基于启发式智能搜索的货运列车节能优化研究

发布时间：2020-10-16 18:25

　　 随着国民经济的快速发展,以及环境污染问题的日益严峻,能源消耗愈加备受瞩目。如今全球能源紧缺,而轨道交通行业作为经济发展中能耗大户,它的节能问题受到国内外研究者广泛关注。同一列车在规定运行时分到达既定站点有着无数种驾驶策略,而不同的驾驶策略所消耗的能耗量也各不相同,列车节能优化的宗旨就是在众多驾驶策略中找到能耗最小、最可行的一种。首先,本文在列车牛顿力学、运动学模型的基础上;基于列车能耗目标函数;以运行限速、加速度、停车精度以及行车时间等为约束条件;然后,对列车手柄位进行实数编码;设计了四阶式节能策略进行启发优化,以此来实现列车节能牵引优化的研究。其次,本文采用粒子群算法对货运列车运行进行优化。在对粒子群算法的概念、基本原理、算法流程进行简要介绍的基础上,对粒子群算法进行了优化算法设计。在Matlab仿真环境下对算法进行仿真,结果显示,粒子群算法容易过早收敛且不能稳定保证优化效果。最后,针对列车节能运行优化问题的具体行业特点和工程应用实际需求,采用手柄位实数编码方式展开算法设计;基于启发式遗传算法的四阶式列车节能运行优化策略,筛选出初始种群并确定种群大小;以能耗指标构建目标函数,并加入时间误差、速度误差、位移误差、舒适度误差罚函数;选择基于本优化问题的染色体选择、交叉、变异方案,以及算法的停止准则。由仿真结果可以知道,加入四阶式节能策略的启发式遗传算法,提高了收敛速度,列车能耗降低4.35%。经过仿真验证,与粒子群算法结果做对比,证明了启发式遗传算法优化效果更好一些。本文主要提出了基于启发式遗传算法的四阶式列车节能运行优化策略,来保证整个寻优过程的快速、高效。
【学位单位】：江西理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U268.6;TP18
【部分图文】：

图 1.2 典型城轨列车能耗分布图遗传算法是一种以生物进化为原型，并且有较好收敛特性的算法，与传统的优化方比，具有较高的计算准确度，具有计算时间少，鲁棒性高等优点，且已经渗入到了各业的快速发展中。因此，将遗传算法与列车牵引特性合理结合在一起，来达到列标速度曲线的高效优化的目的，是非常具有理论意义和实际应用。列车牵引耗能优

为了对列车牵引节能优化研究进行可靠的定量分析，本章由先验经验和数据建立相对精确的数学模型，其中涉及牛顿力学定律、能量守恒定律，然后对运动学和力学型进行了详细分析。确立能耗模型、目标函数，以及加入时间误差、速度误差、位移差、加速度误差等罚函数的评价函数。针对列车运行限速要求、最大牵引力限制、停精度、时间约束等约束条件下，设计了基于标准四阶式列车运行优化的启发式节能策略2.1 列车牛顿力学模型2.1.1 列车受力分析由于在实际列车运行线路中存在坡道、弯道，而列车在坡道上会受到不同性质、同方向、不同大小的力的作用，将导致受力情况非常复杂。但是，本文所要达到的目是降低货运列车运行能耗，因此只用考虑运行方向上的受力。其中有三种力与列车运速度有关：列车制动力、列车牵引力、列车运行阻力（包括基本阻力、坡道阻力）的用。列车在平直轨道和坡道上受力示意图见图 2.1：

Q——列车牵引力，N ；Z ——列车制动力，N ；B ——列车基本阻力，N ；G ——列车坡道附加阻力，N ；a ——列车运行加速度，2m / s；M ——列车总质量，Kg 。当 0cF 时，列车将加速运行；当 0cF 时，列车将减速运行；当 0cF 时，列运行。 列车工况列车运行时有四种工况，包括加速模态、匀速模态、惰行模态以及制动模态[41）加速模态时，列车主要存在牵引力Q和运行基本阻力B ，所受合力 FQc 2）匀速模式时，列车主要存在牵引力Q和阻力B ，所受合力 0cF （即： Q 3）惰行模式时，列车只受阻力作用，所受合力 F-Bc ；4）制动模式时，列车主要存在阻力B 和制动力Z ，所受合F- BZ c 。
【相似文献】

相关期刊论文 前10条

1 桂洪照;;几种具有代表性的启发式算法研究[J];电子制作;2016年02期

2 王芳,施国洪;商贸服务业选址决策研究——一种基于阿德兰启发式算法的选址方法[J];江苏商论;2004年07期

3 陶光远;周佩德;王强;;最优运输径路选择的启发式算法[J];南京工学院学报;1987年06期

4 许杰锋;;客车调度问题(BSP)的数学模型及一种新的启发式算法[J];上海交通大学学报;1988年06期

5 邢琳;;一种启发式识别被积函数算法的设计与实现[J];中南矿冶学院学报;1988年01期

6 郭耀煌,范莉莉;货运汽车调度的一种启发式算法[J];系统工程;1989年01期

7 杨英杰;;单体型装配问题的启发式算法研究[J];数字技术与应用;2017年01期

8 陈燕;谢琪琦;刘咏;崔耀东;;圆形件下料顺序分组启发式算法的设计与实现[J];图学学报;2017年01期

9 潘立军;符卓;;求解带硬时间窗车辆路径问题的时差插入启发式算法[J];计算机应用;2012年11期

10 高尚,陈钢;可靠性优化的一种新的启发式算法[J];工程设计学报;2004年03期

相关博士学位论文 前10条

1 古继兴;KOD多播技术与Steiner树启发式算法[D];上海交通大学;2007年

2 董兴业;启发式算法及其在同顺序流水作业问题中的应用[D];北京交通大学;2008年

3 马华伟;带时间窗车辆路径问题及其启发式算法研究[D];合肥工业大学;2008年

4 胡大伟;设施定位和车辆路线问题模型及其启发式算法研究[D];长安大学;2008年

5 石文;空中交通管理优化问题研究[D];天津大学;2014年

6 杨玉珍;基于元启发式算法的带生产约束作业车间调度问题若干研究[D];华东理工大学;2014年

7 邓冠龙;基于元启发式算法的调度问题若干研究[D];华东理工大学;2012年

8 郑君玺;一类混合生产线调度与数值仿真技术的研究[D];华南理工大学;2016年

9 李常敏;两层规划的逼近理论及算法研究[D];复旦大学;2010年

10 符卓;开放式车辆路径问题及其应用研究[D];中南大学;2003年

相关硕士学位论文 前10条

1 霍超;求解多目标无约束二元二次规划问题的元启发式算法研究[D];电子科技大学;2018年

2 罗云凤;基于启发式智能搜索的货运列车节能优化研究[D];江西理工大学;2018年

3 苗晓燕;基于启发式算法边坡及支挡结构稳定性分析方法[D];湖南大学;2017年

4 边哲永;基于两种改进策略的亚启发式算法求解路径相关问题研究[D];天津大学;2016年

5 刘畅;基于混合启发式算法的单线公交车辆调度问题研究[D];北京交通大学;2016年

6 姜毅;扰动型超启发式算法的适应度地貌分析[D];大连理工大学;2013年

7 赵强;启发式算法在自动文本分类中的研究与应用[D];电子科技大学;2017年

8 张仁星;基于启发式算法的集装箱堆场优化研究[D];大连海事大学;2011年

9 徐濛;基于启发式算法的物流配送路线优化设计[D];山东大学;2014年

10 张伟伟;基于两种新型元启发式算法的作业车间调度问题研究[D];华北电力大学;2016年

本文编号：2843613