MATLAB基于粒子群的列车运行过程优化(6)
图2.3 正点率指标示意图
2.3.3 列车运行停靠准确性
列车运行停靠准确性亦是列车安全运行的一个重要指标，更是实际行车中必须要达到的一个重要方面。若用停靠准确性指标 反映了列车实际停靠位置与终点间的误差，则：
式中， 为线路全长，在本设计中设为33.769km， 为实际停车点位置。 反映了实际运行距离与线路全长之间的差异大小，列车停车后在线路上的位置距离与实际的终点偏差越大， 也越大，因此可以用 来评估列车停靠的准确性。
由式(2.15)可以看出，当列车越过预定的停车点时，即 > ，也仅仅是增加了一部分能耗，而这种情况在实际行车中是非常危险的，是绝对不允许发生的，必须避免。 不能对这种情况进行更加严厉地惩罚，但是可以借助速度约束条件避免出现这种所不愿出现的结果。下面用图2.4来进行分析：
图2.4 越过预定停车点示意图
图2.4中点划线为限速监督曲线，实、虚线分别表示两组不同的控制策略， 为既定的停车位置。实线代表使列车停靠在停车点前 处的控制策略，而虚线代表列车越过停车点 的控制策略。两组方案会产生相同的附加能耗，但是虚线代表的控制策略在 处已经触及限速监督曲线，可以通过设置超速标志将其剔除在外，避免这种情况进入下一迭代过程。
2.4 多目标优化模型
我们每个人每天都要处理各种各样的事情，面临着许多的选择，有些选择之间是矛盾的，需要在这些矛盾中找出对自己最有利的行动方案，这实际上就是多个决策目标的优化问题。多目标优化不同于单个目标的优化问题，它有多个目标同时需要最优化。对于单个目标的优化问题，算法设计的目的就是找到那个最好的解，而多目标优化，通常，不存在一个绝对意义上的最优解可以同时使得各个目标取得最优值，需要决策者在有限的解集合中做出“均衡”，一个满足要求的解能够让所有目标性能都达到决策者可以接受的程度。
多目标优化问题的解法是多目标优化理论的重要研究方向，根据问题的实际背景和具体的容许性，在各种意义下将多目标问题转化为单目标问题方法。因此，在进行列车运行过程优化时，可以以列车能耗、正点率或停靠准确性为优化目标，也可以把这些方面结合起来实行多目标的优化策略，再将多目标优化问题转换为单目标优化，实现优化的最好效果。
本设计是综合列车正点率指标 、能耗指标 、停靠准确性指标 的多目标列车运行过程优化策略的研究，考虑到列车安全运行至上，其次是节能、服务的质量，根据经验和相关文献[8]，按如下方式设置权重：正点率指标 ：0.4；能耗指标 ：0.3；停靠准确性指标 ：0.3，设优化目标为 ，则[3]：
(2.16)
则，式(2.16)所示目标优化问题就转化为：
满足 ， ， ， ，
式(2.17)优化模型中，采用了列车动力学单质点模型，列车在当前位置的阻力直接由基本阻力和附加阻力直接叠加构成，如果列车长度小于换算坡道长度，这种处理办法还是可以接受的。而在本设计中，未考虑坡道带来的阻力影响，在MATLAB程序中就以上述方程和分析来进行编程，基本架构不变，但初始种群大小、进化代数、惯性权重以及学习因子等都可以不断变化，运行程序后将结果进行比较，选择最合适的值，得到最优解。
3 智能化算法
3.1 模糊神经网络
人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络是在模拟人思文方式，这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。
下一篇：电视天线自动跟踪电路设计