[发明专利]基于混合运行模式的多目标列车节能优化方法

权利要求书

1.一种基于混合运行模式的多目标列车节能优化方法，其特征在于，包括：

将列车基于混合运行模式的基本方案及其相关参数输入试验平台，建立列车运行策略方案变量集合V＝{S,μ_T,μ_B,μ_RT,μ_D,V_CR,V_CO,V_RT,S_CO}，该集合包括三种常见列车运行模式涉及的参数值，及具体涉及的列车运行模式指示值S；

其中μ_T为牵引命令下牵引力与最大牵引力的比例值，μ_B为制动命令下制动力与最大制动力的比例值，μ_RT为再牵引命令下牵引力与最大牵引力的比例值，μ_D为减速命令下制动力与最大制动力的比例值，V_CR为巡航速度，V_CO为惰行速度值，V_RT为再加速速度值，S_CO为惰行位置点；

试验平台采用混合运行模式下的多目标粒子群算法得到列车混合运行模式的Pareto前沿解；试验平台中的列车评价仿真模块将解析每一个混合运行模式的列车运行解，并根据所述列车运行解对列车运行进行模拟，得到对应的具体策略的评价数值；

将得到的Pareto前沿解应用于列车系统，并设计列车控制系统根据列车区间运行的时间要求与舒适度允许范围从Pareto前沿解中选择一个解作为列车运行策略。

2.根据权利 要求1中所述的方法，其特征在于，试验平台采用混合运行模式下的多目标粒子群算法得到列车混合运行模式的Pareto前沿解；试验平台中的列车评价仿真模块将解析每一个混合运行模式的列车运行解，并根据所述列车运行解对列车运行进行模拟，得到对应的具体策略的评价数值；混合运行模式下的多目标粒子群算法的步骤为：

步骤1：初始化粒子种群，并且将粒子群速度设置为0，评价初始化粒子群；

步骤2：初始化种群中每个粒子的最佳历史位置及其对应适应度值；

步骤3：选择非支配粒子并且将其及其适应度值储存到沉淀粒子中；

步骤4：初始化超立方体及其对应的粒子分布；

步骤5：随机从沉淀粒子中选择全局最优粒子，然后根据传统粒子群算法中的更新公式来更新粒子的速度与位置；

步骤6：将粒子群进行交叉操作，并检查每个粒子是否仍在边界内；

步骤7：评价粒子群；

步骤8：通过将非支配性与沉淀粒子结合更新沉淀粒子；

步骤9：更新最优粒子群及其适应度值；

步骤10：重复步骤5到步骤9直到满足终止条件；

算法完成后，我们通过沉淀粒子的适应度值可以得到Pareto前沿，为了获得评价指标的值，每个粒子位置都输入到列车评价仿真系统中，列车评价仿真系统使用之前我们建立的列车运行模型来计算适应度函数值，并将所述适应度函数值返回给混合运行模式下的多目标粒子群算法中。

3.根据权利 要求2中所述的方法，其特征在于，获取行车策略的评价数值，根据Strategy参数执行对应的运行策略，在每个时间钟下，系统累计计算单位时间能耗ei与单位时间长度Δti，同时获得两个相邻时间钟下的加速度差值，其中所述的评价指标值获取的步骤为：

步骤1：对某个解而言，首先获取混合运行模式策略的解并对其进行解析，获取其具体值；

步骤2：根据策略解中的S的值判断该解对应的运行模式，不同的运行模式将执行不同的运行命令判断函数；

步骤3：利用时间钟循环反复执行列车运行状态更新，并记录下每个时间钟内列车运行评价指标的分量，直到列车在目的地停止运行；

步骤4：根据每个列车运行步长内的评价指标分量得到最终的列车运行评价值。