列车运行过程多目标优化(2)
4.3.2 运行结果 19
5 结论及展望 .. 23
致 谢 .. 24
参考文献 .. 25 1 引言
1.1 本课题的目的和意义
近年来，铁路的发展越来越快，根据国家《中长期铁路网规划》[1]
，到 2020 年，中
国的铁路营业里程将达到 10 万公里。而这也就更加说明，今后通过铁路的运输将变得更
加多，数量更加大。而且我们也看到近几年，许多新建铁路陆续开工，而且列车也提速了
好几次，对广大乘客的出行带来了便利。但是我们也知道传统的铁路运行速度较低，效率
不高，能源浪费也比较严重，所以我们必须对列车的运行过程进行优化[2]
。长期以来，我
国对于铁路的工作主要注重于铁路的运输安全和其速度性上， 对于其它方面并不是非常注
意， 这也就导致了不同的乘务员的操作会使列车的能耗在同样的一个区段中产生较大程度
差异的能耗，而这与现在提出节约能源这个主旨并不相符。
列车的运行过程的控制从本质上来说是由多个目标需求所构成的， 一般是由安全，舒
适，时间准点，节能，停靠准确等因素组成[3]
。所以在对列车操作，控制，运行仿真等方
面进行研究后找出列车优化的重要因素， 以达到提高列车的安全、 舒适度， 减少能源浪费，
挺高时间准点性，减少停靠误差等等方面的目标。而如果能够通过对列车运行过程多目标
的优化有效地使铁路运行变得更加节能， 也是适应了我国经济建设的需要[4]
。 我国在 2005
年推出的《中国铁路“十一五”规划》把加强资源节约和环境保护列入了我国铁路发展的
吹冰项重要任务之一。所以对于列车运行过程多目标优化是很有必要研究的一个课题。
1.2 国内外研究现状
列车运行过程是指在规定的列车运行时间中，列车由一地驶向另一地，其间需要遵
守包括机车车辆限速、线路限速、道岔限速等一系列的规定，最后将列车停靠在规定的位
置。通过采取列车质点运动方程，控制能耗[5]
。
列车运行过程优化是复杂的非线性多目标优化问题， 传统的优化方法难以获得预期的
效果，所以国内外专家通过研究分析提出了许多模拟自然界生物进化、 生存现象的智能方
法。常用的方法有模糊神经网络、遗传算法和微粒群算法。
模糊神经网络能够较好地模拟人的思文方式，反应总结人的经验， 通过对既有的经验
进行总结、归纳，形成一系列的规则，然后借助于这些规则，就可以对被控对象进行有效
的控制[6]
。 这个方法通常在采用能耗制动为主， 空气制动为辅的组合制动方式时比较理想。
遗传算法借助于选择、交叉、变异算子，遗传算法借助种群中的所有个体在每次迭代
中都较上代有所改善，引导个体逐渐向最优解移动[7]
。遗传算法体现了优胜劣汰自由选择
的思想，这种算法适应性强，易于与其他的智能方法融合形成性能更强大的优化算法。 微粒群算法是受到生物体社会行为的启发衍生而来， 生物群体在一个给定区域内活动，
通过相互间信息交流而达到期望的位置，微粒群算法与遗传算法等其他进化算法类似，它
的实现和参数设置更加简便[8]
。
有科学家提出一种假定操作策略，它是由一种有限的输入控制序列组成。 而在这样的
控制之下，每一次的输入所得到的列车能耗随着时间的变化呈一个常数。 为了是的列车能
耗在这个假定操作策略呈最小，需要用最优化的方法确定每一次时间输入的控制时间。对
上一篇：基于RFID列车定位系统设计