【技术实现步骤摘要】
本专利技术涉及磁悬浮列车运行优化策略，尤其是涉及一种用于磁悬浮列车的多目标优化方法及系统。
技术介绍
1、近年来，我国轨道交通事业发展迅速，磁悬浮技术日益成熟，磁悬浮列车逐渐发展成为一种新型的轨道交通方式，并且具有安全舒适、节能高效、实用性较好等优点。
2、磁悬浮列车作为一种全新的交通方式，通过磁力悬浮和真空管道技术运行，不需要燃料燃烧，减少了对环境的污染，符合可持续发展的要求。但随着磁悬浮列车速度的提升,列车运行能耗显著增加，在列车运行过程中，空气阻力、坡道角度等干扰会降低列车的运行控制性能。同时，基于人们对于乘坐要求的不断提升以及对于列车准时的要求，良好的舒适度和列车准时到达站点也是不可忽略的。
3、因此，现有技术需要提供一种合理设置磁悬浮列车的运行策略，可以有效降低列车的运行能耗、并且具有良好的乘坐体验的技术方案。
技术实现思路
1、本专利技术的目的在于，需要提供一种合理设置磁悬浮列车的运行策略，可以有效降低列车的运行能耗、并且具有良好的乘坐体验的技术方案。
2、为了解决上述技术问题，本专利技术实施例提供了一种用于磁悬浮列车的多目标优化方法，包括：将相邻站点间的待评价线路划分为若干段点位，计算每个点位的环境参数及对应的所选牵引力；根据所述每个点位的环境参数及对应的所选牵引力，构建离散化的列车纵向动力学模型；基于所述列车纵向动力学模型，获得每个点位的评价指标；根据每个点位的评价指标和对应的列车运行特征，以不同点位下所选牵引力为未知量来对待评价
3、优选地，所述环境参数包括坡度和风阻系数，其中，在将相邻站点间的待评价线路划分为若干段点位，计算每个点位的环境参数和最大牵引力的步骤中，包括：根据磁悬浮列车轨道施工数据，获得相邻站点的位置关系和轨道路径数据，得到不同点位下的坡度；通过待评价线路的风洞试验测试结果数据，得到不同点位下的风阻系数。
4、优选地，在根据所述每个点位的环境参数及对应的所选牵引力，构建离散化的列车纵向动力学模型的步骤中，包括：根据磁悬浮列车在待评价线路中各个点位的受力状态，以列车最大牵引力作为约束，构建离散化的列车纵向动力学模型。
5、优选地，所述列车纵向动力学模型利用如下表达式表示：
6、
7、其中，△t表示每个点位下的磁悬浮列车的单位运行时间，si表示第i个点位下的磁悬浮列车的位置，vi表示第i个点位下的磁悬浮列车的运行速度，ai表示第i个点位下的磁悬浮列车的加速度，m表示磁悬浮列车的质量，k表示磁悬浮列车的实际所受风阻系数，θi表示第i个点位下的斜坡轨道水平夹角，fi表示磁悬浮列车的第i个点位下所选择施加的牵引力，fi表示磁悬浮列车的第i个点位下的风阻力大小，gi表示磁悬浮列车的第i个点位下的坡度重力分量。
8、优选地，所述评价指标包括运行能耗评价指标和舒适度评价指标，其中，基于所述列车纵向动力学模型，通过每个点位的运行位置和所选牵引力，得到相应点位的运行能耗评价指标；基于所述列车纵向动力学模型，通过计算连续预设数量个点位的平均加速度变化率，得到相应点位的舒适度评价指标，所述预设数量为4-7。
9、优选地，通过如下表达式计算得到各个点位的运行能耗评价指标和舒适度评价指标：
10、
11、其中，wi表示第i个点位下的磁悬浮列车的运行能耗评价指标，ci表示第i个点位下的磁悬浮列车的舒适度评价指标，fi表示磁悬浮列车的第i个点位下所选择施加的牵引力，si表示第i个点位下的磁悬浮列车的位置，ji表示每五个点位状态下的平均加速度变化率，ai表示第i个点位下的磁悬浮列车的加速度。
12、优选地，在多目标规划优化求解的步骤中，包括：根据每个点位的评价指标和对应点位的列车运行特征，采用dqn算法，对待评价线路中的多个连续状态在完成施加牵引力动作目标的情况下的最优牵引力进行求解，获得当前待评价线路中的连读状态下的最优牵引力施加策略，所述列车运行特征包括列车位置、运行速度和加速度。
13、优选地，在最优牵引力求解步骤中，所采用的奖励函数利用如下表达式表示：
14、ri＝n1×wi+n2×ci
15、其中，wi表示第i个点位下的磁悬浮列车的运行能耗评价指标，ci表示第i个点位下的磁悬浮列车的舒适度评价指标，ri表示第i个点位状态下的奖励值，n1和n2分别表示对应参数的权重系数。
16、优选地，采用基于经验回放结合固定目标神经网络的dqn算法来实现最优牵引力施加策略的求解，该神经网络包括输入层、至少三个前馈全连接层和输出层，其中，每层前馈全连接层的输出端通过激活函数层与下一个全连接层或输出层连接，所述激活函数为sigmoid函数。
17、另一方面，本专利技术实施例提供了一种用于磁悬浮列车的多目标优化系统，包括：点位分解模块，其配置为将相邻站点间的待评价线路划分为若干段点位，计算每个点位的环境参数及对应的所选牵引力；动力模型构建模块，其配置为根据所述每个点位的环境参数及对应的所选牵引力，构建离散化的列车纵向动力学模型；评价指标生成模块，其配置为基于所述列车纵向动力学模型，获得每个点位的评价指标；最优策略求解模块，其配置为根据每个点位的评价指标和对应的列车运行特征，以不同点位下所选牵引力为未知量来对待评价线路进行多目标规划优化求解，得到当前待评价线路的最优运行策略。
18、与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
19、本专利技术提出了一种用于磁悬浮列车的多目标优化方法及系统。该方法及系统通过查询施工数据，获取两站点之间的位置关系和轨道路径，进一步得到每个点位对应的坡度大小、风阻系数；结合列车基本数据构建离散化的列车纵向动力学模型；通过动力学模型以及上述参数计算出列车运行能耗和加速度平均变化率；基于dqn算法求解多目标优化模型，获得在实现目标的情况下各个连续状态组合的运行策略价值，从而选出最优价值的运行策略。本专利技术具体具有如下技术效果：
20、(1)将列车运行过程离散化，摆脱了传统工况的约束，充分考虑了环境对状态带来的影响，提高了优化结果的精度和具体环境的适应性；
21、(2)以最大功率为限制条件，确定牵引力大小范围，创新性的提出将所选择的牵引力大小作为未知量，再根据dqn算法，从而确定各个最优连续状态，使得连续的最佳运行策略更加客观符合现实情况；
22、(3)采用基于经验回放结合固定目标网络的dqn算法来实现多目标优化求解，能够减少与环境交互次数，提高了算法学习的时效性，同时保持了学习质量，具有较好的应用效果；
23、(4)本专利技术对完整的运行过程做整体优化，更容易避开局部最优解，从而找出全局最优解。
24、本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说本文档来自技高网...
【技术保护点】
1.一种用于磁悬浮列车的多目标优化方法，其特征在于，包括：
2.根据权利要求1所述的多目标优化方法，其特征在于，所述环境参数包括坡度和风阻系数，其中，在将相邻站点间的待评价线路划分为若干段点位，计算每个点位的环境参数和最大牵引力的步骤中，包括：
3.根据权利要求1或2所述的多目标优化方法，其特征在于，在根据所述每个点位的环境参数及对应的所选牵引力，构建离散化的列车纵向动力学模型的步骤中，包括：
4.根据权利要求1～3中任一项所述的多目标优化方法，其特征在于，所述列车纵向动力学模型利用如下表达式表示：
5.根据权利要求1～4中任一项所述的多目标优化方法，其特征在于，所述评价指标包括运行能耗评价指标和舒适度评价指标，其中，
6.根据权利要求5所述的多目标优化方法，其特征在于，通过如下表达式计算得到各个点位的运行能耗评价指标和舒适度评价指标：
7.根据权利要求1～6中任一项所述的多目标优化方法，其特征在于，在多目标规划优化求解的步骤中，包括：
8.根据权利要求7所述的多目标优化方法，其特征在于，在最优牵
9.根据权利要求7或8所述的多目标优化方法，其特征在于，采用基于经验回放结合固定目标神经网络的DQN算法来实现最优牵引力施加策略的求解，该神经网络包括输入层、至少三个前馈全连接层和输出层，其中，每层前馈全连接层的输出端通过激活函数层与下一个全连接层或输出层连接，所述激活函数为Sigmoid函数。
10.一种用于磁悬浮列车的多目标优化系统，其特征在于，包括：
...【技术特征摘要】
1.一种用于磁悬浮列车的多目标优化方法，其特征在于，包括：
2.根据权利要求1所述的多目标优化方法，其特征在于，所述环境参数包括坡度和风阻系数，其中，在将相邻站点间的待评价线路划分为若干段点位，计算每个点位的环境参数和最大牵引力的步骤中，包括：
3.根据权利要求1或2所述的多目标优化方法，其特征在于，在根据所述每个点位的环境参数及对应的所选牵引力，构建离散化的列车纵向动力学模型的步骤中，包括：
4.根据权利要求1～3中任一项所述的多目标优化方法，其特征在于，所述列车纵向动力学模型利用如下表达式表示：
5.根据权利要求1～4中任一项所述的多目标优化方法，其特征在于，所述评价指标包括运行能耗评价指标和舒适度评价指标，其中，
6.根据权利要求5所述的多目...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。