[發明專利]一種城軌列車的多目標控制方法

有效

• 申請號: 201810480325.2
• 申請日: 2018-05-18
• 公開（公告）號: CN108657232B
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 徐凱;楊飛鳳;楊世聰;徐文軒;何周陽;吳仕勛
• 申請（專利權）人: 重慶交通大學
• 主分類號: B61L23/00
• 分類號: B61L23/00;G06N3/00
• 代理公司: 重慶乾乙律師事務所 50235
• 代理人: 侯懋琪;李劍鋒

本發明提供了一種城軌列車多目標控制方法，包括列車控制系統和列車駕駛曲線生成系統，列車駕駛曲線生成系統能為列車控制系統生成自動駕駛曲線，列車控制系統能根據自動駕駛曲線控制列車運行，其特征在于：所述列車駕駛曲線生成系統包括基礎群模塊、精英群模塊、全局外部檔案模塊、局部外部檔案模塊、通信控制模塊和駕駛曲線生成模塊。采用本發明所述的方法，多目標粒子集群算法的收斂性好，Pareto前沿解的多樣性好，多目標優化效果提高。

技術領域

本發明涉及城軌列車自動控制技術領域，特別是一種城軌列車的多目標控制方法。

背景技術

城市軌道列車的控制問題是一個典型的多目標優化問題，即在保證列車運行安全性和平穩性的前提下，兼顧節能、省時和停車精度等指標。傳統的方法是在一定約束條件下，采用對多個目標加權求和的方法，將多目標優化問題轉換為單目標優化問題進行處理。傳統加權方法由于沒有考慮各目標間的相互影響，多目標優化的結果是相互獨立、排斥的最優解集，即某一目標性能優化必然損害其它目標性能。

基于Pareto原理和粒子集群算法的原理，本領域技術人員已經進行了一些探索。如María Domínguez采用MOPSO(多目標粒子集群優化)方法來解決列車自動駕駛速度模式曲線問題，并證明了MOPSO在收斂性和多樣性上均優于NSGA-II(非劣排序遺傳算法)。因此，基于Pareto原理的多目標粒子集群算法是一種更為優秀的處理方法。

基于Pareto原理的多目標粒子集群算法的收斂性和多樣性，直接決定了列車的自動駕駛曲線的優劣：Pareto前沿解的收斂性好即意味著列車的耗能小、運行時間短且停車精度高，Pareto前沿解的多樣性好即意味著所生成的自動駕駛方案在上述三個目標上跨度大、分布均勻且方案數量更多。

目前，基于Pareto原理的多目標粒子集群算法主要針對時間和能耗兩個目標進行優化，針對對列車運行耗能、時間和停車精度三個目標進行優化時，多目標粒子集群算法的收斂性不好，Pareto前沿解的多樣性不好，所以多目標優化效果不好。

發明內容

針對背景技術的問題，本發明提供一種城軌列車的多目標控制方法，以解決現有技術中，采用基于Pareto原理的多目標粒子集群算法對列車運行耗能、時間和停車精度三個目標進行優化時，優化效果不好的問題。

為實現本發明的目的，本發明提供了一種城軌列車的多目標控制方法，包括列車控制系統和列車駕駛曲線生成系統，列車駕駛曲線生成系統能為列車控制系統生成自動駕駛曲線，列車控制系統能根據自動駕駛曲線控制列車運行，其創新在于：所述列車駕駛曲線生成系統包括基礎群模塊、精英群模塊、全局外部檔案模塊、局部外部檔案模塊、通信控制模塊和駕駛曲線生成模塊；所述基礎群模塊包括4個小種群模塊，其中1個小種群模塊記為權衡優化模塊，另外3個小種群模塊記為目標優化模塊；所述4個小種群模塊均與全局外部檔案模塊連接，駕駛曲線生成模塊與全局外部檔案模塊連接，局部外部檔案模塊通過通道一與全局外部檔案模塊連接，精英群模塊與局部外部檔案模塊連接，全局外部檔案模塊通過通道二與精英群模塊連接，通信控制模塊與權衡優化模塊連接，通信控制模塊能控制通道一和通道二同步開啟或關斷；

所述自動駕駛曲線按如下方法生成：

(一)列車控制系統將列車的基礎數據和約束參數傳輸到列車駕駛曲線生成系統；

(二)列車駕駛曲線生成系統根據基礎數據和約束參數生成最優前沿解集，最優前沿解集由多個Pareto前沿解組成；

(三)操作人員根據需要從最優前沿解集中選出一個Pareto前沿解，列車駕駛曲線生成系統根據選定的Pareto前沿解生成自動駕駛曲線；

所述步驟(二)中，所述最優前沿解集按如下方法生成：