CN117273371A - 基于虚拟耦合的重载列车群组运行轨迹优化方法及*** - Google Patents
基于虚拟耦合的重载列车群组运行轨迹优化方法及*** Download PDFInfo
- Publication number
- CN117273371A CN117273371A CN202311322248.5A CN202311322248A CN117273371A CN 117273371 A CN117273371 A CN 117273371A CN 202311322248 A CN202311322248 A CN 202311322248A CN 117273371 A CN117273371 A CN 117273371A
- Authority
- CN
- China
- Prior art keywords
- train group
- running
- train
- group
- optimizing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008878 coupling Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000005265 energy consumption Methods 0.000 claims abstract description 28
- 238000011217 control strategy Methods 0.000 claims abstract description 7
- 230000000903 blocking effect Effects 0.000 claims description 25
- 238000005516 engineering process Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 15
- 238000013486 operation strategy Methods 0.000 claims description 10
- 238000012805 post-processing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000003137 locomotive effect Effects 0.000 abstract description 22
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开一种基于虚拟耦合的重载列车群组运行轨迹优化方法及***,涉及列车运行优化领域。本发明在虚拟耦合群组状态下,将列车群组划分为多个阶段,并为每个阶段确定状态变量空间和对应的控制策略集合;根据重载列车群组在不同阶段下的操纵级位,进行运行轨迹寻优;通过改进的动态规划算法调整列车群组速度,在寻优过程中设定咽喉区限速值并动态调整区间运行时间,实现了重载列车群组的运行轨迹优化,提高了重载列车群组的运行效率,且在优化重载列车群组运行轨迹的过程中,既降低了单个机车运行能耗,又提升了群组列车线路通行能力,从而在前后车相对闭塞情况下,能够大幅度降低追踪运行间隔,提高重载铁路运输能力。
Description
技术领域
本发明涉及列车运行优化领域,特别是涉及一种基于虚拟耦合的重载列车群组运行轨迹优化方法及***。
背景技术
到目前为止,电气化铁路里程已经突破10万公里,其中货运铁路占有举足轻重的地位,重载铁路更是运输大宗商品货物的重要通道。而重载铁路的行车密度和牵引能耗已经达到了一定的限度。在优化货物行车密度的目标下,进一步提升重载铁路运输能力的同时降低运行能耗,需要对列车群组运行计划进行动态调整。
目前重载铁路现有技术装备比较落后,区间信号控制大都采用固定闭塞模式,即在保障列车群组安全运行的情况下,一个闭塞分区只能运行一趟列车,列车群组的运行轨迹存在较大的优化空间,严重制约重载铁路运能的提升。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种基于虚拟耦合的重载列车群组运行轨迹优化方法及***。
为实现上述目的,本发明提供了如下方案:
一种基于虚拟耦合的重载列车群组运行轨迹优化方法,包括:
在虚拟耦合群组状态下,将列车群组驾驶操纵策略按照位置空间划分为多个阶段;每一阶段均包括状态变量空间以及列车群组的操纵级位集合;所述列车群组驾驶操纵策略为从当前车站出发后在区间运行的全过程与对应距离的有序集合;列车群组在区间运行的全过程包括牵引工况、巡航工况、惰行工况和制动工况;所述列车群组的操纵级位集合为与所述状态变量空间对应的控制策略集合;
分析所述列车群组的操纵级位集合,得到列车群组在不同阶段下的操纵级位;
根据列车群组在不同阶段下的操纵级位进行运行轨迹寻优,通过改进的动态规划算法调整列车群组的速度,在轨迹寻优过程中,设定咽喉区限速值动态调整区间运行时间,优化列车群组运行轨迹。
可选地,根据列车群组在不同阶段下的操纵级位进行运行轨迹寻优的过程包括:在给定的运行时分和线路条件下,对列车群组在不同阶段下的操纵级位的运行能耗进行寻优。
可选地,运行能耗表示为:
式中,xk为列车群组在第k阶段运行的位置;E为运行能耗;为列车群组在第k阶段的牵引力;uk为列车群组在第k阶段的操纵级位;vk为列车群组在第k阶段下的运行速度。
可选地,在对列车群组在不同阶段下的操纵级位的运行能耗进行寻优的过程中,对建立的列车群组节能优化目标进行pareto寻优,得到最优解集。
可选地,通过改进的动态规划算法调整列车群组的速度,在轨迹寻优过程中,设定咽喉区限速值动态调整区间运行时间,优化列车群组运行轨迹,表示为:
其中,T为列车群组运行时刻表规定的区间运行时间;T区间为区间运行时分;T咽喉为通过咽喉区的时间;xk为列车群组在第k阶段运行的位置;E为运行能耗;为列车群组在第k阶段的牵引力;uk为列车群组在第k阶段的操纵级位;vk为列车群组在第k阶段下的运行速度,n为阶段的总个数。
可选地,列车群组中列车间最大的安全距离为:
LA=max{LD+L后制-L前制+Smax,LD,Smax};
式中,LD为相邻列车通信延迟下后车的走行距离;L前制为列车群组内领航车和跟随车间的最大前制制动距离;L后制为列车群组内领航车和跟随车间的最大后制制动距离;Smax为列车群组的安全防护距离。
可选地,通过车-车通信技术获取前车位置速度信息,实现群组内领航车与跟随车的相对闭塞,领航车与跟随车以相同的运行工况运行,进入虚拟耦合闭塞状态。
进一步,本发明提供了一种基于虚拟耦合的重载列车群组运行轨迹优化***,应用有上述提供的基于虚拟耦合的重载列车群组运行轨迹优化方法;所述***包括:
虚拟耦合闭塞模块,用于通过车-车通信技术获取前车位置速度信息,实现群组内领航车与跟随车间的相对闭塞,领航车与跟随车以相同的运行工况运行,进入虚拟耦合闭塞状态;
运行区间划分模块,用于在虚拟耦合闭塞状态下,将列车群组驾驶操纵策略按照位置空间划分为多个阶段;每一阶段均包括状态变量空间以及列车群组的操纵级位集合;所述列车群组驾驶操纵策略为从当前车站出发后在区间运行的全过程与对应距离的有序集合;列车群组在区间运行的全过程包括牵引工况、巡航工况、惰行工况和制动工况;所述列车群组的操纵级位集合为与所述状态变量空间对应的控制策略集合;
列车群组速度更新模块,用于通过车-车通信技术获取列车群组内领航车与跟随车的运行状态数据,并用于将所述运行状态数据作为改进的动态规划算法的输入,根据优化目标和限制条件,对列车群组的运行轨迹进行寻优,以得到最优解集;
列车群组运行轨迹显示模块,用于基于所述最优解集生成优化后的列车群组运行轨迹,并进行可视化处理。
进一步,本发明还提供了一种基于虚拟耦合的重载列车群组运行轨迹优化***,应用有上述提供的基于虚拟耦合的重载列车群组运行轨迹优化方法;所述***包括:
前车规划模块,用于在虚拟耦合制式下,离线规划前行列车优化曲线;
前车控制模块,用于采用改进的动态规划算法对前行列车运行轨迹做出优化,自动驾驶***跟踪曲线;
前车车辆模块,用于执行前车控制模块下达的各种运行工况命令;
后车规划模块,用于根据前车控制模块的状态信息预测运行轨迹,并在虚拟耦合制式下离线规划后行列车的优化曲线;
后车控制模块,用于采用改进的动态规划算法计算出的安全间距和曲线对后行列车运行轨迹做出优化;
后车车辆模块,用于执行后车控制模块下达的各种运行工况命令。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明采用基于改进的动态规划算法的虚拟耦合方式,能够优化列车群组的运行轨迹。通过实时监测列车群组的运行状态并综合考虑领航车与跟随车之间的相互影响关系,生成最佳的运行轨迹,既降低了单个机车运行能耗,又提升了群组列车线路通行能力,从而在前后车相对闭塞情况下,能够大幅度降低追踪运行间隔,提高重载铁路运输能力,提高列车群组的运行效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于虚拟耦合的重载列车群组运行轨迹优化方法的流程图;
图2为本发明实施例提供的基于虚拟耦合的重载列车群组结构示意图;
图3为本发明实施例提供的基于虚拟耦合的追踪过程示意图;
图4为本发明实施例提供的虚拟耦合列车群组运行控制***示意图;
图5为本发明实施例提供的基于虚拟耦合的重载列车群组运行轨迹优化***流程示意图;
图6为本发明实施例提供的单个重载机列车运行工况示意图;
图7为本发明实施例提供的基于改进的动态规划算法的重载列车群组运行轨迹优化流程示意图;
图8为本发明实施例提供的重载列车进入带有咽喉区间的追踪运行示意图;
图9为本发明实施例提供的单个重载机车牵引力特性曲线示意图;
图10为本发明实施例提供的单个重载机车制动力特性曲线示意图;
图11为本发明实施例提供的真实重载线路示意图;
图12为本发明实施例提供的基于改进的动态规划算法的重载机车速度优化效果仿真图;
图13为本发明实施例提供的重载列车群组在不同制式下的安全间隔;
图14为本发明实施例提供的基于虚拟耦合下的重载列车群组轨迹优化效果示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于虚拟耦合的重载列车群组运行轨迹优化方法及***,在前后车相对闭塞情况下,能够大幅度降低追踪运行间隔,提高重载铁路运输能力。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
虚拟耦合是采用先进的无线通信和物联网控制技术,将列车按照短距离、小编组的虚拟闭塞方式构建一个逻辑整体来完成列车群组的控制和调度的先进技术。群组内“领航车-跟随车”的追踪间隔不是取决于前车静止状态而是根据相对速度和位置状态动态确定的。基于此,本发明将运用在城市轨道交通和高速铁路的虚拟编组技术引入重载铁路,通过车-车通信获取前车位置速度信息,实现重载列车群组运行轨迹的优化。
实施例1
如图1所示,该实施例提供的基于虚拟耦合的重载列车群组运行轨迹优化方法包括:
步骤100:在虚拟耦合群组状态下(即在短距离小编组虚拟耦合列车群组中),考虑列车群组运行过程具有马尔可夫性质,将列车群组驾驶操纵策略按照位置空间划分为多个阶段(例如n个小阶段)。每一小阶段都有其状态变量空间以及对应的控制策略集合,即列车群组的操纵级位集合。不考虑列车群组不可逆的工况,列车群组驾驶操纵策略即为从当前车站出发后在区间运行的全过程与对应距离的有序集合。列车群组在区间运行的全过程包括四种工况:牵引、巡航、惰行和制动。
步骤101:分析列车群组的操纵级位集合,得到列车群组在不同阶段下的操纵级位。在实际应用过程中,该步骤的实现过程是:
对上述步骤100得到的重载列车群组操纵级位集合进行分析,得到列车群组在不同阶段下的状态转移矩阵,即列车群组不同阶段下的多个操纵级位集合,并排除列车群组在实际运行中不可达到的状态。
步骤102:根据列车群组在不同阶段下的操纵级位进行运行轨迹寻优,通过改进的动态规划算法调整列车群组的速度,在轨迹寻优过程中,设定咽喉区限速值动态调整区间运行时间,优化列车群组运行轨迹。其中,根据列车群组在不同阶段下的操纵级位进行运行轨迹寻优的过程包括:在给定的运行时分和线路条件下,对列车群组在不同阶段下的操纵级位的运行能耗进行寻优。
在这一过程中,之所以需要对包含不同级位的运行能耗进行寻优,是因为针对给定的运行时分和线路条件,上述步骤101得到的重载列车群组不同阶段下的操纵级位集合存在多种排列组合。
其中,运行能耗表示为:
式中,xk为列车群组在第k阶段运行的位置。E为运行能耗。为列车群组在第k阶段的牵引力。uk为列车群组在第k阶段的操纵级位。vk为列车群组在第k阶段下的运行速度。
进一步,在对列车群组在不同阶段下的操纵级位的运行能耗进行寻优的过程中,对建立的列车群组节能优化目标进行pareto寻优,得到最优解集。
进一步,考虑重载列车群组自身长度较长,列车群组进入区间时未全部出清咽喉区的问题,本发明在上述步骤102中才采用改进的动态规划算法对列车群组速度进行动态调整,在寻优时设定咽喉区限速值,并动态调整区间运行时间,优化列车群组运行曲线。其中,在重载列车群组运行过程中,采用改进的动态规划算法进行动态调整可表示为:
其中,T为列车群组运行时刻表规定的区间运行时间。T区间为区间运行时分。T咽喉为通过咽喉区的时间。n为阶段的总个数。
进一步,本发明还可以通过虚拟耦合技术对列车群组进行动态协调和优化,采用机理模型和优化算法对列车群组的运行轨迹进行优化调整。为了满足群组实时运行要求,本发明提供的轨迹优化算法需具备动态迭代功能。
在短距离、小编组虚拟耦合列车群组中,各列车制动性能存在差异,且存在一定的设备延时时间,因此,列车群组中列车间最大的安全距离为:
LA=max{LD+L后制-L前制+Smax,LD,Smax} (3)
式中,LD为相邻列车通信延迟下后车的走行距离。L前制为列车群组内领航车和跟随车间的最大前制制动距离。L后制为列车群组内领航车和跟随车间的最大后制制动距离。Smax为列车群组的安全防护距离。
实施例2
该实施例以虚拟耦合状态下重载列车群组运行速度优化为实施对象。如图2所示,虚拟耦合是采用先进的无线通信和物联网控制技术,将列车按照短距离、小编组的虚拟闭塞方式构建一个逻辑整体来完成列车群组的控制和调度的先进技术。群组内“领航车-跟随车”的追踪间隔不是取决于前车静止状态而是根据相对速度和位置状态动态确定的。本发明将运用在城市轨道交通和高速铁路的虚拟编组技术引入重载铁路,通过车-车通信获取前车位置速度信息,实现前后车相对闭塞,可大幅度降低追踪运行间隔,提高重载铁路运输能力。
“领航车-跟随车”完成虚拟耦合后,将以相同的运行工况运行,其追踪过程如图3所示。在短距离、小编组虚拟耦合列车群组中,各列车制动性能存在差异,且存在一定的设备延时时间,因此,该实施例的列车群组中列车最大安全距离的表示参见上述实施例1中的公式(3)。
本实施例根据中国铁路总公司列车运行监控装置控制模式设计规范中给定的列车制动距离计算方法进行计算。列车制动距离指的是从列车制动开始到列车停车过程所走行的距离,其中包括空走距离和有效制动距离。其中,空走距离主要取决于制动初速度v0和空走时间t0所决定的,而空走时间t0决定因素包括列车编组辆数及制动方式。本实施例根据重载铁路技术规范中规定的列车空走时间来进行计算,为:
其中,t01表示紧急制动下列车空走时间。t02表示常用制动下列车的空走时间。N为机车牵引车辆数。r为列车管减压量。ij表示制动工况下坡度的千分数代数值。
如图4所示,根据中国铁路总公司列车运行监控装置控制模式设定规范中给出的计算规则,本实施例对于虚拟耦合制式下重载列车制动距离,按如下公式计算:
其中,Sk为空走距离。Se为常用制动距离。λ为制动计算系数。νh为列车换算制动率。φh为闸瓦换算摩擦系数。βc为常用制动参数。ω0为列车单位基本阻力。L制为重载列车制动距离。
实施例3
如图5所示,本实施例提供的基于虚拟耦合的重载列车群组运行轨迹优化方法,包括如下步骤:
步骤1:根据列车群组运行前方线路实际数据,将线路类型按照坡度大小进行分类,如上下坡、无坡等。根据重载列车追踪模拟***提供的机车综合状态信息,首先判断机车状态是正常还是异常,若是异常,则提醒司机采取紧急处理指令,若是正常,则综合线路分类信息和机车运行信息,确定重载列车群组的运行工况,如图6所示的加速、巡航、惰行和制动。
步骤2:根据步骤1提供的列车群组运行线路和工况信息,利用改进的动态规划算法,可以对列车群组目标速度进行实时规划,同时保证“领航车-跟随车”之间保持合适的安全距离,对重载列车群组运行轨迹进行优化。其中,改进的动态规划算法的具体实现过程如图7所示,包括以下步骤:
Step 1.读入线路数据和速度限制(即限速数据),以及列车群组参数,计算列车群组最速曲线。将列车群组运行的每个阶段中的多目标决策按照位置空间的实际过程划分为k个小阶段,每一小阶段都有其状态变量空间(xk,vk)以及对应的控制策略集合,即列车群组的操纵级位(uk)集合。
Step 2.读入改进的动态规划算法的约束条件。其中,对于求解单个重载机车优化操纵模型,使用逆序法来对其进行求解,即由后向前逆推,从最后一个阶段开始,逐段求出前一阶段下的最优决策和过程的最优值,直至逆推到最前,即可获得整个问题的最优解。重载机车的牵引/制动特性如图9和图10所示,重载机车在运行时受到牵引力、运行基本阻力和线路其他阻力共同影响,其运行时的运动学方程为:
其中,x为单个重载机车当前运行所处位置。v为单个重载机车当前运行速度。μ为单个重载机车质量回转系数。u为单个重载机车操纵级位。m为单个列车群组总质量。F(u,v)为单个列车群组牵引力,Fz(v)为单个列车群组运行基本阻力,Fs(x)为线路其他阻力。
对于列车群组在第k阶段运行的位置,本实施例基于上述运动学方程[即公式(6)]可以得到对应的速度和牵引力,进而得到如公式(1)所示的单个列车群组牵引能耗。
本实施例所构建的基于改进的动态规划算法求解重载列车群组运行轨迹的过程还包括:
列车群组从给定起点x(0)出发后,在线路预先设计的限速条件约束下,按照每一小阶段的工况策略操纵后,运行n阶段后到达终点x(n)。运行总能耗和运行总时长为每一小阶段运行能耗和运行时间的求和,即可得到上述公式(2)。
将满足公式(2)的每一小阶段最优策略记为当所有阶段都遍历完后,得到优化策略集合即为/>
如图8所示,考虑到重载列车群组自身长度较长,列车群组进入区间时未全部出清咽喉区的问题,本实施例通过对每个小阶段中的实际运行数据(机车牵引力和制动力。速度和列车操纵级位)进行分析,提出一种改进的动态规划优化模型,如公式(7)所示。在动态规划寻优时设定咽喉区限速值,并动态调整区间运行时间,优化追踪间隔作为具体实施方式,动力学响应差异具体为速度响应差异。在本实施例中,以任意阶段k开始,基于改进动态规划求解的多目标优化模型为:
其中,为列车运行n阶段的最优能耗。T*为改进后更新的总运行时分。L车为列车群组的长度。L咽喉为咽喉区的长度。/>为列车群组在区间运行时分。/>为列车群组在咽喉区运行时分。
在本实施例中,运行时分是一个动态变化的值,其值随着进入区间时间的不同而动态变化,进而影响区间运行速度和追踪间隔。
Step 3.在本实例构建的列车群组多目标寻优模型中,对建立的优化目标进行pareto寻优即可快速获得全过程的最优解集,即:
其中,为第k个小阶段下对应的目标寻优函数值。pareto()表示帕累托寻优,为第k阶段之后的寻优解集,x(k)为列车群组运行在第k个决策阶段的位置,u(k)为列车群组运行在第k个小阶段下的决策变量,即在第k个小阶段下的操纵级位,v(k)为列车群组运行在第k个决策阶段的运行速度。
本实施例介绍了一种给定的改进动态规划优化算法,提出了基于改进动态规划优化下重载列车群组运行轨迹优化方法和***,并针对重载列车群组长度较长,进入区间时未完全出清咽喉区的限速问题提出了改进的动态规划算法模型。与现有方法相比,基于改进后的动态规划算法可以有效降低牵引能耗。
实施例4
本实施例基于如图11所示真实重载线路区间(蒲县站-龙马站)的限速和线路数据,再结合实施例1和实施例2提供的重载列车群组运行轨迹优化方法,得到普通动态规划算法和本发明提出的改进的动态规划算法对应的速度优化曲线,如图12所示。图12中,vline表示线路限速,vmax表示最速曲线,vDM表示普通动态规划算法得到的速度曲线,vIM-DM表示改进的动态规划算法得到的速度曲线。从图12可以看出,基于改进动态规划的列车运行曲线考虑到进入区间前和进入站间的咽喉区问题,并给出了蒲县站咽喉区限速条件(运行速度为27km/h),而普通动态规划算法没有考虑咽喉区限速条件,运行速度急剧增加,存在一定的安全风险,改进后的列车运行曲线与司机操纵曲线基本相符,更适应目前铁路列控设备现状,实现节能12.94%。
图13为重载列车群组追踪运行优化后的安全间隔。当列车运行速度在70km/h时,相比传统闭塞制式,基于虚拟耦合的列车安全间隔缩短了83.1%。当列车运行速度在94km/h时,安全间隔缩短了76.7%。数据结果表明虚拟耦合制式可以明显压缩重载列车群组追踪间隔。
本实施例基于目前最先进的虚拟耦合技术,从计算结果看,无论与准移动闭塞技术相比还是当前的移动闭塞技术相比,基于虚拟耦合技术的重载铁路列控方法可明显优化列车群组运行轨迹,提高重载铁路运输效能。
实施例5
该实施例提供了一种基于虚拟耦合的重载列车群组运行轨迹优化***,如图4所示,该***包括:前车规划模块、前车控制模块、前车车辆模块、后车规划模块、后车控制模块和后车车辆模块。
其中,前车规划模块用于在虚拟耦合制式离线规划前行列车优化曲线。
前车控制模块用于采用改进的动态规划算法对前行列车运行轨迹做出优化,自动驾驶***跟踪曲线。
前车车辆模块用于执行前车控制模块下达的各种运行工况命令。
后车规划模块用于根据前车控制模块的状态信息来预测轨迹,并在虚拟耦合制式下离线规划后行列车优化曲线。
后车控制模块用于采用改进的动态规划算法计算出的安全间距和曲线对后行列车运行轨迹做出优化。
后车车辆模块用于执行后车控制模块下达的各种运行工况命令。
从图14中基于虚拟耦合的重载列车群组运行轨迹的优化结果来看,本发明提出的优化算法在节能条件下,群组内“领航车-跟随车”安全间距小,线路通行能力提升,运行能耗降低,满足重载列车群组运行轨迹优化要求。
实施例6
该实施例还提供了一种基于虚拟耦合的重载列车群组运行轨迹优化***,以应用有上述实施例1、实施例2或实施例3提供的基于虚拟耦合的重载列车群组运行轨迹优化方法。***包括:虚拟耦合闭塞模块、运行区间划分模块、列车群组速度更新模块和列车群组运行轨迹显示模块。
其中,虚拟耦合闭塞模块用于通过车-车通信技术获取前车位置速度信息,实现群组内领航车与跟随车间的相对闭塞,领航车与跟随车以相同的运行工况运行,进入虚拟耦合闭塞状态,以实现短距离、紧追踪的运行模式。
运行区间划分模块用于在虚拟耦合闭塞状态下,将列车群组驾驶操纵策略按照位置空间划分为多个阶段。即该模块在虚拟耦合群组状态下,考虑列车群组运行过程具有马尔可夫性质,将重载列车群组在区间上的运行状态划分为一系列离散的操纵序列集合。
列车群组速度更新模块用于通过车-车通信技术获取列车群组内领航车与跟随车的运行状态数据,并用于将运行状态数据作为改进的动态规划算法的输入,根据优化目标和限制条件,对列车群组的运行轨迹进行寻优,以得到最优解集。在该模块的优化计算过程中,考虑了“领航车-跟随车”(即领航车与跟随车)之间的相互关系、道路条件、信号***和安全要求等因素,以确保优化的列车群组运行轨迹满足实际情况和运营需求。其中,运行状态数据包括列车位置、速度、加速度等信息
列车群组运行轨迹显示模块用于基于最优解集生成优化后的列车群组运行轨迹,并进行可视化处理。具体的,该模块将列车群组的位置、速度、加速度等关键参数整合为一组时间序列数据,以指导列车群组安全、高效运行。其中,生成的列车群组运行轨迹以可视化界面的形式显示,以便于操作员和/或调度员实时进行监控和决策。
基于上述描述,相对于现有技术,本发明还具有以下优点:
1)、本发明采用基于改进的动态规划算法的虚拟耦合技术,能够优化列车群组的运行轨迹。通过实时监测列车群组的运行状态并综合考虑“领航车-跟随车”之间的相互影响关系,能够生成最佳的运行轨迹,既降低了单个机车运行能耗,又提升了群组列车线路通行能力,从而提高列车群组的运行效率。
2)、本发明提出的虚拟耦合技术考虑了列车群组内各列车之间的相互影响关系,并根据实际运行要求进行优化。通过动态协调和优化列车的运行轨迹,能够提高列车群组的安全性和稳定性,减少列车之间的冲突和干扰,降低事故风险。
3)、本发明能够根据优化目标和限制条件,综合考虑能源消耗、运行时间等因素,通过优化列车群组的运行轨迹,减少能源消耗,有助于提升列车运行的经济性和环保性。
此外,上述提供的基于虚拟耦合的重载列车群组运行轨迹优化方法以计算机程序通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于虚拟耦合的重载列车群组运行轨迹优化方法,其特征在于,包括:
在虚拟耦合群组状态下,将列车群组驾驶操纵策略按照位置空间划分为多个阶段;每一阶段均包括状态变量空间以及列车群组的操纵级位集合;所述列车群组驾驶操纵策略为从当前车站出发后在区间运行的全过程与对应距离的有序集合;列车群组在区间运行的全过程包括牵引工况、巡航工况、惰行工况和制动工况;所述列车群组的操纵级位集合为与所述状态变量空间对应的控制策略集合;
分析所述列车群组的操纵级位集合,得到列车群组在不同阶段下的操纵级位;
根据列车群组在不同阶段下的操纵级位进行运行轨迹寻优,通过改进的动态规划算法调整列车群组的速度,在轨迹寻优过程中,设定咽喉区限速值动态调整区间运行时间,优化列车群组运行轨迹。
2.根据权利要求1所述的基于虚拟耦合的重载列车群组运行轨迹优化方法,其特征在于,根据列车群组在不同阶段下的操纵级位进行运行轨迹寻优的过程包括:在给定的运行时分和线路条件下,对列车群组在不同阶段下的操纵级位的运行能耗进行寻优。
3.根据权利要求2所述的基于虚拟耦合的重载列车群组运行轨迹优化方法,其特征在于,运行能耗表示为:
式中,xk为列车群组在第k阶段运行的位置;E为运行能耗;为列车群组在第k阶段的牵引力;uk为列车群组在第k阶段的操纵级位;vk为列车群组在第k阶段下的运行速度。
4.根据权利要求2所述的基于虚拟耦合的重载列车群组运行轨迹优化方法,其特征在于,在对列车群组在不同阶段下的操纵级位的运行能耗进行寻优的过程中,对建立的列车群组节能优化目标进行pareto寻优,得到最优解集。
5.根据权利要求1所述的基于虚拟耦合的重载列车群组运行轨迹优化方法,其特征在于,通过改进的动态规划算法调整列车群组的速度,在轨迹寻优过程中,设定咽喉区限速值动态调整区间运行时间,优化列车群组运行轨迹,表示为:
其中,T为列车群组运行时刻表规定的区间运行时间;T区间为区间运行时分;T咽喉为通过咽喉区的时间;xk为列车群组在第k阶段运行的位置;E为运行能耗;为列车群组在第k阶段的牵引力;uk为列车群组在第k阶段的操纵级位;vk为列车群组在第k阶段下的运行速度,n为阶段的总个数。
6.根据权利要求1所述的基于虚拟耦合的重载列车群组运行轨迹优化方法,其特征在于,列车群组中列车间最大的安全距离为:
LA=max{LD+L后制-L前制+Smax,LD,Smax};
式中,LD为相邻列车通信延迟下后车的走行距离;L前制为列车群组内领航车和跟随车间的最大前制制动距离;L后制为列车群组内领航车和跟随车间的最大后制制动距离;Smax为列车群组的安全防护距离。
7.根据权利要求1所述的基于虚拟耦合的重载列车群组运行轨迹优化方法,其特征在于,通过车-车通信技术获取前车位置速度信息,实现群组内领航车与跟随车的相对闭塞,领航车与跟随车以相同的运行工况运行,进入虚拟耦合闭塞状态。
8.一种基于虚拟耦合的重载列车群组运行轨迹优化***,其特征在于,所述***应用有如权利要求1-7任意一项所述的基于虚拟耦合的重载列车群组运行轨迹优化方法;所述***包括:
虚拟耦合闭塞模块,用于通过车-车通信技术获取前车位置速度信息,实现群组内领航车与跟随车间的相对闭塞,领航车与跟随车以相同的运行工况运行,进入虚拟耦合闭塞状态;
运行区间划分模块,用于在虚拟耦合闭塞状态下,将列车群组驾驶操纵策略按照位置空间划分为多个阶段;每一阶段均包括状态变量空间以及列车群组的操纵级位集合;所述列车群组驾驶操纵策略为从当前车站出发后在区间运行的全过程与对应距离的有序集合;列车群组在区间运行的全过程包括牵引工况、巡航工况、惰行工况和制动工况;所述列车群组的操纵级位集合为与所述状态变量空间对应的控制策略集合;
列车群组速度更新模块,用于通过车-车通信技术获取列车群组内领航车与跟随车的运行状态数据,并用于将所述运行状态数据作为改进的动态规划算法的输入,根据优化目标和限制条件,对列车群组的运行轨迹进行寻优,以得到最优解集;
列车群组运行轨迹显示模块,用于基于所述最优解集生成优化后的列车群组运行轨迹,并进行可视化处理。
9.一种基于虚拟耦合的重载列车群组运行轨迹优化***,其特征在于,所述***应用有如权利要求1-7任意一项所述的基于虚拟耦合的重载列车群组运行轨迹优化方法;所述***包括:
前车规划模块,用于在虚拟耦合制式下,离线规划前行列车优化曲线;
前车控制模块,用于采用改进的动态规划算法对前行列车运行轨迹做出优化,自动驾驶***跟踪曲线;
前车车辆模块,用于执行前车控制模块下达的各种运行工况命令;
后车规划模块,用于根据前车控制模块的状态信息预测运行轨迹,并在虚拟耦合制式下离线规划后行列车的优化曲线;
后车控制模块,用于采用改进的动态规划算法计算出的安全间距和曲线对后行列车运行轨迹做出优化;
后车车辆模块,用于执行后车控制模块下达的各种运行工况命令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311322248.5A CN117273371A (zh) | 2023-10-12 | 2023-10-12 | 基于虚拟耦合的重载列车群组运行轨迹优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311322248.5A CN117273371A (zh) | 2023-10-12 | 2023-10-12 | 基于虚拟耦合的重载列车群组运行轨迹优化方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117273371A true CN117273371A (zh) | 2023-12-22 |
Family
ID=89200819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311322248.5A Pending CN117273371A (zh) | 2023-10-12 | 2023-10-12 | 基于虚拟耦合的重载列车群组运行轨迹优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273371A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117698808A (zh) * | 2024-02-05 | 2024-03-15 | 西南交通大学 | 融合列车纵向动力学的大规模重载列车群组运行控制方法 |
-
2023
- 2023-10-12 CN CN202311322248.5A patent/CN117273371A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117698808A (zh) * | 2024-02-05 | 2024-03-15 | 西南交通大学 | 融合列车纵向动力学的大规模重载列车群组运行控制方法 |
CN117698808B (zh) * | 2024-02-05 | 2024-05-03 | 西南交通大学 | 融合列车纵向动力学的大规模重载列车群组运行控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110450825B (zh) | 城市轨道交通列车运行控制方法 | |
US8504226B2 (en) | Method and system for independent control of vehicle | |
De Martinis et al. | Models and methods to optimise train speed profiles with and without energy recovery systems: a suburban test case | |
CN108883784B (zh) | 向列车驾驶员提供驾驶建议的方法和列车驾驶员咨询*** | |
CN105460048A (zh) | 城轨交通优化操纵与行车调度综合节能控制方法及装置 | |
CN105788360B (zh) | 一种车辆防碰撞的方法、装置和*** | |
CN117273371A (zh) | 基于虚拟耦合的重载列车群组运行轨迹优化方法及*** | |
CN109398426B (zh) | 一种定时条件下基于离散蚁群算法的节能驾驶策略寻优方法 | |
CN113401173B (zh) | 列车运行控制方法、装置、电子设备及存储介质 | |
US8838304B2 (en) | Method for determining run-curves for vehicles based on travel time | |
CN112530201B (zh) | 一种智能车交叉口右转换道间隙选择方法及装置 | |
CN112784406A (zh) | 基于移动闭塞时空占用带模型的列车追踪运行优化方法 | |
CN114834503A (zh) | 基于弹性追踪模型的虚拟编组列车控制方法 | |
Xing et al. | Rail train operation energy-saving optimization based on improved brute-force search | |
CN106585675B (zh) | 列车运行优化操纵方法和装置 | |
CN113821966A (zh) | 高速磁浮列车运行节能优化方法、***及存储介质 | |
CN111688760B (zh) | 一种通过陡坡路段的列车快速节能优化方法及装置 | |
Keskin et al. | Energy efficient motion control for a light rail vehicle using the big bang big crunch algorithm | |
Ahmadi et al. | Energy saving in urban railway using speed profile optimization | |
CN114547774B (zh) | 一种重载列车进站曲线优化方法及*** | |
CN118333207A (zh) | 列车运行轨迹预测方法、装置、设备和存储介质 | |
CN115432034B (zh) | 一种移动闭塞条件下的列车追踪间隔计算方法 | |
Bogaers et al. | Energy usage optimisation of heavy haul freight trains | |
CN115416725B (zh) | 轨道列车控车方法、装置及轨道列车 | |
De Martinis et al. | Improving energy efficiency for freight trains during operation: The use of simulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |