本文關(guān)鍵詞：群智能算法在列車運(yùn)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(yùn)輸是我國(guó)最重要的交通運(yùn)輸方式之一,它擔(dān)負(fù)著關(guān)系國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的重要任務(wù)。隨著鐵路建設(shè)蓬勃發(fā)展,鐵路運(yùn)輸能源消耗量也呈現(xiàn)總體上升趨勢(shì),其中機(jī)車牽引能耗占鐵路運(yùn)輸能耗的60%-70%。因此,機(jī)車牽引系統(tǒng)的節(jié)能提效對(duì)鐵路運(yùn)輸節(jié)能具有重大意義。在技術(shù)集群層面,列車運(yùn)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(yùn)行速度曲線優(yōu)化算法,基于列車運(yùn)行數(shù)學(xué)模型和列車節(jié)能理論,在MATLAB仿真環(huán)境中對(duì)比研究了粒子群算法、改進(jìn)的蟻群算法和粒子群-蟻群混合算法在列車節(jié)能運(yùn)行速度曲線優(yōu)化中的應(yīng)用,并運(yùn)用DYNAMIS工具搭建列車運(yùn)行模型對(duì)各算法仿真結(jié)果進(jìn)行檢驗(yàn)。具體包含以下幾個(gè)研究?jī)?nèi)容：(1)根據(jù)列車動(dòng)力學(xué)、運(yùn)動(dòng)學(xué)模型建立基于能量守恒原則的列車牽引系統(tǒng)能耗目標(biāo)函數(shù)及約束條件,通過(guò)Hamiltonian函數(shù),并聯(lián)合Karush-Kuhn-Tucker最優(yōu)化條件與Lagrange算子分析了列車運(yùn)行模態(tài)轉(zhuǎn)換原則。引入復(fù)雜線路條件下陡上坡和陡下坡概念,針對(duì)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(dǎo)了連續(xù)坡道優(yōu)化操縱方案。(2)通過(guò)研究粒子群算法解決列車目標(biāo)速度曲線節(jié)能優(yōu)化問(wèn)題的可行性,設(shè)計(jì)了包括預(yù)處理模塊、查詢矩陣模塊、坡道處理經(jīng)驗(yàn)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(yùn)行速度控制信號(hào)對(duì)應(yīng)表和平衡目標(biāo)時(shí)間與能耗的適應(yīng)度函數(shù)調(diào)整規(guī)則。仿真結(jié)果分析顯示,列車能耗會(huì)隨著計(jì)劃旅行時(shí)間的增加而減小,此算法具有較高的計(jì)算精度與計(jì)算速度。(3)結(jié)合蟻群算法優(yōu)化速度快的特點(diǎn),運(yùn)用列車節(jié)能經(jīng)驗(yàn)并改進(jìn)信息素調(diào)整方案,建立了基于蟻群算法的列車目標(biāo)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(yùn)行時(shí)間的子模塊。仿真結(jié)果顯示,改進(jìn)后的蟻群算法在計(jì)算精度和計(jì)算速度上都有提升。(4)根據(jù)仿真結(jié)果顯示的粒子群和蟻群算法優(yōu)缺點(diǎn),搭建利用蟻群算法解決粒子群算法中參數(shù)自適應(yīng)的混合算法模型,并建立以節(jié)能為目標(biāo)的算法間相互反饋機(jī)制。優(yōu)化結(jié)果顯示,此改進(jìn)進(jìn)一步提高了算法綜合性能。(5)以收斂代數(shù)、收斂精度、收斂速度等為算法性能評(píng)價(jià)指標(biāo),對(duì)粒子群算法、蟻群算法、粒子群-蟻群混合算法進(jìn)行對(duì)比分析,并運(yùn)用DYNAMIS軟件對(duì)三種算法優(yōu)化的目標(biāo)速度曲線進(jìn)行了模擬驗(yàn)證。本文致力于列車目標(biāo)速度曲線節(jié)能優(yōu)化理論和實(shí)踐研究,重點(diǎn)研究了目標(biāo)速度曲線優(yōu)化算法,為優(yōu)秀的在線操縱指導(dǎo)輔助系統(tǒng)的開(kāi)發(fā)奠定基礎(chǔ),以期降低列車牽引系統(tǒng)能耗,進(jìn)而推進(jìn)鐵路運(yùn)輸行業(yè)的節(jié)能降耗。
【關(guān)鍵詞】：列車節(jié)能 運(yùn)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(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：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(guó)外研究現(xiàn)狀14-15
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀15-16
• 1.3 選題意義16
• 1.4 本文結(jié)構(gòu)安排16-19
• 2 列車運(yùn)行數(shù)學(xué)模型19-33
• 2.1 列車動(dòng)力學(xué)模型19-21
• 2.1.1 牽引力20
• 2.1.2 運(yùn)行阻力20-21
• 2.1.3 列車制動(dòng)力21
• 2.2 列車運(yùn)動(dòng)學(xué)模型21-25
• 2.2.1 列車狀態(tài)轉(zhuǎn)移模型21-22
• 2.2.2 質(zhì)點(diǎn)列車轉(zhuǎn)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(yùn)行相位轉(zhuǎn)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(gè)陡上坡最優(yōu)運(yùn)行方案討論27-29
• 2.4.2 單個(gè)陡下坡最優(yōu)運(yùn)行方案討論29-31
• 2.4.3 連續(xù)坡道最優(yōu)化運(yùn)行方案推導(dǎo)流程31
• 2.5 本章小結(jié)31-33
• 3 基于粒子群算法的列車目標(biāo)速度曲線優(yōu)化33-63
• 3.1 粒子群算法簡(jiǎn)介33
• 3.2 算法可行性分析33-35
• 3.2.1 問(wèn)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(shè)計(jì)35-44
• 3.3.1 預(yù)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(yùn)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(jié)61-63
• 4 基于蟻群算法的列車目標(biāo)速度曲線優(yōu)化63-77
• 4.1 蟻群算法簡(jiǎn)介63
• 4.2 基于蟻群的優(yōu)化算法模型設(shè)計(jì)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(shí)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(shí)例二72-75
• 4.4 本章小結(jié)75-77
• 5 基于粒子群-蟻群混合算法的列車目標(biāo)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(jié)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(jié)89-91
• 6 算法比較及驗(yàn)證91-105
• 6.1 性能指標(biāo)選取91
• 6.2 適應(yīng)度值比較91-94
• 6.3 收斂代數(shù)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(yàn)證100-102
• 6.5 收斂速度分析102
• 6.6 本章小結(jié)102-105
• 7 結(jié)論105-107
• 參考文獻(xiàn)107-111
• 作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果111-115
• 學(xué)位論文數(shù)據(jù)集115

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王金城;王曉琳;龐古風(fēng);;關(guān)聯(lián)規(guī)則挖掘算法及其在冷軋生產(chǎn)中的應(yīng)用[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S2期

2 黃超君;范劍波;;Apriori算法的分析與改進(jìn)[J];寧波工程學(xué)院學(xué)報(bào);2013年02期

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

4 吳通,李桂琴,富麗,余隋懷,陸長(zhǎng)德;油漆調(diào)色系統(tǒng)的改進(jìn)算法[J];西北工業(yè)大學(xué)學(xué)報(bào);2003年03期

5 王嘉;湯大權(quán);謝羿;;過(guò)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(jìn)[J];制造業(yè)自動(dòng)化;2012年14期

7 鄧勇,施文康;發(fā)現(xiàn)頻繁情節(jié)的改進(jìn)算法[J];上海交通大學(xué)學(xué)報(bào);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(xué)學(xué)報(bào)(工學(xué)版);2012年02期

9 胡森森;周賢善;;一種改進(jìn)蟻群算法的研究[J];長(zhǎng)江大學(xué)學(xué)報(bào)(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(guó)工程科學(xué);2007年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會(huì)——2004年學(xué)術(shù)年會(huì)論文集[C];2004年

2 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會(huì)2004年學(xué)術(shù)年會(huì)論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進(jìn)的Apriori算法的研究[A];廣西計(jì)算機(jī)學(xué)會(huì)2012年學(xué)術(shù)年會(huì)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(shí)現(xiàn)[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

5 趙唯;;晶粒度評(píng)級(jí)的改進(jìn)算法[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

6 劉啟文;;可擴(kuò)展的圖形學(xué)算法演示系統(tǒng)的研究[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)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(jìn)算法[A];廣西計(jì)算機(jī)學(xué)會(huì)25周年紀(jì)念會(huì)暨2011年學(xué)術(shù)年會(huì)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(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[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(jì)算機(jī)學(xué)會(huì)2009年年會(huì)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(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 鐘永騰;基于近場(chǎng)MUSIC算法的復(fù)合材料結(jié)構(gòu)健康監(jiān)測(cè)研究[D];南京航空航天大學(xué);2014年

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

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

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

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

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

7 陳俊波;頻繁閉合項(xiàng)集挖掘算法及應(yīng)用研究[D];浙江大學(xué);2009年

8 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);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(xué);2011年

10 寇曉麗;群智能算法及其應(yīng)用研究[D];西安電子科技大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 安世勇;命題邏輯中隨機(jī)3-SAT問(wèn)題算法研究[D];西南交通大學(xué);2015年

2 畢曉慶;油氣探礦權(quán)競(jìng)爭(zhēng)性出讓系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

3 王明明;鐵路大機(jī)與線路固定設(shè)施間距檢測(cè)算法研究[D];西南交通大學(xué);2015年

4 李靜;基于視頻圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];寧夏大學(xué);2015年

5 劉貝玲;基于天地圖的租房平臺(tái)開(kāi)發(fā)及其關(guān)鍵技術(shù)研究[D];西南交通大學(xué);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(xué);2015年

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

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

9 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進(jìn)[D];長(zhǎng)安大學(xué);2015年

10 信琴琴;手勢(shì)控制和識(shí)別算法研究[D];閩南師范大學(xué);2015年

  本文關(guān)鍵詞：群智能算法在列車運(yùn)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(hào)：312538