列车节能运行模型和操纵策略优化

分析了列车能量流程 ,描述了列车节能控制目标 ,并以站间运行时间和运行距离为约束条件 ,以列车运行能耗作为目标函数 ,给出了机械能模型以及具有有限手柄级位的列车离散型控制模型和无级控制连续型模型 .针对无级控制连续型模型 ,建立了哈密顿函数 ,并应用 Pontryagin算法得到了优化操纵策略和模型解     

再生制动条件下地铁列车运行图的节能优化

提高再生制动电能的利用率,可提升地铁系统的节能效果和降低供电接触网的电压波动.文中通过微调发车间隔和停站时间,在不改变列车开行方案的基础上,以最大化同一供电臂下列车到站的"产能"时间段和列车发车的"用能"时间段的重叠区间为目标,以保证发车间隔和停站时间均不超过轨道交通正常运营的可接受范围为约束,构建了地铁列车运行图优化...     

基于司机操纵模式学习的列车节能自动驾驶研究

基于优秀司机运行记录数据,提出一种基于机器学习技术的列车节能优化驾驶方法架构,利用层次分解的思想结合集成机器学习方法从优秀司机的驾驶日志数据中挖掘出隐藏的优秀司机驾驶模式,分别对速度信息和档位信息进行学习预测,以实现列车节能优化自动驾驶决策,并选用实际铁路线路和机车数据进行了试验验证.试验结果表明,在保证列车安全、准点、平稳等约束条件下,本文列车节能优化驾驶方案相比司机平均水平可节能约7%.     

列车运行节能操纵优化方法研究

为降低铁路运营成本,对列车运行受干扰时的节能操纵优化进行了研究.根据问题的数学描述,建立了最优化模型,并采用遗传算法,结合典型子区间优化操纵序列,对问题进行了求解.通过仿真计算,给出了列车运行的速度距离曲线,揭示了列车节能操纵的一些原则,最后将运算结果与其他方法计算出的结果进行了比较.比较结果表明,遗传算法是一个有效的算法,可以很好地应用在列车节能操纵优化的研究中.     

采用萤火虫算法的高速列车节能运行优化

智能算法可以通过优化列车运行曲线达到节能降耗的目的.将列车运行能耗作为目标函数,以限速、时间和距离为约束条件,建立优化模型.以CRH_3型动车组和武广客运专线中某段线路为基础,进行仿真实验.运用萤火虫算法,搜索能耗最低时的一组列车工况转换速度序列.仿真结果表明:列车运行能耗指标降低14.33%,且满足停车精确性与准时到站的要求.     

基于QPSO的自适应均衡算法

自适应均衡技术能有效地克服光纤信道的色散和光纤非线性等效应引起的符号间干扰。但传统的自适应均衡算法存在收敛速度慢、稳定性差、均衡效果不理想等缺点,从而使自适应均衡器在高速光纤通信系统中的应用受到限制。提出了一种基于QPSO的自适应均衡算法。仿真实验表明,QPSO具有收敛速度快、计算精度高等优点,将其作为自适应均衡器的控制算法可收到很好的均衡效果,优于传统的控制算法。     

基于QPSO的图像分割算法

文章将具有量子行为粒子群优化(QPSO)算法应用到图像分割中,提出了一种新的图像分割算法.新方法基于最佳熵阈值分割技术,用QPSO算法自适应选取分割阈值;仿真实验针对Lena图像分割问题,将标准粒子群优化(PSO)算法与QPSO算法分别独立运行,仿真结果表明,基于QPSO优化的图像分割算法不仅克服了PSO容易过早陷入局部最优值的缺点,而且分割速度更快,是一种更有效的分割方法.     

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.     

基于QPSO算法的OSPF多约束路由研究

利用传统的SPF算法解决OSPF网络路由难题时,由于没有考虑多约束条件和有效利用次路径,一旦最优路径发生拥塞,网络传输性能会急剧降低.文中将QPSO算法应用于OSPF网络路由规划,利用多约束条件并结合OSPF网络多种路由参数的特性,重点对有效地改善网络局部拥塞和快速求得全局最佳路由及若干次路由算法进行探究,并利用仿真数据对所提出的改进算法进行验证.结果表明在解决OSPF网络路由规划问题中,网路传输性能,文中所提出的算法比传统的遗传算法和SPF算法得到较好的改善.     

多目标列车节能调度模型及模糊优化算法

在保证行车安全、满足乘客需求的基础上,以节能为目标的列车调度模型及算法得到了广泛研究与应用。伴随着欧盟制定了全球首个碳排放交易体系,碳排放指标交易费用受到越来越多的重视,并逐步成为列车运营成本的重要组成部分。本文建立了以能耗成本、碳排放成本、列车运行时间为优化目标的单线列车调度模型,并采用多目标模糊优化算法进行求解。算例以一条铁路线路为研究对象,在Lingo下对算例进行求解分析,结果表明了多目标模糊优化算法具有很好的优化能力,并能达到节能减排的效果。     

基于改进的UPF算法的列车组合定位方法研究

车实时定位是保证列车安全运行的重要环节。随着北斗卫星导航系统的发展,北斗卫星已逐步具备应用于列车定位的能力。针对北斗导航定位系统的特点及存在的问题,将SINS系统作为其补充定位方式。由于传统滤波算法在进行状态估计时仍存在粒子退化现象。为了进一步提高估计性能,提出了基于人工免疫无迹粒子滤波算法（AI-UPF）的列车组合定位方法。将人工免疫算法引入UPF算法的重采样过程,对粒子进行克隆和变异,改善了样本集的多样性,减轻了退化现象的影响。用该方法和UPF算法分别对北斗/SINS列车组合定位系统进行仿真实验。结果表明,AI-UPF算法能进一步减小定位误差,滤波效果较好。     

基于QPSO算法的模糊关系方程求解

由于模糊关系方程在很多领域有着广泛的应用,越来越多的研究人员加入到求其极小解的工作中去,但结果不是很理想.该文用量子行为粒子群算法(QPSO)来求解其极小解,希望在模糊关系方程解的寻优问题上有所进展.将所提出的QPSO算法求解模糊关系方程的方法与遗传算法(GA)的求解方法作比较,发现QPSO优化算法较GA算法更能有效地找出模糊关系方程的近似最优解.     

地铁列车牵引系统通信故障与改进研究

基于牵引通信故障影响列车的正常运行,首先初步分析故障点与相关因素,阐述故障的原因及故障处理问题,经过多项实验找到导致故障的具体元件,对其进行针对性改进,并观察改进效果,以期对地铁列车的安全、稳定运行有积极意义。     

列车节能运行的算法及实施技术研究

根据国内外列车节能研究的最新成果,综合利用既有的节能优化操纵方法,设计了列车节能运行的计算机算法,建立了列车节能运行的模拟系统.同时根据模拟系统的功能要求对不同目标速度及线路改造的情况进行了节能模拟,研究了不同目标速度、不同线路条件下的列车节能效果.结论指出:目标速度由60 km/h降低为50 km/h时,能耗消耗可减少14.4%;对线路进行适当改造可使能耗消耗减少9.2%,运营费支出降低8.9%.     

具有随机扰动机制的改进QPSO算法及其应用

针对原始量子粒子群优化算法(QPSO)在面对复杂多模函数时容易出现早熟和收敛精度低的 情况,提出了一种具有随机扰动机制的改进 QPSO 算法(MQPSO)。在改进算法设计时,首先借鉴了遗传算 法中交叉算子的思想,并结合随机扰动操作,对单个粒子的历史最优位置和全局最优位置进行了重新设定, 以增强算法在迭代后期的收敛性能,同时维持种群的多样性;其次,对QPSO算法中的重要参数收缩-扩张因 子,进行了非线性调整,以提高算法的全局收敛速度和精度。 通过8个测试函数,将 MQPSO 算法与4个现有的改进算法从平均值、标准差和最好取值三个方面进行了对比;进而根据中国证券市场中 15 只股票的历史 数据,分别运用粒子群优化算法、量子粒子群优化算法、布谷鸟搜索、蝙蝠算法和 MQPSO 算法对一类具有最小最大风险的投资组合优化模型进行数值求解。实验表明:MQPSO算法无论在基准测试中还是在仿真应用上,其计算结果在收敛精度和稳定性方面均优于其他群智能算法。     

基于混沌QPSO算法的多AUVs任务分配

针对复杂条件下多水下机器人系统(AUVs)任务分配过程中各个节点负载不均衡问题,提出混沌优化QPSO算法.以整个量子粒子群搜索到的当前最优位置为基础,在混沌QPSO算法中加入混沌因子,产生混沌序列.利用混沌优化中混沌搜索、搜索遍历性等具有类似协同学习操作的功能,用混沌序列中的最优位置的粒子替代当前量子粒子群中的位置,使得近似最优解脱离局部最优,获得真正的全局最优.通过实验证明:混沌优化QPSO算法在多AUVs任务分配中,提高了任务分配的精度和优化效率,使任务分配达到全局最优值.     

基于蒙特卡洛改进算法的地铁电力系统可靠性评估

在分析电力系统可靠性评估基本方法的基础上,考虑到地铁电力系统故障率较低,故障状态枚举方法难以获得精确的随机状态,以及设备单元的故障信息无法通过直接抽样获取,故使用正态分布描述地铁电力系统设备单元发生故障的实际过程,提出了改进的蒙特卡洛非序贯仿真算法,并给出其求解过程,构建了地铁电力系统的结构模型、Petri网模型和可靠性评估指标,最后以南京地铁一号线电力系统设备单元初始参数为计算数据,所得结果较传统计算方法更为准确,同时能够模拟故障维修时间以及区分不同故障类型.     

基于HCA的改进收敛准则优化算法研究

为了抑制拓扑优化中出现的灰度单元现象,通过引入范数理论的概念,提出了一种新的针对连续体结构的收敛准则算法.采用变密度法,建立SIMP材料插值模型和基于元胞自动机的拓扑优化数学模型,以结构的应变能密度均匀分布为优化目标.通过经典的二维数值算例,证明该收敛准则法在结构拓扑优化中的正确性和可靠性.     

基于改进蚁群算法的物流配送路径优化研究

物流配送行业不但要求所有货物能及时进行配送,而且也要求尽可能降低整个物流运输成本。所以物流配送车辆路径优化问题是重点亟待解决的关键问题,由于传统的优化方法搜索时间较长,且难以找到全局最优路径,从而造成配送成本高,效率低。为了降低成本,提高车辆路径优化率,本文以蚁群算法为基础,并加以改进,首先建立优化物流配送路径的全局数学模型,然后采用改进信息素更新规则、改进启发信息更新策略获取最优物流路径,通过优选算法参数,改进蚁群算法对全局数学模型进行求解。从而有效避免只有局部优化解的出现。仿真实验结果表明,改进后的算法效率提高较大,算法在实验环境下收敛性好,是解决物流配送路径优化问题的有效算法。     

基于站台不停车的地铁列车概念设计研究

列车每站减速、停车、加速所花费的时间几乎占据了期间列车行驶总时间的一半,这些时间可以进行优化利用。地铁每站上下列车的乘客数量远远少于车厢内等候的乘客数量,列车整体乘客的无效等待时间比较长。实现地铁列车过站不停车、同时站站可以换乘,能够显著提高地铁整体运营效率,节约地铁乘客的整体时间。经过对三种地铁列车不停车模式的比较分析,同时对侧面可分离列车车厢模式的列车进行概念设计研究,认为此模式可以实现对现有地铁系统改造较小,同时地铁列车站站不停、乘客站站可以上下车换乘。