论文部分内容阅读
我国大城市近年来纷纷修建地铁系统以提高通行效率,地铁总里程已跃居世界第一。同时,地铁系统的运营费用和能源消耗问题也引起了越来越多的关注。因此,如何在满足地铁运营需求的前提下,运用先进的智能算法有效地降低列车自身的运行能耗成了目前该领域的研究重点,具有重要的实际意义。本文的主要研究工作,分为以下四点:(1)以福州地铁一号线作为研究对象,实地调研了一号线列车的各类数据信息,并通过采集到的数据信息对列车的动力系统、阻力系统、线路情况和基本控制单元进行建模。此外,本文还对列车的运行需求进行分析和调研,明确和设计了针对地铁列车运行的五大评价体系,使得地铁的自动化运行目标更加贴近实际的运行需求。(2)为了解决列车运行时的多目标优化问题,本文提出一种基于粒子群和布谷鸟的群智能算法,称之为混合群智能算法。该算法有以下几点改进:一、针对列车运行控制特性和群智能算法的运算特点,对列车控制单元进行了改进,使得列车对控制的选择更具有随机性;二、针对粒子群算法容易出现种群过于集中而丧失种群多样性的问题,设计了一种随机淘汰机制,以概率P随机淘汰除了最优粒子以外的其他粒子,并使用一个新值进行替代,这样既保存优秀的个体,又增加种群的多样性;三、针对粒子群算法过早收敛的问题,本文引入了布谷鸟算法中的莱恩飞行策略,该策略能够使粒子搜索步长更具有随机性,避免了算法的早熟收敛。(3)本文还对算法进行了测试实验,实验以MATLAB作为平台,以福州地铁一号线的多段线路作为测试线路,对粒子群算法,布谷鸟算法和混合群智能算法进行实验测试,实验结果表明,混合群智能算法的综合效能最高,其中,运算时间是比前两个算法节省了7%左右,能耗每百秒节省了3.5kw/h左右。(4)本文以MATLAB的测试实验为基础,在工业控制平台IAP上设计并实现了针对福州地铁一号线的控制和运行仿真。该仿真系统实现了列车自动驾驶、自动监控和对运行数据实时显示等功能。仿真的结果表明,本文提出的改进算法能够很好的移植到真正的工业系统之中,为之后的实际的使用提出了一种可行的方案。