货运列车速度曲线优化及驾驶辅助系统开发与应用

作     者：姚泽民 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：孙绪彬

授予年度：2023年

学科分类：08[工学] 082304[工学-载运工具运用工程] 080204[工学-车辆工程] 0802[工学-机械工程] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

主      题：货运列车 卷积神经网络 速度曲线节能优化 列车驾驶辅助系统 

摘      要：铁路货运是我国国民经济的重要组成部分,也是实现碳达峰、碳中和的重要力量,降低货运铁路运营能耗,提高货运铁路的智能化水平对实现交通强国具有重要意义。本文将货运列车速度曲线滚动优化算法与卷积神经网络相结合,将货运列车速度曲线滚动优化算生成的数据集用于卷积神经网络模型的训练。使用训练后的网络模型生成的列车优化速度曲线既能够保持曲线的节能效果,又可以提高曲线的生成速度。在此基础上,开发了一种网联式货运列车驾驶辅助系统(C-DAS),实现了列车速度曲线优化算法的应用,目前该系统已经应用在山东大莱龙单线铁路中。本文主要研究内容如下:(1)建立货运列车的动力学模型,进行最优控制理论分析。首先对货运列车进行了受力分析,分别构建了列车的单质点模型和多质点模型,之后采用极大值原理对列车运行工况进行了分析,得出了列车最优控制工况及其转换原则,为后续的列车速度曲线优化提供了理论支撑。(2)提出一种列车优化速度曲线数据集生成方法。该方法以货运列车速度曲线滚动优化算法为核心,该算法将列车运行的线路按照不同的坡道组合划分为不同的典型场景,之后针对不同的典型场景对列车速度曲线进行优化,经过仿真计算得出该算法生成的速度曲线与列车实际运行速度曲线相比,列车的单位能耗降低了17.9%。进一步,以列车的编组数量和载重作为该算法的变量,针对不同的场景生成对应的列车优化速度曲线。最后对生成的速度曲线数据进行预处理,形成多个场景的列车优化速度曲线数据集,为后续神经网络模型的训练提供了数据支持。(3)为了提高优化速度曲线的生成速度,提出了一种基于卷积神经网络的货运列车速度曲线生成算法。首先建立了卷积神经网络模型,使用列车优化速度曲线数据集对该模型进行训练,之后采用训练后的模型生成优化速度曲线。经过测试得出,使用该算法生成的速度曲线保持了列车速度曲线滚动优化算法的节能效果,同时曲线的生成用时仅为列车速度曲线滚动优化算法的15%,提高了货运列车速度曲线优化算法的实时性。(4)开发了一种网联式货运列车驾驶辅助系统。该系统使用电子地图数据对的列车定位数据进行滤波,实现了列车的精确定位;该系统还可以调用不同的货运列车速度曲线优化算法,为列车驾驶员提供优化的运行速度曲线和操纵策略。此外该系统还针对实际情况实现了列车阶段计划和调度命令查询等实用功能,提高了货运列车的智能化水平,目前该系统已经在山东大莱龙单线铁路实现实际应用。图54幅,表13个,参考文献59篇。