[发明专利]一种考虑列车晚点因素的ATO速度命令节能优化方法在审
申请号: | 201710387634.0 | 申请日: | 2017-05-27 |
公开(公告)号: | CN108932356A | 公开(公告)日: | 2018-12-04 |
发明(设计)人: | 胡文斌;李响;哈进兵;吕建国;俞爱娟 | 申请(专利权)人: | 南京理工大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/12 |
代理公司: | 南京理工大学专利中心 32203 | 代理人: | 薛云燕 |
地址: | 210094 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 速度命令 列车 节能 多目标遗传算法 多目标优化模型 优化 列车运行能耗 列车运行图 鲁棒性要求 仿真模型 列车运行 时间预测 优化目标 预测模型 可控的 命令集 相似度 正确率 能耗 行车 地铁 运营 安全 | ||
1.一种考虑列车晚点因素的ATO速度命令节能优化方法,其特征在于,包括以下步骤:
步骤1,建立列车晚点预测模型,得出考虑到到达晚点和出发晚点的列车运行图;
步骤2,建立列车运行仿真模型;
步骤3,以列车运行能耗为优化目标,对ATO速度命令进行优化,最终得到节能ATO速度命令集。
2.根据权利要求1所述的考虑列车晚点因素的ATO速度命令节能优化方法,其特征在于,步骤1所述的列车晚点预测模型基于随机森林算法建立,包括以下步骤:
(1.1)Bagging过程:在行车历史数据训练集D中,采用有放回的方式随机抽取n个数据样本,将其作为训练样本用于一个决策树的训练;
(1.2)分裂属性选择过程:在提取出的m维特征向量中随机选取m1维特征向量,将所选取的m1维特征向量作为子集指定给相应决策树的每个节点,并确定决策树的分割属性;
(1.3)决策树生长过程:令每棵决策树重复相应的分裂过程,并确保决策树完全生长,不对决策树进行剪枝;
(1.4)生成随机森林过程:重复步骤(1.1)~步骤(1.3),直到长出80~100棵决策树,生成随机森林;
(1.5)随机森林投票过程:根据生成的多个决策树分类器,对输入的行车数据进行判定,最终分类结果按每个决策树分类器的投票多少而定。
3.根据权利要求1所述的考虑列车晚点因素的ATO速度命令节能优化方法,其特征在于,步骤2所述列车运行仿真模型包括数据输入模块、列车自动运行计算模块、列车牵引制动计算模块、列车动态计算模块和能耗仿真计算模块,其中:
数据输入模块,包括三个子模块,分别为ATO参数模块、线路数据模块和列车数据模块;ATO参数模块提供ATO速度命令和速度调节算法参数,线路数据模块提供线路站点位置列表和坡道弯道列表数据,列车数据模块提供区间最短运行时间数据和列车运行的基本运行参数,所述基本运行参数包括列车编组、载客量、基本阻力参数、逆变器效率、牵引制动特性;
列车自动运行计算模块,依据列车当前运行状态、ATO参数与线路数据,计算当前运行状态下的列车加速度,实现列车工况的保持与转换;
列车牵引制动计算模块,根据列车加速度、线路数据与列车数据,计算列车牵引力或制动力;
列车动态计算模块,根据牵引力或制动力大小、列车加速度及列车运行动力学方程,计算列车下一步运行状态;
能耗仿真计算模块,依据列车各部分模块提供的数据,计算列车当前的牵引能耗。
4.根据权利要求1所述的考虑列车晚点因素的ATO速度命令节能优化方法,其特征在于,步骤3所述以列车运行能耗为优化目标,对ATO速度命令进行优化,最终得到节能ATO速度命令集,具体如下:
(3.1)编码:以ATO速度命令为编码对象,采用实数编码的方式进行编码;
(3.2)确定种群数量:根据区间长度确定种群大小和迭代次数;
(3.3)设置种群适应度方程:min{EC(x),RT(x)},其中EC(x)为列车运行能耗、RT(x)为列车运行时间,x为ATO速度命令对应的染色体;
(3.4)计算父代种群适应度值:由步骤(3.3)中所述适应度方程计算父种群个体适应度值;
(3.5)遗传操作:对父代种群中的个体进行选择、交叉和变异,产生子代种群;
(3.6)计算子代种群适应度值:依据步骤(3.3)中所述适应度方程计算子代种群的适应度值;
(3.7)产生下一代父种群:采用精英策略,原父代种群与子代种群竞争得到下一代父代种群;
(3.8)判断迭代是否结束:判断迭代代数是否达到最大迭代代数,若到达则结束并输出结果,若未到达则返回步骤(3.3)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710387634.0/1.html,转载请声明来源钻瓜专利网。