原文传递
城市轨道交通列车运行多目标优化及智能控制方法研究
| 论文题名： | 城市轨道交通列车运行多目标优化及智能控制方法研究 |
| 关键词： | 城市轨道交通;列车运行;多目标优化;智能控制 |
| 摘要： | 近年来，随着我国经济飞速发展，城市化进度加快，城市的规模急剧扩大，城市人口数量急速增加，现有的城市交通已经无法满足城市发展的要求。减轻城市交通压力，提高城市交通能力，轨道交通发挥相当重要的作用。在此背景下，人们对列车自动驾驶(ATO)系统进行了广泛的研究。列车自动驾驶系统能够使轨道交通运行效率更高，确保列车运行安全，高效的列车自动驾驶系统对缓解城市交通压力有着非常重要的意义。 本文讨论了列车自动驾驶系统具有的功能、列车驾驶策略，分析列车运行的相关参数，建立列车自动驾驶多目标优化模型。对列车自动驾驶策略进行优化，使列车在安全运行的条件下，准点、停车精确、舒适和节能的指标均实现较优效果。列车运行过程是一种复杂的非线性过程，传统的控制方法难以取得较好的优化效果。故本文采用智能算法优化，对列车自动驾驶系统建立仿真模型及智能算法进行研究，实现列车运行过程的安全、舒适、节能、准点和停车精确的目标。论文主要研究内容有以下几点: (1)通过对列车自动驾驶系统具有的功能进行分析，概括自动驾驶系统的驾驶原则和优化策略，分析ATO系统需要优化的性能指标和列车动力学模型，在此基础上创建列车运行各项指标数学模型。 (2)提出粒子群(PSO)和改进布谷鸟搜索(CS)相结合的混合算法，即PSO-ICS算法。建立列车运行多目标优化数学模型，采用加权求和的方式将多目标优化问题简化为单目标优化问题。分别使用PSO算法、CS算法，PSO-CS算法和PSO-ICS算法优化自动驾驶运行曲线，通过仿真实验对比能够发现，这四种方法中，PSO-ICS算法收敛最快，性能最好。 (3)提出多种群分层联合优化算法对列车运行曲线优化。采用多种群分层结构将PSO算法和CS算法结合起来，种群之间使用信息交换机制，使用外部档案保存Pareto最优解集并指导整个种群进化。对小种群的数量进行讨论并分析算法的时间复杂度，通过实验验证联合优化算法具有较优的收敛性和多样性。 (4)使用混沌策略和拥挤熵对多种群分层联合优化算法进行改进，并通过仿真实验检查改进算法的优越性。对改进算法获得的Pareto最优解集进行裁剪修理，删除部分非劣解，使所有解在解空间均匀分布。 (5)设计模糊控制器，将列车运行优化曲线作为输入信号，通过对输入输出信号的比较，可以看出模糊控制器能够实现较优的控制效果，能够精确操控列车自动运行。 |
| 作者： | 吴磊 |
| 专业： | 计算机科学与技术 |
| 导师： | 徐凯 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
