原文传递
城轨列车速度曲线优化和跟踪控制方法研究
| 论文题名： | 城轨列车速度曲线优化和跟踪控制方法研究 |
| 关键词： | 城轨列车;速度曲线;多目标优化;跟踪控制 |
| 摘要： | 随着中国城镇化进程的推进，更大的运力需求和乘客对优质服务的要求，给城市交通带来了严峻挑战，而城轨交通具备的诸多优点使其成为解决城市公共交通问题的重要工具。列车自动驾驶（Automatic Train Operation,ATO）系统是城轨列车实现自动驾驶的重要系统，高效的ATO系统不仅可以提升轨道列车的运行效率，同时对缓解城市交通压力也有非常重要的意义。在对列车的基本参数和运行指标进行分析的基础上，本文针对列车自动驾驶的热点问题进行研究，主要内容如下： 对ATO系统进行分析，分析ATO系统的各项优化指标，建立列车的动力学模型，并建立各项优化指标的数学表达式，归纳出多目标优化模型。 对于列车速度曲线的多目标优化主要集中于对列车驾驶策略的优化，本文使用两种不同的驾驶优化策略。（1）针对基于加权求和的多目标优化，对粒子群算法的相关参数和初始化策略进行改进，实验结果表明改进粒子群算法寻优范围更广且寻优能力更强；（2）针对基于帕累托最优的多目标优化，本文将粒子群算法和遗传算法相结合形成一个协同策略，该协同策略主要采用了多种群进化和精英种群保留的思想，本文将该协同策略作为非支配解排序遗传算法的粗优化策略。实验结果表明，本文算法的帕累托前沿分布范围较广且更优。 针对列车运行时的状态预测，本文提出基于组合深度网络的预测方法，该深度网络模型利用列车过去一段时间的相关状态对下一时刻的列车位置和速度进行预测。该模型可以根据驾驶策略输出相应的速度和位置信息，因此可作为列车试运行期间的速度曲线优化算法的测试平台，速度曲线优化算法可在该平台上进行预测试。实验结果表明，本文使用的组合深度网络模型相比其他算法具有更好的预测效果。 为了使得列车按照既定的速度曲线行驶，本文使用了基于模糊PID的控制算法，输入优化后的速度曲线，通过该控制算法得到输出曲线，实验结果表明模糊PID对列车实现了较好的控制效果。 本文主要研究了ATO系统的三个热点问题并设计了不同的算法，实验结果表明所提出的算法具有有效性。 |
| 作者： | 陈臻 |
| 专业： | 计算机科学与技术 |
| 导师： | 李伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
