致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 绪论 | 第12-22页 |
1.1 研究背景与研究意义 | 第12-13页 |
1.2 研究现状 | 第13-19页 |
1.2.1 牵引节能的主要方法 | 第13-14页 |
1.2.2 列车节能优化算法综述 | 第14-18页 |
1.2.3 目前研究存在的关键问题 | 第18页 |
1.2.4 列车节能操纵策略研究的发展趋势 | 第18-19页 |
1.3 论文主要研究内容和章节安排 | 第19-22页 |
2 列车运行数学模型 | 第22-32页 |
2.1 列车动力学模型 | 第22-26页 |
2.1.1 列车运行受力分析 | 第22-23页 |
2.1.2 列车牵引力 | 第23-24页 |
2.1.3 列车制动力 | 第24页 |
2.1.4 列车运行阻力 | 第24-26页 |
2.2 列车运行多目标优化模型 | 第26-31页 |
2.2.1 列车运行能耗的计算和衡量 | 第26-27页 |
2.2.2 列车运行时间的计算和衡量 | 第27-29页 |
2.2.3 列车运行舒适度的计算和衡量 | 第29-31页 |
2.3 本章小结 | 第31-32页 |
3 列车运行过程优化问题 | 第32-46页 |
3.1 列车自动运行系统及控制结构 | 第32-35页 |
3.1.1 列车自动运行系统 | 第32页 |
3.1.2 列车ATO控制结构 | 第32-35页 |
3.2 列车最优操纵策略的存在性以及最优操纵策略的确定 | 第35-40页 |
3.2.1 最优操纵策略的存在性 | 第35页 |
3.2.2 列车节能最优操纵策略存在的必要条件 | 第35-39页 |
3.2.3 列车局部运行控制策略 | 第39-40页 |
3.3 多目标优化问题及其解法概述 | 第40-45页 |
3.3.1 多目标优化的基本概念 | 第40-42页 |
3.3.2 多目标优化的数学模型 | 第42-43页 |
3.3.3 多目标优化问题的解法概述 | 第43页 |
3.3.4 求解多目标优化问题的遗传算法 | 第43-45页 |
3.4 本章小结 | 第45-46页 |
4 多目标遗传算法 | 第46-60页 |
4.1 多种群遗传算法 | 第46-49页 |
4.2 多目标遗传算法参数的选择 | 第49-53页 |
4.2.1 多目标遗传算法的编码 | 第49-50页 |
4.2.2 多目标遗传算法的选择 | 第50-51页 |
4.2.3 多目标遗传算法的交叉 | 第51-52页 |
4.2.4 多目标遗传算法的变异 | 第52页 |
4.2.5 算法中适应度函数的确定 | 第52-53页 |
4.3 多目标遗传算法在列车节能操纵策略上的应用 | 第53-59页 |
4.3.1 坡度等效策略 | 第53页 |
4.3.2 变量的离散化 | 第53-55页 |
4.3.3 快速非支配排序 | 第55页 |
4.3.4 拥挤距离 | 第55-56页 |
4.3.5 精英保留策略 | 第56页 |
4.3.6 算法流程 | 第56-59页 |
4.4 本章小结 | 第59-60页 |
5 优化算法的仿真验证分析与性能比较 | 第60-84页 |
5.1 仿真参数的设定 | 第60-64页 |
5.1.1 线路数据、车辆数据、控车策略 | 第60-63页 |
5.1.2 仿真系统架构 | 第63-64页 |
5.2 改进算法中各操作的仿真验证 | 第64-68页 |
5.2.1 等分区间和非等分区间离散化对比 | 第64-66页 |
5.2.2 普通遗传算法和快速非支配排序操作的对比 | 第66-68页 |
5.3 单目标优化和多目标优化的仿真验证 | 第68-83页 |
5.3.1 权重系数法的仿真分析 | 第68-69页 |
5.3.2 权重系数法中各遗传因子对进化的影响 | 第69-74页 |
5.3.3 改进的多目标遗传算法的仿真分析和场景应用 | 第74-80页 |
5.3.4 对整条线路的仿真 | 第80-83页 |
5.4 本章小结 | 第83-84页 |
6 结论与展望 | 第84-88页 |
6.1 研究结论 | 第84-85页 |
6.2 工作展望 | 第85-88页 |
参考文献 | 第88-92页 |
图索引 | 第92-94页 |
表索引 | 第94-96页 |
作者简历及攻读硕士学位期间取得的研究成果 | 第96-100页 |
学位论文数据集 | 第100页 |