| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究课题的背景和意义 | 第14-16页 |
| 1.1.1 课题来源 | 第14页 |
| 1.1.2 课题背景及意义 | 第14-15页 |
| 1.1.3 研究意义 | 第15-16页 |
| 1.2 高速列车节能运行优化的国内外研究历史及现状 | 第16-21页 |
| 1.3 目前研究存在的关键问题 | 第21-22页 |
| 1.4 本课题研究的主要内容 | 第22-23页 |
| 1.5 论文的组织结构 | 第23-26页 |
| 第2章 高速列车节能运行过程计算及优化的基本理论 | 第26-48页 |
| 2.1 高速列车运行的单质点列车模型及力学基础 | 第26-32页 |
| 2.1.1 既有的单质点列车模型 | 第27页 |
| 2.1.2 列车的粘着、牵引力和制动力 | 第27-29页 |
| 2.1.3 列车的阻力 | 第29-31页 |
| 2.1.4 运动方程 | 第31-32页 |
| 2.2 高速列车运行能耗推算 | 第32-36页 |
| 2.2.1 牵引传动系统组成 | 第32页 |
| 2.2.2 牵引传动系统的能量传递 | 第32-34页 |
| 2.2.3 高速列车运行能耗推算 | 第34-36页 |
| 2.3 高速列车运行基本过程及操纵策略 | 第36-40页 |
| 2.3.1 高速列车运行基本过程 | 第36页 |
| 2.3.2 最小运行时分操纵策略 | 第36-37页 |
| 2.3.3 固定运行时分下节能运行操纵的可能性 | 第37-40页 |
| 2.4 用于列车节能操纵优化的智能算法 | 第40-46页 |
| 2.4.1 微粒群算法基本原理及其在列车节能操纵优化问题的应用 | 第40-42页 |
| 2.4.2 遗传算法基本原理及其在列车节能操纵优化问题的应用 | 第42-45页 |
| 2.4.3 PSO与SGA对比分析 | 第45-46页 |
| 2.5 高速列车运行仿真与优化算法结合的研究方法 | 第46页 |
| 2.6 本章小结 | 第46-48页 |
| 第3章 影响能耗计算精度若干关键因素的数学模型优化及优化平台搭建 | 第48-68页 |
| 3.1 刚性多质点列车力学模型 | 第48-50页 |
| 3.1.1 多质点列车模型及其内部受力分析 | 第48-49页 |
| 3.1.2 多质点列车模型变坡段的受力分析 | 第49-50页 |
| 3.1.3 多质点列车模型变曲率段的受力分析 | 第50页 |
| 3.2 牵引供电计算模型的改进 | 第50-54页 |
| 3.2.1 列车仿真与牵引供电计算的流程 | 第52页 |
| 3.2.2 牵引供电计算模型 | 第52-54页 |
| 3.2.3 列车运行网压检测反馈 | 第54页 |
| 3.3 高速列车过电分相对列车运行过程的影响 | 第54-57页 |
| 3.3.1 京沪高速线路分相区情况及列车过分相过程 | 第55页 |
| 3.3.2 列车过电分相对列车运行速度及时分的影响 | 第55-56页 |
| 3.3.3 列车过电分相时的速度变化及时间影响 | 第56-57页 |
| 3.4 高速列车节能运行优化平台仿真系统构建 | 第57-66页 |
| 3.4.1 系统构成与优化流程 | 第58-60页 |
| 3.4.2 功能设计系统构建 | 第60-66页 |
| 3.5 本章小结 | 第66-68页 |
| 第4章 基于多种群并行遗传算法的固定时分下高速列车节能运行优化 | 第68-92页 |
| 4.1 遗传算法优化列车运行的流程 | 第69-70页 |
| 4.2 多种群并行遗传算法(MGPGA) | 第70-78页 |
| 4.2.1 染色体的构造 | 第72-73页 |
| 4.2.2 初始种群生成 | 第73-74页 |
| 4.2.3 适应度函数 | 第74-75页 |
| 4.2.4 染色体选择 | 第75页 |
| 4.2.5 改良的两点交叉算子 | 第75-77页 |
| 4.2.6 染色体变异 | 第77-78页 |
| 4.2.7 算法终止条件 | 第78页 |
| 4.3 基于环状通信的子群间自适应移民策略 | 第78-80页 |
| 4.4 仿真实验及结果分析 | 第80-90页 |
| 4.4.1 实例仿真线路及列车数据及算法参数设置 | 第80-84页 |
| 4.4.2 结果分析 | 第84-90页 |
| 4.5 本章小结 | 第90-92页 |
| 第5章 基于修复算子多种群并行遗传算法的实时列车节能运行优化 | 第92-124页 |
| 5.1 列车运行实时优化的特点分析 | 第92-94页 |
| 5.2 移动闭塞区间下追踪列车的实时调整策略 | 第94-102页 |
| 5.2.1 关于闭塞区间及移动闭塞区间基本概念 | 第94-97页 |
| 5.2.2 移动自动闭塞条件下列车的追踪间隔分析 | 第97-98页 |
| 5.2.3 移动自动闭塞条件下追踪列车运行与操纵 | 第98-99页 |
| 5.2.4 移动闭塞系统下列车的追踪模型 | 第99-100页 |
| 5.2.5 算法设计 | 第100-102页 |
| 5.3 基于个体修复算子的多种群并行遗传算法RMPGA | 第102-108页 |
| 5.3.1 RMPGA | 第103-106页 |
| 5.3.2 修复策略 | 第106-108页 |
| 5.3.3 修复算子的执行对象 | 第108页 |
| 5.4 列车实时优化算法的触发条件 | 第108-113页 |
| 5.5 实时优化遗传算法的终止条件及T_(GA)的确定 | 第113-114页 |
| 5.6 仿真实验及结果分析 | 第114-122页 |
| 5.6.1 实例仿真线路及列车数据及算法参数设置 | 第114-115页 |
| 5.6.2 实例仿真结果分析 | 第115-121页 |
| 5.6.3 算法的效率及优势 | 第121-122页 |
| 5.7 本章小结 | 第122-124页 |
| 第6章 基于禁忌多种群并行遗传算法和移动闭塞区间模型的高速列车群节能运行优化 | 第124-140页 |
| 6.1 问题的描述与模型的建立 | 第124-126页 |
| 6.1.1 问题的描述 | 第124-125页 |
| 6.1.2 约束条件 | 第125-126页 |
| 6.2 禁忌-多种群并行遗传算法 | 第126-131页 |
| 6.2.1 禁忌搜索算法简介 | 第126-127页 |
| 6.2.2 禁忌-多种群并行遗传算法的基本框架 | 第127-128页 |
| 6.2.3 多列车运行节能优化的染色体编码 | 第128-129页 |
| 6.2.4 适应度函数 | 第129页 |
| 6.2.5 遗传操作 | 第129-131页 |
| 6.3 基于禁忌搜索算法的变异算子TSM | 第131页 |
| 6.3.1 邻域的确定 | 第131页 |
| 6.3.2 禁忌表和终止准则 | 第131页 |
| 6.4 禁忌多种群并行遗传算法的流程 | 第131-132页 |
| 6.5 仿真实验及结果分析 | 第132-138页 |
| 6.5.1 实例仿真线路及列车数据及算法参数设置 | 第132-133页 |
| 6.5.2 实例仿真结果分析 | 第133-138页 |
| 6.6 本章小结 | 第138-140页 |
| 第7章 总结与展望 | 第140-144页 |
| 7.1 论文的主要研究成果及创新点 | 第140-142页 |
| 7.1.1 本论文的主要研究成果 | 第140-141页 |
| 7.1.2 研究的创新点 | 第141-142页 |
| 7.2 研究展望 | 第142-144页 |
| 参考文献 | 第144-152页 |
| 致谢 | 第152-154页 |
| 攻读博士学位期间发表的论文 | 第154-156页 |
| 攻读博士学位期间参与的科研工作及获奖情况 | 第156页 |
