隨著國民經(jīng)濟的快速發(fā)展,以及環(huán)境污染問題的日益嚴峻,能源消耗愈加備受矚目。如今全球能源緊缺,而軌道交通行業(yè)作為經(jīng)濟發(fā)展中能耗大戶,它的節(jié)能問題受到國內(nèi)外研究者廣泛關注。同一列車在規(guī)定運行時分到達既定站點有著無數(shù)種駕駛策略,而不同的駕駛策略所消耗的能耗量也各不相同,列車節(jié)能優(yōu)化的宗旨就是在眾多駕駛策略中找到能耗最小、最可行的一種。首先,本文在列車牛頓力學、運動學模型的基礎上;基于列車能耗目標函數(shù);以運行限速、加速度、停車精度以及行車時間等為約束條件;然后,對列車手柄位進行實數(shù)編碼;設計了四階式節(jié)能策略進行啟發(fā)優(yōu)化,以此來實現(xiàn)列車節(jié)能牽引優(yōu)化的研究。其次,本文采用粒子群算法對貨運列車運行進行優(yōu)化。在對粒子群算法的概念、基本原理、算法流程進行簡要介紹的基礎上,對粒子群算法進行了優(yōu)化算法設計。在Matlab仿真環(huán)境下對算法進行仿真,結果顯示,粒子群算法容易過早收斂且不能穩(wěn)定保證優(yōu)化效果。最后,針對列車節(jié)能運行優(yōu)化問題的具體行業(yè)特點和工程應用實際需求,采用手柄位實數(shù)編碼方式展開算法設計;基于啟發(fā)式遺傳算法的四階式列車節(jié)能運行優(yōu)化策略,篩選出初始種群并確定種群大小;以能耗指標構建目標函數(shù),并加入時間誤差、速度誤差、位移誤差、舒適度誤差罰函數(shù);選擇基于本優(yōu)化問題的染色體選擇、交叉、變異方案,以及算法的停止準則。由仿真結果可以知道,加入四階式節(jié)能策略的啟發(fā)式遺傳算法,提高了收斂速度,列車能耗降低4.35%。經(jīng)過仿真驗證,與粒子群算法結果做對比,證明了啟發(fā)式遺傳算法優(yōu)化效果更好一些。本文主要提出了基于啟發(fā)式遺傳算法的四階式列車節(jié)能運行優(yōu)化策略,來保證整個尋優(yōu)過程的快速、高效。
【學位單位】：江西理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U268.6;TP18
【部分圖文】：

圖 1.2 典型城軌列車能耗分布圖遺傳算法是一種以生物進化為原型，并且有較好收斂特性的算法，與傳統(tǒng)的優(yōu)化方比，具有較高的計算準確度，具有計算時間少，魯棒性高等優(yōu)點，且已經(jīng)滲入到了各業(yè)的快速發(fā)展中。因此，將遺傳算法與列車牽引特性合理結合在一起，來達到列標速度曲線的高效優(yōu)化的目的，是非常具有理論意義和實際應用。列車牽引耗能優(yōu)

為了對列車牽引節(jié)能優(yōu)化研究進行可靠的定量分析，本章由先驗經(jīng)驗和數(shù)據(jù)建立相對精確的數(shù)學模型，其中涉及牛頓力學定律、能量守恒定律，然后對運動學和力學型進行了詳細分析。確立能耗模型、目標函數(shù)，以及加入時間誤差、速度誤差、位移差、加速度誤差等罰函數(shù)的評價函數(shù)。針對列車運行限速要求、最大牽引力限制、停精度、時間約束等約束條件下，設計了基于標準四階式列車運行優(yōu)化的啟發(fā)式節(jié)能策略2.1 列車牛頓力學模型2.1.1 列車受力分析由于在實際列車運行線路中存在坡道、彎道，而列車在坡道上會受到不同性質、同方向、不同大小的力的作用，將導致受力情況非常復雜。但是，本文所要達到的目是降低貨運列車運行能耗，因此只用考慮運行方向上的受力。其中有三種力與列車運速度有關：列車制動力、列車牽引力、列車運行阻力（包括基本阻力、坡道阻力）的用。列車在平直軌道和坡道上受力示意圖見圖 2.1：

Q——列車牽引力，N ；Z ——列車制動力，N ；B ——列車基本阻力，N ；G ——列車坡道附加阻力，N ；a ——列車運行加速度，2m / s；M ——列車總質量，Kg 。當 0cF 時，列車將加速運行；當 0cF 時，列車將減速運行；當 0cF 時，列運行。 列車工況列車運行時有四種工況，包括加速模態(tài)、勻速模態(tài)、惰行模態(tài)以及制動模態(tài)[41）加速模態(tài)時，列車主要存在牽引力Q和運行基本阻力B ，所受合力 FQc 2）勻速模式時，列車主要存在牽引力Q和阻力B ，所受合力 0cF （即： Q 3）惰行模式時，列車只受阻力作用，所受合力 F-Bc ；4）制動模式時，列車主要存在阻力B 和制動力Z ，所受合F- BZ c 。
【相似文獻】

相關期刊論文 前10條

1 桂洪照;;幾種具有代表性的啟發(fā)式算法研究[J];電子制作;2016年02期

2 王芳,施國洪;商貿(mào)服務業(yè)選址決策研究——一種基于阿德蘭啟發(fā)式算法的選址方法[J];江蘇商論;2004年07期

3 陶光遠;周佩德;王強;;最優(yōu)運輸徑路選擇的啟發(fā)式算法[J];南京工學院學報;1987年06期

4 許杰鋒;;客車調度問題(BSP)的數(shù)學模型及一種新的啟發(fā)式算法[J];上海交通大學學報;1988年06期

5 邢琳;;一種啟發(fā)式識別被積函數(shù)算法的設計與實現(xiàn)[J];中南礦冶學院學報;1988年01期

6 郭耀煌,范莉莉;貨運汽車調度的一種啟發(fā)式算法[J];系統(tǒng)工程;1989年01期

7 楊英杰;;單體型裝配問題的啟發(fā)式算法研究[J];數(shù)字技術與應用;2017年01期

8 陳燕;謝琪琦;劉詠;崔耀東;;圓形件下料順序分組啟發(fā)式算法的設計與實現(xiàn)[J];圖學學報;2017年01期

9 潘立軍;符卓;;求解帶硬時間窗車輛路徑問題的時差插入啟發(fā)式算法[J];計算機應用;2012年11期

10 高尚,陳鋼;可靠性優(yōu)化的一種新的啟發(fā)式算法[J];工程設計學報;2004年03期

相關博士學位論文 前10條

1 古繼興;KOD多播技術與Steiner樹啟發(fā)式算法[D];上海交通大學;2007年

2 董興業(yè);啟發(fā)式算法及其在同順序流水作業(yè)問題中的應用[D];北京交通大學;2008年

3 馬華偉;帶時間窗車輛路徑問題及其啟發(fā)式算法研究[D];合肥工業(yè)大學;2008年

4 胡大偉;設施定位和車輛路線問題模型及其啟發(fā)式算法研究[D];長安大學;2008年

5 石文;空中交通管理優(yōu)化問題研究[D];天津大學;2014年

6 楊玉珍;基于元啟發(fā)式算法的帶生產(chǎn)約束作業(yè)車間調度問題若干研究[D];華東理工大學;2014年

7 鄧冠龍;基于元啟發(fā)式算法的調度問題若干研究[D];華東理工大學;2012年

8 鄭君璽;一類混合生產(chǎn)線調度與數(shù)值仿真技術的研究[D];華南理工大學;2016年

9 李常敏;兩層規(guī)劃的逼近理論及算法研究[D];復旦大學;2010年

10 符卓;開放式車輛路徑問題及其應用研究[D];中南大學;2003年

相關碩士學位論文 前10條

1 霍超;求解多目標無約束二元二次規(guī)劃問題的元啟發(fā)式算法研究[D];電子科技大學;2018年

2 羅云鳳;基于啟發(fā)式智能搜索的貨運列車節(jié)能優(yōu)化研究[D];江西理工大學;2018年

3 苗曉燕;基于啟發(fā)式算法邊坡及支擋結構穩(wěn)定性分析方法[D];湖南大學;2017年

4 邊哲永;基于兩種改進策略的亞啟發(fā)式算法求解路徑相關問題研究[D];天津大學;2016年

5 劉暢;基于混合啟發(fā)式算法的單線公交車輛調度問題研究[D];北京交通大學;2016年

6 姜毅;擾動型超啟發(fā)式算法的適應度地貌分析[D];大連理工大學;2013年

7 趙強;啟發(fā)式算法在自動文本分類中的研究與應用[D];電子科技大學;2017年

8 張仁星;基于啟發(fā)式算法的集裝箱堆場優(yōu)化研究[D];大連海事大學;2011年

9 徐濛;基于啟發(fā)式算法的物流配送路線優(yōu)化設計[D];山東大學;2014年

10 張偉偉;基于兩種新型元啟發(fā)式算法的作業(yè)車間調度問題研究[D];華北電力大學;2016年

本文編號：2843613