常用遺傳算法研究ATO速度曲線,但其存在著局部搜索能力和全局收斂效果較差的缺點。針對此問題,提出一種基于自適應變異算子的變異策略,并結合精英保存策略使算法全局收斂。然后基于列車動力學和牽引制動模型,建立多目標優(yōu)化模型,用于求解ATO速度曲線。結果表明:改進算法比標準遺傳算法效果更優(yōu),生成的ATO速度曲線符合相應模式的牽引控制策略,且算法具有一定的參考價值。 

【文章來源】：鐵路通信信號工程技術. 2020,17(09)

【文章頁數(shù)】：6 頁

【文章目錄】：
1 概述
2 列車動力學模型與運行過程
    2.1 列車動力學模型
    2.2 列車運行過程
3 算法設計
    3.1 染色體設計
    3.2 基因值約束
    3.3 適應度函數(shù)
    3.4 變異策略
        3.4.1 全局搜索策略
        3.4.2 局部搜索策略
    3.5 算法實現(xiàn)
4 結果分析
    4.1 仿真數(shù)據(jù)
    4.2 案例結果
        1）與SGA對比結果
        2)ATO速度曲線結果
5 結論


【參考文獻】：
期刊論文
[1]南寧地鐵1號線列車能耗統(tǒng)計分析[J]. 張煥,賀德強,向偉彬,沈國強.  鐵道科學與工程學報. 2019(01)
[2]ATO列車惰行模式節(jié)能應用研究[J]. 黃璞.  都市快軌交通. 2016(04)
[3]地鐵車輛牽引仿真計算[J]. 何曄,胡彩鳳,吳能峰,楊北輝.  鐵道機車車輛. 2015(06)



本文編號：3339768