-
题名基于多粒子群协同的城轨列车速度曲线多目标优化
被引量：17
- 1
-
-
作者
徐凯
杨飞凤
涂永超
吴仕勋
-
机构
重庆交通大学信息科学与工程学院
重庆市公共交通运营大数据工程技术研究中心
-
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第2期95-102,共8页
-
基金
重庆市教委科学技术研究项目(KJQN202000703)
重庆市研究生教育教学改革重点项目(yjg172004)。
-
文摘
在满足安全原则和各类约束条件下,为实现城市轨道交通列车运行能耗低、行驶时间短和停车精度高三个目标,建立了列车运行控制模型。在Pareto原理基础上,考虑列车运行中的各类工况序列,提出一种协同进化的多目标混沌粒子群算法(CMOCPSO),用于优化列车的自动驾驶速度曲线。此算法框架结构分为上下两层,其中基础群位于下层,以目标引导法实现全局搜索,在尽可能发掘边沿解的条件下让解分布更为均匀;精英群则位于上层,将其加以扰动后实现局部精细搜索。此外,为了改良算法的各项性能指标,进一步引入双外部档案来实现上下层的双向交互,在恰当的通信周期参数下,构成一个多方协同的高效寻优粒子群体。通过仿真试验验证表明:相比于多目标粒子群MOPSO算法,所提算法在多样性及收敛性上均具有明显的优势。为获取多种工况下优质的列车自动驾驶曲线,采用模糊隶属度法对Pareto前沿解集进行了筛选。
-
关键词
城轨列车
多种工况序列
多目标
多粒子群协同
速度曲线
-
Keywords
urban rail train
multiple working conditions
multi-objective
multiple particle swarms co-evolution
speed profile
-
分类号
U284
[交通运输工程—交通信息工程及控制]
-
