检索结果-维普期刊中文期刊服务平台

多种群分层联合优化的城轨列车ATO研究被引量：12: 1; 作者徐凯吴磊赵梅《铁道学报》 EI CAS CSCD 北大核心 2018年第6期90-96,共7页; 针对城轨列车控制系统运行模式曲线的设计需求,在满足安全、精确停车及各种约束条件下,以运行时间和能耗为目标,建立列车运行的多目标优化模型。将粒子群优化PSO算法与布谷鸟搜索CS相结合,即多种群分层PSO-CS联合优化算法。在底层,该方... 展开更多; 关键词城市交通多目标多种群分层城轨列车自动驾驶; 在线阅读下载PDF 职称材料

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: 2; 作者徐凯杨飞凤 +1 位作者涂永超吴仕勋《铁道学报》 EI CAS CSCD 北大核心 2021年第2期95-102,共8页; 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),... 展开更多; 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; 在线阅读下载PDF 职称材料

改进麻雀算法和Q-Learning优化集成学习轨道电路故障诊断被引量：9: 3; 作者徐凯郑浩 +1 位作者涂永超吴仕勋《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第11期4426-4437,共12页; 无绝缘轨道电路的故障具有复杂性与随机性,采用单一的模型进行故障诊断,其性能评价指标难以提高。而采用集成学习方式,则存在各基学习器结构、参数设计盲目,集成模型中各基学习器组合权重难以分配的问题。针对以上问题,提出一种改进麻... 展开更多; 关键词无绝缘轨道电路故障诊断集成学习改进麻雀算法 Q-LEARNING 误差修正; 在线阅读下载PDF 职称材料

PSO-ICS算法优化的城轨列车自动驾驶系统被引量：14: 4; 作者徐凯吴磊杨飞凤《铁道科学与工程学报》 CAS CSCD 北大核心 2017年第12期2705-2713,共9页; 针对城轨列车控制系统运行模式曲线的设计需求,以精确停车、准点、舒适和节能为速度控制目标,建立城轨列车运行过程的多目标优化模型。采用一种将粒子群优化(PSO)与改进布谷鸟搜索(ICS)相结合的混合方式,即PSO-ICS算法。该方法综合PSO... 展开更多; 关键词粒子群优化改进布谷鸟搜索多目标优化城轨列车; 在线阅读下载PDF 职称材料

题名多种群分层联合优化的城轨列车ATO研究被引量：12: 1; 作者徐凯吴磊赵梅; 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西华大学电气与电子信息学院; 出处《铁道学报》 EI CAS CSCD 北大核心 2018年第6期90-96,共7页; 基金重庆市基础与前沿研究项目(cstc2016jcyjA0365) 重庆市研究生教育教学改革重大项目(yjg131001); 文摘针对城轨列车控制系统运行模式曲线的设计需求,在满足安全、精确停车及各种约束条件下,以运行时间和能耗为目标,建立列车运行的多目标优化模型。将粒子群优化PSO算法与布谷鸟搜索CS相结合,即多种群分层PSO-CS联合优化算法。在底层,该方法将整个种群分成若干个小种群,小种群使用PSO算法寻优,再将寻优得到的精英粒子送往高层使用CS算法深度优化,高层优化后的粒子再返回到底层各自的小种群中去。将该方法与多目标粒子群MOPSO分别用于列车运行过程的优化,仿真实验表明,所提出算法得到的Pareto前沿解的收敛性和多样性更好。将该算法用于城轨列车运行曲线的优化设计中,不仅能够获得更优的列车运行控制策略,还能为设计者提供更多选择方案。; 关键词城市交通多目标多种群分层城轨列车自动驾驶; Keywords urban traffic multi objective multi swarm hierarchical structure urban rail transit train automatic train operation; 分类号 U284.48 [交通运输工程—交通信息工程及控制] U292 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

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: 2; 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]; 在线阅读下载PDF 职称材料

题名改进麻雀算法和Q-Learning优化集成学习轨道电路故障诊断被引量：9: 3; 作者徐凯郑浩涂永超吴仕勋; 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《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第11期4426-4437,共12页; 基金四川省科技厅川渝合作重点研发项目(2020YFQ0057) 重庆市自然科学基金资助项目(cstc2021jcyj-msxmX0017) 重庆市教委科学技术研究项目(KJQN202000703)。; 文摘无绝缘轨道电路的故障具有复杂性与随机性,采用单一的模型进行故障诊断,其性能评价指标难以提高。而采用集成学习方式,则存在各基学习器结构、参数设计盲目,集成模型中各基学习器组合权重难以分配的问题。针对以上问题,提出一种改进麻雀算法和Q-Learning优化集成学习的轨道电路故障诊断新方法,该方法有机地将集成学习与计算智能和强化学习相结合,充分挖掘轨道电路故障特征,提高性能评价指标。首先,使用卷积神经网络、长短期记忆网络和多层感知器深度学习模型,以及支持向量机和随机森林传统机器学习模型,共同构成集成学习基学习器,解决单一学习模型的不足,不同基学习器的使用保证集成学习的多样性。从自动化机器学习角度出发,采用改进麻雀算法优化该集成学习模型的结构和参数,克服其结构和参数难以确定的问题。在此之上,引入强化学习Q-learning对集成模型中各基学习器组合权重进行优化,智能地确定集成学习各基学习器的组合权重。最后,将集成学习模型的预测结果与真实结果比较后得到误差,再采用BP神经网络对预测结果进行补偿修正,进一步提高轨道电路的故障诊断性能评价指标。仿真结果表明,利用所提方法进一步改善了轨道电路故障诊断的准确度、精确度、召回率和F1值等性能评价指标。; 关键词无绝缘轨道电路故障诊断集成学习改进麻雀算法 Q-LEARNING 误差修正; Keywords jointless track circuit fault diagnosis ensemble learning improved sparrow search algorithm Q-learning error correction; 分类号 U284.2 [交通运输工程—交通信息工程及控制]; 在线阅读下载PDF 职称材料

题名PSO-ICS算法优化的城轨列车自动驾驶系统被引量：14: 4; 作者徐凯吴磊杨飞凤; 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《铁道科学与工程学报》 CAS CSCD 北大核心 2017年第12期2705-2713,共9页; 基金重庆市基础与前沿研究资助项目(cstc2016jcyj A0365) 重庆市研究生教育教学改革重大项目(yjg131001); 文摘针对城轨列车控制系统运行模式曲线的设计需求,以精确停车、准点、舒适和节能为速度控制目标,建立城轨列车运行过程的多目标优化模型。采用一种将粒子群优化(PSO)与改进布谷鸟搜索(ICS)相结合的混合方式,即PSO-ICS算法。该方法综合PSO算法信息共享的机制及布谷鸟搜索(CS)算法lévy飞行的优势,能在搜索空间产生足够、多样化的解。与此同时,对CS算法的重要参数进行相应改进,即搜索步长和巢主鸟发现外来鸟蛋的概率这2个参数采用自适应的方式,加快了CS算法的收敛性。将该方法与PSO,CS和PSO-CS分别用于列车运行过程的优化,通过仿真实验比较研究,验证了所提出算法性能的优越性。该算法能实现对列车运行曲线的优化,从而产生最优的决策策略以控制列车的运行。; 关键词粒子群优化改进布谷鸟搜索多目标优化城轨列车; Keywords particle swarm optimization improved cuckoo search multi-objective optimization urban rail train; 分类号 U292 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	多种群分层联合优化的城轨列车ATO研究	徐凯吴磊赵梅	《铁道学报》 EI CAS CSCD 北大核心	2018	12	在线阅读下载PDF 职称材料
2	基于多粒子群协同的城轨列车速度曲线多目标优化	徐凯杨飞凤涂永超吴仕勋	《铁道学报》 EI CAS CSCD 北大核心	2021	17	在线阅读下载PDF 职称材料
3	改进麻雀算法和Q-Learning优化集成学习轨道电路故障诊断	徐凯郑浩涂永超吴仕勋	《铁道科学与工程学报》 EI CAS CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
4	PSO-ICS算法优化的城轨列车自动驾驶系统	徐凯吴磊杨飞凤	《铁道科学与工程学报》 CAS CSCD 北大核心	2017	14	在线阅读下载PDF 职称材料