隨著國民經(jīng)濟(jì)的快速發(fā)展,以及環(huán)境污染問題的日益嚴(yán)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(jì)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(guān)注。同一列車在規(guī)定運(yùn)行時(shí)分到達(dá)既定站點(diǎn)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(xué)、運(yùn)動學(xué)模型的基礎(chǔ)上;基于列車能耗目標(biāo)函數(shù);以運(yùn)行限速、加速度、停車精度以及行車時(shí)間等為約束條件;然后,對列車手柄位進(jìn)行實(shí)數(shù)編碼;設(shè)計(jì)了四階式節(jié)能策略進(jìn)行啟發(fā)優(yōu)化,以此來實(shí)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(yùn)列車運(yùn)行進(jìn)行優(yōu)化。在對粒子群算法的概念、基本原理、算法流程進(jìn)行簡要介紹的基礎(chǔ)上,對粒子群算法進(jìn)行了優(yōu)化算法設(shè)計(jì)。在Matlab仿真環(huán)境下對算法進(jìn)行仿真,結(jié)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(yùn)行優(yōu)化問題的具體行業(yè)特點(diǎn)和工程應(yīng)用實(shí)際需求,采用手柄位實(shí)數(shù)編碼方式展開算法設(shè)計(jì);基于啟發(fā)式遺傳算法的四階式列車節(jié)能運(yùn)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(biāo)構(gòu)建目標(biāo)函數(shù),并加入時(shí)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(zhǔn)則。由仿真結(jié)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(yàn)證,與粒子群算法結(jié)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(yùn)行優(yōu)化策略,來保證整個(gè)尋優(yōu)過程的快速、高效。
【學(xué)位單位】：江西理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(jìn)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(jì)算準(zhǔn)確度，具有計(jì)算時(shí)間少，魯棒性高等優(yōu)點(diǎn)，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(jié)合在一起，來達(dá)到列標(biāo)速度曲線的高效優(yōu)化的目的，是非常具有理論意義和實(shí)際應(yīng)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(jìn)行可靠的定量分析，本章由先驗(yàn)經(jīng)驗(yàn)和數(shù)據(jù)建立相對精確的數(shù)學(xué)模型，其中涉及牛頓力學(xué)定律、能量守恒定律，然后對運(yùn)動學(xué)和力學(xué)型進(jìn)行了詳細(xì)分析。確立能耗模型、目標(biāo)函數(shù)，以及加入時(shí)間誤差、速度誤差、位移差、加速度誤差等罰函數(shù)的評價(jià)函數(shù)。針對列車運(yùn)行限速要求、最大牽引力限制、停精度、時(shí)間約束等約束條件下，設(shè)計(jì)了基于標(biāo)準(zhǔn)四階式列車運(yùn)行優(yōu)化的啟發(fā)式節(jié)能策略2.1 列車牛頓力學(xué)模型2.1.1 列車受力分析由于在實(shí)際列車運(yùn)行線路中存在坡道、彎道，而列車在坡道上會受到不同性質(zhì)、同方向、不同大小的力的作用，將導(dǎo)致受力情況非常復(fù)雜。但是，本文所要達(dá)到的目是降低貨運(yùn)列車運(yùn)行能耗，因此只用考慮運(yùn)行方向上的受力。其中有三種力與列車運(yùn)速度有關(guān)：列車制動力、列車牽引力、列車運(yùn)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(yùn)行加速度，2m / s；M ——列車總質(zhì)量，Kg 。當(dāng) 0cF 時(shí)，列車將加速運(yùn)行；當(dāng) 0cF 時(shí)，列車將減速運(yùn)行；當(dāng) 0cF 時(shí)，列運(yùn)行。 列車工況列車運(yùn)行時(shí)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(shí)，列車主要存在牽引力Q和運(yùn)行基本阻力B ，所受合力 FQc 2）勻速模式時(shí)，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(shí)，列車只受阻力作用，所受合力 F-Bc ；4）制動模式時(shí)，列車主要存在阻力B 和制動力Z ，所受合F- BZ c 。
【相似文獻(xiàn)】

相關(guān)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(wù)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(yuǎn);周佩德;王強(qiáng);;最優(yōu)運(yùn)輸徑路選擇的啟發(fā)式算法[J];南京工學(xué)院學(xué)報(bào);1987年06期

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

5 邢琳;;一種啟發(fā)式識別被積函數(shù)算法的設(shè)計(jì)與實(shí)現(xiàn)[J];中南礦冶學(xué)院學(xué)報(bào);1988年01期

6 郭耀煌,范莉莉;貨運(yùn)汽車調(diào)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(shù)與應(yīng)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(shè)計(jì)與實(shí)現(xiàn)[J];圖學(xué)學(xué)報(bào);2017年01期

9 潘立軍;符卓;;求解帶硬時(shí)間窗車輛路徑問題的時(shí)差插入啟發(fā)式算法[J];計(jì)算機(jī)應(yīng)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(shè)計(jì)學(xué)報(bào);2004年03期

相關(guān)博士學(xué)位論文 前10條

1 古繼興;KOD多播技術(shù)與Steiner樹啟發(fā)式算法[D];上海交通大學(xué);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(yīng)用[D];北京交通大學(xué);2008年

3 馬華偉;帶時(shí)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(xué);2008年

4 胡大偉;設(shè)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(xué);2008年

5 石文;空中交通管理優(yōu)化問題研究[D];天津大學(xué);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(diào)度問題若干研究[D];華東理工大學(xué);2014年

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

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

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

10 符卓;開放式車輛路徑問題及其應(yīng)用研究[D];中南大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 霍超;求解多目標(biāo)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(xué);2018年

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

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

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

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

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

7 趙強(qiáng);啟發(fā)式算法在自動文本分類中的研究與應(yīng)用[D];電子科技大學(xué);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(xué);2011年

9 徐濛;基于啟發(fā)式算法的物流配送路線優(yōu)化設(shè)計(jì)[D];山東大學(xué);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(diào)度問題研究[D];華北電力大學(xué);2016年

本文編號：2843613