直至当前进化代数达到所述最大进化代数t
max
。
[0023]可选地，所述根据当前种群个体的拥挤度与所有种群个体拥挤度的平均值进行比较，并对交叉概率P
c
及变异概率P
m
的变化分类，具体包括：
[0024]通过种群中个体拥挤度与种群平均拥挤度比较，将交叉算子P
c
和变异算子P
m
的选取进行分类：
[0025]当d
i
<d
iagv
时，P
c
(k)＝P
c
(k
‑
1)+ΔP
c
(k)，P
m
(k)＝P
m
(k
‑
1)+ΔP
m
(k)；
[0026]当d
i
＝d
iagv
时，P
c
(k)＝P
c
(k
‑
1)，P
m
(k)＝P
m
(k
‑
1)；
[0027]当d
i
>d
iagv
时，P
c
(k)＝P
c
(k
‑
1)
‑
ΔP
c
(k)，P
m
(k)＝P
m
(k
‑
1)
‑
ΔP
m
(k)；
[0028]其中，d...

【技术保护点】

【技术特征摘要】
1.一种重载列车进站曲线优化方法，其特征在于，所述优化方法包括：建立重载列车的多目标优化及惩罚函数；所述多目标优化函数包括安全目标函数、节能目标函数、稳定目标函数以及与所述安全目标函数和所述稳定目标函数相应的惩罚函数将有约束的优化问题转换为无约束的优化问题，所述安全目标函数为以重载列车的运行速度为自变量的函数，所述节能目标函数为以重载列车的运行时所受阻力为自变量的函数，所述稳定目标函数为以重载列车的运行加速度为自变量的函数；基于基于自适应交叉和变异概率的NSGA
‑
II算法，对所述多目标优化函数进行优化，得到重载列车运行最优解集，并根据所述重载列车运行最优解集控制重载列车在进站前的运行，所述重载列车运行最优解集包括：重载列车运行速度最优解和重载列车运行加速度最优解；将单质点模型分解为六个质点，每20节车厢考虑为一个质点，整列车划分为6个质点，分析每个质点的受力情况，建立重载列车的六质点动力学模型；建立空气制动力模型，并验证所述空气制动力模型是否符合在固定减压量下制动缸的充气特性；根据验证后的所述空气制动力模型以及所述六质点动力学模型，仿真重载列车进站时在固定减压量下每个质点的速度位移曲线；根据预设的重载列车停靠位置以及所述速度位移曲线，反推得到实施空气制动的位置。2.根据权利要求1所述的优化方法，其特征在于，所述基于自适应交叉和变异概率的NSGA
‑
II算法，对所述多目标优化函数进行优化，具体包括：根据重载列车特性与线路数据，将目标运行曲线分为不同的个体，随机产生规模为N的初始种群P0，设置最大进化代数t
max
，并对种群P0进行非支配排序，初始化每个个体的rank值；对父代种群P0执行遗传操作，产生子代种群Q0；通过二进制锦标赛法从P0和Q0中产生出组合种群R0＝P0∪Q0；对组合种群R0进行非支配排序，并通过拥挤度排序和精英保留策略选出rank值排前列的N个个体，组成新的父代种群P1；根据当前种群P1中个体的拥挤度与所有种群的个体拥挤度的平均值进行比较，并对交叉概率P
c
及变异概率P
m
的变化分类；基于算法迭代次数进程，求出交叉算子P
c
和变异算子P
m
的变化值；自适应更新选取交叉算子P
c
和变异算子P
m
的值，通过交叉、变异操作，生成新的子代种群Q1；跳转至“通过二进制锦标赛法从P0和Q0中产生出组合种群R0＝P0∪Q
0”，进行下一次的进化，直至当前进化代数达到所述最大进化代数t
max
。3.根据权利要求2所述的优化方法，其特征在于，根据当前种群P1中个体的拥挤度与所有种群的个体拥挤度的平均值进行比较，并对交叉算子P
c
和变异算子P
m
的变化分类，具体包括：通过将当前种群中个体拥挤度与所有种群拥挤度的平均值比较，将交叉算子P
c
和变异算子P
m
的选取进行分类：
当d
i
<d
iagv
时，P
c
(k)＝P
c
(k
‑
1)+ΔP
c
(k)，P
m
(k)＝P
m
(k
‑
1)+ΔP
m
(k)；当d
i
＝d
iagv
时，P
c
(k)＝P
c
(k
‑
1)，P
m
(k)＝P
m
(k
‑
1)；当d
i
>d
iagv
时，P
c
(k)＝P
c
(k
‑
1)
‑
ΔP
c
(k)，P
m
(k)＝P
m
(k
‑
1)
‑
ΔP
m
(k)；其中，d
i
为个体拥挤度值，d
iagv
为种群平均拥挤度值；k为当前迭代次数；当个体拥挤度小于种群平均拥挤度时，即某一rank层中的大部分个体分布较为紧密，则增大运行曲线中个体...

【专利技术属性】
技术研发人员：付雅婷，徐可萱，杨辉，李中奇，谭畅，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：