CN117708961B - 一种既有铁路三维空间线位整体智能重构方法 - Google Patents
一种既有铁路三维空间线位整体智能重构方法 Download PDFInfo
- Publication number
- CN117708961B CN117708961B CN202410160006.9A CN202410160006A CN117708961B CN 117708961 B CN117708961 B CN 117708961B CN 202410160006 A CN202410160006 A CN 202410160006A CN 117708961 B CN117708961 B CN 117708961B
- Authority
- CN
- China
- Prior art keywords
- line
- point
- curve
- plane
- slope
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 239000002245 particle Substances 0.000 claims abstract description 86
- 238000013461 design Methods 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000010845 search algorithm Methods 0.000 claims abstract description 11
- 230000000750 progressive effect Effects 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 104
- 239000013598 vector Substances 0.000 claims description 47
- 230000008569 process Effects 0.000 claims description 28
- 238000005259 measurement Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 3
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及铁路设计技术领域,具体涉及一种既有铁路三维空间线位整体智能重构方法,本发明综合考虑了平面设计和纵面设计之间的相互影响,提出了既有铁路三维空间线位整体重构的优化变量和评价最优方案的目标函数,给出了控制优化方向的约束条件,对于线路的三维空间线位优化,提出了累进更新的策略,采用粒子群算法混合网格自适应直接搜索算法(PSO-MADS混合算法),结合约束条件,得出最优三维空间线位整体重构方案;与二维独立重构方法相比,应用本发明提供的重构方法所得到的方案进行铁路增改建,可实现成本的降低。
Description
技术领域
本发明涉及铁路设计技术领域,具体涉及一种既有铁路三维空间线位整体智能重构方法。
背景技术
铁路长期运行时机车与轮轨之间的磨损和冲击、定期的运营维护导致铁路线位偏离了最初的设计,影响了铁路运行的安全性、乘客的舒适性和铁路自身的使用寿命。因此,既有铁路的增改建问题是铁路建设面临的关键问题,开展铁路线位的重构方法研究对既有铁路的增改建设计尤为重要。
既有铁路是空间中的三维线路,目前的线路重构方法侧重于平面或纵面独立的二维设计,平面线形重构时,通过调整交点坐标、曲线半径和缓长,以平面线路的拨道量平方和达到最小为设计目标,纵断面线位重构时则是以线路的抬落道量平方和最小为目标,对变坡点的位置(变坡点的里程和高程)和竖曲线的半径进行优化,纵面优化一般在平面设计完成之后进行。由于线路平面和纵面设计之间的相互影响,单独对线路平面进行重构设计时只考虑了平面的约束条件而忽略了纵断面的约束条件,并且已完成的平面设计会对后续的纵面重构设计产生限制,不能生成较好的纵面方案,继而导致最终的重构方案无法达到三维空间线位整体最优,既有铁路增改建成本过高。
基于以上,为了保证线路重构时达到三维空间线位整体最优,降低既有铁路增改建成本,迫切需要一种既有铁路三维空间线位整体智能重构方法。
发明内容
本发明目的在于提供一种既有铁路三维空间线位整体智能重构方法,考虑平面线形和纵断面线位设计之间的相互影响,解决了现有方法只针对平、纵面单一地进行重构优化,致使最终方案无法达到三维线位整体最优的问题。
本发明采用的技术方案如下:
一种既有铁路三维空间线位整体智能重构方法,包括以下步骤:
确定待重构三维线路的设计变量,具体是:将线路平面的交点坐标、缓和曲线长度、圆曲线半径、纵面的变坡点里程、变坡点高程和竖曲线半径作为优化变量;
确定目标函数,具体是:以线路平面拨道量平方和与纵面抬落道量平方和之和最小为目标函数;
计算测点到重构后线路平面投影点的距离;计算测点到重构后线路纵面投影点的距离;
确定约束条件,具体是:确定线路重构设计时需满足的约束条件,包含平面约束、纵面约束、横截面约束和线路-结构物复杂关联约束;
初始三维线路方案的获取,具体是:计算平面曲线测点的方位角变化率和纵面坡度的变化率,基于测点方位角和坡度变化率对测点线元归属进行初步划分;线元初步划分后,拟合平、纵面直线和曲线,震荡迭代,精确划分线元归属,得到初始三维线路方案;
基于待重构三维线路的设计变量、目标函数、约束条件、测点到重构后线路平面投影点的距离、测点到重构后线路纵面投影点的距离以及初始三维线路方案,采用粒子群算法混合网格自适应直接搜索算法(PSO-MADS混合算法)对初始粒子群进行累进优化,得到线路方案的最优解,实现既有铁路三维空间线位整体智能重构。
进一步的,确定待重构三维线路的设计变量具体为:
以线路平面的交点坐标、前缓和曲线长度、后缓和曲线长度、圆曲线半径、纵面的变坡点里程及变坡点高程、竖曲线半径作为优化变量,设整条线路的平面交点总数为n,变坡点总数为m,待优化线路的三维空间线位用以下列矢量表示:
交点X坐标列矢量:X=[X1,X2,...,Xn]T;
交点Y坐标列矢量:Y=[Y1,Y2,...,Yn]T;
前缓和曲线长度列矢量:lF=[lF1,lF2,...,lFn]T;
圆曲线半径列矢量:
后缓和曲线长度列矢量:lB=[lB1,lB2,...,lBn]T;
变坡点里程列矢量:L=[L1,L2,...,Lm]T;
变坡点高程列矢量:Z=[Z1,Z2,...,Zm]T;
竖曲线半径列矢量:
进一步的,以线路平面拨道量平方和与纵面抬落道量平方和之和最小为目标函数,用公式1)表示:
式1)中:
PT表示外业实测点集,PT={Pi(xi,yi,zi),i∈I},i∈I={1,2,...,k};
MR表示既有铁路三维空间线位列矢量;
di表示测点Pi到重构线路投影点的距离;
fd表示计算测点调整量的函数;
表示计算平面线形测点调整量的函数;
表示计算纵面线位测点调整量的函数。
进一步的,计算测点到重构后线路平面投影点的距离(即平面调整量)具体是:
线路平面线元分为直线线元、圆曲线线元和缓和曲线线元,分别计算直线线元、圆曲线线元和缓和曲线线元的平面调整量;
(1)直线线元
设拟合后的直线方程为Ax+By+C=0(AB≠0),直线线元上测点Ps(xi,yi)的平面调整量为:
(2)圆曲线线元
设拟合后的圆曲线方程为则圆曲线线元上测点Ps(xi,yi)的平面调整量为:
式3)中,(xH,yH)为重构平面圆曲线方程的圆心坐标,RH为重构平面圆曲线的半径;
(3)缓和曲线线元
对于缓和曲线,采用二分法迭代计算平面调整量:设圆缓点PYH(x,y)处切线与测点Ps(xi,yi)连线的夹角为αYH,缓直点PHZ(x,y)处切线与测点Ps(xi,yi)连线的夹角为αHZ,选取缓和曲线中点位置P(x',y'),若P(x',y')处切线与测点连线的夹角等于π/2或小于设定阈值时,则停止迭代,Ps(xi,yi)到P(x',y')的距离dh i即为测点的平面调整量;否则,以P(x',y')为缓和曲线终点继续迭代,直至满足迭代终止条件。
进一步的,计算测点到重构后线路纵面投影点的距离(即抬落道量)具体是:
线路纵面线元分为直线线元和竖曲线线元,分别计算直线线元和竖曲线线元的抬落道量,即纵面调整量;
(1)直线线元
设重构纵面直线线元方程为y=Kx+b,则直线部分测点Ps(xi,yi)的抬落道量(即调整量)为:
式4)中,K为重构纵坡直线方程的斜率,即重构直线坡度,b为重构纵坡直线方程的截距;
(2)竖曲线线元
设竖曲线的曲线方程为则位于该竖曲线范围内测点Ps(xi,yi)的调整量/>为:
式5)中,(xV,yV)为重构纵面竖曲线的圆心坐标;RV为重构纵面竖曲线的半径。
进一步的,确定约束条件,具体是:
确定线路重构时需满足的约束条件,包含平面约束、纵面约束、横截面约束和线路-结构物复杂关联约束,具体为:
(1)平面约束
式6)中,Lcmin为平面最小圆曲线长度,Di为夹直线长度,为缓圆点PHY(x,y)到圆缓点PYH(x,y)的转角,/>为重构线路平面曲线半径,l为缓和曲线长度;
(2)纵面约束
式7)中,为相邻变坡点间坡段长度,-iDmax为最大容许下行坡度,iUmax为最大容许上行坡度,|Δii|为相邻坡段坡度代数差,Δimax为最大坡度代数差,/>为竖曲线半径,;
(3)横截面约束
由线路平面和纵面调整量引起的横截面移动量不超过限界范围,表示为:
f(MR,Ps,is,ie)≤dltd 8);
式8)中,f(MR,Ps,is,ie)为计算横截面移动量的函数,is为路基坡度,ie为路堤或路堑坡度,dltd为路基到限界的距离;
(4)线路-结构物复杂关联约束
线路纵面应保证竖曲线部分不与缓和曲线、明桥以及道岔重叠,表示为:
式9)中:
表示第i个平曲线起点里程,/>表示第i个平曲线终点里程,/>表示第i个竖曲线起点里程,/>表示第i个竖曲线终点里程;
存在工程结构物限制的测点调整量应满足容许调整量要求,表示为:
式10)中,dminL为测点向左最小调整量,dmaxR为测点向右最大调整量,dminU为测点向上最小调整量,dmaxD为测点向下最大调整量。
进一步的,初始三维线路方案的获取具体为:
计算平面曲线测点的方位角变化率,初步区分平面线元归属;
根据测点Ps(xi,yi)的坐标和里程,求出测点Ps(xi,yi)的方位角变化率θi',具体的,
式11)中,θi为测点Ps(xi,yi)的方位角,为测点Ps(xi,yi)的里程;
依次计算出测点P2和Pk-1的方位角变化率,第1个测点方位角变化率为0,第k个测点方位角变化率等于第k-1个测点方位角变化率;设线路的最大容许曲线半径为则认为/>时测点属于直线线元部分,其余测点属于曲线线元部分;
计算纵面坡度的变化率,初步区分纵面线元归属;
根据测点Ps(xi,yi)的坐标和里程,求出测点Ps(xi,yi)的坡度变化率Qi",具体的,
式12)中,Hi为测点Ps(xi,yi)的高程,Q′i为测点Ps(xi,yi)的坡度;
依次计算出测点P2和Pk-1的坡度变化率,第1个测点坡度变化率为0,第k个测点坡度变化率等于第k-1个测点坡度变化率;直线坡的坡度变化率趋于0,竖曲线坡度变化率趋于竖曲线半径的倒数,设竖曲线最小半径为则认为坡度变化率Qi"小于/>这一阈值时测点属于直坡线元部分,其余测点属于竖曲线部分;
根据线元归属初步划分结果,利用最小二乘法和约束条件对平、纵面直线和曲线进行拟合,基于初步拟合结果,再次对直线和曲线线元归属进行划分,依据再次划分的结果二次拟合,如此震荡迭代,直至线元归属划分结果不再变化或达到最大迭代次数,即得到线路的初始三维线形。
进一步的,实现既有铁路三维空间线位整体智能重构具体是:在初始三维线路方案的基础上利用正态分布在线路可行搜索域生成初始粒子群,基于PSO-MADS混合算法对初始粒子群进行累进优化,得到线路方案的最优解;
具体包括以下步骤:
步骤S1、根据形成的初始线路方案,在初始线路附近一定范围内生成可行搜索域;
步骤S2、以初始方案为期望,基于正态分布在可行搜索域内随机生成初始粒子群;
步骤S3、基于PSO算法,遍历粒子群,计算个体适应度值,更新个体最优位置和全局最优位置,进而更新平面线路相关参数;基于MADS算法优化平面线路相关参数;基于PSO算法优化纵面参数;
步骤S4、重复步骤S3,迭代更新初始三维线路方案,根据目标函数计算更新后方案的目标函数值,更新粒子群的个体最优解和全局最优解,继续迭代,直至迭代次数达到最大迭代次数,即得到最优的三维空间整体线位方案。
进一步的,PSO-MADS混合算法的实现原理为:
PSO算法(即粒子群算法)中方案初始化为向量空间里一群随机的粒子,按照公式13)迭代,得到粒子自身最优位置和种群最优位置,更新初始粒子群,向量空间的维度由变量数目决定;
式13)中:
Vi t为第i个粒子第t次迭代后的速度向量,
为第i个粒子第t次迭代后的位置向量,
为第i个粒子的初始位置向量,
Pi t为第i个粒子第t次迭代个体最优位置,
Pi 0为第i个粒子初始最优位置,等于
为粒子群的全局最优位置,
为初始粒子群的全局最优位置,
w为惯性权重,
c1、c2为加速常数,
为[0,1]范围内随机数;
MADS算法(即网格自适应直接搜索算法)中,对变量中平面圆曲线半径和缓和曲线长度进行搜索,在设定的网格集中对搜索点的目标函数F进行评价,通过不断迭代搜索下降方向和步长求得最优解。
网格自适应直接搜索算法(MADS算法)以粒子群算法更新后的位置Post i对应的向量(平面圆曲线半径和缓和曲线长度)为初值,分别设置平面圆曲线半径和缓和曲线长度初始网格搜索尺寸,在网格上依次选取试验点按照目标函数F计算其函数值,与上一网格点的函数值进行比较,根据比较结果评价是否搜索成功,依据搜索结果决定是否执行轮询过程,根据搜索或轮询结果减小或者扩大网格搜索尺寸继续搜索并更新最优解,直至网格尺寸达到设定值。
进一步的,步骤S1具体为:
根据初始方案得到准确的交点和变坡点数,计算平面线路中各交点范围内测点至重构线路的拨道量,计算纵面线路中各变坡点范围内测点的抬落道量,取平面拨道量和纵面抬落道量的最大值,分别为和/>结合约束条件,计算出约束条件下各交点和变坡点范围内的调整量,取其最小值,分别为/>和/>若各交点和变坡点范围内存在控制约束,则平面可行搜索域带宽为/>纵面为/>否则,平面可行搜索域带宽为/>纵面为/>
步骤S2具体为:
基于正态分布在可行搜索域内随机变化得到交点坐标、变坡点里程和变坡点高程的初始值,拟合出满足约束条件的竖曲线半径;以交点范围内平面测点拨道量平方和最小为目标,结合约束条件,利用MADS算法对平面圆曲线半径和缓和曲线长度进行优化得到初始粒子;若初始粒子不符合约束条件则重新生成,不断重复此过程,直至产生满足条件的初始粒子群;
步骤S3具体为:
(1)按照公式1)计算每个粒子的适应度,得到粒子的个体最优解Pi t,采用公式13)迭代更新速度变量和位置变量,计算位置变量代表的线路方案所有实测点的适应度值,若经过迭代的粒子适应度优于个体最优解Pi t,则对个体最优解进行更新;若Pi t优于全局最优解则将全局最优解更新为Pi t,基于个体最优位置Pi t和/>更新粒子平面线路相关参数;
(2)采用MADS算法对平面圆曲线半径和缓和长度进行优化,设迭代计数s=0,初始点为目标函数F表示为:
式14)中,Pj为平面交点范围内测点集;
考虑圆曲线半径和缓和曲线长度的变化范围不同,设置的初始网格尺寸为100m,lF0,lB0的初始网格尺寸为10m;
网格搜索过程中按照公式14)计算各点的函数值,若新的网格点F(xs+1)<F(xs),则搜索成功,更新最优解xs,同时更新参数s=s+1用于下一次迭代;否则,转入轮询过程,估计当前网格点相邻范围内点的目标函数,若找到新的网格点目标函数值优于当前网格点,则更新最优解xs,更新参数s=s+1;若未找到新的网格点优于当前网格点,则在轮询过程产生的网格点集一定领域的其他网格点集进行寻优搜索;
若在上述搜索和轮询过程中均未找到更优解,令xs+1=xs,更新参数s=s+1,并减小网格尺寸,搜索局部更优解;若在搜索与轮询过程中生成了更优解,则更新当前最优解,并保持或扩大网格尺寸参数,以快速搜索全局最优解,直至网格尺寸达到设定值,即停止搜索;MADS算法在处理约束条件时,将最小圆曲线半径和最小缓和曲线长度作为不可逾越约束,在搜索过程中,判断网格点是否满足不可逾越约束条件,若不满足,则将该网格点舍弃,继续判断下一个网格点是否满足约束条件;重大结构物容许调整量被视为可逾越约束,在搜索过程中,若网格点不满足可逾越约束条件,则在迭代过程中自适应减少,直至搜索出满足所有控制点约束的解;
(3)采用PSO算法,基于Pi t和更新纵面线路方案相关参数,同时保证参数满足所有约束条件;将缓和曲线、正线道岔、明桥面设为竖曲线禁区,为保证竖曲线长度最短的情况下,变坡点距离竖曲线禁区足够远,最小竖曲线长度按公式15)计算:
竖曲线长度最小时,变坡点里程Li与最近特征点ZY点和YZ点之间的里程差ΔL应满足公式16):
式16)中,β为相邻变坡点连线转角的一半;
根据公式16)求出变坡点的里程范围,采用公式13)中的速度更新公式和位置更新公式,并结合约束条件更新一次变坡点里程Li;更新后变坡点位置为由公式15)、16)得:
变坡点前后坡度ii-1、ii:
解不等式17)和18)求出变坡点高程Zi的取值范围,结合约束条件和公式13)的速度更新公式和位置更新公式在范围内更新一次变坡点高程Zi;此时Δi和ΔL已知,根据不等式17)和公式13)的速度更新公式和位置更新公式更新竖曲线半径。
应用本发明的技术方案,具有以下有益效果:
(1)本发明综合考虑了平面设计和纵面设计之间的相互影响,提出了既有铁路三维空间线位整体重构的优化变量和评价最优方案的目标函数,给出了控制优化方向的约束条件,对于线路的三维空间线位优化,提出了累进更新的策略,采用粒子群算法混合网格自适应直接搜索算法(PSO-MADS混合算法),结合约束条件,得出最优三维空间线位整体重构方案;与二维独立重构方法相比,应用本发明提供的重构方法所得到的方案进行铁路增改建,成本有所降低。
(2)本发明综合考虑了线路三维空间线位整体重构时的平面约束、纵面约束、横截面约束和线路-结构物复杂关联约束条件,保证重构方案满足线路规范。
(3)本发明提出了基于粒子群算法混合网格自适应直接搜索算法的优化模型和累进更新的策略,便于利用计算机对初始粒子群进行优化,搜索最优方案,提高了优化速度。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明总体步骤流程图;
图2为生成初始三维线位方案流程图;
图3为线路平面线元划分的测点群示意图;
图4为线路纵面线元划分的测点群示意图;
图5为二分法迭代计算缓和曲线线元范围测点调整量示意图;
图6为竖曲线示意图;
图7为基于PSO-MADS算法优化三维线路方案步骤流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。
实施例
参见图1,本实施例提供一种既有铁路三维空间线位整体智能重构方法,包括以下步骤:
确定待重构三维线路的设计变量,将线路平面的交点坐标、缓和曲线长度、圆曲线半径、纵面的变坡点里程、变坡点高程和竖曲线半径作为优化变量;
具体的,以线路平面的交点坐标、前缓和曲线长度、后缓和曲线长度、圆曲线半径、纵面的变坡点里程及变坡点高程、竖曲线半径作为优化变量,设整条线路的平面交点总数为n,变坡点总数为m,待优化线路的三维空间线位用以下列矢量表示:
交点X坐标列矢量:X=[X1,X2,...,Xn]T;
交点Y坐标列矢量:Y=[Y1,Y2,...,Yn]T;
前缓和曲线长度列矢量:lF=[lF1,lF2,...,lFn]T;
圆曲线半径列矢量:
后缓和曲线长度列矢量:lB=[lB1,lB2,...,lBn]T;
变坡点里程列矢量:L=[L1,L2,...,Lm]T;
变坡点高程列矢量:Z=[Z1,Z2,...,Zm]T;
竖曲线半径列矢量:
确定目标函数,以线路平面拨道量平方和与纵面抬落道量平方和之和最小为目标函数,用公式1)表示:
中:
PT表示外业实测点集,PT={Pi(xi,yi,zi),i∈I},i∈I={1,2,...,k};
MR表示既有铁路三维空间线位列矢量;
di表示测点Pi到重构线路投影点的距离;
fd表示计算测点调整量的函数;
表示计算平面线形测点调整量的函数;
表示计算纵面线位测点调整量的函数。
计算测点到重构后线路平面投影点的距离(即平面调整量),具体是:
线路平面线元分为直线线元、圆曲线线元和缓和曲线线元,分别计算直线线元、圆曲线线元和缓和曲线线元的平面调整量;
(1)直线线元
设拟合后的直线方程为Ax+By+C=0(AB≠0),直线线元上测点Ps(xi,yi)的平面调整量为:
(2)圆曲线线元
设拟合后的圆曲线方程为则圆曲线线元上测点Ps(xi,yi)的平面调整量为:
式3)中,(xH,yH)为重构平面圆曲线方程的圆心坐标,RH为重构平面圆曲线的半径;
(3)缓和曲线线元
对于缓和曲线,采用二分法迭代计算平面调整量:设圆缓点PYH(x,y)处切线与测点Ps(xi,yi)连线的夹角为αYH,缓直点PHZ(x,y)处切线与测点Ps(xi,yi)连线的夹角为αHZ,选取缓和曲线中点位置P(x',y'),若P(x',y')处切线与测点连线的夹角等于π/2或小于设定阈值时,则停止迭代,Ps(xi,yi)到P(x',y')的距离dh i即为测点的平面调整量;否则,以P(x',y')为缓和曲线终点继续迭代,直至满足迭代终止条件,参见图5。
计算测点到重构后线路纵面投影点的距离(即抬落道量),具体是:
线路纵面线元分为直线线元和竖曲线线元,分别计算直线线元和竖曲线线元的抬落道量,即纵面调整量;
(1)直线线元
设重构纵面直线线元方程为y=kx+b,则直线部分测点Ps(xi,yi)的抬落道量为:
di v=|yi-(Kxi+b)| 4);
式4)中,K为重构纵坡直线方程的斜率,即重构直线坡度,b为重构纵坡直线方程的截距;
(2)竖曲线线元
设竖曲线的曲线方程为则位于该竖曲线范围内测点Ps(xi,yi)的调整量/>为:
式5)中,(xV,yV)为重构纵面竖曲线的圆心坐标;RV为重构纵面竖曲线的半径。
确定约束条件,具体是:确定线路重构设计时需满足的约束条件,包含平面约束、纵面约束、横截面约束和线路-结构物复杂关联约束,具体为:
(1)平面约束
式6)中,Lcmin为平面最小圆曲线长度,Di为夹直线长度,为缓圆点PHY(x,y)到圆缓点PYH(x,y)的转角,/>为重构线路平面曲线半径,l为缓和曲线长度;
(2)纵面约束
式7)中,为相邻变坡点间坡段长度,-iDmax为最大容许下行坡度,iUmax为最大容许上行坡度,|Δii|为相邻坡段坡度代数差,Δimax为最大坡度代数差,/>为竖曲线半径;
(3)横截面约束
由线路平面和纵面调整量引起的横截面移动量不超过限界范围,表示为:
f(MR,Ps,is,ie)≤dltd 8);
式8)中,f(MR,Ps,is,ie)为计算横截面移动量的函数,is为路基坡度,ie为路堤或路堑坡度,dltd为路基到限界的距离;
(4)线路-结构物复杂关联约束
线路纵面应保证竖曲线部分不与缓和曲线、明桥以及道岔重叠,表示为:
式9)中:
表示第i个平曲线起点里程,/>表示第i个平曲线终点里程,/>表示第i个竖曲线起点里程,/>表示第i个竖曲线终点里程;
存在工程结构物限制的测点调整量应满足容许调整量要求,表示为:
/>
式10)中,dminL为测点向左最小调整量,dmaxR为测点向右最大调整量,dminU为测点向上最小调整量,dmaxD为测点向下最大调整量。
初始三维线路方案的获取,参见图2,具体是:计算平面曲线测点的方位角变化率和纵面坡度的变化率,基于测点方位角和坡度变化率对测点线元归属进行初步划分;线元初步划分后,拟合平、纵面直线和曲线,震荡迭代,精确划分线元归属,得到初始三维线路方案;
具体的:
计算平面曲线测点的方位角变化率,初步区分平面线元归属;
根据测点Ps(xi,yi)的坐标和里程,求出测点Ps(xi,yi)的方位角变化率θi',具体的,
式11)中,θi为测点Ps(xi,yi)的方位角,为测点Ps(xi,yi)的里程;
依次计算出测点P2和Pk-1的方位角变化率,第1个测点方位角变化率为0,第k个测点方位角变化率等于第k-1个测点方位角变化率;设线路的最大容许曲线半径为则认为/>时测点属于直线线元部分,其余测点属于曲线线元部分,参见图3;
计算纵面坡度的变化率,初步区分纵面线元归属;
根据测点Ps(xi,yi)的坐标和里程,求出测点Ps(xi,yi)的坡度变化率Qi",具体的,
式12)中,Hi为测点Ps(xi,yi)的高程,Q′i为测点Ps(xi,yi)的坡度;
依次计算出测点P2和Pk-1的坡度变化率,第1个测点坡度变化率为0,第k个测点坡度变化率等于第k-1个测点坡度变化率;直线坡的坡度变化率趋于0,竖曲线坡度变化率趋于竖曲线半径的倒数,设竖曲线最小半径为则认为坡度变化率Q″i小于/>这一阈值时测点属于直坡线元部分,其余测点属于竖曲线部分,参见图4;
根据线元归属初步划分结果,利用最小二乘法和约束条件对平、纵面直线和曲线进行拟合,基于初步拟合结果,再次对直线和曲线线元归属进行划分,依据再次划分的结果二次拟合,如此震荡迭代,直至线元归属划分结果不再变化或达到最大迭代次数,即得到线路的初始三维线形。
基于待重构三维线路的设计变量、目标函数、约束条件、测点到重构后线路平面投影点的距离、测点到重构后线路纵面投影点的距离以及初始三维线路方案,利用正态分布在线路可行搜索域生成初始粒子群,基于PSO-MADS混合算法对初始粒子群进行累进优化,得到线路方案的最优解,实现既有铁路三维空间线位整体智能重构。
PSO-MADS混合算法的实现原理为:
PSO算法(即粒子群算法)中方案初始化为向量空间里一群随机的粒子,按照公式13)迭代,得到粒子自身最优位置和种群最优位置,更新初始粒子群,向量空间的维度由变量数目决定;
式13)中:
Vi t为第i个粒子第t次迭代后的速度向量,
为第i个粒子第t次迭代后的位置向量,
为第i个粒子的初始位置向量,
Pi t为第i个粒子第t次迭代个体最优位置,
Pi 0为第i个粒子初始最优位置,等于Posi 0,
为粒子群的全局最优位置,
为初始粒子群的全局最优位置,
w为惯性权重,
c1、c2为加速常数,
为[0,1]范围内随机数;
MADS算法(即网格自适应直接搜索算法)中,对变量中平面圆曲线半径和缓和曲线长度进行搜索,在设定的网格集中对搜索点的目标函数F进行评价,通过不断迭代搜索下降方向和步长求得最优解。
网格自适应直接搜索算法(MADS算法)以粒子群算法更新后的位置Post i对应的向量(平面圆曲线半径和缓和曲线长度)为初值,分别设置平面圆曲线半径和缓和曲线长度初始网格搜索尺寸,在网格上依次选取试验点按照目标函数F计算其函数值,与上一网格点的函数值进行比较,根据比较结果评价是否搜索成功,依据搜索结果决定是否执行轮询过程,根据搜索或轮询结果减小或者扩大网格搜索尺寸继续搜索并更新最优解,直至网格尺寸达到设定值。
参见图7,基于PSO-MADS混合算法对初始粒子群进行累进优化的具体步骤如下:
步骤S1、根据形成的初始线路方案,在初始线路附近一定范围内生成可行搜索域;
步骤S2、以初始方案为期望,基于正态分布在可行搜索域内随机生成初始粒子群;
步骤S3、基于PSO算法,遍历粒子群,计算个体适应度值,更新个体最优位置和全局最优位置,进而更新平面线路相关参数;基于MADS算法优化平面线路相关参数;基于PSO算法优化纵面参数;
步骤S4、重复步骤S3,迭代更新初始三维线路方案,根据目标函数计算更新后方案的目标函数值,更新粒子群的个体最优解和全局最优解,继续迭代,直至迭代次数达到最大迭代次数,即得到最优的三维空间整体线位方案。
步骤S1具体为:
根据初始方案得到准确的交点和变坡点数,计算平面线路中各交点范围内测点至重构线路的拨道量,计算纵面线路中各变坡点范围内测点的抬落道量,取平面拨道量和纵面抬落道量的最大值,分别为和/>结合约束条件,计算出约束条件下各交点和变坡点范围内的调整量,取其最小值,分别为/>和/>若各交点和变坡点范围内存在控制约束,则平面可行搜索域带宽为/>纵面为/>否则,平面可行搜索域带宽为纵面为/>
步骤S2具体为:
基于正态分布在可行搜索域内随机变化得到交点坐标、变坡点里程和变坡点高程的初始值,拟合出满足约束条件的竖曲线半径;以交点范围内平面测点拨道量平方和最小为目标,结合约束条件,利用MADS算法对平面圆曲线半径和缓和曲线长度进行优化得到初始粒子;若初始粒子不符合约束条件则重新生成,不断重复此过程,直至产生满足条件的初始粒子群;
步骤S3具体为:
(1)按照公式1)计算每个粒子的适应度,得到粒子的个体最优解Pi t,采用公式13)迭代更新速度变量和位置变量,计算位置变量代表的线路方案所有实测点的适应度值,若经过迭代的粒子适应度优于个体最优解Pi t,则对个体最优解进行更新;若Pi t优于全局最优解则将全局最优解更新为Pi t,基于个体最优位置Pi t和/>更新粒子平面线路相关参数;
(2)采用MADS算法对平面圆曲线半径和缓和长度进行优化,设迭代计数s=0,初始点为目标函数F表示为:
式14)中,Pj为平面交点范围内测点集;
考虑圆曲线半径和缓和曲线长度的变化范围不同,设置的初始网格尺寸为100m,lF0,lB0的初始网格尺寸为10m;
网格搜索过程中按照公式14)计算各点的函数值,若新的网格点F(xs+1)<F(xs),则搜索成功,更新最优解xs,同时更新参数s=s+1用于下一次迭代;否则,转入轮询过程,估计当前网格点相邻范围内点的目标函数,若找到新的网格点目标函数值优于当前网格点,则更新最优解xs,更新参数s=s+1;若未找到新的网格点优于当前网格点,则在轮询过程产生的网格点集一定领域的其他网格点集进行寻优搜索;
若在上述搜索和轮询过程中均未找到更优解,令xs+1=xs,更新参数s=s+1,并减小网格尺寸,搜索局部更优解;若在搜索与轮询过程中生成了更优解,则更新当前最优解,并保持或扩大网格尺寸参数,以快速搜索全局最优解,直至网格尺寸达到设定值,即停止搜索;MADS算法在处理约束条件时,将最小圆曲线半径和最小缓和曲线长度作为不可逾越约束,在搜索过程中,判断网格点是否满足不可逾越约束条件,若不满足,则将该网格点舍弃,继续判断下一个网格点是否满足约束条件;重大结构物容许调整量被视为可逾越约束,在搜索过程中,若网格点不满足可逾越约束条件,则在迭代过程中自适应减少,直至搜索出满足所有控制点约束的解;
(3)采用PSO算法,基于Pi t和更新纵面线路方案相关参数,同时保证参数满足所有约束条件;将缓和曲线、正线道岔、明桥面设为竖曲线禁区,为保证竖曲线长度最短的情况下,变坡点距离竖曲线禁区足够远,最小竖曲线长度按公式15)计算:
竖曲线长度最小时,变坡点里程Li与最近特征点ZY点和YZ点之间的里程差ΔL应满足公式16):
式16)中,β为相邻变坡点连线转角的一半,参见图6;
根据公式16)求出变坡点的里程范围,采用公式13)中的速度更新公式和位置更新公式,并结合约束条件更新一次变坡点里程Li;更新后变坡点位置为由公式15)、16)得:
变坡点前后坡度ii-1、ii:
解不等式17)和18)求出变坡点高程Zi的取值范围,结合约束条件和公式13)的速度更新公式和位置更新公式在范围内更新一次变坡点高程Zi;此时Δi和ΔL已知,根据不等式17)和公式13)的速度更新公式和位置更新公式更新竖曲线半径。
以下以石门-长沙既有铁路K133+400-K142+420区段线路的重构案例对本发明的技术方案作进一步的说明,该区段包含472个测点数据。
(1)确定待重构线路的设计变量,目标函数和约束条件。
将线路平面的交点坐标、缓和曲线长度、圆曲线半径和纵面的变坡点里程、变坡点高程和竖曲线半径作为优化变量;
以线路平面拨道量平方和与纵面抬落道量平方和之和最小为目标函数;
分段(直线段、圆曲线段、缓和曲线段)计算测点到重构后线路平面投影点的距离;
分段(直线坡段、竖曲线坡段)计算测点到重构后线路纵面投影点的距离;
确定线路重构设计时需满足的约束条件,包含平面约束、纵面约束、横截面约束和线路-结构物复杂关联约束。本案例中,平面约束和纵面约束参照线路设计标准,控制点限制拨道量为100mm,限制抬落道量为200mm。
(2)划分测点线元归属。
计算各测点的方位角变化率,并依据计算结果初步划分测点平面线元归属;
根据测点的里程和高程,计算各测点的坡度及坡度变化率,根据计算结果初步划分测点的纵面线元归属;
依据线元初步划分结果,结合最小二乘法和约束条件对直曲线元进行拟合,基于初步拟合结果,再次对直曲线元归属进行划分,依据再次划分的结果二次拟合,如此震荡迭代,直至线元归属划分结果与前一次结果相比不再变化或达到最大迭代次数,得到线路的初始三维线形。
(3)采用粒子群算法混合网格自适应直接搜索算法(PSO-MADS混合算法)对初始粒子群进行累进优化,得到线路方案的最优解。
S1、在初始线路附近一定范围生成可行搜索域,根据测点平面拨道量、纵面抬落道量和控制点约束,确定可行搜索域带宽;
S2、基于正态分布在可行搜索域内随机变化得到平面交点坐标、变坡点里程、变坡点高程的初始值。以交点范围内拨道量平方和最小为目标,利用MADS算法结合约束条件对平面圆曲线半径和缓和曲线长度进行优化,得到初始粒子,不断重复此过程,得到满足条件的初始粒子群;
S3、利用PSO-MADS算法对初始粒子群进行优化,计算粒子适应度值,根据计算结果更新Pi t和
S4、重复步骤S3,迭代更新粒子群的个体最优解和全局最优解,继续迭代,直至迭代次数达到最大迭代次数,得到最优的三维空间线位方案。
在本重构案例中,按照本方法优化的方案测点总调整量为0.61/m2,传统二维平纵分离式全线震荡迭代法优化方案测点总调整量为1.22/m2,实验结果表明本方法与传统二维重构方法相比,测点总调整量减少,从而节省了线路重构成本。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种既有铁路三维空间线位整体智能重构方法,其特征在于,包括以下步骤:
确定待重构三维线路的设计变量,具体是:将线路平面的交点坐标、缓和曲线长度、圆曲线半径、纵面的变坡点里程、变坡点高程和竖曲线半径作为优化变量;
确定目标函数,具体是:以线路平面拨道量平方和与纵面抬落道量平方和之和最小为目标函数;
计算测点到重构后线路平面投影点的距离;计算测点到重构后线路纵面投影点的距离;
确定约束条件,具体是:确定线路重构设计时需满足的约束条件,包含平面约束、纵面约束、横截面约束和线路-结构物复杂关联约束;
初始三维线路方案的获取,具体是:计算平面曲线测点的方位角变化率和纵面坡度的变化率,基于测点方位角变化率和坡度变化率对测点线元归属进行初步划分;线元初步划分后,拟合平、纵面直线和曲线,震荡迭代,精确划分线元归属,得到初始三维线路方案;
基于待重构三维线路的设计变量、目标函数、约束条件、测点到重构后线路平面投影点的距离、测点到重构后线路纵面投影点的距离以及初始三维线路方案,结合粒子群算法混合网格自适应直接搜索算法实现既有铁路三维空间线位整体智能重构;
实现既有铁路三维空间线位整体智能重构具体是:在初始三维线路方案的基础上利用正态分布在线路可行搜索域生成初始粒子群,基于PSO-MADS混合算法对初始粒子群进行累进优化,得到线路方案的最优解,PSO-MADS混合算法即粒子群算法混合网格自适应直接搜索算法;
具体包括以下步骤:
步骤S1、根据形成的初始线路方案,在初始线路附近一定范围内生成可行搜索域;
步骤S2、以初始方案为期望,基于正态分布在可行搜索域内随机生成初始粒子群;
步骤S3、基于PSO算法,遍历粒子群,计算个体适应度值,更新个体最优位置和全局最优位置,进而更新平面线路相关参数;基于MADS算法优化平面线路相关参数;基于PSO算法优化纵面参数;
步骤S4、重复步骤S3,迭代更新初始三维线路方案,根据目标函数计算更新后方案的目标函数值,更新粒子群的个体最优解和全局最优解,继续迭代,直至迭代次数达到最大迭代次数,即得到最优的三维空间整体线位方案。
2.根据权利要求1所述的既有铁路三维空间线位整体智能重构方法,其特征在于,确定待重构三维线路的设计变量具体为:
以线路平面的交点坐标、前缓和曲线长度、后缓和曲线长度、圆曲线半径、纵面的变坡点里程及变坡点高程、竖曲线半径作为优化变量,设整条线路的平面交点总数为n,变坡点总数为m,待优化线路的三维空间线位用以下列矢量表示:
交点X坐标列矢量:X=[X1,X2,...,Xn]T;
交点Y坐标列矢量:Y=[Y1,Y2,...,Yn]T;
前缓和曲线长度列矢量:lF=[lF1,lF2,...,lFn]T;
圆曲线半径列矢量:
后缓和曲线长度列矢量:lB=[lB1,lB2,...,lBn]T;
变坡点里程列矢量:L=[L1,L2,...,Lm]T;
变坡点高程列矢量:Z=[Z1,Z2,...,Zm]T;
竖曲线半径列矢量:
3.根据权利要求1所述的既有铁路三维空间线位整体智能重构方法,其特征在于,以线路平面拨道量平方和与纵面抬落道量平方和之和最小为目标函数,用公式1)表示:
式1)中:
PT表示外业实测点集,PT={Pi(xi,yi,zi),i∈I},i∈I={1,2,...,k};
MR表示既有铁路三维空间线位列矢量;
di表示测点Pi到重构线路投影点的距离;
fd表示计算测点调整量的函数;
表示计算平面线形测点调整量的函数;
表示计算纵面线位测点调整量的函数。
4.根据权利要求3所述的既有铁路三维空间线位整体智能重构方法,其特征在于,计算测点到重构后线路平面投影点的距离具体是:
线路平面线元分为直线线元、圆曲线线元和缓和曲线线元,分别计算直线线元、圆曲线线元和缓和曲线线元的平面调整量;
(1)直线线元
设拟合后的直线方程为Ax+By+C=0,AB≠0,直线线元上测点Ps(xi,yi)的平面调整量为:
(2)圆曲线线元
设拟合后的圆曲线方程为则圆曲线线元上测点Ps(xi,yi)的平面调整量为:
式3)中,(xH,yH)为重构平面圆曲线方程的圆心坐标,RH为重构平面圆曲线的半径;
(3)缓和曲线线元
对于缓和曲线,采用二分法迭代计算平面调整量:设圆缓点PYH(x,y)处切线与测点Ps(xi,yi)连线的夹角为αYH,缓直点PHZ(x,y)处切线与测点Ps(xi,yi)连线的夹角为αHZ,选取缓和曲线中点位置P(x',y'),若P(x',y')处切线与测点连线的夹角等于π/2或小于设定阈值时,则停止迭代,Ps(xi,yi)到P(x',y')的距离dh i即为测点的平面调整量;否则,以P(x',y')为缓和曲线终点继续迭代,直至满足迭代终止条件。
5.根据权利要求3所述的既有铁路三维空间线位整体智能重构方法,其特征在于,计算测点到重构后线路纵面投影点的距离具体是:
线路纵面线元分为直线线元和竖曲线线元,分别计算直线线元和竖曲线线元的抬落道量,即纵面调整量;
(1)直线线元
设重构纵面直线线元方程为y=Kx+b,则直线部分测点Ps(xi,yi)的抬落道量为:
式4)中,K为重构纵坡直线方程的斜率,即重构直线坡度,b为重构纵坡直线方程的截距;
(2)竖曲线线元
设竖曲线的曲线方程为则位于该竖曲线范围内测点Ps(xi,yi)的调整量/>为:
式5)中,(xV,yV)为重构纵面竖曲线的圆心坐标;RV为重构纵面竖曲线的半径。
6.根据权利要求2所述的既有铁路三维空间线位整体智能重构方法,其特征在于,确定约束条件,具体是:
确定线路重构时需满足的约束条件,包含平面约束、纵面约束、横截面约束和线路-结构物复杂关联约束,具体为:
(1)平面约束
式6)中,Lcmin为平面最小圆曲线长度,Di为夹直线长度,为缓圆点PHY(x,y)到圆缓点PYH(x,y)的转角,/>为重构线路平面曲线半径,l为缓和曲线长度;
(2)纵面约束
式7)中,为相邻变坡点间坡段长度,-iDmax为最大容许下行坡度,iUmax为最大容许上行坡度,|Δii|为相邻坡段坡度代数差,Δimax为最大坡度代数差,/>为竖曲线半径;
(3)横截面约束
由线路平面和纵面调整量引起的横截面移动量不超过限界范围,表示为:
f(MR,Ps,is,ie)≤dltd 8);
式8)中,f(MR,Ps,is,ie)为计算横截面移动量的函数,is为路基坡度,ie为路堤或路堑坡度,dltd为路基到限界的距离;
(4)线路-结构物复杂关联约束
线路纵面应保证竖曲线部分不与缓和曲线、明桥以及道岔重叠,表示为:
式9)中:
表示第i个平曲线起点里程,/>表示第i个平曲线终点里程,/>表示第i个竖曲线起点里程,/>表示第i个竖曲线终点里程;
存在工程结构物限制的测点调整量应满足容许调整量要求,表示为:
式10)中,dminL为测点向左最小调整量,dmaxR为测点向右最大调整量,dminU为测点向上最小调整量,dmaxD为测点向下最大调整量。
7.根据权利要求3所述的既有铁路三维空间线位整体智能重构方法,其特征在于,初始三维线路方案的获取具体为:
计算平面曲线测点的方位角变化率,初步区分平面线元归属;
根据测点Ps(xi,yi)的坐标和里程,求出测点Ps(xi,yi)的方位角变化率θi',具体的,
式11)中,θi为测点Ps(xi,yi)的方位角,为测点Ps(xi,yi)的里程;
依次计算出测点P2和Pk-1的方位角变化率,第1个测点方位角变化率为0,第k个测点方位角变化率等于第k-1个测点方位角变化率;设线路的最大容许曲线半径为则认为时测点属于直线线元部分,其余测点属于曲线线元部分;
计算纵面坡度的变化率,初步区分纵面线元归属;
根据测点Ps(xi,yi)的坐标和里程,求出测点Ps(xi,yi)的坡度变化率Qi",具体的,
式12)中,Hi为测点Ps(xi,yi)的高程,Qi'为测点Ps(xi,yi)的坡度;
依次计算出测点P2和Pk-1的坡度变化率,第1个测点坡度变化率为0,第k个测点坡度变化率等于第k-1个测点坡度变化率;直线坡的坡度变化率趋于0,竖曲线坡度变化率趋于竖曲线半径的倒数,设竖曲线最小半径为则认为坡度变化率Qi"小于/>这一阈值时测点属于直坡线元部分,其余测点属于竖曲线部分;
根据线元归属初步划分结果,利用最小二乘法和约束条件对平、纵面直线和曲线进行拟合,基于初步拟合结果,再次对直线和曲线线元归属进行划分,依据再次划分的结果二次拟合,如此震荡迭代,直至线元归属划分结果不再变化或达到最大迭代次数,即得到线路的初始三维线形。
8.根据权利要求1所述的既有铁路三维空间线位整体智能重构方法,其特征在于,PSO-MADS混合算法的实现原理为:
PSO算法中方案初始化为向量空间里一群随机的粒子,按照公式13)迭代,得到粒子自身最优位置和种群最优位置,更新初始粒子群,向量空间的维度由变量数目决定;
式13)中:
Vi t为第i个粒子第t次迭代后的速度向量,
为第i个粒子第t次迭代后的位置向量,
为第i个粒子的初始位置向量,
Pi t为第i个粒子第t次迭代个体最优位置,
Pi 0为第i个粒子初始最优位置,等于
为粒子群的全局最优位置,
为初始粒子群的全局最优位置,
w为惯性权重,
c1、c2为加速常数,
为[0,1]范围内随机数;
MADS算法中,对变量中平面圆曲线半径和缓和曲线长度进行搜索,在设定的网格集中对搜索点的目标函数F进行评价,通过不断迭代搜索下降方向和步长求得最优解。
9.根据权利要求8所述的既有铁路三维空间线位整体智能重构方法,其特征在于,步骤S1具体为:
根据初始方案得到准确的交点和变坡点数,计算平面线路中各交点范围内测点至重构线路的拨道量,计算纵面线路中各变坡点范围内测点的抬落道量,取平面拨道量和纵面抬落道量的最大值,分别为和/>结合约束条件,计算出约束条件下各交点和变坡点范围内的调整量,取其最小值,分别为/>和/>若各交点和变坡点范围内存在控制约束,则平面可行搜索域带宽为/>纵面为/>否则,平面可行搜索域带宽为/>纵面为/>
步骤S2具体为:
基于正态分布在可行搜索域内随机变化得到交点坐标、变坡点里程和变坡点高程的初始值,拟合出满足约束条件的竖曲线半径;以交点范围内平面测点拨道量平方和最小为目标,结合约束条件,利用MADS算法对平面圆曲线半径和缓和曲线长度进行优化得到初始粒子;若初始粒子不符合约束条件则重新生成,不断重复此过程,直至产生满足条件的初始粒子群;
步骤S3具体为:
(1)按照公式1)计算每个粒子的适应度,得到粒子的个体最优解Pi t,采用公式13)迭代更新速度变量和位置变量,计算位置变量代表的线路方案所有实测点的适应度值,若经过迭代的粒子适应度优于个体最优解Pi t,则对个体最优解进行更新;若Pi t优于全局最优解则将全局最优解更新为Pi t,基于个体最优位置Pi t和/>更新粒子平面线路相关参数;
(2)采用MADS算法对平面圆曲线半径和缓和长度进行优化,设网格点计数s=0,初始点为目标函数表示为:
式14)中,Pj为平面交点范围内测点集;
考虑圆曲线半径和缓和曲线长度的变化范围不同,设置的初始网格尺寸为100m,lF0,lB0的初始网格尺寸为10m;
网格搜索过程中按照公式14)计算各点的函数值,若新的网格点F(xs+1)<F(xs),则搜索成功,更新最优解xs,同时更新参数s=s+1用于下一次迭代;否则,转入轮询过程,估计当前网格点相邻范围内点的目标函数,若找到新的网格点目标函数值优于当前网格点,则更新最优解xs,更新参数s=s+1;若未找到新的网格点优于当前网格点,则在轮询过程产生的网格点集一定领域的其他网格点集进行寻优搜索;
若在上述搜索和轮询过程中均未找到更优解,令xs+1=xs,更新参数s=s+1,并减小网格尺寸,搜索局部更优解;若在搜索与轮询过程中生成了更优解,则更新当前最优解,并保持或扩大网格尺寸参数,以快速搜索全局最优解,直至网格尺寸达到设定值,即停止搜索;MADS算法在处理约束条件时,将最小圆曲线半径和最小缓和曲线长度作为不可逾越约束,在搜索过程中,判断网格点是否满足不可逾越约束条件,若不满足,则将该网格点舍弃,继续判断下一个网格点是否满足约束条件;重大结构物容许调整量被视为可逾越约束,在搜索过程中,若网格点不满足可逾越约束条件,则在迭代过程中自适应减少,直至搜索出满足所有控制点约束的解;
(3)采用PSO算法,基于Pi t和更新纵面线路方案相关参数,同时保证参数满足所有约束条件;将缓和曲线、正线道岔、明桥面设为竖曲线禁区,为保证竖曲线长度最短的情况下,变坡点距离竖曲线禁区足够远,最小竖曲线长度按公式15)计算:
竖曲线长度最小时,变坡点里程Li与最近特征点ZY点和YZ点之间的里程差ΔL应满足公式16):
式16)中,β为相邻变坡点连线转角的一半;
根据公式16)求出变坡点的里程范围,采用公式13)中的速度更新公式和位置更新公式,并结合约束条件更新一次变坡点里程Li;更新后变坡点位置为由公式15)、16)得:
变坡点前后坡度ii-1、ii:
解不等式17)和18)求出变坡点高程Zi的取值范围,结合约束条件和公式13)的速度更新公式和位置更新公式在范围内更新一次变坡点高程Zi;此时Δi和ΔL已知,根据不等式17)和公式13)的速度更新公式和位置更新公式更新竖曲线半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410160006.9A CN117708961B (zh) | 2024-02-05 | 2024-02-05 | 一种既有铁路三维空间线位整体智能重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410160006.9A CN117708961B (zh) | 2024-02-05 | 2024-02-05 | 一种既有铁路三维空间线位整体智能重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117708961A CN117708961A (zh) | 2024-03-15 |
CN117708961B true CN117708961B (zh) | 2024-04-30 |
Family
ID=90153762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410160006.9A Active CN117708961B (zh) | 2024-02-05 | 2024-02-05 | 一种既有铁路三维空间线位整体智能重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117708961B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060027928A (ko) * | 2004-09-24 | 2006-03-29 | 김민석 | 수치지도와 LiDAR 자료를 이용한 도시지역 도로의선형 설계요소 추출 방법 및 그 프로그램을 저장한기록매체 |
CN103399849A (zh) * | 2013-06-24 | 2013-11-20 | 中南大学 | 一种基于改进型粒子群算法的道路三维线形自动优化方法 |
CN105069255A (zh) * | 2015-08-31 | 2015-11-18 | 中南大学 | 用于公路或铁路三维选线的交点位置模型构建方法 |
CN109753743A (zh) * | 2019-01-14 | 2019-05-14 | 中国人民解放军国防科技大学 | 进化-配点混合多目标弹道优化方法及其装置 |
CN109977599A (zh) * | 2019-04-10 | 2019-07-05 | 中南大学 | 一种既有铁路纵面线位整体智能重构方法 |
CN112036490A (zh) * | 2020-09-01 | 2020-12-04 | 中南大学 | 一种铁路纵断面线形的识别重构方法 |
CN113554467A (zh) * | 2021-07-26 | 2021-10-26 | 中南大学 | 一种基于协同进化的铁路三维线形智能设计方法 |
CN115758871A (zh) * | 2022-11-08 | 2023-03-07 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于安全强化学习的配电网重构节能降损方法及装置 |
CN116186868A (zh) * | 2023-04-27 | 2023-05-30 | 中国铁路设计集团有限公司 | 一种既有铁路线形拟合及精确调整方法 |
CN116244841A (zh) * | 2022-12-19 | 2023-06-09 | 中国铁路设计集团有限公司 | 一种轨道交通既有线线路纵断面拟合优化方法 |
CN116757347A (zh) * | 2023-06-19 | 2023-09-15 | 中南大学 | 一种基于深度学习的铁路线路选线方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114413906B (zh) * | 2022-01-18 | 2022-12-13 | 哈尔滨工业大学 | 一种基于改进粒子群优化算法的三维轨迹规划方法 |
-
2024
- 2024-02-05 CN CN202410160006.9A patent/CN117708961B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060027928A (ko) * | 2004-09-24 | 2006-03-29 | 김민석 | 수치지도와 LiDAR 자료를 이용한 도시지역 도로의선형 설계요소 추출 방법 및 그 프로그램을 저장한기록매체 |
CN103399849A (zh) * | 2013-06-24 | 2013-11-20 | 中南大学 | 一种基于改进型粒子群算法的道路三维线形自动优化方法 |
CN105069255A (zh) * | 2015-08-31 | 2015-11-18 | 中南大学 | 用于公路或铁路三维选线的交点位置模型构建方法 |
CN109753743A (zh) * | 2019-01-14 | 2019-05-14 | 中国人民解放军国防科技大学 | 进化-配点混合多目标弹道优化方法及其装置 |
CN109977599A (zh) * | 2019-04-10 | 2019-07-05 | 中南大学 | 一种既有铁路纵面线位整体智能重构方法 |
CN112036490A (zh) * | 2020-09-01 | 2020-12-04 | 中南大学 | 一种铁路纵断面线形的识别重构方法 |
CN113554467A (zh) * | 2021-07-26 | 2021-10-26 | 中南大学 | 一种基于协同进化的铁路三维线形智能设计方法 |
CN115758871A (zh) * | 2022-11-08 | 2023-03-07 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于安全强化学习的配电网重构节能降损方法及装置 |
CN116244841A (zh) * | 2022-12-19 | 2023-06-09 | 中国铁路设计集团有限公司 | 一种轨道交通既有线线路纵断面拟合优化方法 |
CN116186868A (zh) * | 2023-04-27 | 2023-05-30 | 中国铁路设计集团有限公司 | 一种既有铁路线形拟合及精确调整方法 |
CN116757347A (zh) * | 2023-06-19 | 2023-09-15 | 中南大学 | 一种基于深度学习的铁路线路选线方法及*** |
Non-Patent Citations (9)
Title |
---|
1000 kV特高压线路带电作业等电位过程路径优化设计;张宇娇;陈嫣冉;王良凯;智李;黄雄峰;;高压电器;20200416(04);133-139 * |
Optimizing horizontal alignment of roads in a specified corridor;Sukanto Mondal 等;《ScienceDirect》;20150713;1-21 * |
基于分步编码改进遗传算法的铁路智能选线;李伟;蒲浩;赵海峰;胡建平;孟存喜;;西南交通大学学报;20131015(05);831-838 * |
基于双向广义距离变换的复杂环境铁路线路优化;李伟;蒲浩;郑晓强;;铁道学报;20170215(02);90-98 * |
基于点线一致的既有铁路线路纵断面自动重构方法;李伟;周雨;王杰;梁家轩;彭先宝;蒲浩;;铁道科学与工程学报;20191115(11);2684-2691 * |
山区高等级公路路线方案三维智能辅助设计方法研究;赵一帆;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190115;C034-321 * |
市场环境下计及参与需求侧响应的电动汽车换电站优化规划;刘俊涛;;华北电力大学学报(自然科学版);20160330(02);43-49 * |
铁路数字选线关键技术研究与应用;李伟;《中国博士学位论文全文数据库 工程科技II辑》;20141215;C033-8 * |
铁路线路智能优化方法研究综述;薛新功;李伟;蒲浩;;铁道学报;20180315(03);6-15 * |
Also Published As
Publication number | Publication date |
---|---|
CN117708961A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111238521B (zh) | 一种无人驾驶车辆的路径规划方法及*** | |
Dong et al. | Planning of fast EV charging stations on a round freeway | |
CN112307564B (zh) | 列车ato目标运行速度曲线优化方法及装置 | |
CN111256697B (zh) | 一种针对路径点聚类机器学习的无人机航迹规划方法 | |
CN109815523A (zh) | 基于分解的列车运行多目标差分进化算法 | |
CN110877612B (zh) | 一种基于车辆运动学和遗传算法的车辆紧急换道危险评估方法 | |
CN114912159B (zh) | 一种轨道交通线路平面几何线形的拟合方法 | |
CN116797002B (zh) | 电动汽车充电站规划方法、装置及存储介质 | |
CN117708961B (zh) | 一种既有铁路三维空间线位整体智能重构方法 | |
CN110427690A (zh) | 一种基于全局粒子群算法生成ato速度曲线的方法及装置 | |
CN112923946A (zh) | 一种基于Hybrid-astar的动态路径规划方法 | |
CN110928326A (zh) | 一种面向飞行器外形的测量点差异性规划方法 | |
CN112070300B (zh) | 一种基于多目标优化的电动汽车充电平台选取方法 | |
CN110298102B (zh) | 城轨底架滑槽刀具空走刀加工路径规划方法 | |
CN112308309A (zh) | 一种基于路径优化的电动汽车充电智能导引方法 | |
CN116541644A (zh) | 一种基于改进遗传算法的大件运输监测点布设*** | |
CN114228748B (zh) | 一种基于几何路径生成的类人化自动驾驶轨迹规划方法 | |
CN115190560A (zh) | 基于簇的自适应充电路径优化方法 | |
CN114995384A (zh) | 融合神经网络的改进hho算法agv路径规划 | |
Xing et al. | Multi-station fixture location layout optimization design for sheet metal parts | |
CN111460627A (zh) | 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 | |
CN116150918B (zh) | 一种考虑轮轨接触位置在钢轨上分布特征的钢轨廓形智能优化方法 | |
Lee et al. | Unsupervised Machine Learning-based EV Load Profile Generation for Efficient Distribution System Operation | |
CN109626044A (zh) | 一种单张纸印刷机递纸吸嘴运动轨迹优化设计方法 | |
JP2023535089A (ja) | 給気エアディフューザ及びその製造方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |