鐵路具有運輸效率高、單位成本低等突出優(yōu)勢,是國民經(jīng)濟發(fā)展與綜合交通運輸?shù)拇髣用},具有重要的社會和經(jīng)濟效益。目前我國鐵路系統(tǒng)中的高速列車和普速列車均采取由列車駕駛員在車載安全設備監(jiān)督與防護下駕駛列車的人工駕駛控制模式,而隨著路網(wǎng)規(guī)模的擴大、列車跨線運行的常態(tài)化、列車運行間隔的縮短、列車運行速度的提高,現(xiàn)代鐵路對列車駕駛員的駕駛經(jīng)驗、操縱決策等提出了越來越高的要求,列車駕駛員的駕駛工作負擔越來越重,現(xiàn)行人工駕駛模式已逐漸難以充分滿足列車運行控制系統(tǒng)對提升其自動化、智能化水平的需求。因此,基于智能方法的列車駕駛策略優(yōu)化方法已成為近年來的研究熱點,其對于提升列車運行表現(xiàn)、減輕列車駕駛員工作負擔等方面均具有重要的現(xiàn)實意義。本文針對基于智能算法的列車駕駛策略優(yōu)化這一研究熱點與難點,分別針對人工駕駛條件下列車駕駛策略優(yōu)化模型的建立、基于智能算法的列車駕駛策略優(yōu)化問題求解、考慮實時調(diào)度信息的智能列車輔助駕駛方法等若干關鍵問題展開相關研究。具體來說,本文的主要研究工作如下:首先,建立人工駕駛條件下的列車駕駛策略優(yōu)化模型�？紤]列車運行過程中受到的影響因素,對列車運行過程進行受力分析,加入折算列車長度、制動...

【文章頁數(shù)】：124 頁

【學位級別】：博士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 列車駕駛策略優(yōu)化
        1.2.2 列車輔助駕駛方法與系統(tǒng)
    1.3 本文主要研究內(nèi)容
2 預備知識
    2.1 列車運行控制
    2.2 列車駕駛策略
    2.3 神經(jīng)網(wǎng)絡與深度學習
    2.4 進化計算方法
3 列車駕駛策略的生成與優(yōu)化建模方法
    3.1 問題描述
    3.2 列車牽引計算數(shù)學模型的建立
    3.3 人工駕駛條件下的列車駕駛策略優(yōu)化建模
    3.4 列車駕駛策略優(yōu)化模型的最優(yōu)性分析
        3.4.1 情形a: λ₁/mv<0
        3.4.2 情形b: λ₁/mv=0
        3.4.3 情形c: 0<λ₁/mv<1/umax

        3.4.4 情形d: 1/u_max≤λ₁/mv≤1/u_min

        3.4.5 情形e: λ₁/mv>1/u_min

    3.5 小結
4 離線在線結合的列車駕駛策略優(yōu)化方法
    4.1 問題描述
    4.2 基于智能搜索方法的列車駕駛策略離線優(yōu)化
    4.3 基于數(shù)值迭代方法的列車駕駛策略在線優(yōu)化
    4.4 算例實驗與分析
        4.4.1 正常運行情況下的列車駕駛策略優(yōu)化
        4.4.2 僅離線和離線在線結合的列車駕駛策略優(yōu)化
    4.5 小結
5 基于機器學習與進化計算的列車駕駛策略優(yōu)化方法
    5.1 問題描述
        5.1.1 符號與變量表示
        5.1.2 基于ACP方法的列車駕駛策略優(yōu)化框架
    5.2 基于深度神經(jīng)網(wǎng)絡的列車駕駛策略特征學習
    5.3 基于自適應差分進化算法的列車駕駛策略優(yōu)化
    5.4 算例實驗與分析
        5.4.1 各結構的深度神經(jīng)網(wǎng)絡特征學習效果
        5.4.2 結合DNN與自適應差分進化算法的列車駕駛策略優(yōu)化
    5.5 小結
6 考慮實時調(diào)度信息的列車智能輔助駕駛方法
    6.1 問題描述
    6.2 考慮實時調(diào)度信息的智能列車輔助駕駛系統(tǒng)
    6.3 集成模擬駕駛與iDAS的硬件在環(huán)仿真測試
    6.4 算例實驗與分析
        6.4.1 臨時限速場景下的列車駕駛策略優(yōu)化
        6.4.2 考慮外部風速信息的列車駕駛策略優(yōu)化
    6.5 小結
7 結論與展望
    7.1 結論
    7.2 展望
參考文獻
作者簡歷
學位論文數(shù)據(jù)集



本文編號：3862085

boshi