基于速度曲线调整的列车节能运行优化方法研究
发布时间：2021-05-20 20:41
近年来城市轨道交通发展迅速,已成为我国一二线城市的主要通勤方式,由于其运输能力强,车次频繁等特点,列车的运行能耗也随之迅速上涨,因此研究城市轨道交通的能耗优化问题具有十分重要的意义。在吸收国内外已有研究成果的基础上,论文进行了如下研究:（1）首先研究列车的运动学模型,详细分析列车的牵引力特性、制动力特性以及阻力特性,同时研究列车的速度、位移及能耗的计算方法,分析影响列车运行能耗的因素并介绍了几种典型的列车运行策略。（2）其次研究单车节能优化方法,建立单车能耗优化模型,给出基于多目标粒子群优化算法的单车能耗模型及求解步骤,采用多目标粒子群优化算法对模型进行求解;进一步研究复杂线路条件下,列车的优化运行策略,并对多种线路条件下列车能量优化进行仿真分析。（3）然后研究多车协同的节能优化方法,阐述多车协同能耗优化原理,针对两车及三车不同运行场景,分别建立相应的重叠时间计算模型。以多车总能耗最小为目标,建立多车协同能耗优化模型,并采用协同多目标粒子群算法分别从优化停站时间和发车间隔以及优化列车速度曲线等方面对模型进行求解。（4）最后针对广州地铁七号线实际数据,分别进行单车全线区间速度曲线优化和多...
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：112 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 单列车节能优化研究现状
1.2.2 多列车节能优化研究现状
1.3 论文研究内容与结构安排
2 列车运动模型及驾驶策略分析
2.1 列车运行受力分析
2.1.1 列车牵引力
2.1.2 列车制动力
2.1.3 列车阻力
2.2 列车运动方程
2.3 列车运行能耗分析
2.3.1 列车能耗影响因素
2.3.2 列车牵引能耗计算模型
2.4 列车运行典型控制策略
2.4.1 节时策略
2.4.2 节能策略
2.4.3 定时节能策略
2.5 本章小结
3 基于多目标粒子群算法的单车速度曲线优化研究
3.1 列车优化操纵序列分析
3.2 多目标粒子群优化算法
3.2.1 多目标粒子群优化算法的数学描述
3.2.2 Pareto最优解的概念
3.2.3 粒子群算法
3.2.4 多目标粒子群算法步骤
3.3 单车速度曲线优化模型
3.3.1 单车速度曲线优化问题描述
3.3.2 模型假设
3.3.3 优化模型目标函数
3.3.4 优化模型约束条件
3.3.5 单车节能优化问题求解步骤
3.3.6 仿真分析
3.4 特殊线路条件下列车速度曲线优化
3.4.1 上坡道对于列车运行的影响
3.4.2 下坡道对于列车运行的影响
3.4.3 特殊限速条件对列车运行的影响
3.4.4 特殊线路条件速度曲线仿真分析
3.5 本章小结
4 基于协同多目标粒子群算法的多车节能优化研究
4.1 多列车协同节能优化问题描述
4.1.1 基于停站时间及发车间隔调整的列车能量优化
4.1.2 基于速度曲线调整的列车能量优化
4.2 协同多目标粒子群算法
4.2.1 CMOPSO算法学习策略
4.2.2 基于Tent映射的外部存档搜索机制
4.2.3 自适应网格更新外部存档
4.2.4 CMOPSO算法基本流程
4.3 多列车协同节能优化模型
4.3.1 模型假设
4.3.2 多车协同优化模型
4.3.3 优化目标
4.3.4 约束条件
4.4 仿真分析
4.4.1 实际线路数据
4.4.2 单车最优曲线下多车运行分析
4.4.3 停站时间和发车间隔优化
4.4.4 速度曲线优化
4.5 本章小结
5 广州地铁七号线列车能耗优化研究
5.1 七号线运营环境参数
5.1.1 线路数据
5.1.2 列车数据
5.1.3 运营数据
5.2 单车能耗优化结果
5.2.1 节时策略列车运行结果
5.2.2 优化速度曲线单车运行结果
5.3 多车协同能耗优化结果
5.4 本章小结
6 总结与展望
6.1 论文主要工作及研究成果
6.2 研究展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]城市轨道交通2018年度统计和分析报告[J]. 城市轨道交通. 2019(04)
[2]考虑再生制动能利用的城市轨道交通列车节能运行优化方法研究[J]. 冯瑜,陈绍宽,冉昕晨,柏赟,贾文峥. 铁道学报. 2018(02)
[3]基于自适应多种群的粒子群优化算法[J]. 曾辉,王倩,夏学文,方霞. 计算机工程与应用. 2018(10)
[4]基于节能稳压的地面式超级电容储能系统容量配置优化研究[J]. 王彬,杨中平,林飞,赵炜. 铁道学报. 2016(06)
[5]基于区间时间分配的列车速度曲线节能优化及其在CMC环境测试[J]. 蔡虎,侯晓伟,张捷敏,杨扬. 铁路计算机应用. 2016(05)
[6]城市轨道交通ATO的节能优化研究[J]. 宿帅,唐涛. 铁道学报. 2014(12)
[7]基于多种群多模型协同进化的粒子群优化算法[J]. 徐冰纯,葛洪伟,王燕燕. 计算机工程. 2013(05)
[8]基于自适应拥挤网格的多目标粒子群算法[J]. 刘衍民,邵增珍,赵庆祯. 计算机科学. 2011(04)
[9]地铁列车节能运行的两阶段优化模型算法研究[J]. 丁勇,刘海东,栢赟,周方明. 交通运输系统工程与信息. 2011(01)
[10]多种群粒子群优化算法[J]. 罗德相,周永权,黄华娟,韦杏琼. 计算机工程与应用. 2010(19)
博士论文
[1]城市轨道交通多列车运行节能优化控制[D]. 唐海川.西南交通大学 2015
[2]考虑节能目标的城市轨道交通列车运行行为优化研究[D]. 冯佳.北京交通大学 2014
[3]多目标粒子群优化算法的研究[D]. 徐鹤鸣.上海交通大学 2013
[4]粒子群算法的基本理论及其改进研究[D]. 刘建华.中南大学 2009
[5]列车运行过程仿真及优化研究[D]. 石红国.西南交通大学 2006
硕士论文
[1]基于速度曲线调整的多列车协同节能优化研究[D]. 汤兆全.北京交通大学 2018
[2]基于直流牵引供电计算的地铁列车节能运行优化研究[D]. 李磊.北京交通大学 2018
[3]基于多种群遗传算法的高速列车节能操纵研究[D]. 韩京.北京交通大学 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]基于离散化AFC数据的城市轨道交通列车节能时刻表研究[D]. 马洪楠.北京交通大学 2017
[6]城轨列车多站间节能优化方法的研究[D]. 宫少丰.北京交通大学 2017
[7]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
[8]基于多目标的地铁列车运行节能技术研究与仿真[D]. 刘鑫荣.南京理工大学 2017
[9]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
[10]基于再生制动能量利用的地铁列车运行优化模型[D]. 冯瑜.北京交通大学 2016
本文编号：3198400
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：112 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 单列车节能优化研究现状
1.2.2 多列车节能优化研究现状
1.3 论文研究内容与结构安排
2 列车运动模型及驾驶策略分析
2.1 列车运行受力分析
2.1.1 列车牵引力
2.1.2 列车制动力
2.1.3 列车阻力
2.2 列车运动方程
2.3 列车运行能耗分析
2.3.1 列车能耗影响因素
2.3.2 列车牵引能耗计算模型
2.4 列车运行典型控制策略
2.4.1 节时策略
2.4.2 节能策略
2.4.3 定时节能策略
2.5 本章小结
3 基于多目标粒子群算法的单车速度曲线优化研究
3.1 列车优化操纵序列分析
3.2 多目标粒子群优化算法
3.2.1 多目标粒子群优化算法的数学描述
3.2.2 Pareto最优解的概念
3.2.3 粒子群算法
3.2.4 多目标粒子群算法步骤
3.3 单车速度曲线优化模型
3.3.1 单车速度曲线优化问题描述
3.3.2 模型假设
3.3.3 优化模型目标函数
3.3.4 优化模型约束条件
3.3.5 单车节能优化问题求解步骤
3.3.6 仿真分析
3.4 特殊线路条件下列车速度曲线优化
3.4.1 上坡道对于列车运行的影响
3.4.2 下坡道对于列车运行的影响
3.4.3 特殊限速条件对列车运行的影响
3.4.4 特殊线路条件速度曲线仿真分析
3.5 本章小结
4 基于协同多目标粒子群算法的多车节能优化研究
4.1 多列车协同节能优化问题描述
4.1.1 基于停站时间及发车间隔调整的列车能量优化
4.1.2 基于速度曲线调整的列车能量优化
4.2 协同多目标粒子群算法
4.2.1 CMOPSO算法学习策略
4.2.2 基于Tent映射的外部存档搜索机制
4.2.3 自适应网格更新外部存档
4.2.4 CMOPSO算法基本流程
4.3 多列车协同节能优化模型
4.3.1 模型假设
4.3.2 多车协同优化模型
4.3.3 优化目标
4.3.4 约束条件
4.4 仿真分析
4.4.1 实际线路数据
4.4.2 单车最优曲线下多车运行分析
4.4.3 停站时间和发车间隔优化
4.4.4 速度曲线优化
4.5 本章小结
5 广州地铁七号线列车能耗优化研究
5.1 七号线运营环境参数
5.1.1 线路数据
5.1.2 列车数据
5.1.3 运营数据
5.2 单车能耗优化结果
5.2.1 节时策略列车运行结果
5.2.2 优化速度曲线单车运行结果
5.3 多车协同能耗优化结果
5.4 本章小结
6 总结与展望
6.1 论文主要工作及研究成果
6.2 研究展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]城市轨道交通2018年度统计和分析报告[J]. 城市轨道交通. 2019(04)
[2]考虑再生制动能利用的城市轨道交通列车节能运行优化方法研究[J]. 冯瑜,陈绍宽,冉昕晨,柏赟,贾文峥. 铁道学报. 2018(02)
[3]基于自适应多种群的粒子群优化算法[J]. 曾辉,王倩,夏学文,方霞. 计算机工程与应用. 2018(10)
[4]基于节能稳压的地面式超级电容储能系统容量配置优化研究[J]. 王彬,杨中平,林飞,赵炜. 铁道学报. 2016(06)
[5]基于区间时间分配的列车速度曲线节能优化及其在CMC环境测试[J]. 蔡虎,侯晓伟,张捷敏,杨扬. 铁路计算机应用. 2016(05)
[6]城市轨道交通ATO的节能优化研究[J]. 宿帅,唐涛. 铁道学报. 2014(12)
[7]基于多种群多模型协同进化的粒子群优化算法[J]. 徐冰纯,葛洪伟,王燕燕. 计算机工程. 2013(05)
[8]基于自适应拥挤网格的多目标粒子群算法[J]. 刘衍民,邵增珍,赵庆祯. 计算机科学. 2011(04)
[9]地铁列车节能运行的两阶段优化模型算法研究[J]. 丁勇,刘海东,栢赟,周方明. 交通运输系统工程与信息. 2011(01)
[10]多种群粒子群优化算法[J]. 罗德相,周永权,黄华娟,韦杏琼. 计算机工程与应用. 2010(19)
博士论文
[1]城市轨道交通多列车运行节能优化控制[D]. 唐海川.西南交通大学 2015
[2]考虑节能目标的城市轨道交通列车运行行为优化研究[D]. 冯佳.北京交通大学 2014
[3]多目标粒子群优化算法的研究[D]. 徐鹤鸣.上海交通大学 2013
[4]粒子群算法的基本理论及其改进研究[D]. 刘建华.中南大学 2009
[5]列车运行过程仿真及优化研究[D]. 石红国.西南交通大学 2006
硕士论文
[1]基于速度曲线调整的多列车协同节能优化研究[D]. 汤兆全.北京交通大学 2018
[2]基于直流牵引供电计算的地铁列车节能运行优化研究[D]. 李磊.北京交通大学 2018
[3]基于多种群遗传算法的高速列车节能操纵研究[D]. 韩京.北京交通大学 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]基于离散化AFC数据的城市轨道交通列车节能时刻表研究[D]. 马洪楠.北京交通大学 2017
[6]城轨列车多站间节能优化方法的研究[D]. 宫少丰.北京交通大学 2017
[7]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
[8]基于多目标的地铁列车运行节能技术研究与仿真[D]. 刘鑫荣.南京理工大学 2017
[9]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
[10]基于再生制动能量利用的地铁列车运行优化模型[D]. 冯瑜.北京交通大学 2016
本文编号：3198400
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3198400.html
