基于启发式优化算法的城市轨道交通列车时刻表节能优化研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 列车运行过程节能优化技术研究 | 第10-11页 |
| 1.2.2 列车再生制动能量优化利用研究 | 第11-12页 |
| 1.3 论文的主要研究内容及技术方案 | 第12-15页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13-15页 |
| 2 地铁直流供电系统仿真建模 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 地铁直流供电系统供电原理 | 第15-16页 |
| 2.3 地铁直流供电系统建模 | 第16-18页 |
| 2.3.1 牵引变电站模型 | 第16-17页 |
| 2.3.2 在线列车模型 | 第17页 |
| 2.3.3 牵引网络模型 | 第17-18页 |
| 2.4 地铁直流供电系统模型仿真计算 | 第18-25页 |
| 2.4.1 时变电网络模型潮流计算 | 第19-21页 |
| 2.4.2 直流牵引供电系统仿真计算 | 第21-23页 |
| 2.4.3 算例分析 | 第23-25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 基于启发式优化算法的时刻表节能优化研究 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 优化时刻表实现牵引节能的基本原理 | 第27-30页 |
| 3.2.1 列车区间运行的基本原理 | 第27-29页 |
| 3.2.2 时刻表节能优化的基本原理 | 第29-30页 |
| 3.3 启发式优化算法与优化的限制条件 | 第30-31页 |
| 3.4 基于遗传算法的列车时刻表优化 | 第31-36页 |
| 3.4.1 遗传算法基本原理 | 第31-33页 |
| 3.4.2 时刻表优化的遗传表示 | 第33-35页 |
| 3.4.3 算法流程 | 第35-36页 |
| 3.5 基于粒子群算法的列车时刻表优化 | 第36-41页 |
| 3.5.1 粒子群算法基本原理 | 第36-38页 |
| 3.5.2 时刻表优化的粒子群表示 | 第38-40页 |
| 3.5.3 算法流程 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 4 地铁列车时刻表优化的仿真分析 | 第43-63页 |
| 4.1 引言 | 第43页 |
| 4.2 基于遗传算法的时刻表优化仿真 | 第43-47页 |
| 4.2.1 仿真参数设置 | 第43-44页 |
| 4.2.2 仿真结果分析 | 第44-47页 |
| 4.3 基于粒子群算法的时刻表优化仿真 | 第47-49页 |
| 4.3.1 仿真参数设置 | 第47-48页 |
| 4.3.2 仿真结果分析 | 第48-49页 |
| 4.4 遗传算法优化与粒子群算法优化的对比分析 | 第49-51页 |
| 4.5 不同时段的列车时刻表优化 | 第51-62页 |
| 4.5.1 早平峰时段 | 第51-54页 |
| 4.5.2 早高峰时段 | 第54-55页 |
| 4.5.3 平峰时段 | 第55-57页 |
| 4.5.4 晚高峰时段 | 第57-58页 |
| 4.5.5 晚平峰时段 | 第58-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 列车延误对于时刻表优化的节能效果的影响 | 第63-69页 |
| 5.1 引言 | 第63页 |
| 5.2 列车延误分析 | 第63-64页 |
| 5.3 列车延误仿真及调整方案 | 第64-67页 |
| 5.3.1 列车延误对节能率的影响 | 第64-66页 |
| 5.3.2 列车时刻表调整方案 | 第66-67页 |
| 5.4 本章小结 | 第67-69页 |
| 6 总结与展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-75页 |
