基于改进遗传算法的ATO速度曲线研究

发布时间：2021-08-13 04:43

　　常用遗传算法研究ATO速度曲线,但其存在着局部搜索能力和全局收敛效果较差的缺点。针对此问题,提出一种基于自适应变异算子的变异策略,并结合精英保存策略使算法全局收敛。然后基于列车动力学和牵引制动模型,建立多目标优化模型,用于求解ATO速度曲线。结果表明:改进算法比标准遗传算法效果更优,生成的ATO速度曲线符合相应模式的牵引控制策略,且算法具有一定的参考价值。 

【文章来源】：铁路通信信号工程技术. 2020,17(09)

【文章页数】：6 页

【文章目录】：
1 概述
2 列车动力学模型与运行过程
    2.1 列车动力学模型
    2.2 列车运行过程
3 算法设计
    3.1 染色体设计
    3.2 基因值约束
    3.3 适应度函数
    3.4 变异策略
        3.4.1 全局搜索策略
        3.4.2 局部搜索策略
    3.5 算法实现
4 结果分析
    4.1 仿真数据
    4.2 案例结果
        1）与SGA对比结果
        2)ATO速度曲线结果
5 结论


【参考文献】：
期刊论文
[1]南宁地铁1号线列车能耗统计分析[J]. 张焕,贺德强,向伟彬,沈国强.  铁道科学与工程学报. 2019(01)
[2]ATO列车惰行模式节能应用研究[J]. 黄璞.  都市快轨交通. 2016(04)
[3]地铁车辆牵引仿真计算[J]. 何晔,胡彩凤,吴能峰,杨北辉.  铁道机车车辆. 2015(06)



本文编号：3339768