| 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 研究背景及研究意义 | 第12-14页 |
| 1.2 研究现状 | 第14-19页 |
| 1.2.1 单列车节能优化研究现状 | 第14-16页 |
| 1.2.2 多列车追踪优化研究现状 | 第16-17页 |
| 1.2.3 列车控制策略研究现状 | 第17-18页 |
| 1.2.4 既有研究的不足 | 第18-19页 |
| 1.3 论文主要研究方案 | 第19-20页 |
| 1.4 章节安排 | 第20-22页 |
| 2 基本算法介绍与相关模型的建立 | 第22-38页 |
| 2.1 基本算法-粒子群算法 | 第22-27页 |
| 2.1.1 粒子群算法原理 | 第22-24页 |
| 2.1.2 多目标粒子群算法原理 | 第24-25页 |
| 2.1.3 算法构成要素 | 第25-26页 |
| 2.1.4 算法特点及其应用 | 第26-27页 |
| 2.2 ATO系统原理 | 第27-28页 |
| 2.3 移动闭塞系统原理 | 第28-30页 |
| 2.4 列车动力学模型分析 | 第30-35页 |
| 2.4.1 列车牵引特性分析 | 第31页 |
| 2.4.2 制动特性分析 | 第31-33页 |
| 2.4.3 列车运行阻力分析 | 第33-34页 |
| 2.4.4 列车运行工况及其转换原则分析 | 第34-35页 |
| 2.5 行车过程的分析与计算 | 第35-36页 |
| 2.6 本章小结 | 第36-38页 |
| 3 单列车运行多目标优化 | 第38-56页 |
| 3.1 单列车节能优化问题描述 | 第38页 |
| 3.2 多目标优化基础 | 第38-40页 |
| 3.3 单列车节能优化策略 | 第40-41页 |
| 3.4 单列车节能优化多目标模型的建立 | 第41-44页 |
| 3.5 算法的具体实现 | 第44-49页 |
| 3.5.1 基于MOPSO改进的实数交叉多目标粒子群(RCMOPSO)算法 | 第44-46页 |
| 3.5.2 基于RCMOPSO算法的单列车节能优化 | 第46-49页 |
| 3.6 仿真研究 | 第49-55页 |
| 3.6.1 仿真数据 | 第50页 |
| 3.6.2 优化结果纵向对比 | 第50-53页 |
| 3.6.3 优化结果横向对比 | 第53-55页 |
| 3.7 本章小结 | 第55-56页 |
| 4 多列车追踪运行多目标优化 | 第56-72页 |
| 4.1 多列车追踪节能优化问题描述 | 第56页 |
| 4.2 动态多目标优化问题 | 第56-57页 |
| 4.3 多列车追踪节能优化策略 | 第57页 |
| 4.4 多列车追踪优化多目标模型的建立 | 第57-60页 |
| 4.4.1 列车追踪间隔距离的计算模型 | 第58-59页 |
| 4.4.2 列车追踪优化目标及约束的处理 | 第59-60页 |
| 4.5 算法的具体实现 | 第60-66页 |
| 4.5.1 基于MOPSO改进的动态多目标粒子群(DMOPSO)算法 | 第60-63页 |
| 4.5.2 基于DMOPSO算法的列车追踪节能优化 | 第63-66页 |
| 4.6 仿真研究 | 第66-71页 |
| 4.6.1 优化结果纵向对比 | 第66-69页 |
| 4.6.2 优化结果横向对比 | 第69-71页 |
| 4.7 本章小结 | 第71-72页 |
| 5 列车运行速度优化控制 | 第72-84页 |
| 5.1 列车运行速度控制问题描述 | 第72页 |
| 5.2 PID控制算法基础 | 第72-73页 |
| 5.3 控制系统性能优化指标 | 第73-74页 |
| 5.4 列车模型的线性化 | 第74-75页 |
| 5.5 基于粒子群算法的PID速度控制器的优化设计 | 第75-77页 |
| 5.6 仿真研究 | 第77-83页 |
| 5.6.1 本文算法的验证 | 第77-81页 |
| 5.6.2 PID参数整定方法的对比 | 第81-83页 |
| 5.7 本章小结 | 第83-84页 |
| 6 总结与展望 | 第84-86页 |
| 参考文献 | 第86-91页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第91-93页 |
| 学位论文数据集 | 第93页 |
