基于智能算法的列车驾驶策略优化若干关键问题研究
发布时间:2023-11-10 18:24
铁路具有运输效率高、单位成本低等突出优势,是国民经济发展与综合交通运输的大动脉,具有重要的社会和经济效益。目前我国铁路系统中的高速列车和普速列车均采取由列车驾驶员在车载安全设备监督与防护下驾驶列车的人工驾驶控制模式,而随着路网规模的扩大、列车跨线运行的常态化、列车运行间隔的缩短、列车运行速度的提高,现代铁路对列车驾驶员的驾驶经验、操纵决策等提出了越来越高的要求,列车驾驶员的驾驶工作负担越来越重,现行人工驾驶模式已逐渐难以充分满足列车运行控制系统对提升其自动化、智能化水平的需求。因此,基于智能方法的列车驾驶策略优化方法已成为近年来的研究热点,其对于提升列车运行表现、减轻列车驾驶员工作负担等方面均具有重要的现实意义。本文针对基于智能算法的列车驾驶策略优化这一研究热点与难点,分别针对人工驾驶条件下列车驾驶策略优化模型的建立、基于智能算法的列车驾驶策略优化问题求解、考虑实时调度信息的智能列车辅助驾驶方法等若干关键问题展开相关研究。具体来说,本文的主要研究工作如下:首先,建立人工驾驶条件下的列车驾驶策略优化模型。考虑列车运行过程中受到的影响因素,对列车运行过程进行受力分析,加入折算列车长度、制动...
【文章页数】:124 页
【学位级别】:博士
【文章目录】:
致谢
摘要
ABSTRACT
1 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 列车驾驶策略优化
1.2.2 列车辅助驾驶方法与系统
1.3 本文主要研究内容
2 预备知识
2.1 列车运行控制
2.2 列车驾驶策略
2.3 神经网络与深度学习
2.4 进化计算方法
3 列车驾驶策略的生成与优化建模方法
3.1 问题描述
3.2 列车牵引计算数学模型的建立
3.3 人工驾驶条件下的列车驾驶策略优化建模
3.4 列车驾驶策略优化模型的最优性分析
3.4.1 情形a: λ1/mv<0
3.4.2 情形b: λ1/mv=0
3.4.3 情形c: 0<λ1/mv<1/umax
3.4.4 情形d: 1/umax≤λ1/mv≤1/umin
3.4.5 情形e: λ1/mv>1/umin
3.5 小结
4 离线在线结合的列车驾驶策略优化方法
4.1 问题描述
4.2 基于智能搜索方法的列车驾驶策略离线优化
4.3 基于数值迭代方法的列车驾驶策略在线优化
4.4 算例实验与分析
4.4.1 正常运行情况下的列车驾驶策略优化
4.4.2 仅离线和离线在线结合的列车驾驶策略优化
4.5 小结
5 基于机器学习与进化计算的列车驾驶策略优化方法
5.1 问题描述
5.1.1 符号与变量表示
5.1.2 基于ACP方法的列车驾驶策略优化框架
5.2 基于深度神经网络的列车驾驶策略特征学习
5.3 基于自适应差分进化算法的列车驾驶策略优化
5.4 算例实验与分析
5.4.1 各结构的深度神经网络特征学习效果
5.4.2 结合DNN与自适应差分进化算法的列车驾驶策略优化
5.5 小结
6 考虑实时调度信息的列车智能辅助驾驶方法
6.1 问题描述
6.2 考虑实时调度信息的智能列车辅助驾驶系统
6.3 集成模拟驾驶与iDAS的硬件在环仿真测试
6.4 算例实验与分析
6.4.1 临时限速场景下的列车驾驶策略优化
6.4.2 考虑外部风速信息的列车驾驶策略优化
6.5 小结
7 结论与展望
7.1 结论
7.2 展望
参考文献
作者简历
学位论文数据集
本文编号:3862085
【文章页数】:124 页
【学位级别】:博士
【文章目录】:
致谢
摘要
ABSTRACT
1 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 列车驾驶策略优化
1.2.2 列车辅助驾驶方法与系统
1.3 本文主要研究内容
2 预备知识
2.1 列车运行控制
2.2 列车驾驶策略
2.3 神经网络与深度学习
2.4 进化计算方法
3 列车驾驶策略的生成与优化建模方法
3.1 问题描述
3.2 列车牵引计算数学模型的建立
3.3 人工驾驶条件下的列车驾驶策略优化建模
3.4 列车驾驶策略优化模型的最优性分析
3.4.1 情形a: λ1/mv<0
3.4.2 情形b: λ1/mv=0
3.4.3 情形c: 0<λ1/mv<1/umax
4 离线在线结合的列车驾驶策略优化方法
4.1 问题描述
4.2 基于智能搜索方法的列车驾驶策略离线优化
4.3 基于数值迭代方法的列车驾驶策略在线优化
4.4 算例实验与分析
4.4.1 正常运行情况下的列车驾驶策略优化
4.4.2 仅离线和离线在线结合的列车驾驶策略优化
4.5 小结
5 基于机器学习与进化计算的列车驾驶策略优化方法
5.1 问题描述
5.1.1 符号与变量表示
5.1.2 基于ACP方法的列车驾驶策略优化框架
5.2 基于深度神经网络的列车驾驶策略特征学习
5.3 基于自适应差分进化算法的列车驾驶策略优化
5.4 算例实验与分析
5.4.1 各结构的深度神经网络特征学习效果
5.4.2 结合DNN与自适应差分进化算法的列车驾驶策略优化
5.5 小结
6 考虑实时调度信息的列车智能辅助驾驶方法
6.1 问题描述
6.2 考虑实时调度信息的智能列车辅助驾驶系统
6.3 集成模拟驾驶与iDAS的硬件在环仿真测试
6.4 算例实验与分析
6.4.1 临时限速场景下的列车驾驶策略优化
6.4.2 考虑外部风速信息的列车驾驶策略优化
6.5 小结
7 结论与展望
7.1 结论
7.2 展望
参考文献
作者简历
学位论文数据集
本文编号:3862085
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3862085.html