本文關鍵詞：群智能算法在列車運行速度曲線節(jié)能優(yōu)化中的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：鐵路運輸是我國最重要的交通運輸方式之一,它擔負著關系國民經濟和社會發(fā)展的重要任務。隨著鐵路建設蓬勃發(fā)展,鐵路運輸能源消耗量也呈現(xiàn)總體上升趨勢,其中機車牽引能耗占鐵路運輸能耗的60%-70%。因此,機車牽引系統(tǒng)的節(jié)能提效對鐵路運輸節(jié)能具有重大意義。在技術集群層面,列車運行速度曲線優(yōu)化是提高列車牽引系統(tǒng)效率的主要措施之一。本文主要研究了列車節(jié)能運行速度曲線優(yōu)化算法,基于列車運行數學模型和列車節(jié)能理論,在MATLAB仿真環(huán)境中對比研究了粒子群算法、改進的蟻群算法和粒子群-蟻群混合算法在列車節(jié)能運行速度曲線優(yōu)化中的應用,并運用DYNAMIS工具搭建列車運行模型對各算法仿真結果進行檢驗。具體包含以下幾個研究內容：(1)根據列車動力學、運動學模型建立基于能量守恒原則的列車牽引系統(tǒng)能耗目標函數及約束條件,通過Hamiltonian函數,并聯(lián)合Karush-Kuhn-Tucker最優(yōu)化條件與Lagrange算子分析了列車運行模態(tài)轉換原則。引入復雜線路條件下陡上坡和陡下坡概念,針對各階段的特征,分析了在理想狀態(tài)下各階段的優(yōu)化策略,并推導了連續(xù)坡道優(yōu)化操縱方案。(2)通過研究粒子群算法解決列車目標速度曲線節(jié)能優(yōu)化問題的可行性,設計了包括預處理模塊、查詢矩陣模塊、坡道處理經驗引入模塊、粒子群模塊和路徑信息模塊的速度曲線優(yōu)化模型,并創(chuàng)建列車運行速度控制信號對應表和平衡目標時間與能耗的適應度函數調整規(guī)則。仿真結果分析顯示,列車能耗會隨著計劃旅行時間的增加而減小,此算法具有較高的計算精度與計算速度。(3)結合蟻群算法優(yōu)化速度快的特點,運用列車節(jié)能經驗并改進信息素調整方案,建立了基于蟻群算法的列車目標速度曲線節(jié)能優(yōu)化模型,并搭建利用啟發(fā)因子平衡列車能耗和運行時間的子模塊。仿真結果顯示,改進后的蟻群算法在計算精度和計算速度上都有提升。(4)根據仿真結果顯示的粒子群和蟻群算法優(yōu)缺點,搭建利用蟻群算法解決粒子群算法中參數自適應的混合算法模型,并建立以節(jié)能為目標的算法間相互反饋機制。優(yōu)化結果顯示,此改進進一步提高了算法綜合性能。(5)以收斂代數、收斂精度、收斂速度等為算法性能評價指標,對粒子群算法、蟻群算法、粒子群-蟻群混合算法進行對比分析,并運用DYNAMIS軟件對三種算法優(yōu)化的目標速度曲線進行了模擬驗證。本文致力于列車目標速度曲線節(jié)能優(yōu)化理論和實踐研究,重點研究了目標速度曲線優(yōu)化算法,為優(yōu)秀的在線操縱指導輔助系統(tǒng)的開發(fā)奠定基礎,以期降低列車牽引系統(tǒng)能耗,進而推進鐵路運輸行業(yè)的節(jié)能降耗。
【關鍵詞】：列車節(jié)能 運行曲線優(yōu)化 牽引系統(tǒng) 粒子群算法 蟻群算法 粒子群-蟻群混合算法
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U268.6;TP18
【目錄】：

• 致謝5-6
• 摘要6-8
• ABSTRACT8-13
• 1 緒論13-19
• 1.1 研究背景13-14
• 1.2 研究現(xiàn)狀14-16
• 1.2.1 國外研究現(xiàn)狀14-15
• 1.2.2 國內研究現(xiàn)狀15-16
• 1.3 選題意義16
• 1.4 本文結構安排16-19
• 2 列車運行數學模型19-33
• 2.1 列車動力學模型19-21
• 2.1.1 牽引力20
• 2.1.2 運行阻力20-21
• 2.1.3 列車制動力21
• 2.2 列車運動學模型21-25
• 2.2.1 列車狀態(tài)轉移模型21-22
• 2.2.2 質點列車轉化模型22-23
• 2.2.3 列車能耗模型23-24
• 2.2.4 約束條件24-25
• 2.3 列車運行相位轉換原則25-27
• 2.4 列車節(jié)能典型情況討論27-31
• 2.4.1 單個陡上坡最優(yōu)運行方案討論27-29
• 2.4.2 單個陡下坡最優(yōu)運行方案討論29-31
• 2.4.3 連續(xù)坡道最優(yōu)化運行方案推導流程31
• 2.5 本章小結31-33
• 3 基于粒子群算法的列車目標速度曲線優(yōu)化33-63
• 3.1 粒子群算法簡介33
• 3.2 算法可行性分析33-35
• 3.2.1 問題描述34
• 3.2.2 可收斂性證明34-35
• 3.3 基于粒子群的優(yōu)化算法模型設計35-44
• 3.3.1 預處理模塊36
• 3.3.2 查詢矩陣模塊36-39
• 3.3.3 粒子群模塊39-44
• 3.3.4 路徑信息模塊44
• 3.4 列車運行速度曲線優(yōu)化系統(tǒng)介紹44-47
• 3.5 仿真及分析47-61
• 3.5.1 仿真案例一47-57
• 3.5.2 仿真案例二57-61
• 3.6 本章小結61-63
• 4 基于蟻群算法的列車目標速度曲線優(yōu)化63-77
• 4.1 蟻群算法簡介63
• 4.2 基于蟻群的優(yōu)化算法模型設計63-69
• 4.2.1 三維查詢矩陣模塊64-65
• 4.2.2 蟻群模塊65-68
• 4.2.3 能耗、時間均衡子模塊68-69
• 4.3 仿真及分析69-75
• 4.3.1 仿真案例一69-72
• 4.3.2 仿真實例二72-75
• 4.4 本章小結75-77
• 5 基于粒子群-蟻群混合算法的列車目標速度曲線優(yōu)化77-91
• 5.1 混合算法的提出77-78
• 5.2 基于混合算法的列車速度曲線優(yōu)化步驟78-82
• 5.3 混合算法仿真結果及算法比較82-89
• 5.3.1 仿真案例一82-87
• 5.3.2 仿真案例二87-89
• 5.4 本章小結89-91
• 6 算法比較及驗證91-105
• 6.1 性能指標選取91
• 6.2 適應度值比較91-94
• 6.3 收斂代數分析94-96
• 6.4 收斂精度分析96-102
• 6.4.1 收斂精度及其穩(wěn)定性分析96-100
• 6.4.2 DYNAMIS驗證100-102
• 6.5 收斂速度分析102
• 6.6 本章小結102-105
• 7 結論105-107
• 參考文獻107-111
• 作者簡歷及攻讀碩士學位期間取得的研究成果111-115
• 學位論文數據集115

【相似文獻】

中國期刊全文數據庫 前10條

1 王金城;王曉琳;龐古風;;關聯(lián)規(guī)則挖掘算法及其在冷軋生產中的應用[J];清華大學學報(自然科學版);2007年S2期

2 黃超君;范劍波;;Apriori算法的分析與改進[J];寧波工程學院學報;2013年02期

3 邱昕;甘超;江雄心;涂海寧;顧嘉;;基于云計算環(huán)境下Apriori算法的設備故障診斷技術研究[J];組合機床與自動化加工技術;2014年04期

4 吳通,李桂琴,富麗,余隋懷,陸長德;油漆調色系統(tǒng)的改進算法[J];西北工業(yè)大學學報;2003年03期

5 王嘉;湯大權;謝羿;;過程挖掘算法[J];火力與指揮控制;2011年08期

6 黃穎琦;;Active LeZi算法的改進[J];制造業(yè)自動化;2012年14期

7 鄧勇,施文康;發(fā)現(xiàn)頻繁情節(jié)的改進算法[J];上海交通大學學報;2005年03期

8 張友新;王立宏;;兩階段近鄰傳播半監(jiān)督聚類算法[J];山東大學學報(工學版);2012年02期

9 胡森森;周賢善;;一種改進蟻群算法的研究[J];長江大學學報(自科版)理工卷;2006年04期

10 段海濱;王道波;于秀芬;;蟻群算法的研究現(xiàn)狀及其展望[J];中國工程科學;2007年02期

中國重要會議論文全文數據庫 前10條

1 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會——2004年學術年會論文集[C];2004年

2 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會2004年學術年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進的Apriori算法的研究[A];廣西計算機學會2012年學術年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實現(xiàn)[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進算法[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴展的圖形學算法演示系統(tǒng)的研究[A];’2004計算機應用技術交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進算法[A];廣西計算機學會25周年紀念會暨2011年學術年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計算機學會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數據庫學術會議論文集（研究報告篇）[C];2006年

中國博士學位論文全文數據庫 前10條

1 鐘永騰;基于近場MUSIC算法的復合材料結構健康監(jiān)測研究[D];南京航空航天大學;2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應用[D];西安電子科技大學;2015年

3 苗義烽;突發(fā)事件下的列車運行調度模型與算法研究[D];中國鐵道科學研究院;2015年

4 單美靜;求解非線性實代數系統(tǒng)的混合算法研究[D];華東師范大學;2008年

5 邱劍鋒;人工蜂群算法的改進方法與收斂性理論的研究[D];安徽大學;2014年

6 潘磊;若干社區(qū)發(fā)現(xiàn)算法研究[D];南京大學;2014年

7 陳俊波;頻繁閉合項集挖掘算法及應用研究[D];浙江大學;2009年

8 陸楠;關聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學;2007年

9 范洪博;快速精確字符串匹配算法研究[D];哈爾濱工程大學;2011年

10 寇曉麗;群智能算法及其應用研究[D];西安電子科技大學;2009年

中國碩士學位論文全文數據庫 前10條

1 安世勇;命題邏輯中隨機3-SAT問題算法研究[D];西南交通大學;2015年

2 畢曉慶;油氣探礦權競爭性出讓系統(tǒng)設計與實現(xiàn)[D];中國地質大學(北京);2015年

3 王明明;鐵路大機與線路固定設施間距檢測算法研究[D];西南交通大學;2015年

4 李靜;基于視頻圖像序列的運動目標檢測與跟蹤算法研究[D];寧夏大學;2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關鍵技術研究[D];西南交通大學;2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學;2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災應急疏散最優(yōu)路徑研究[D];西南交通大學;2015年

8 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質大學(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應用與改進[D];長安大學;2015年

10 信琴琴;手勢控制和識別算法研究[D];閩南師范大學;2015年

  本文關鍵詞：群智能算法在列車運行速度曲線節(jié)能優(yōu)化中的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：312538