城市軌道交通由于具有運(yùn)輸人次多、線路長(zhǎng)、間隔時(shí)間短、時(shí)速快、準(zhǔn)時(shí)性高等特點(diǎn)已經(jīng)成為城市中的主流交通運(yùn)輸工具,且其線路數(shù)量及運(yùn)營(yíng)里程仍在不斷增加,因此作為國(guó)民經(jīng)濟(jì)中能耗最大的行業(yè)之一,列車(chē)的節(jié)能運(yùn)行顯得尤為重要。其中,列車(chē)在運(yùn)行過(guò)程中由于牽引做功所消耗的能量占據(jù)總能耗一半的比率,因此,通過(guò)優(yōu)化推薦速度曲線以降低牽引能耗的研究具有重要的現(xiàn)實(shí)意義。結(jié)合現(xiàn)有對(duì)推薦速度曲線進(jìn)行優(yōu)化的遺傳算法、粒子群算法均容易陷入局部收斂的現(xiàn)狀,本文提出應(yīng)用尋優(yōu)精度高、收斂速度快且全局尋優(yōu)能力強(qiáng)的人工蜂群算法對(duì)列車(chē)推薦速度曲線進(jìn)行優(yōu)化,主要工作如下:（1）分析運(yùn)行中列車(chē)的受力情況,建立動(dòng)力學(xué)模型,并根據(jù)動(dòng)力學(xué)方程應(yīng)用極大值原理,建立哈密爾頓函數(shù),引入拉格朗日算子分析得到列車(chē)的最優(yōu)操縱策略。以能耗和站間運(yùn)行時(shí)間誤差為優(yōu)化目標(biāo),建立多目標(biāo)優(yōu)化模型,將推薦速度曲線的優(yōu)化問(wèn)題轉(zhuǎn)化為在速度-距離二維空間中尋找能耗最低、運(yùn)行時(shí)間誤差最小的路徑規(guī)劃問(wèn)題。（2）通過(guò)算法對(duì)比的方式驗(yàn)證人工蜂群（ABC）算法的尋優(yōu)精度、穩(wěn)定性、收斂速度等性能,將粒子群算法和差分進(jìn)化算法作為對(duì)比,應(yīng)用MATLAB分別用三種算法對(duì)單峰單極值函數(shù)Sphe... 

【文章頁(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 列車(chē)節(jié)能優(yōu)化操縱策略研究現(xiàn)狀
        1.2.2 推薦速度曲線優(yōu)化算法研究現(xiàn)狀
        1.2.3 現(xiàn)有研究方法的不足及改進(jìn)
    1.3 論文主要內(nèi)容及章節(jié)安排
2 列車(chē)自動(dòng)運(yùn)行系統(tǒng)及運(yùn)行模型
    2.1 列車(chē)自動(dòng)運(yùn)行系統(tǒng)
    2.2 列車(chē)運(yùn)行動(dòng)力學(xué)模型
        2.2.1 列車(chē)牽引力
        2.2.2 列車(chē)制動(dòng)力
        2.2.3 列車(chē)運(yùn)行阻力
        2.2.4 動(dòng)力學(xué)模型
        2.2.5 列車(chē)節(jié)能運(yùn)行工況及其轉(zhuǎn)換原則
    2.3 其他約束指標(biāo)
        2.3.1 準(zhǔn)點(diǎn)率
        2.3.2 停車(chē)精度
        2.3.3 乘客舒適度
    2.4 本章小結(jié)
3 人工蜂群算法
    3.1 生物學(xué)原理
    3.2 基本模型
    3.3 算法實(shí)現(xiàn)步驟
    3.4 特點(diǎn)分析
    3.5 尋優(yōu)性能仿真驗(yàn)證
        3.5.1 Sphere Model函數(shù)
        3.5.2 Griewank函數(shù)
        3.5.3 Generalized Rosenbrock函數(shù)
        3.5.4 維數(shù)、迭代次數(shù)對(duì)算法的影響
    3.6 本章小結(jié)
4 基于人工蜂群算法的推薦速度曲線優(yōu)化
    4.1 問(wèn)題與假設(shè)
    4.2 多目標(biāo)優(yōu)化問(wèn)題
        4.2.1 多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)模型
        4.2.2 多目標(biāo)優(yōu)化問(wèn)題的解決方法
    4.3 列車(chē)節(jié)能優(yōu)化設(shè)計(jì)策略
        4.3.1 列車(chē)運(yùn)行操縱策略
        4.3.2 坡度等效策略
        4.3.3 變量離散化
    4.4 基于ABC的推薦速度曲線單目標(biāo)節(jié)能優(yōu)化
        4.4.1 模型建立
        4.4.2 算法求解過(guò)程
    4.5 基于改進(jìn)ABC的推薦速度曲線多目標(biāo)節(jié)能優(yōu)化
        4.5.1 模型建立
        4.5.2 多目標(biāo)人工蜂群算法
        4.5.3 算法求解過(guò)程
    4.6 本章小結(jié)
5 仿真與分析
    5.1 基礎(chǔ)數(shù)據(jù)
        5.1.1 線路數(shù)據(jù)
        5.1.2 車(chē)輛數(shù)據(jù)
        5.1.3 控制策略
    5.2 單目標(biāo)優(yōu)化與多目標(biāo)優(yōu)化的仿真驗(yàn)證
    5.3 等分區(qū)間與非等分區(qū)間的仿真驗(yàn)證
    5.4 不同控制策略下的仿真驗(yàn)證
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
圖索引
表索引
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]列車(chē)節(jié)能運(yùn)行目標(biāo)速度控制優(yōu)化研究[J]. 楊彥強(qiáng),劉海東,麻存瑞,徐靚.  交通運(yùn)輸系統(tǒng)工程與信息. 2019(01)
[2]基于PSO的軌道交通列車(chē)節(jié)能控制優(yōu)化研究[J]. 李燁,郭子立,郭奕杉.  控制工程. 2018(10)
[3]基于改進(jìn)遺傳算法的列車(chē)運(yùn)行曲線優(yōu)化[J]. 紀(jì)云霞,孫鵬飛,毛暢海,王青元.  計(jì)算機(jī)與現(xiàn)代化. 2018(08)
[4]Research on Multi-Objective Real-Time Optimization of Automatic Train Operation（ATO） in Urban Rail Transit[J]. 何彤,熊瑞琦.  Journal of Shanghai Jiaotong University（Science）. 2018(02)
[5]采用預(yù)測(cè)控制的地鐵節(jié)能優(yōu)化控制算法[J]. 汪仁智,李德偉,席裕庚.  控制理論與應(yīng)用. 2017(09)
[6]人工蜂群算法研究綜述[J]. 何堯,劉建華,楊榮華.  計(jì)算機(jī)應(yīng)用研究. 2018(05)
[7]基于免疫粒子群算法的地鐵列車(chē)節(jié)能優(yōu)化研究[J]. 譚文舉,賀德強(qiáng),王合良.  機(jī)車(chē)電傳動(dòng). 2017(02)
[8]基于粒子群算法的面向節(jié)能的單/多列車(chē)優(yōu)化決策問(wèn)題[J]. 葉慶仕,張虹,趙蓉蓉.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2016(15)
[9]基于極大值原理的電動(dòng)車(chē)組節(jié)能操縱[J]. 梁志成,王青元,何坤,馮曉云.  鐵道學(xué)報(bào). 2015(10)
[10]自適應(yīng)遺傳算法在列車(chē)節(jié)能優(yōu)化中的應(yīng)用[J]. 王鵬玲,林軒,李躍宗,馮曉云.  計(jì)算機(jī)仿真. 2012(11)

博士論文
[1]基于人工蜂群算法的最優(yōu)潮流相關(guān)技術(shù)研究[D]. 何宣虎.北京交通大學(xué) 2016
[2]幾類(lèi)優(yōu)化問(wèn)題的人工蜂群算法[D]. 孔翔宇.西安電子科技大學(xué) 2016
[3]城市軌道交通多列車(chē)運(yùn)行節(jié)能優(yōu)化控制[D]. 唐海川.西南交通大學(xué) 2015

碩士論文
[1]高速列車(chē)追蹤運(yùn)行節(jié)能優(yōu)化與控制[D]. 高堅(jiān).北京交通大學(xué) 2018
[2]基于GA-SPSO算法的列車(chē)速度曲線優(yōu)化算法研究[D]. 陶細(xì)華.山東科技大學(xué) 2017
[3]多機(jī)牽引重載列車(chē)分布式協(xié)同控制[D]. 張靖林.北京交通大學(xué) 2017
[4]基于Pareto多目標(biāo)遺傳算法的列車(chē)節(jié)能運(yùn)行方法研究[D]. 桂行東.南京理工大學(xué) 2017
[5]基于蟻群算法的列車(chē)推薦速度曲線優(yōu)化[D]. 范禮乾.北京交通大學(xué) 2016
[6]基于遺傳算法的高速列車(chē)節(jié)能運(yùn)行控制研究[D]. 王成莉.北京交通大學(xué) 2016
[7]高速列車(chē)節(jié)能優(yōu)化操縱方法的研究[D]. 耿超.西南交通大學(xué) 2016
[8]群智能算法在列車(chē)運(yùn)行速度曲線節(jié)能優(yōu)化中的研究[D]. 李卓玥.北京交通大學(xué) 2016
[9]基于粒子群算法的城市軌道交通列車(chē)節(jié)能優(yōu)化研究[D]. 李玲玉.北京交通大學(xué) 2016
[10]城軌列車(chē)速度曲線影響因素分析及其節(jié)能優(yōu)化[D]. 蔡虎.北京交通大學(xué) 2016



本文編號(hào)：3648676