【城轨列车牵引能耗优化】基于粒子群算法的城轨列车牵引多目标能耗优化问题附matlab代码

1 简介

城市轨道交通是我国公共交通系统的重要组成部分。作为一种安全舒适、准时快捷的交通方式,近年来,城市轨道交通建设取得了飞速发展。但由于城市轨道交通总运量大,能源消耗问题是一个亟待解决的问题。因此,研究城市轨道交通节能问题具有重要的现实意义。本文主要从节能的角度研究城市轨道交通基于通信的列车运行控制系统中单列车运行曲线优化和多列车追踪运行曲线优化问题。将单列车作为研究对象时,考虑节能和准点两个目标,采用多目标粒子群算法对列车曲线进行求解；将多列车作为研究对象时,考虑列车追踪过程中前车的位置和速度信息对后车的运行会产生一定的影响,结合列车追踪运行的动态特性,采用动态粒子群算法对追踪列车运行曲线进行优化。最后,结合实际线路数据对以上算法进行仿真验证,证明采用以上算法优化列车运行曲线可以达到较好的节能效果。本文具体的研究内容如下：(1) 对列车运行过程进行分析,描述列车动力学模型；分析列车追踪运行特性,按照不同追踪场景描述列车追踪运行模型；分析了影响列车节能运行的关键因素,并描述列车能耗计算模型。(2) 采用多目标粒子群算法对单列车运行曲线进行优化。对线路信息进行离散化处理,将节能和准点作为单列车运行曲线的优化目标,结合多目标粒子群算法参数收敛性好的特点,求解列车在区间运行的优化运行曲线。相较于传统多目标优化问题求解方法,多目标粒子群算法摒弃了将多个子目标优化问题转化为单目标优化问题的求解方式,不需要依赖设计者的经验值选取系数,能够更好地保持解的多样性。(3) 采用动态多目标粒子群算法优化追踪列车运行曲线。分析移动闭塞下两车追踪运行时,前车对后车运行产生的影响,结合动态粒子群算法在动态环境下能够有效寻优的特点,将前车的位置和速度信息考虑到后车运行曲线优化中,求解追踪列车优化运行曲线。(4) 以北京地铁昌平线为例,结合车辆和线路实际参数对上述算法求解过程进行仿真验证。仿真结果表明,采用多目标粒子群算法对单列车运行曲线进行优化,能够实现节能和准点的要求,全线节能效果可以达到11.98%;采用动态多目标粒子群算法对追踪列车运行曲线进行优化时,能够减少前车运行对后车运行能耗的影响,节能效果可以达到6.59%。

2 部分代码

function  y= CacCMOFitNess(x)%UNTITLED 计算适应度函数%       global EMAX Tmin Tmax FitNessRate ;​Energy=x(1);Time=x(2);MissError=x(3);overSpeed=x(4);Jerk=x(5);y=zeros(1,5); %能耗if  Energy>EMAX    y(1)= 0;else    y(1)=-1+exp((EMAX-Energy)/EMAX);       end%时间if Time>Tmin && Time    y(2)= 1-(Time- Tmin)/(Tmax-Tmin);else    y(2)=0;end%舒适度if Jerk>3.15    y(3)=exp(1-Jerk/3.15);       else   y(3)=1;end%超限速OSC=100*FitNessRate;if overSpeed>OSC    y(4)=(1+OSC)/(1+overSpeed);       else    y(4)=1;end%停车误差MEC=100*FitNessRate;if abs(MissError)    y(5)=1;else    y(5)=(MEC^2+1)/(MissError^2+1);    end​end​​​

3 仿真结果

4 参考文献

[1]李玲玉. 基于粒子群算法的城市轨道交通列车节能优化研究[D]. 北京交通大学, 2016.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。