不同工况下城轨列车 ATO 多目标优化模型及算法研究
随着当前城市的快速发展,城市人口也急剧增多,城市交通问题日益突出。在
众多交通方式之中城市轨道交通以其运量大、速度高、占地少的运行特点,成为
缓解城市交通压力的有效途径。
在大力发展城市轨道交通的同时,如何保证轨道列车平稳、高效、舒适的运
行成为广泛关注的重要问题。随着研究的进行,列车自动驾驶系统
(ATO,Automatic Train Operation)优化逐渐成为研究的关键内容。
ATO 控制系统是一个需要实现列车准时、安全、节能、舒适、精准停车等多
个性能指标的控制系统。但对于目前 ATO 优化方法的研究中,存在着优化难度大,
考虑信息不全,结果与实际出入大等问题。
针对上述问题,本文设计提出了一种新的具有高效性、普适性的 ATO 多目标
优化策略。首先在对当前 ATO 优化理论,城轨列车运行方式及其运行环境进行了
深入分析后,设计优化策略以简化优化难度保证优化效果。
以提高计算效率为原则,利用‘化整为零’的思想,结合列车运行中特有的运
行工况提出了基于工况的分段优化策略:首先将整体线路分为牵引、制动、巡航
及惰行三部分,根据各段特点分别在牵引部分中建立优化能耗和舒适度模型,制
动部分中建立优化能耗和舒适度模型,在确定两端工况后利用两端工况得到的信
息,在巡航和惰行部分中建立优化能耗、准时、精准停车的模型。模型建立后,
利用遗传算法对所建的 ATO 优化模型进行求解。
整合三段模型的优化结果,最终形成在整体线路上的优化结果,从而达到在
整体上优化准时,精准停车,能耗,舒适度四个目标的要求。该策略方法旨在提高
ATO 优化效率,通过将整体线路分段,降低运行中 ATO 多目标优化难度,提高优化