一种基于列车巡航速度的优化速度曲线求解方法

1.本发明涉及列车辅助驾驶技术领域，尤其是一种基于列车巡航速度的优化速度曲线求解方法。


背景技术：

2.地铁等铁路列车在站间运行存在多种可行的速度曲线，不同速度曲线会导致列车在站间运行的能耗不同。单车节能速度曲线的问题旨在定时约束的条件下求解列车在站间运行的最优的节能运行策略与速度曲线，使得列车运行在满足运行时分条件下，最小化列车在站间的牵引能耗。早期的研究结果表明，对于坡度不变的运行区间，其最优驾驶策略是由“最大加速-巡航-惰行-最大制动”种工况组合而成。然而实际情况下，列车在区间运行的节能工况转换序列根据转换点数量的多少有多种组合情况，因此通过工况序列表的方法通常需要预先人为事先确定列车在每个区间的工况转换序列，即优化结果依赖经验，难以保证结果为全局最优。


技术实现要素：

3.本技术人针对现有技术存在的缺点，提供了一种合理有效的基于列车巡航速度的优化速度曲线求解方法。
4.本发明所采用的技术方案如下：一种基于列车巡航速度的优化速度曲线求解方法，包括以下步骤：步骤s1：基本数据输入，包括线路数据、列车特征数据、时刻表数据及遗传算法参数；步骤s2：线路区间划分，根据基础线路数据将线路划分为n个区间，保证每个区间内线路坡度和限速是不变的；步骤s3：种群初始化，初始化种群p，种群大小为n；初始种群中每个个体对按区间运行能耗和区间最优巡航速度进行离散，得到对应的列车运行状态矩阵，其中种群中每个个体对应一个列车在各区间运行的能耗和巡航速度，即；其中，表示能耗，表示巡航速度；步骤s4：对于给定的 ，利用,反推区间i的优化速度曲线，其方法如下：step1: 设列车在区间运行的初速度为，区间出口限速为，区间长度为s，将区间分成n等分，这样在划分后的每个内加速度可以认为保持不变，计算列车在加速阶段
的速度序列：(1)；其中，e表示列车运行的牵引能耗，f表示列车的最大牵引力，w表示列车运行的总阻力，表示列车i时间点的速度，a表示加速度；step2:令i=i+1并重复step1，当e=0时且将停止点记为i=k，进入step4，反之当且e》0时，则列车转入巡航工况，计算列车在巡航工况的速度序列：(2)；step3:令i=i+1并重复step2直至e=0，将停止点记为i=k，进入step4；step4:令i=k+1，并计算列车惰行的速度序列：(3)；step5:重复step4直到列车速度序列与预先计算的速度防护曲线相交将停止点记为i=j；step6:从i=j之后的速度序列，利用预先计算的速度防护曲线的点作为生成的速度序列；step7:返回计算的优化速度序列，并计算区间运行时间：(4)；步骤s5：构造遗传算法目标函数,并计算个体适应度；(5)；式中，为列车运行能耗总值，，，分别为列车运行时间误差、运行超速、停车定点三个约束的惩罚系数；表示无约束项的目标函数，表示列车运行时间误差，表示列车的运行实际用时间，表示规定的列车站间运行时间，表示运行超速，表示实际运行速度，表示规定的运行最大速度，表示停车定点误差，表示实际停车地点，表示规定的停车地点；
步骤s6：执行遗传算法流程：选择、交叉、变异直到到达最大迭代次数，将最优个体标记为；利用生成最优的节能速度曲线，输出最优结果；步骤s7：通过信息交互方式生成驾驶辅助信息，对驾驶员进行行车指导，当列车实际行驶轨迹与优化速度曲线产生偏差时，系统可生成相应的提示信息。
5.作为一种改进，驾驶辅助信息的显示方式采用文本、图像视觉方式、语音方式或者上述方式的组合。
6.作为一种改进，当列车运行产生偏移时，比较当前列车的实际运行速度与建议速度，从而生成相应的目标速度、操作工况信息使得列车的实际运行速度曲线回归到节能速度曲线。
7.本发明的有益效果如下：本发明针对当前列车驾驶速度曲线选择具有随机性、随意性，难以得到有效的优化速度曲线，创新建立基于巡航速度的遗传算法模型的求解方法，对列车定时运行节能模型算法进行计算解析，通过对运行能耗和巡航速度的编码来实现优化速度曲线的求解。本发明求解的优化速度曲线可通过驾驶辅助信息最终传输到das车载端进行显示，用于驾驶员行车指导，实现列车驾驶节能的效果。本发明提出的算法不需要预先确定工况序列表，增加了模型优化的自由度，并使得列车整体的速度曲线显得更加平稳。
附图说明
8.图1为本发明的步骤示意图。
具体实施方式
9.下面结合附图，说明本发明的具体实施方式。
10.如图1所示，本发明所述的基于列车巡航速度的优化速度曲线求解方法，对列车定时运行节能模型算法进行计算解析，实现优化速度曲线的求解。具体包括以下步骤：步骤s1：基本数据输入。包括线路数据、列车特征数据、时刻表数据及与遗传算法相关参数。
11.步骤s2：线路区间划分。根据基础线路数据将线路划分为n个区间，保证每个区间内线路坡度和限速是不变的。
12.步骤s3：种群初始化。初始化种群p，种群大小为n。初始种群中每个个体对按区间运行能耗和区间最优巡航速度进行离散，得到对应的列车运行状态矩阵，其中种群中每个个体对应一个列车在各区间运行的能耗和巡航速度，即；其中，表示能耗，表示巡航速度。
13.步骤s4：反推各区间运行的优化速度曲线。具体为，对于给定的 ，利用,反推区间i的优化速度曲线，其方法如下：step1: 设列车在区间运行的初速度为，区间出口限速为，区间长度为s，将区
间分成n等分，这样在划分后的每个内加速度可以认为保持不变，计算列车在加速阶段的速度序列：(1)；其中，e表示列车运行的牵引能耗，f表示列车的最大牵引力，w表示列车运行的总阻力，表示列车i时间点的速度，a表示加速度。
14.step2:令i=i+1并重复step1，当e=0时且将停止点记为i=k，进入step4，反之当且e》0时，则列车转入巡航工况，计算列车在巡航工况的速度序列：(2)；step3:令i=i+1并重复step2直至e=0，将停止点记为i=k，进入step4；step4:令i=k+1，并计算列车惰行的速度序列：(3)；step5:重复step4直到列车速度序列与预先计算的速度防护曲线相交将停止点记为i=j；step6:从i=j之后的速度序列，利用预先计算的速度防护曲线的点作为生成的速度序列；step7:返回计算的优化速度序列，并计算区间运行时间：(4)。
15.步骤s5：构造遗传算法目标函数,并计算个体适应度；(5)；式中，为列车运行能耗总值，，，分别为列车运行时间误差、运行超速、停车定点三个约束的惩罚系数。
16.表示无约束项的目标函数。对于模型中的约束问题，考虑引进罚函数的方法，通过将约束项加入目标函数，使得远离最优值的约束项得到惩罚，将有约束的最小化问题转化为了一个无约束单一目标函数的优化问题。表示列车运行时间误差，表
示列车的运行实际用时间，表示规定的列车站间运行时间。表示运行超速，表示实际运行速度，表示规定的运行最大速度。表示停车定点误差，表示实际停车地点，表示规定的停车地点。表示绝对值（取正数）。
17.步骤s6：执行遗传算法流程：选择、交叉、变异直到到达最大迭代次数，将最优个体标记为。利用生成最优的节能速度曲线，输出最优结果。
18.步骤s7：通过信息交互方式生成驾驶辅助信息，对驾驶员进行行车指导。当列车实际行驶轨迹与优化速度曲线产生偏差时，系统可生成相应的提示信息。
19.驾驶辅助信息的显示方式采用文本、图像视觉方式、语音方式或者上述方式的组合。当列车运行产生偏移时，比较当前列车的实际运行速度与建议速度，从而生成相应的目标速度、操作工况等信息使得列车的实际运行速度曲线回归到节能速度曲线。
20.本发明建立基于巡航速度的遗传算法模型的求解方法，对列车定时运行节能模型算法进行计算解析，通过对运行能耗和巡航速度的编码来实现优化速度曲线的求解。本发明求解的优化速度曲线，可通过驾驶辅助信息最终传输到das车载端进行显示，用于驾驶员行车指导，实现列车驾驶节能的效果。
21.本发明提出的算法不需要预先确定工况序列表，增加了模型优化的自由度，并使得列车整体的速度曲线显得更加平稳。
22.以上描述是对本发明的解释，不是对发明的限定，在不违背本发明精神的情况下，本发明可以作任何形式的修改。