一、用并行遗传算法解列车控制问题(论文文献综述)
宋鸿宇,上官伟,盛昭,张瑞芬[1](2021)在《基于弹复力调整的高速列车群动态运行轨迹优化方法》文中提出为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明:提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。
李娇杨[2](2021)在《高速列车节能运行模型及智能优化方法研究》文中研究说明铁路运输在我国现代化建设中有着举足轻重的战略意义,是我国人民最为普遍广泛的长距离出行选择,也是传统运输行业中相对经济和安全的方式。与此同时铁路行业高速地建设发展带来的能耗也是难以估量的,因此在这样的背景下,研究列车节能运行问题拥有十分重要的意义。本文以高速列车的能耗为着手点,针对适应度较广的两种智能算法,结合列车运行特点,分别对算法进行改进,主要包括下面几点。首先,对运行中列车进行受力分析,推导了列车牵引计算公式,建立了高速列车单质点运动学模型,总结了不同模式下中列车的受力和距离、速度等变量的计算方法,得到了能耗计算模型,以能耗最小为目标函数,将列车运行时速度距离等其他约束条件转换为惩罚函数,采用算法求解。其次,对遗传算法和粒子群算法提出了改进。针对遗传算法,改进了算法中的概率公式,提出了三代寻优函数这种寻优引导机制,提高了算法求解的效率。同时引入逆转算子,加大了算法的解空间。而在粒子群算法的基础上,为解决粒子群的固有缺陷,提出改进的模拟退火-粒子群算法,对粒子个体历史最优位置的更新方法进行改进,同时改进了粒子群算法的两个可调参数,改善了求解精度。最后,通过MATLAB对实际CRH3的列车参数及合福高铁和郑阜高铁上线路进行仿真以验证本文提出算法的有效性,选取了实际运行中存在坡段和隧道的复杂线路,对列车运行控制进行了仿真,证明列车在不同条件下均能满足约束条件,同时收敛速度较快,并实现了良好的节能效果。
段义隆[3](2020)在《智能配电网信息物理联合仿真及分布式保护控制方法研究》文中研究表明随着分布式电源、电动汽车等新技术的快速发展,大量新设备接入配电网,推动着配电网向分布式、共享式、供电商和用户双向互动的智能配电网方向转变。新型配电网庞大且复杂,传统集中式保护和控制方法已经无法满足需求,分布式保护和控制方法具有逻辑简单、可靠性高和扩展性强等优点,是智能配电网的发展方向。但是,分布式算法依赖通信和决策去中心化的特点改变了传统建模和仿真的基础,使得原有分析方法不再有效,智能配电网分布式算法的研究需要一套全新的理论支撑。电网信息物理系统能够对复杂系统进行精确建模,且能够跨越电力和通信等多个系统进行分析。立足于该系统,本文提出了智能配电网分布式控制策略的分析及评估方法,构建了一个信息物理联合仿真环境,并对四个典型信息物理耦合场景进行了分布式保护和控制方法的研究。论文开展的研究工作以及取得的创新性研究成果主要体现在以下几个方面:(1)提出了分布式控制策略分析评估方法和联合仿真环境设计方案结合智能配电网的特点,提出了基于信息物理联合仿真的分布式控制策略分析及评估流程。为了解决当前信息物理联合仿真对分布式控制仿真支持的缺失,设计了基于JADE的分布式信息物理联合仿真环境方案,对仿真框架、模块连接和时间同步等仿真细节进行了详细研究。结合分布式控制器的性能指标评估,提出了建立精确控制器模型的方法。使用论文提出的分析评估方法和仿真环境分析了基于局部异常因子的配电网分布式故障定位算法,结果证明了论文提出的分析评估方法和联合仿真环境方案能够对智能配电网分布式控制策略进行有效的分析和评估。(2)研究了分布式差分保护在以太网无源光网络上的应用方法通过对配电网差分保护算法以及以太网无源光网络的分析,提出了基于以太网无源光网络的分布式差分保护方法,对处理流程、服务器位置选择和长距离通信方案进行了深入研究。使用信息物理联合建模的方法,构建了短路故障时的电力馈线和以太网无源光网络模型,对差分保护受到同步误差和延时的影响进行了量化分析。针对IEEE-34测试馈线设计了以太网无源光网络通信系统,使用联合仿真环境搭建了其电气模型和通信模型,对论文提出的保护方法进行了联合仿真评估。研究结果表明,通过合理的设计,分布式差分保护算法能够在以太网无源光网络上实现快速和可靠的故障定位和隔离。(3)提出了分布式馈线自动化通信网络方案和参数优化方法利用信息物理系统关联性分析,对分布式馈线自动化系统的通信方式、拓扑结构、通信协议和数据同步四个核心设计对电流差分保护的影响进行了分析,提出了适合分布式电流差分保护的通信系统方案。使用通信模型和电气模型联合建模的方式,建立了通信系统延时、数据丢失和通信抖动对分布式保护的干扰模型,提出了通信参数的优化方法。基于联合仿真环境,搭建了一个实际配电线路的保护和通信系统,利用联合仿真对其进行性能评估和数值分析。仿真结果表明,论文提出的通信网络方案和参数优化方法能有效提升电流差分保护的可靠性。(4)提出了基于拍卖理论的分布式自愈算法设计了一个基于多代理技术的配电网分布式自愈架构,从系统结构、节点控制策略和区域操作三个方面进行了详细研究。提出了基于拍卖理论的配电网分布式自愈算法,研究了区域和全局目标设定、资源识别、出价和裁定等方面的内容,描述了代理的自治控制和协商方法和实现配电网快速自愈的方法。基于一条实际配电线路,在联合仿真环境中搭建一套完整的电气、通信和控制器模型,利用联合仿真对各代理间的博弈过程和配电网自愈效果进行了分析评估。仿真结果证明分布式自愈算法能够自主找到最优重构方案,实现快速供电恢复。(5)研究了分布式潮流控制算法在智能地铁供电系统中的应用方法对地铁供电系统的能量流动进行建模,分析在不同列车运行模式下的能馈特征,提出了再生制动电能回馈的优化控制目标。设计了基于能源路由器的智能地铁供电系统电气和通信网络,提出了能源路由器分布式控制策略,对系统状态确认、优化控制模型和分布式优化流程进行了详细讨论。使用联合仿真环境搭建了包含能源路由器和地铁车辆的地铁供电和通信模型,对分布式控制策略的有效性和实时性进行验证。仿真结果表明分布式潮流控制算法能降低地铁供电网络损耗36.7%,对提升系统能源利用率有较大帮助。论文对分布式控制策略分析评估理论、信息物理联合仿真系统和分布式保护控制算法进行研究,研究成果一方面能为智能配电网分布式保护和控制提供了新的方法和思路,另一方面也证明了这套分析评估理论能够对电力和通信耦合的复杂配电网进行深度分析,为分布式智能配电网的研究提供了新的理论和方法支撑。
陈捷[4](2018)在《基于H∞性能指标的高速列车模糊跟踪控制》文中研究说明高速列车是由复杂技术装备组成、在复杂环境中运行、完成具有复杂时空分布特征的位移服务的非线性动力学系统。目前所采用的控制方法是通过人工手动控制方式对列车进行控制,这种方法是根据高速列车实际的运行工况和给定的站间V-S曲线(列车运行速度-运行位移曲线)来达到对高速列车的控制,而这种方法难以满足当前对动车组运行的高运行性能指标的要求。针对在高速运行环境下的高速列车,去研究满足高标准运行性能要求的控制算法具有现实意义。本文提出了动车组关于给定H∞参考模型跟踪性能指标的非线性系统的模糊控制器设计方法。具体研究如下:1、对于高速列车运行过程的描述,本文介绍了单质点建模方法,并对其优缺点进行了相应分析。采用CRH380AL型动车组作为研究对象,根据所采集的输入输出数据,其中输出数据对应列车的运行速度v(t)、输入数据对应列车的所受的单位控制力u(t)。采用数据辨识方法,建立描述高速列车运行过程的T-S模糊模型。首先采用减法聚类算法确定模糊模型规则个数和规则的前件参数,而后利用最小二乘法确定出规则的后件参数,并最终得到描述高速列车运行过程的T-S模糊模型。仿真结果表明所建立的高速列车T-S模糊模型精确度高。2、基于高速列车T-S模糊模型,本文引出了一个关于给定H∞参考模型跟踪性能指标的模糊控制方法,来实现对高速列车运行速度曲线的高精度跟踪,从而使动车组在安全性、高效性、正点率等指标上都能达到相应的要求。通过仿真结果我们可以得出,本文所提出的方法较PID控制算法和广义预测控制算法相比有着更好的跟踪精度。本文的研究内容,对高速动车组在实现正点、高效、舒适方面都有其理论指导意义,也为高速动车组在自动驾驶(ATO)运行控制方面提供了相应参考。
张勇[5](2017)在《列车节能优化操纵理论及应用研究》文中研究指明列车的运行是在一个复杂多变的环境下,由多种因素共同作用的结果。在我国列车的运行控制主要依靠机车驾驶员的经验及操作技术水平。尽管铁路运输的单位能耗逐年降低,但能耗总量依然巨大。因此,研究列车节能优化操纵对于铁路行业的节能减排具有重大意义。本文从列车的区间运行控制和停车制动控制两方面研究了列车节能优化操纵问题,在保证列车运行安全的前提下,建立了以能耗、正点、停车准确为目标的多目标列车节能优化操纵模型,提出并改进了模型的优化算法,进行了现场试验。论文的主要研究内容包括以下几个方面:1.以列车运动过程为基础,研究了列车运行过程中所受力的情况,分析了列车运行能耗的主要形态,通过理论分析和专家经验指出保持列车区间运行速度的均衡性和减少不必要制动是降低列车运行能耗的关键。建立了以能耗、运行时间和停车准确度为目标的列车运行过程优化模型。2.以遗传算法为基础研究列车优化操纵问题,并对优化算法进行改进。首先针对列车运行环境和操纵状态的不同,提出了基于混合编码的并行遗传算法,同时,为了加快算法的收敛速度,将机车驾驶员经验作为约束信息,融入到解的更新过程中,引导算法的寻优过程向最优解区域运动。将模拟退火算法用于求解列车优化操纵模型,经验证,计算结果能够满足列车运行控制要求。3.研究了列车节能操纵的相关方法,提出了将模拟退火算法结合遗传算法求解多目标列车优化操纵问题的方法,实际操纵列车与优化模型仿真对比结果表明,该算法具有较好的灵活性,不仅能适应不同的线路状况,同时,在满足安全、准点、停车准确的前提下,也能有效降低列车运行能耗。4.分析研究了列车的制动过程及操作要求,指出列车制动的关键是合理选择制动的初始点和缓解点,以及同时满足线路约束和避免二次制动的前提下尽可能减小列车动能损失。探讨了列车制动的控制变量及约束条件,建立了停车制动的模糊神经网络模型。仿真结果表明,采用模糊神经网络控制列车制动,能够在保证安全、平稳的前提下,实现列车的一次制动停车,有效避免了二次制动停车的控制方式,从而有利于降低列车运行能耗。本文从理论与实际应用两方面研究了列车优化操纵问题,建立了列车优化操纵模型,经现场实际操纵与仿真计算,该模型能有效降低列车运行能耗,对铁路行业的节能减排具有一定的理论意义和应用价值。
郭亚茹[6](2017)在《基于并行遗传算法的驾驶员排班问题研究》文中研究表明随着我国城市交通机动化进程的加快,交通需求和交通供给之间的矛盾也越来越突出,解决该问题的一个重要途径就是大力发展公共交通。运营组织与调度作为公共交通系统的核心内容,是实现运营任务的基本保证;而驾驶员排班作为公共交通企业管理调度工作中的重要组成部分,对公共交通的运行效率和运营成本有着决定性作用。科学合理的排班计划不仅可以提高企业的服务质量,还可以有效的减少企业的运营成本。驾驶员排班问题是世界公认的NP-hard问题,其难点在于如何在合理的时间内找到该问题的最优解或者近似最优解。最优解通常需要借助整数规划方法求得,实际问题中,问题规模通常较大,使得整数规划方法的求解时间难以评估:启发式算法虽然无法保证解的最优性,但却很好的平衡了求解时间和解的质量。遗传算法作为启发式算法中一种,具有很好的全局搜索能力和并行能力,但该算法也存在进化时间长,早熟的缺点。针对遗传算法的不足,设计了基于Hama的粗粒度最优解并行模型(Optimal Solution of Corse-Grained Parallel Model Based on Hama,H-OSCGPM)来提高算法的求解效率和求解质量。本文的研究内容和创新点如下:首先,论文介绍了公共交通领域的驾驶员排班问题,揭示了驾驶员排班问题的求解难点,并总结了驾驶员排班问题已有的研究成果。在已有研究的基基础上建立了数学模型。其次,论文设计了面向驾驶员推班的遗传算法(Crew Scheduling Orirented Genetic Algorithm,CSOGA),本文对CSOGA中的变异操作进行了改进,以提高并行算法在进行串行迭代时的求解质量,并用实例验证了CSOGA的有效性。随后,以粗粒度并行思想为指导,设计了基于 Hama的粗粒度最优解模型,对并行过程中的迁移策略、消息的交互处理进行了详细阐述,并对迁移个体的数量和迁移周期进行了确定。最后,论文选取了 6条典型公交线路进行实例验证分析。实验结果表明,并行算法的求解效率和求解质量更优。并行计算结果中,在求解质景得到改善前提条件下,6条线路的加速比可分别达到3.47,2.96,2.96,2.45,2.34和3.20;且加速比与所求问题的规模呈正相关关系,问题的规模越大,获得的加速比越高。综上所述,卡文提出的并行遗传算法,能够在合理的时间能找到驾驶员排班问题的较优解,并为其在其他领域的应用提供了理论支持。
黄舰[7](2015)在《城市轨道列车节能优化控制研究》文中研究指明当今世界各国都面临着能源短缺问题,各地区经济发展受到能源问题的影响也越来越显着。我国由于人口众多,能源短缺问题表现更为突出。随着人们生活质量的提高,对环保问题的重视程度也不断提高,社会各界都在提倡“节能减排,绿色出行”,为实现社会的可持续发展,国家在节能降耗方面也出台了相关政策。城市轨道交通运输系统是城市公共系统中最大的能耗系统之一,列车节能运行具有重要的意义。结合城市轨道列车运行特点与列车操纵规则,可知在降低列车运行能耗方面还有很大的提升空间,因此,优化列车运行控制过程是城市轨道交通系统节能降耗的一个重要途径。列车惰行控制是一种经济有效的节能手段,在平衡列车运行时间和能耗问题上表现出很好的灵活性。结合地铁列车运营特点和列车运行的能耗特性,本文提出了一种基于惰行控制的节能优化操纵速度曲线快速搜索算法。列车节能运行速度曲线寻优过程主要分为两个阶段:第一阶段,综合考虑准点、精确停车、旅客舒适度、线路情况及列车性能等条件,列车以最大能力运行,通过寻求列车区间运行的最短时间,得到可用于节能优化的时间——富裕时间,该阶段是优化算法的基础部分;第二阶段,基于区间最大能力运行速度曲线,在制动运行区段前增加惰行工况,通过搜寻不同的惰行起点,采用惰行工况逐步替换最大能力运行时的制动工况,寻优过程中通过对比惰行节能率的大小选择优先处理的制动段,将富裕时间分配给惰行节能率最大的制动段,最终在恰好满足区间规划运行时间时完成节能优化,生成节能的区间运行速度曲线。另外,算法给出了恒速运行的处理方式,通过调整牵引和惰行控制系数以确定恒速运行区段的长度,该阶段是优化算法的核心部分。同时,本文算法在设计时兼顾了地铁运输过程中运行图调整的情况。最后,为验证本文优化算法的可行性和正确性,采用基于C语言的编程工具Matlab对算法进行实现,结合具体线路数据进行了列车运行仿真验证,得到的仿真结论是:本文中基于惰行控制的节能优化方法可获得恰好满足区间规划运行时间且能耗较低的速度曲线;算法不仅优化处理速度快,同时满足高精度的定时运行要求。通过对比不同于本文中的惰行优化处理方式,得出本文提出的节能优化处理方式在节能效果上比逐个处理方式高10.8%,比同时处理方式高4.5%;本文寻优算法在处理列车运行过程中出现突发情况时,能够快速规划出新的运行速度曲线,减少不必要晚点和停车事件的发生。
张芳[8](2014)在《基于分布式模型的动车组预测控制方法》文中提出我国普遍采用的是动力分散式动车组,它是由若干个无动力的拖车以及具有动力的动车组成的。随着高速动车组运行速度的不断增长,动车组运行的动态环境发生了本质性变化,动车组与外界空气间的摩擦作用也演变得十分剧烈,空气阻力的非线性也剧烈恶化。针对动车组的复杂非线性特性,经典的建模和控制方法在某一程度上很难得到满意的控制效果。因此,针对动车组动力分散式的编组结构特性,本文基于动车组牵引/制动特性曲线和系统运行数据,根据数据驱动的建模方法,在动车组的纵向上建立分布式模型,接着在此模型的基础上设计预测控制器。具体研究如下:1、针对动车组的运行过程,分析了动车组的动力学模型和在水平方向上动车组的基本受力类型,以及其计算公式和影响因素。接着分析了当前动车组的编组结构特点以及动车组集中式模型的不足之处,为接下来分布式模型的提出奠定了理论依据。2、基于动力分散式动车组的结构特点,首先给出动车组在实际运行过程中的分布式描述。然后与传统辨识方法相比,分析子空间方法和状态空间模型的特点和优越性,并根据动车组牵引/制动特性曲线和实际运行数据,采用子空间模型辨识方法建立了动车组各动力单元的分布式状态空间模型。为了验证所建立的分布式状态空间模型的有效性,提出基于分布式模型的动车组预测控制方法,给出了各动力单元牵引/制动力和运行速度同步跟踪控制算法。3、为了验证所用方法的适用性和有效性,选取运行于京沪高铁CRH380AL型动车组作为本文的研究对象开展仿真试验。仿真结果表明所提方法使动车组的速度能以较高精度跟踪给定轨迹,能实时的反应动车组的动态变化,并实现动车组安全、节能、舒适和正点运行等控制目标。
王其才[9](2014)在《货物列车节能操纵优化研究》文中研究指明能源是人类生存的关键,我国人口众多,能源开发利用率低,人均能源拥有量较低。铁路运输虽然具有低能耗的优点,但它承担的运输任务重、运量大,资源消耗总量也非常大,而机车牵引能耗要占铁路运输能耗的一半以上。因此,通过优化机车操纵,减少列车运行能耗对铁路运输可持续发展有着非常重要的意义。本文主要探讨了货物列车节能操纵优化问题。文中在分析了国内外节能操纵研究现状的基础上,结合牵引计算的基本原理分析了列车节能操纵的基本原则,对列车在不同的运行状态下的节能操纵策略进行了详细分析,并在此基础上构建了列车节能操纵的优化模型,设计了相应的算法求解。论文的研究内容主要有以下几个方面:论文首先对列车运行过程中受力的特点进行了分析,以DF4B(货)型内燃机车为基础给出了机车的牵引力、制动力、运行阻力的计算公式;其次,分析了运行条件对列车节能运行的影响,对列车节能操纵基本原则进行了研究,讨论了列车在不同的运行阶段的节能操纵策略;然后在优化型运行方案研究方法的基础上,借鉴局部仿真优化与全局寻优相结合的研究思想,结合列车节能操纵策略通过机车经济手柄位的确定、停车制动单独解算、坡道最大均衡速度计算、调整坡道计算等步骤进行局部优化,并建立了列车节能操纵优化模型进行全局寻优,根据优化模型和列车运行过程的特点设计了求解该问题的遗传算法;最后选取实例进行计算分析,得到了列车节能操纵优化方案,并与已有操纵方案进行对比,验证了模型、算法的有效性。
冯小丹,娄自婷,王文元[10](2014)在《并行遗传算法的研究及应用进展》文中提出并行遗传算法(PGA)将并行计算机的高速并行性和遗传算法天然的并行性相结合,极大地促进了遗传算法的研究与应用。该文对近年来并行遗传算法的模型、性能分析、算法改进、实现平台进行了归纳和评述,并且对并行遗传算法今后的主要研究方向和发展前景进行了展望。
二、用并行遗传算法解列车控制问题(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用并行遗传算法解列车控制问题(论文提纲范文)
(1)基于弹复力调整的高速列车群动态运行轨迹优化方法(论文提纲范文)
0 引 言 |
1 高速列车群多站间运行优化问题 |
1.1 高速列车群动态运行模型 |
1.2 高速列车群运行轨迹多目标优化模型 |
1.3 基于弹复力的列车群动态间隔调整机制 |
1.3.1 动态间隔评估模型 |
1.3.2 动态间隔调整规则 |
2 列车群运行轨迹在线协同优化算法 |
3 仿真验证与结果分析 |
3.1 HDEA性能分析 |
3.2 运行轨迹静态规划仿真 |
3.3 运行轨迹动态调整仿真 |
3.3.1 人为误操作下高速列车群运行仿真分析 |
3.3.2 恶劣天气下高速列车群运行仿真分析 |
3.3.3 临时限速下高速列车群运行仿真分析 |
3.3.4 晚点发车下高速列车群运行仿真分析 |
4 结 语 |
(2)高速列车节能运行模型及智能优化方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 单列车节能操纵研究现状 |
1.2.2 多列车节能操纵研究现状 |
1.3 论文主要框架 |
2 高速列车牵引计算及能耗建模 |
2.1 列车运动学模型 |
2.2 列车运行过程计算 |
2.3 列车能耗计算模型和节能工况集 |
2.3.1 列车能耗目标函数及约束条件 |
2.3.2 列车操纵最优控制集 |
2.4 列车运行能耗影响因素及节能操纵策略 |
2.4.1 列车运行能耗影响因素 |
2.4.2 节能操纵策略 |
2.5 制动点的求解 |
2.6 本章小结 |
3 基于遗传算法的高速列车优化 |
3.1 遗传算法介绍 |
3.1.1 遗传算法的概述 |
3.1.2 遗传算法的关键步骤 |
3.1.3 遗传算法流程 |
3.2 子区间划分与坡道化简 |
3.3 基于遗传算法的列车节能优化模型 |
3.3.1 算法初始化 |
3.3.2 改进的遗传算子 |
3.3.3 算法流程 |
3.4 本章小结 |
4 基于改进模拟退火-粒子群算法的高速列车运行优化 |
4.1 模拟退火算法 |
4.2 粒子群算法 |
4.2.1 粒子群算法的基本原理 |
4.2.2 粒子群算法的参数设置 |
4.2.3 改进的PSO参数 |
4.2.4 算法基本步骤 |
4.3 基于改进模拟退火-粒子群算法的高速列车优化 |
4.3.1 改进的模拟退火-粒子群算法 |
4.3.2 模型求解 |
4.3.3 算法步骤 |
4.4 本章小结 |
5 仿真实例 |
5.1 单车节能优化 |
5.1.1 仿真车型及线路条件 |
5.1.2 仿真结果 |
5.2 追踪列车节能优化 |
5.2.1 追踪列车的基本原理 |
5.2.2 追踪列车节能优化模型 |
5.2.3 追踪列车运行模型仿真结果 |
5.3 本章小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(3)智能配电网信息物理联合仿真及分布式保护控制方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1.选题背景与研究意义 |
1.1.1.集中式电力系统存在的问题 |
1.1.2.分享式信息互联网 |
1.1.3.基于分布式互联的智能配电网 |
1.1.4.分布式智能配电网的关键技术 |
1.1.5.电网信息物理联合仿真技术 |
1.1.6.研究意义 |
1.2.国内外研究现状 |
1.2.1.信息物理联合仿真方法研究现状 |
1.2.2.配电网分布式保护和控制理论研究现状 |
1.3.课题来源及主要研究内容 |
1.3.1.课题来源 |
1.3.2.论文主要研究内容 |
第2章 分布式信息物理联合仿真系统的构建方法 |
2.1.分布式信息物理系统分析及评估方法 |
2.1.1.电网信息物理系统数值仿真模型 |
2.1.2.基于联合仿真的分析及评估方法 |
2.2.分布式电网信息物理系统联合仿真环境 |
2.2.1.框架结构 |
2.2.2.各模块的连接和通信 |
2.2.3.时间同步机制 |
2.2.4.事件链的处理 |
2.2.5.JADE框架在联合仿真中的应用 |
2.3.分布式控制器的精确建模方法 |
2.3.1.控制器的信号采样模型 |
2.3.2.控制器的响应时间模型 |
2.3.3.控制器的负荷模型 |
2.4.联合仿真及结果分析 |
2.4.1.基于局部异常因子的分布式故障定位算法 |
2.4.2.联合仿真模型建立 |
2.4.3.联合仿真结果分析 |
2.5.本章小结 |
第3章 适用于EPON通信网络的智能配电网分布式差分保护方法 |
3.1.差分保护在配电网的应用情况及存在问题 |
3.2.差分保护原理和分类 |
3.2.1.电流差分保护 |
3.2.2.方向纵联保护 |
3.2.3.后备保护 |
3.3.基于EPON的差分保护处理流程 |
3.3.1.处理流程 |
3.3.2.服务器位置 |
3.3.3.EPON的长距离通信 |
3.4.EPON网络对差分保护的影响分析 |
3.4.1.EPON对差分保护的影响路径 |
3.4.2.时间同步误差的影响 |
3.4.3.通信延时的影响 |
3.5.联合仿真分析 |
3.5.1.电力和信息系统建模 |
3.5.2.相间短路故障联合仿真及分析 |
3.5.3.对地高阻故障仿真及分析 |
3.6.本章小结 |
第4章 分布式馈线自动化通信系统设计及参数优化方法研究 |
4.1.现有分布式馈线自动化通信系统的问题 |
4.2.适合于LCDP的通信系统设计 |
4.2.1.通信模式 |
4.2.2.拓扑结构 |
4.2.3.通信协议 |
4.2.4.数据同步 |
4.3.考虑LCDP影响的参数优化方法 |
4.3.1.时间延时的影响 |
4.3.2.数据丢失的影响 |
4.3.3.延时抖动的影响 |
4.4.联合仿真分析 |
4.4.1.信息物理系统建模 |
4.4.2.通信参数测量 |
4.4.3.N-1 延时测试及结果分析 |
4.4.4.故障仿真及结果分析 |
4.5.本章小结 |
第5章 一种基于多代理拍卖模式的配电网分布式自愈方法 |
5.1.现有馈线自愈方法的问题 |
5.2.分布式配电网自愈架构 |
5.2.1.系统框架 |
5.2.2.节点代理控制策略 |
5.2.3.区域的合并和分解 |
5.3.配电网自愈的决策机制 |
5.3.1.协商方式和协商流程 |
5.3.2.区域目标 |
5.3.3.全局目标 |
5.3.4.资源识别 |
5.3.5.出价 |
5.3.6.裁定 |
5.4.基于联合仿真的自愈过程分析 |
5.4.1.仿真系统和模型 |
5.4.2.纯负荷区域网络重构仿真 |
5.4.3.包含分布式电源区域网络重构仿真 |
5.5.本章小结 |
第6章 分布式潮流控制算法在智能地铁供电系统中的应用 |
6.1.现有地铁供电系统的问题 |
6.2.能馈装置控制策略分析 |
6.2.1.再生制动电能的回馈原理 |
6.2.2.地铁接触网系统的能量计算 |
6.2.3.能馈装置的控制目标 |
6.2.4.不同运行方式对系统损耗的影响 |
6.3.基于能源路由器的分布式控制策略 |
6.3.1.分布式系统模型 |
6.3.2.系统状态确认 |
6.3.3.能源路由器优化控制模型 |
6.3.4.算法求解 |
6.3.5.地铁线路潮流计算 |
6.4.联合仿真分析 |
6.4.1.信息物理系统建模 |
6.4.2.模型参数 |
6.4.3.仿真结果分析 |
6.5.本章小结 |
结论 |
参考文献 |
附录A 攻读博士学位期间所发表的主要学术论文目录 |
附录B 攻读博士学位期间联合申请的发明专利 |
附录C 攻读博士学位期间承担的主要科研项目 |
致谢 |
(4)基于H∞性能指标的高速列车模糊跟踪控制(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 前言 |
1.2 国内外高速列车的发展以及研究现状 |
1.2.1 国外高速列车的发展以及研究现状 |
1.2.2 国内高速列车的发展以及研究现状 |
1.3 列车建模与控制方法研究现状 |
1.3.1 列车运行过程建模的研究现状 |
1.3.2 列车控制算法的研究现状 |
1.3.3 T-S模糊建模及应用 |
1.4 主要研究内容 |
第二章 高速列车动力学模型 |
2.1 高速列车ATO原理 |
2.2 动车组的动力学分析 |
2.3 动车组的运行阻力 |
2.3.1 动车组的基本阻力 |
2.3.2 动车组的附加阻力 |
2.4 动车组的牵引力 |
2.5 动车组制动力 |
2.6 动车组动力学模型 |
2.7 本章小结 |
第三章 高速列车运行过程的T-S模糊模型 |
3.1 高速列车运行过程描述 |
3.2 T-S模糊模型 |
3.2.1 模糊模型的分类 |
3.2.2 T-S模糊模型的构造 |
3.3 基于T-S模糊模型的高速动车组运行过程建模 |
3.4 CRH380AL动车组建模实验验证 |
3.5 本章小结 |
第四章 基于T-S模糊模型的高速列车模糊控制方法 |
4.1 模糊控制 |
4.1.1 模糊控制理论的发展 |
4.1.2 模糊控制系统基础知识 |
4.2 基于T-S模糊模型模糊追踪控制器设计 |
4.2.1 线性矩阵不等式基础 |
4.2.2 H∞性能指标的确定 |
4.2.3 控制器的模糊逻辑规则 |
4.2.4 基于T-S模糊模型的跟踪控制器设计 |
4.3 仿真验证及分析 |
4.3.1 速度跟踪曲线 |
4.3.2 位移跟踪曲线 |
4.3.3 控制力曲线 |
4.3.4 速度跟踪误差曲线 |
4.4 本章小结 |
第五章 总结 |
5.1 主要工作回顾 |
5.2 本课题今后需进一步研究的地方 |
参考文献 |
个人简历在读期间发表的学术论文 |
致谢 |
(5)列车节能优化操纵理论及应用研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.2.1 列车节能优化操纵方法研究 |
1.2.2 优化算法研究 |
1.2.3 进化算法发展现状 |
1.3 既有研究的不足 |
1.4 研究内容及章节安排 |
2 列车运行过程优化模型及算法研究 |
2.1 引言 |
2.2 货运列车牵引实验与运行过程优化计算 |
2.2.1 列车运动方程的力学基础 |
2.2.2 模型假设和符号说明 |
2.2.3 列车运行过程计算方法 |
2.3 列车最优控制策略的存在性 |
2.4 多目标优化算法 |
2.5 本章小结 |
3 列车节能优化操纵算法研究 |
3.1 遗传算法原理 |
3.2 遗传算法选用依据 |
3.3 基于混合编码的多种群并行遗传算法 |
3.3.1 实数编码的引入 |
3.3.2 实数编码遗传算法的改进方向 |
3.3.3 实数编码遗传算子 |
3.3.4 多种群并行遗传算法 |
3.3.5 其他改进措施 |
3.4 基于遗传算法列车节能优化操纵模型 |
3.4.1 遗传编码方法 |
3.4.2 线路纵断面简化 |
3.4.3 仿真结果分析 |
3.5 基于模拟退火算法列车节能优化操纵模型 |
3.5.1 算法原理 |
3.5.2 算法验证 |
3.6 本章小结 |
4 基于MOGA算法的列车优化操纵方法及试验研究 |
4.1 节能优化操纵方法 |
4.1.1 减小运行阻力做功 |
4.1.2 减小不必要动能损失 |
4.1.3 节能运行操纵策略 |
4.2 MOGA算法及其基本问题 |
4.2.1 算法描述 |
4.2.2 算法性能度量指标 |
4.2.3 MOGA算法性能试验分析 |
4.2.4 多样性保持策略 |
4.3 MOGA算法改进 |
4.4 MOGA算法优化列车操作过程及优化操纵试验 |
4.4.1 优化算法 |
4.4.2 实际操纵与模型优化操纵对比 |
4.5 本章小结 |
5 列车制动问题建模与仿真试验研究 |
5.1 列车制动过程分析 |
5.1.1 制动过程划分 |
5.1.2 控制变量分析 |
5.1.3 列车制动控制方法 |
5.2 停车制动问题描述及算法设计 |
5.2.1 问题的数学描述 |
5.2.2 制动控制算法设计 |
5.3 基于模糊神经网络的列车制动控制模型 |
5.3.1 改进的模糊神经网络模型 |
5.3.2 模糊推理规则 |
5.4 停车制动控制算法 |
5.4.1 模糊神经网络学习算法 |
5.4.2 样本及隶属度函数的确定 |
5.4.3 列车停车制动三点信息两段制动控制法 |
5.5 仿真算例分析 |
5.5.1 仿真过程及步骤 |
5.5.2 仿真样本数据 |
5.5.3 样本训练 |
5.5.4 列车制动减压控制 |
5.6 本章小结 |
6 结论与展望 |
6.1 主要研究结论 |
6.2 本文创新点 |
6.3 研究展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(6)基于并行遗传算法的驾驶员排班问题研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 研究方法 |
1.3 论文主要研究内容 |
1.3.1 研究内容 |
1.3.2 组织结构 |
1.4 本章小结 |
2 国内外研究现状综述 |
2.1 驾驶员排班研究综述 |
2.1.1 纯启发式方法 |
2.1.2 数学规划方法 |
2.1.3 元启发式算法 |
2.2 并行模型与框架发展综述 |
2.3 本章小结 |
3 驾驶员排班问题的描述与模型建立 |
3.1 驾驶员排班问题的基本概念 |
3.1.1 行车计划 |
3.1.2 班次与班型 |
3.1.3 驾驶员换班 |
3.2 驾驶员排班问题的目标 |
3.3 驾驶员排班问题的模型 |
3.4 本章小结 |
4 基于Hama的并行遗传算法设计 |
4.1 BSP模型与Hama系统架构 |
4.1.1 BSP模型 |
4.1.2 Hama系统架构 |
4.1.3 Hama编程过程 |
4.2 面向驾驶员排班问题的遗传算法(CSOGA)设计 |
4.2.1 遗传算法概述及基本原理 |
4.2.2 CSOGA的流程与设计 |
4.2.3 CSOGA的参数标定与算例分析 |
4.3 基于Hama的并行计算模型 |
4.3.1 并行策略的选择 |
4.3.2 基于Hama的粗粒度最优解并行模型(H-OSCGPM) |
4.3.3 H-OSCGPM中个体迁移数量和迁移周期的确定 |
4.4 本章小结 |
5 驾驶员排班问题实例研究 |
5.1 实验环境 |
5.2 实例分析 |
5.3 本章小结 |
6 结论 |
6.1 研究成果和结论 |
6.2 研究展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(7)城市轨道列车节能优化控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 列车节能优化操纵研究 |
1.2.2 列车节能优化控制系统研究 |
1.3 优化曲线综述 |
1.3.1 优化曲线离线计算分析 |
1.3.2 优化曲线在线计算分析 |
1.4 本文研究的主要内容与创新点 |
1.4.1 论文主要内容 |
1.4.2 论文创新点 |
第2章 列车牵引计算理论 |
2.1 列车运动学计算模型 |
2.1.1 列车牵引力 |
2.1.2 列车制动力 |
2.1.3 列车阻力 |
2.2 列车力学模型 |
2.2.1 列车单质点力学模型 |
2.2.2 列车多质点力学模型 |
2.2.3 列车合力分析 |
2.3 列车运行动态数学模型 |
2.3.1 列车加速度计算模型 |
2.3.2 列车速度与距离计算模型 |
2.4 本章小结 |
第3章 列车节能驾驶 |
3.1 列车节能驾驶分析 |
3.2 列车能耗分析 |
3.2.1 列车运行能耗的组成 |
3.2.2 列车运行节能措施 |
3.2.3 减少运行基本阻力功 |
3.3 运行策略研究 |
3.3.1 列车最短运行时间计算 |
3.3.2 区间运行控制策略 |
3.4 本章小结 |
第4章 节能优化曲线计算模型研究 |
4.1 运行曲线优化问题分析 |
4.2 速度曲线优化方法 |
4.3 运行曲线优化算法的确定 |
4.3.1 节能优化方式分析 |
4.3.2 节能优化处理 |
4.4 本章小结 |
第5章 节能优化算法验证与评价 |
5.1 优化运行曲线模型验证 |
5.1.1 算法可行性和正确性验证 |
5.2 不同惰行优化处理方式对比 |
5.2.1 评价对比 |
5.3 运行图调整算法实例仿真 |
5.3.1 实例仿真数据 |
5.3.2 仿真结果及评价 |
5.4 本章小结 |
结论 |
致谢 |
参考文献 |
(8)基于分布式模型的动车组预测控制方法(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.1.1 课题研究背景 |
1.1.2 课题研究意义 |
1.2 国内外高速动车组的研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 列车建模与控制方法的研究现状 |
1.3.1 列车运行过程建模的研究现状 |
1.3.2 列车控制算法的研究现状 |
1.4 存在的问题 |
1.5 主要研究内容及论文结构 |
第二章 动车组动力学模型 |
2.1 动车组的受力分析 |
2.2 动车组的牵引力 |
2.3 动车组的制动力 |
2.4 动车组运行阻力 |
2.4.1 动车组基本阻力 |
2.4.2 动车组附加阻力 |
2.5 动车组动力学模型 |
2.5.1 动车组集中式建模 |
2.5.2 动车组分布式建模 |
2.6 本章小结 |
第三章 动车组分布式模型的建立 |
3.1 引言 |
3.2 子空间辨识方法 |
3.2.1 子空间方法需要的几何工具 |
3.2.2 子空间的基本算法 |
3.3 动车组分布式建模 |
3.3.1 动车组运行过程描述 |
3.3.2 子空间方法辨识分布式模型的算法过程 |
3.3.3 CRH380AL 型动车组的分布式模型 |
3.4 本章小结 |
第四章 基于分布式模型的动车组预测控制方法 |
4.1 预测控制算法 |
4.1.1 预测模型 |
4.1.2 滚动优化 |
4.1.3 反馈校正 |
4.2 基于分布式模型的预测控制器 |
4.2.1 动车组子空间辨识 |
4.2.2 控制系统的结构框图 |
4.2.3 动车组模型预测控制器设计 |
4.3 仿真实验 |
4.4 本章小结 |
第五章 总结 |
5.1 主要工作回顾 |
5.2 需进一步研究的课题 |
参考文献 |
个人简历 在读期间发表的学术论文 |
致谢 |
(9)货物列车节能操纵优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文的研究方法和技术路线 |
1.3.1 研究方法 |
1.3.2 技术路线 |
1.4 论文主要研究内容 |
第2章 列车牵引计算基本原理 |
2.1 列车运行受力分析 |
2.1.1 列车牵引力 |
2.1.2 列车运行阻力 |
2.1.3 列车制动力 |
2.2 列车运行中的能耗计算 |
2.3 列车运行时分和运行距离解算 |
2.4 本章小结 |
第3章 列车节能操纵优化策略研究 |
3.1 运行条件对列车节能运行的影响 |
3.1.1 运行时间对列车节能运行的影响 |
3.1.2 运行模式对列车节能运行的影响 |
3.2 列车节能操纵优化原则 |
3.2.1 减少基本阻力做功 |
3.2.2 减少列车的动能损失 |
3.2.3 增加惰行时间 |
3.2.4 提高机车做功效率 |
3.3 列车节能操纵优化策略 |
3.3.1 列车起动与加速阶段 |
3.3.2 列车途中运行阶段 |
3.3.3 列车停车制动阶段 |
3.4 本章小结 |
第4章 列车节能操纵优化模型研究 |
4.1 模型的构建思路 |
4.1.1 问题描述 |
4.1.2 模型的构建思路 |
4.2 模型假设和参数设置 |
4.2.1 模型假设 |
4.2.2 参数设置 |
4.3 列车节能操纵优化模型的建立 |
4.3.1 目标函数分析 |
4.3.2 约束条件分析 |
4.4 基于遗传算法的模型求解 |
4.4.1 遗传算法的基本思想 |
4.4.2 模型的遗传算法设计 |
4.5 本章小结 |
第5章 综合实例分析 |
5.1 运行区间 |
5.2 实例求解 |
5.2.1 线路纵断面化简 |
5.2.2 机车车辆数据处理 |
5.2.3 坡道控制参数 |
5.2.4 实例求解 |
5.3 结果分析与比较 |
5.4 本章小结 |
结论 |
致谢 |
参考文献 |
附录1 |
攻读硕士学位期间发表的论文及科研成果 |
四、用并行遗传算法解列车控制问题(论文参考文献)
- [1]基于弹复力调整的高速列车群动态运行轨迹优化方法[J]. 宋鸿宇,上官伟,盛昭,张瑞芬. 交通运输工程学报, 2021(04)
- [2]高速列车节能运行模型及智能优化方法研究[D]. 李娇杨. 兰州交通大学, 2021(02)
- [3]智能配电网信息物理联合仿真及分布式保护控制方法研究[D]. 段义隆. 湖南大学, 2020
- [4]基于H∞性能指标的高速列车模糊跟踪控制[D]. 陈捷. 华东交通大学, 2018(12)
- [5]列车节能优化操纵理论及应用研究[D]. 张勇. 北京交通大学, 2017(11)
- [6]基于并行遗传算法的驾驶员排班问题研究[D]. 郭亚茹. 北京交通大学, 2017(01)
- [7]城市轨道列车节能优化控制研究[D]. 黄舰. 西南交通大学, 2015(01)
- [8]基于分布式模型的动车组预测控制方法[D]. 张芳. 华东交通大学, 2014(03)
- [9]货物列车节能操纵优化研究[D]. 王其才. 西南交通大学, 2014(09)
- [10]并行遗传算法的研究及应用进展[J]. 冯小丹,娄自婷,王文元. 电脑知识与技术, 2014(10)