城市轨道交通列车运行多目标优化及智能控制方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 列车自动控制系统发展现状 | 第10-11页 |
| 1.2.2 智能算法在ATO系统中的应用现状 | 第11-12页 |
| 1.3 本文主要研究内容和章节安排 | 第12-14页 |
| 第二章 列车自动驾驶多目标优化模型 | 第14-22页 |
| 2.1 列车自动驾驶系统及驾驶策略 | 第14-15页 |
| 2.1.1 列车自动驾驶系统的功能 | 第14页 |
| 2.1.2 列车自动驾驶策略 | 第14-15页 |
| 2.2 列车自动驾驶多目标优化模型 | 第15-20页 |
| 2.2.1 列车运动方程 | 第16页 |
| 2.2.2 线路数据简化 | 第16-17页 |
| 2.2.3 列车动力学模型 | 第17-19页 |
| 2.2.4 列车自动驾驶指标模型 | 第19-20页 |
| 2.3 线路数据及列车参数 | 第20-22页 |
| 第三章 基于PSO-ICS的列车运行多目标优化 | 第22-33页 |
| 3.1 粒子群优化（PSO）算法 | 第22-23页 |
| 3.2 布谷鸟搜索（CS）算法 | 第23-25页 |
| 3.3 粒子群布谷鸟混合改进算法 | 第25-27页 |
| 3.4 PSO-ICS优化速度目标曲线 | 第27-29页 |
| 3.4.1 关键点编码 | 第27-28页 |
| 3.4.2 生成初始种群 | 第28页 |
| 3.4.3 适应度计算 | 第28-29页 |
| 3.5 仿真实验结果及分析 | 第29-32页 |
| 3.5.1 算法参数设置 | 第29-30页 |
| 3.5.2 实验结果及分析 | 第30-32页 |
| 3.6 总结 | 第32-33页 |
| 第四章 多种群分层联合优化的ATO研究 | 第33-47页 |
| 4.1 问题描述 | 第33-35页 |
| 4.1.1 理论准备 | 第33-34页 |
| 4.1.2 模型描述 | 第34-35页 |
| 4.2 多种群分层联合优化算法 | 第35-40页 |
| 4.2.1 算法思想 | 第35-36页 |
| 4.2.2 算法步骤 | 第36-38页 |
| 4.2.3 模型约束 | 第38-40页 |
| 4.2.4 外部档案更新 | 第40页 |
| 4.3 实验仿真结果及分析 | 第40-46页 |
| 4.3.1 相关参数设置 | 第40-41页 |
| 4.3.2 算法性能评价指标 | 第41-42页 |
| 4.3.3 小种群数量分析 | 第42页 |
| 4.3.4 实验结果及分析 | 第42-45页 |
| 4.3.5 算法时间复杂度分析 | 第45-46页 |
| 4.4 总结 | 第46-47页 |
| 第五章 算法进一步改进与模糊控制 | 第47-55页 |
| 5.1 相关理论 | 第47-49页 |
| 5.1.1 混沌理论 | 第47-48页 |
| 5.1.2 拥挤熵 | 第48-49页 |
| 5.2 算法改进及仿真实验 | 第49-51页 |
| 5.2.1 联合优化算法改进 | 第49-50页 |
| 5.2.2 仿真实验结果及分析 | 第50-51页 |
| 5.3 控制系统设计及仿真实验 | 第51-54页 |
| 5.3.1 模糊控制系统 | 第51-53页 |
| 5.3.2 实验结果及分析 | 第53-54页 |
| 5.4 总结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间取得的研究成果 | 第62页 |
