基于人工蜂群算法的城轨列车运行节能优化研究
发布时间：2021-10-21 23:50
城市轨道交通有着更优于公路交通的便民性。近年来城市轨道交通发展势头十足,致力于轨道交通建设和发展的城市数量也逐步增加,运营总里程和客运量也屡创新高,但是快速发展的背后也带来着不容忽视的巨大能源消耗和高额成本。在践行可持续发展政策的背景下,不仅需要继续提高输送乘客的能力,做好城市轨道交通的节能减排工作更是迫在眉睫,要为城市轨道交通的可持续发展给出一份满意的答卷。牵引能耗占据了列车能耗的绝大部分,通过采取降低牵引能耗的措施可以有效达到列车节能优化的目的。论文主要研究列车推荐速度曲线的优化问题,同时兼顾以节能为主要目标的多目标优化和停站时间内快速规划下一站间运行曲线的要求。并结合研究现状,将人工蜂群算法的两种优化算法分别应用于城轨列车的优化进行比较分析。主要工作如下:首先,分析不同运行状态下列车水平方向的受力情况,建立列车动力学模型,对比列车单质点和多质点物理模型的情况下列车作用力的误差。分别建立四个目标模型:能耗模型、舒适度模型、停车距离模型和停车时间模型。将多个目标函数通过权重系数法转化为单目标函数,考虑以安全性为前提的情况下,在多次实验仿真的基础上决定各个权重系数的取值。同时,为了提高...
【文章来源】：兰州交通大学甘肃省
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 减少列车牵引能耗的方法
1.2.2 列车节能优化算法研究
1.2.3 目前研究中存在的问题
1.3 主要研究内容
1.4 论文结构
2 列车ATO系统及运行模型
2.1 列车自动驾驶系统ATO
2.2 列车受力分析
2.2.1 列车牵引力
2.2.2 列车制动力
2.2.3 列车阻力
2.3 列车运行过程
2.4 多目标模型
2.4.1 能耗模型
2.4.2 舒适度模型
2.4.3 停车距离模型
2.4.4 停车时间模型
2.5 本章小结
3 基于增强ABC算法的列车ATO节能运行优化
3.1 基本人工蜂群算法
3.1.1 基本原理
3.1.2 基本步骤
3.1.3 优缺点分析
3.2 增强人工蜂群算法
3.2.1 基于适应度评价的改进
3.2.2 基于搜索方式的改进
3.3 算法求解过程
3.3.1 目标函数
3.3.2 约束条件
3.3.3 优化步骤
3.3.4 实验数据与仿真
3.4 本章小结
4 基于SA-ABC算法的列车ATO节能运行优化
4.1 模拟退火算法
4.2 SA-ABC算法
4.2.1 算法性能验证
4.2.2 仿真实例
4.3 本章小结
5 总结与展望
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]结合模拟退火算法的遗传K-Means聚类方法[J]. 凌静,江凌云,赵迎. 计算机技术与发展. 2019(09)
[2]基于再生制动的城市轨道列车节能控制研究[J]. 厉高,林建辉,庄哲,何刘. 铁道运输与经济. 2019(03)
[3]平衡搜索的改进人工蜂群算法[J]. 刘晓芳,柳培忠,骆炎民,范宇凌. 华侨大学学报(自然科学版). 2019(01)
[4]多种群分层联合优化的城轨列车ATO研究[J]. 徐凯,吴磊,赵梅. 铁道学报. 2018(06)
[5]基于全局无偏搜索策略的精英人工蜂群算法[J]. 杜振鑫,刘广钟,韩德志,余学山,贾建鑫. 电子学报. 2018(02)
[6]基于灰色预测模糊PID控制的列车ATO系统优化[J]. 马晓娜,朱爱红,卢稳. 铁道标准设计. 2018(08)
[7]基于小生境粒子群算法的ATO运行过程优化研究[J]. 朱爱红,卢稳,宋丽梅. 铁道科学与工程学报. 2017(09)
[8]人工蜂群算法研究综述[J]. 何尧,刘建华,杨荣华. 计算机应用研究. 2018(05)
[9]城市轨道交通全自动运行系统及安全需求[J]. 闫宏伟,燕飞. 都市快轨交通. 2017(03)
[10]中国轨道交通列车运行控制技术及应用[J]. 宁滨,刘朝英. 铁道学报. 2017(02)
博士论文
[1]城轨列车运行图和速度曲线一体化节能方法[D]. 宿帅.北京交通大学 2016
[2]城市轨道交通列车节能优化驾驶研究[D]. 顾青.北京交通大学 2014
硕士论文
[1]基于人工蜂群算法的推荐速度曲线节能优化[D]. 刘海娜.北京交通大学 2019
[2]应用邻域搜索的多策略进化算法研究[D]. 孙灿.江西师范大学 2019
[3]基于启发式智能搜索的货运列车节能优化研究[D]. 罗云凤.江西理工大学 2018
[4]城市轨道交通列车节能运行优化研究与仿真验证[D]. 崔超.西南交通大学 2017
[5]基于Pareto多目标遗传算法的列车节能运行方法研究[D]. 桂行东.南京理工大学 2017
[6]基于蚁群算法的列车推荐速度曲线优化[D]. 范礼乾.北京交通大学 2016
[7]基于ATO控制策略的单车节能优化模型及算法研究[D]. 柳淑琦.北京交通大学 2016
[8]城轨列车速度曲线影响因素分析及其节能优化[D]. 蔡虎.北京交通大学 2016
[9]基于遗传算法的ATO速度曲线优化[D]. 许立.西南交通大学 2013
[10]基于无模型自适应控制的列车节能优化运行方法研究[D]. 杨文.北京交通大学 2013
本文编号：3449961
【文章来源】：兰州交通大学甘肃省
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 减少列车牵引能耗的方法
1.2.2 列车节能优化算法研究
1.2.3 目前研究中存在的问题
1.3 主要研究内容
1.4 论文结构
2 列车ATO系统及运行模型
2.1 列车自动驾驶系统ATO
2.2 列车受力分析
2.2.1 列车牵引力
2.2.2 列车制动力
2.2.3 列车阻力
2.3 列车运行过程
2.4 多目标模型
2.4.1 能耗模型
2.4.2 舒适度模型
2.4.3 停车距离模型
2.4.4 停车时间模型
2.5 本章小结
3 基于增强ABC算法的列车ATO节能运行优化
3.1 基本人工蜂群算法
3.1.1 基本原理
3.1.2 基本步骤
3.1.3 优缺点分析
3.2 增强人工蜂群算法
3.2.1 基于适应度评价的改进
3.2.2 基于搜索方式的改进
3.3 算法求解过程
3.3.1 目标函数
3.3.2 约束条件
3.3.3 优化步骤
3.3.4 实验数据与仿真
3.4 本章小结
4 基于SA-ABC算法的列车ATO节能运行优化
4.1 模拟退火算法
4.2 SA-ABC算法
4.2.1 算法性能验证
4.2.2 仿真实例
4.3 本章小结
5 总结与展望
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]结合模拟退火算法的遗传K-Means聚类方法[J]. 凌静,江凌云,赵迎. 计算机技术与发展. 2019(09)
[2]基于再生制动的城市轨道列车节能控制研究[J]. 厉高,林建辉,庄哲,何刘. 铁道运输与经济. 2019(03)
[3]平衡搜索的改进人工蜂群算法[J]. 刘晓芳,柳培忠,骆炎民,范宇凌. 华侨大学学报(自然科学版). 2019(01)
[4]多种群分层联合优化的城轨列车ATO研究[J]. 徐凯,吴磊,赵梅. 铁道学报. 2018(06)
[5]基于全局无偏搜索策略的精英人工蜂群算法[J]. 杜振鑫,刘广钟,韩德志,余学山,贾建鑫. 电子学报. 2018(02)
[6]基于灰色预测模糊PID控制的列车ATO系统优化[J]. 马晓娜,朱爱红,卢稳. 铁道标准设计. 2018(08)
[7]基于小生境粒子群算法的ATO运行过程优化研究[J]. 朱爱红,卢稳,宋丽梅. 铁道科学与工程学报. 2017(09)
[8]人工蜂群算法研究综述[J]. 何尧,刘建华,杨荣华. 计算机应用研究. 2018(05)
[9]城市轨道交通全自动运行系统及安全需求[J]. 闫宏伟,燕飞. 都市快轨交通. 2017(03)
[10]中国轨道交通列车运行控制技术及应用[J]. 宁滨,刘朝英. 铁道学报. 2017(02)
博士论文
[1]城轨列车运行图和速度曲线一体化节能方法[D]. 宿帅.北京交通大学 2016
[2]城市轨道交通列车节能优化驾驶研究[D]. 顾青.北京交通大学 2014
硕士论文
[1]基于人工蜂群算法的推荐速度曲线节能优化[D]. 刘海娜.北京交通大学 2019
[2]应用邻域搜索的多策略进化算法研究[D]. 孙灿.江西师范大学 2019
[3]基于启发式智能搜索的货运列车节能优化研究[D]. 罗云凤.江西理工大学 2018
[4]城市轨道交通列车节能运行优化研究与仿真验证[D]. 崔超.西南交通大学 2017
[5]基于Pareto多目标遗传算法的列车节能运行方法研究[D]. 桂行东.南京理工大学 2017
[6]基于蚁群算法的列车推荐速度曲线优化[D]. 范礼乾.北京交通大学 2016
[7]基于ATO控制策略的单车节能优化模型及算法研究[D]. 柳淑琦.北京交通大学 2016
[8]城轨列车速度曲线影响因素分析及其节能优化[D]. 蔡虎.北京交通大学 2016
[9]基于遗传算法的ATO速度曲线优化[D]. 许立.西南交通大学 2013
[10]基于无模型自适应控制的列车节能优化运行方法研究[D]. 杨文.北京交通大学 2013
本文编号：3449961
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3449961.html
