[发明专利]一种机车智能操纵优化计算方法

说明书

本发明提供了一种机车智能操纵优化计算方法，包括如下步骤：步骤1：对机车智能操纵优化所需信息进行预处理；步骤2：生成初始优化曲线；步骤3：基于限速进行优化调整；步骤4：基于时间偏差进行优化调整；步骤5：基于运行平稳安全档位切换的要求，对优化曲线进行调整，生成最终优化策略。每个步骤中的策略都受到机车驾驶策略影响参数的影响，这些参数在不同条件下会匹配不同的策略，共同作为策略分类属性来进行策略的分类，每个步骤的策略都可以构成策略树，树中的叶节点为最终根据分类属性匹配到的优化策略。整个方案的各个步骤满足了机车运行时准点、限速、时刻表、平稳运行、节能等各项要求，保证了良好地优化效果和整体运行效率。

技术领域

本发明涉及机车控制领域，特别涉及一种机车智能操纵优化计算方法。

背景技术

随着人工智能的快速发展，促进自动控制向着更高层次——智能控制发展。智能控制是一类无需人干预就能够自主地驱动智能奇迹实现其目标的自动控制，也是用计算机模拟人类智能的一个重要领域。在智能控制领域中一个关键问题是复杂操纵序列优化问题。在工业工程领域，人们所关注的是在某些约束条件下，目标物体能够满足某方面的优化性能的最优序列，这个寻优过程称为操纵序列优化。目前国内外的研究解决方案大体分为三类。

第一类方法运用数值搜索的方法设计在线或离线算法来求解优化问题。2000年Yakimenko OA提出直接快速成型的数值算法寻找近似最优的飞行轨迹，并在实际飞机飞行中验证。2011年,针对超高声高速滑翔飞行器的路径规划研究中,国防科大的谢愈等人运用了高斯伪谱法来进行飞行路径规划,他们将整条飞行轨迹划分为若干段,对每个段分别运用算法进行路径的求解,最终求得的飞行路径能够满足多约束的条件。除上述在线优化算法外，也有部分学者采用离线搜索的方式来解决此类优化问题，并在在线决策中运用了离线的优化结果。2002年Al-Hasan S等人针对天然地形中的无人汽车驾驶线路规划问题，通过if-then的模糊规则以及矩阵结构构建图中的点到其他可达线路的离线知识库，用于在线AStar算法搜索优化线路。数值搜索的算法耗时长，且短时间内无法收敛到最优结果，不适合在线控制系统优化。

第二类方法运用解析求解方法求解复杂操纵序列优化问题。2009年P.G.Howlett等人对货运机车在线优化策略的计算进行了研究，他们通过解析求解的方式计算机车在陡坡中运行时，其操纵控制能够达到局部最小能耗的关键转换点来得到全局的优化操纵序列，该方法目前已成功运用于澳大利亚的长途货运机车上。2014年,Xiang Li等人对地铁系统的节能问题进行了研究,他们通过遗传算法结合解析推导对地铁时刻表和运行速度进行了优化,使得最终的操纵序列能够满足时间准点的约束条件。这类方法的主要缺陷是转换点的解析公式推导过程复杂，较难处理多约束条件。

第三类方法采用在线启发式的人工根据约束条件分析与设计操纵序列优化策略的方式来解决操纵序列优化问题。2008年，BaiY,Mao B等针对货运机车节能优化问题提出了通过启发式的算法来构建一套在线的优化控制系统，实现机车的节能目标。这种方式的缺点在于过多地引入人工的分析与设计，极大地降低了策略设计的效率，同时由于人思考范围有限，无法覆盖所有可能的情况，这势必会导致部分有化解遗漏。

发明内容

本发明提供了一种机车智能操纵优化计算方法，包括以下步骤：

步骤1：对机车智能操纵优化所需信息进行预处理；

输入机车信息文件和线路信息文件,进行加算坡道计算和线路分段，得到线路分段结果；其中加算坡道是线路信息中的坡段、曲线、隧道三种线路对机车叠加所产生的坡度；线路分段是根据所在线路加算坡度的不同，对线路进行分类，并经过坡段合并处理之后得到具有坡段类型标识的分段数据；

步骤2：生成初始优化曲线；