遗传算法优化下的列车工况选择与能耗最小化

"单列车工况选择优化问题主要探讨了轨道交通系统中如何通过节能运行策略来降低列车牵引能耗，这是一个具有实际意义的研究课题。问题的核心在于如何在牵引、巡航、惰行和制动等不同的工况之间进行智能决策，以实现最低能耗的同时满足其他运行约束。 在第一部分中，宋晓雯的研究基于遗传算法，将列车运行过程时间离散化，将总运行时间划分为多个子区间，每个子区间内列车保持恒定的加速度和合力，使得能耗可以通过计算子区间初速度对应的牵引力和位移来估算。构建了一个非线性规划模型，目标是最大化节能，同时考虑了时间、路程、最高限速和最大受力限制。通过遗传算法求解，得到最优运行策略，即列车先以最大牵引力行驶20.77秒，随后惰行至97.87秒，接着制动至A7站。这种策略下，总能耗为3.98×107J。 第二部分，谭瑞的工作在此基础上进一步扩展，引入了从A7到A8站之间的额外约束，包括时间分配和路程要求。他们使用时间步长法划分110s，采用带有惩罚函数的遗传算法进行优化。在A6到A8站的运行路径中，列车先以最大牵引力行驶20.77秒，然后转换为惰行，接着制动，甚至在A7站停留一段时间，再重新进入牵引和惰行状态。这样，通过精细的工况分配，优化了列车在两个站点间的整体能耗。 这两个研究都强调了遗传算法在解决此类列车工况选择优化问题中的重要作用，它能够有效寻找出在满足约束条件下的最低能耗方案，对于轨道交通系统的节能减排具有显著的实际价值。"