一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法
【專利摘要】本發(fā)明提供了一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，其特征在于，雙層模式曲線中的上層模式曲線進行給定路線路全路段機車運行時間分配模式曲線學習，下層模式曲線進行各個區(qū)段內對機車運行速度模式曲線的學習。再利用從優(yōu)秀司機操縱數據中提取的模式曲線來求解機車優(yōu)化操縱序列。本發(fā)明的方法避免了對全局進行搜索，提升了算法效率，降低了計算復雜度。隨著對越來越多的數據加入學習使用和對數據更加細致的篩選處理，本發(fā)明計算方法能更加逼近一個更優(yōu)解，可重復利用性高，能夠在不同線路上多次運行，不需要更改算法本身的策略。
【專利說明】一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法
【技術領域】
[0001]本發(fā)明涉及一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，屬于機車車輛控制【技術領域】。
【背景技術】
[0002]機車優(yōu)化操縱，是指在保證機車準點、安全行駛的前提下，研究在既定的列車構造環(huán)境和運營條件下的優(yōu)化操縱問題，合理安排機車的檔位序列，達到節(jié)能的優(yōu)化效果。
[0003]該類研究按技術方法也可劃分為兩類，即基于動力學原理的節(jié)能理論研究和基于專家系統(tǒng)的節(jié)能運行仿真實驗研究。理論研究方面，眾多學者通過構建列車運行過程及能耗模型，應用多種優(yōu)化算法如自適應計算過程與遺傳算法相結合，或依據最大值原理采用解析法進行求解。南澳大學SCG研究所的Benjamin等(1989)針對離散型控制模式的機車操縱實際情況，提出了用能耗模型描述列車節(jié)能運行控制問題，假定每一控制級位對應一個單位能耗常數(惰行和制動控制的單位能耗為零)，且能耗和功率成正比，同時假定在列車最后制動之前有一個惰行階段，該模型求解較為復雜，程家興、Howlett等學者近年來致力于算法設計與模型求解Howlett等學者(1993)提出將列車優(yōu)化操縱問題表示為有限約束條件下的工況變換點優(yōu)化問題，并研究了在平直坡道列車速度控制上下限和制動初速的計算與優(yōu)化控制問題。Howlett等(1996)研究了分段常數坡度模型，連續(xù)變化坡度模型(1997)以及帶限速的分段常數坡度模型(1999)。程家興等(1999，2002)、程錦松等(1999)分別應用模擬退火算法與動態(tài)罰函數法、自適應計算過程與遺傳算法相結合、調整轉換速度的二維牛頓迭代方法、龍格-庫塔法與歐拉法及遺傳算法、并行遺傳算法等方法求解列車節(jié)能控制的模型。Xuan(2006)在其博士論文中根據線路坡道組合情況，從理論角度探討了列車優(yōu)化操縱的必要條件，重點分析了大起伏坡道條件下的列車優(yōu)化操縱策略，并采用無味卡爾曼濾波(UKF)方法對列車運行阻力方程進行了參數標定。Howlett等(2009)采用新的局部尋優(yōu)方法求解了長大起伏坡道下的列車節(jié)能運行控制工況轉換關鍵點，為長大貨物列車的在線操縱優(yōu)化提供了指導。
[0004]上述研究大多采用了數值求解的方法，主要側重理論研究，對列車操縱優(yōu)化做了較全面的定性和定量分析，諸多先進優(yōu)化算法在數值求解中都得到了應用，但是因其變量較多、變量搜索空間較大，用于計算機車優(yōu)化操縱序列的優(yōu)化算法需要對全局進行搜索，搜索時間長，搜索結果具有不確定性，在復雜運行環(huán)境下列車控制實時優(yōu)化的應用中很難得到實現(xiàn)。

【發(fā)明內容】

[0005]本發(fā)明的發(fā)明目的是提供一種簡單，高效的基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，能夠實現(xiàn)機車的實時優(yōu)化操縱。
[0006]本發(fā)明具體的技術方案是一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，其特征在于，雙層模式曲線中的上層模式曲線進行給定路線路全路段機車運行時間分配模式曲線學習，以獲得任一區(qū)段機車運行時間百分比與機車質量、機車運行總時間、該區(qū)段的坡道類型、該區(qū)段的長度和該區(qū)段的加算坡度之間的函數關系，下層模式曲線進行各個區(qū)段內對機車運行速度模式曲線的學習，以獲得區(qū)段內各個分段點的速度與上層模式曲線得到的該區(qū)段時間分配的百分比，該區(qū)段的長度、該區(qū)段的加算坡度，機車質量和機車運行總時間之間的函數關系，包括以下步驟:
[0007]I)采集給定線路機車運行數據和線路數據，運行數據指的是在該線路上駕駛機車的優(yōu)秀司機的行駛數據，并根據加算坡度的大小和機車運行情況對給定線路進行分段，
[0008]2)按線路分段得到的區(qū)段從采集的運行數據中分別提取上層運行數據和下層運行數據，即全局運行數據和區(qū)段運行數據，
[0009]全局運行數據包括機車質量M、運行總時間T、區(qū)段的坡道類型S、區(qū)段的長度L、區(qū)段的加算坡度G、優(yōu)秀司機駕駛機車在區(qū)段中運行的時間占運行總時間T的百分比α，
[0010]區(qū)段運行數據包括機車質量Μ、運行總時間Τ、區(qū)段的坡道類型S、區(qū)段的長度L、區(qū)段的加算坡度G、優(yōu)秀司機駕駛機車在區(qū)段中運行的時間占運行總時間T的百分比α，優(yōu)秀司機駕駛機車在區(qū)段中運行的速度曲線，
[0011]3)進行給定線路全路段機車運行時間分配模式曲線學習
[0012]設a 為機車運行的線路分段中任一個區(qū)段時間分配的百分比，該區(qū)段的長度為LKS、加算坡度為GKS，運行的機車質量為M，線路內機車運行的總時間T，則設
[0013]
【權利要求】
1.一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，其特征在于，雙層模式曲線中的上層模式曲線進行給定路線路全路段機車運行時間分配模式曲線學習，以獲得任一區(qū)段機車運行時間百分比與機車質量、機車運行總時間、該區(qū)段的坡道類型、該區(qū)段的長度和該區(qū)段的加算坡度之間的函數關系，下層模式曲線進行各個區(qū)段內對機車運行速度模式曲線的學習，以獲得區(qū)段內各個分段點的速度與上層模式曲線得到的該區(qū)段時間分配的百分t匕，該區(qū)段的長度、該區(qū)段的加算坡度，機車質量和機車運行總時間之間的函數關系，包括以下步驟: 1)采集多條線路機車運行數據和線路數據，運行數據指的是在該線路上駕駛機車的優(yōu)秀司機的行駛數據，并根據加算坡度的大小和機車運行情況對給定線路進行分段， 2)按線路分段得到的區(qū)段從采集的運行數據中分別提取上層運行數據和下層運行數據，即全局運行數據和區(qū)段運行數據， 全局運行數據包括機車質量M、運行總時間T、區(qū)段的坡道類型S、區(qū)段的長度L、區(qū)段的加算坡度G、優(yōu)秀司機駕駛機車在區(qū)段中運行的時間占運行總時間T的百分比α， 區(qū)段運行數據包括機車質量Μ、運行總時間Τ、區(qū)段的坡道類型S、區(qū)段的長度L、區(qū)段的加算坡度G、優(yōu)秀司機駕駛機車在區(qū)段中運行的時間占運行總時間T的百分比α，優(yōu)秀司機駕駛機車在區(qū)段中 運行的速度曲線， 3)進行給定線路全路段機車運行時間分配模式曲線學習 設a 為機車運行的線路分段中任一個區(qū)段時間分配的百分比，該區(qū)段的長度為Lgg、加算坡度為GKS，運行的機車質量為M，線路內機車運行的總時間T，則設?I j = Σ=ι(β?ο + Pi1M2if1+ β?2Τ2?+1++ Pi4G^)……(I) 對步驟2)中得到的上層運行數據按上式(I)進行多元非線性回歸，將得到的擬合曲線與優(yōu)秀司機駕駛機車的數據的區(qū)段時間分配的百分比的平均值進行比較，以擬合效果最佳的曲線的i的取值及此時系數β η，β i2，β i3，β i4，β i0的取值確定該區(qū)段機車運行時間分配的百分比曲線，最終得到全路段機車運行時間分配模式曲線， 4)對各區(qū)段內機車運行速度分配模式曲線學習 將給定線路中的任一個區(qū)段分為P等分，設Vggik為該區(qū)段中第k個等分點的機車運行速度，l^k^p,入坡初始速度為V KSo,入坡初始速度指的是進入該區(qū)段時的速度,設α為機車運行的該區(qū)段時間分配的百分比，該區(qū)段的長度為LKS、加算坡度為GKS，運行的機車質量為M,線路內機車運行的總時間T，則有，v\<\:i k = Sj=i(PjO + P；ik2y+1 ++ Pya+ Pj^^0 + P)sM々/+1 + Pj6T^ + Pj7a^……(II) 對步驟2)中得到的下層運行數據按上式(II)進行多元非線性回歸，將得到的擬合曲線與優(yōu)秀司機駕駛機車的數據的平均值進行比較，以擬合效果最佳的曲線的j的取值及此時系數Pj1, P J2, Pj3，Pj4，Pj5, P J6, P J7, P j(!的取值確定區(qū)段中一個等分段機車運行的速度模式曲線，同樣能夠得到每一個等分段的速度模式曲線，將各等分段的速度模式曲線之間用平滑曲線連接，最終得到區(qū)段的速度模式曲線， 5)對需進行優(yōu)化的線路，按以下步驟進行處理，.5.1)優(yōu)化線路是步驟I)中采集到的線路數據的子集，利用步驟I)中獲得的線路數據，我們可以依據加算坡度的大小對線路進行分段； .5.2)對需要優(yōu)化的線路進行分段后，得到分段后的區(qū)段坡道長度和區(qū)段的加算坡度，以及機車運行總時間、機車質量和機車進入需要優(yōu)化的線路的初始速度一起作為已知條件，利用步驟3)得到的全路段機車運行時間分配模式曲線獲得各區(qū)段的的時間分配比例， . 5.3)利用步驟4)得到的區(qū)段的速度模式曲線獲得第一等分段的優(yōu)化速度曲線，然后將第一等分段的優(yōu)化速度曲線中的出段速度作為第二等分段的初始速度，依次計算出整條需要優(yōu)化的線路的速度曲線， . 6)利用步驟5)得到的各區(qū)段的時間分配比例和各區(qū)段內的速度曲線計算機車的檔位操作序列。
2.根據權利要求1所述的一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，其特征在于，步驟6)中所述的計算機車的檔位操作序列的方法是， 采用以下機車運行物理模型進行計算，
3.根據權利要求1所述的一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，其特征在于，所述的優(yōu)秀司機確定方法如下: a.提取采集的機車運行數據中所有司機駕駛數據； b.求取所有司機在同類負載時駕駛能耗的平均值； c.所用能耗低于平均值的司機為優(yōu)秀司機。
4.根據權利要求1所述的一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，其特征在于，所述的根據加算坡度的大小和機車運行情況對線路進行分段的方法是，將線路分為陡上坡、陡下坡、緩上坡、緩下坡和平坡，其中，陡上坡表示以機車最大牽引力運行，仍然無法使得機車達到加速運行的效果；陡下坡表示以機車最大制動力運行，仍然無法使得機車達到減速運行的效果；緩上坡表示非陡上坡情況下的上坡路段；緩下坡表示非陡下坡情況下的下坡路段；平坡表示加算坡度小于一定數值的路段。
5.根據權利要求4所述的一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，其特征在于，所述的加算坡度由線路實際坡度、隧道加算坡度和曲線加算坡度共同疊加組成。
6.根據權利要求5所述的一種基于雙層模式曲線的機車優(yōu)化操縱序列計算方法，其特征在于， 所述的曲線加算坡度P。按下式(IV)計算: Pc = 600*Lc/(Rc*Lcars)......(IV) 在上式(IV)中，L。表示曲線的長度，R。表示曲線半徑，L.表示列車的總長度。 所述的隧道的加算坡度Pt按下式(V)計算: Pt = 0.00013*Lt......(V) 在上式(V)中，Pt表示隧道的加算坡度，Lt表示隧道的長度。
【文檔編號】G05B13/00GK103955135SQ201410209160
【公開日】2014年7月30日 申請日期:2014年5月16日 優(yōu)先權日:2014年5月16日
【發(fā)明者】黃晉, 趙曦濱, 杜方宇, 陳欣潔, 陳昕玥 申請人:北京清軟英泰信息技術有限公司, 清華大學