适用于快速货运列车的货物装载优化方法及系统与流程

本发明涉及轨道交通领域，尤其涉及一种适用于快速货运列车的货物装载优化方法及系统。

背景技术：

随着经济水平的提高，市场对小批量、高价值且时效性强的高附加值货物需求也在增加。目前铁路快速货物运输能力和服务水平与市场的要求还存在很大差距。2013年底，中国高铁运营里程达到11028公里，2020年将超过16000公里。

为了更充分地利用高铁线路的运输能力、更好地为国民经济建设服务，时速250公里高速货运列车(高速货运列车组)将被应用。由于其速度高、运行环境复杂等特征，如何合理分配货物以保证运行安全性也成为了亟需解决的问题。

技术实现要素：

本发明实施例提供了一种适用于快速货运列车的货物装载优化方法及系统，用以解决如何合理分配货物以快速货运列车的运行安全性的技术问题。

为解决上述技术问题，本发明实施例提出的技术方案为：

一种适用于快速货运列车的货物装载优化方法，包括以下步骤：

以车厢数量、尺寸和位置、车厢内装载的集装箱数量和集装箱内货物的材料参数作为约束条件，构建快速货运列车的有限元模型并进行验证；

分别在直道和弯道两种运行工况下，以车轮抬升量最小化和车轮脱轨系数最小化作为优化目标，采用多目标优化方法进行货物装载优化，得到pareto前沿非劣解集；

对pareto前沿非劣解集中的方案进行多属性决策分析，得到最优解。

优选地，快速货运列车的头车车厢装载第一数量的集装箱，中间车厢装载第二数量的集装箱。

优选地，货物的材料参数根据每个集装箱的待装载货物的属性确定；待装载货物的属性包括固体的属性和液体的属性；固体的属性包括：形状、尺寸、弹性模量、屈服强度、率相关性、密度和泊松比；液体的属性包括本构模型、状态方程及流固耦合。

优选地，采用多目标优化方法进行货物装载优化，包括以下步骤：

根据所需运载的货物随机分配到每个车厢，抽样生成初始解集；通过有限元模型的仿真模拟和数值计算得到每个解在在直道和弯道两种运行工况下的车轮抬升量和车轮脱轨系数，从而得到每个解的目标值，采用多目标优化方法生成pareto前沿非劣解集。

优选地，多目标优化方法采用nsga-ii算法。

优选地，对pareto前沿非劣解集中的方案进行多属性决策分析时，采用topsis方法，并设置四个等权重的优化目标：直道运行工况下的车轮抬升量、直道运行工况下的车轮脱轨系数、弯道运行工况下的车轮抬升量和弯道运行工况下的车轮脱轨系数。

优选地，采用topsis方法对pareto前沿非劣解集中的方案进行多属性决策分析，包括以下步骤：

设定n个pareto前沿非劣解和m个目标值，基于多目标优化得出的非劣解集构建初始矩阵；对初始矩阵进行规范化，对规范化矩阵进行加权；确定理想方案和负理想方案；计算各方案到理想解和负理想解的欧氏距离；计算各方案的相对贴近度，并根据贴近度的大小进行排序，确定最优解。

本发明还提供了一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。

本发明具有以下有益效果：

本发明实施例中的适用于快速货运列车的货物装载优化方法及系统，综合考虑了货物的材料属性及整车的动力学特性，为快速货运装载优化决策提供了技术支持，最大限度的保证了货物运载的安全性和可靠性。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的适用于快速货运列车的货物装载优化方法的流程示意图；

图2是本发明优选实施例2的快速货运列车头车的平面布置示意图；

图3是本发明优选实施例2的快速货运列车中间车的平面布置示意图。

图中各标号表示：

1、集装箱；2、车门；3、驾驶员操作台。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

参见图1，本发明的适用于快速货运列车的货物装载优化方法，包括以下步骤：

s1：以车厢数量、尺寸和位置、车厢内装载的集装箱数量和集装箱内货物的材料参数作为约束条件，构建快速货运列车的有限元模型并进行验证；

s2：分别在直道和弯道两种运行工况下，以车轮抬升量最小化和车轮脱轨系数最小化作为优化目标，采用多目标优化方法进行货物装载优化，得到pareto前沿非劣解集；

s3：对pareto前沿非劣解集中的方案进行多属性决策分析，得到最优解。

上述步骤，综合考虑了车辆动力学响应和货物的材料属性，能优化快速货运列车的货物装载，提高快速货运动车组运行安全性，简便高效，精确可靠。

实际实施时，以上的方法还能进行以下的扩充或应用，以下实施例中的技术特征都能相互组合，实施例仅作为示例，不作为对技术特征的正常组合限制。

实施例1：

本实施例的适用于快速货运列车的货物装载优化方法，包括以下步骤：

s1：以车厢数量、尺寸和位置、车厢内装载的集装箱数量和集装箱内货物的材料参数作为约束条件，构建快速货运列车的有限元模型并进行验证。实施时，通过仿真与实车试验的对比验证有限元模型的有效性。

在构建快速货运列车的有限元模型时，快速货运列车的头车车厢(包括车头和车尾)装载第一数量的集装箱，中间车厢装载第二数量的集装箱。货物的材料参数根据每个集装箱的待装载货物的属性确定；待装载货物的属性包括固体的属性和液体的属性；固体的属性包括：形状、尺寸、弹性模量、屈服强度、率相关性、密度和泊松比；液体的属性包括本构模型、状态方程及流固耦合。

s2：分别在直道和弯道两种运行工况下，以车轮抬升量最小化和车轮脱轨系数最小化作为优化目标，采用多目标优化方法进行货物装载优化，得到pareto前沿非劣解集。

采用多目标优化方法进行货物装载优化，包括以下步骤：

根据所需运载的货物随机分配到每个车厢，抽样生成初始解集；通过有限元模型的仿真模拟和数值计算得到每个解在在直道和弯道两种运行工况下的车轮抬升量和车轮脱轨系数，从而得到每个解的目标值，采用多目标优化方法(本实施例中采用nsga-ii算法)生成pareto前沿非劣解集。

s3：设置四个等权重的优化目标，通过topsis方法对该pareto前沿非劣解集中的方案进行多属性决策分析，得到最优解。

四个优化目标分别为直道运行工况下的车轮抬升量、直道运行工况下的车轮脱轨系数、弯道运行工况下的车轮抬升量和弯道运行工况下的车轮脱轨系数。

设定n个pareto前沿非劣解和m个目标值，基于多目标优化得出的非劣解集构建初始矩阵；对初始矩阵进行规范化，对规范化矩阵进行加权；确定理想方案和负理想方案；计算各方案到理想解和负理想解的欧氏距离；计算各方案的相对贴近度，并根据贴近度的大小进行排序，确定最优解。

实施例2：

本实施例为实施例1的应用例，本实施例将实施例1的方法结合图2的头车和图3的中间车的平面布置示意图进行说明。图2是本发明优选实施例2的快速货运列车头车的平面布置示意图。图2中，头车的端部布置有驾驶员操作台3，车门2设置于头车的两侧，除驾驶员操作台3之外的空间可以装载多个集装箱1。图3是本发明优选实施例2的快速货运列车中间车的平面布置示意图，图3中，中间车的车门2也设置于两侧，中间车的内部空间全部可以用来装载集装箱1。

本实施例的适用于快速货运列车(动车组)的货物装载优化方法，包括以下步骤：

步骤1，构建8编组(1-8号车厢)快速货运列车及集装箱1的有限元模型并验证，其中1号和8号为头车，如图2所示，每个车厢可装载11个集装箱；2-7号车厢布局相同，如图3所示，每个车厢可装载20个集装箱。8编组快速货运列车有限元模型按实车尺寸及材料特性进行构建，并通过仿真与实车试验的对比验证其有效性。有限元模型采用hypermesh平台进行构建，仿真通过ls-dyna进行计算，仿真试验速度设定为250km/h。

步骤2，按照待装载货物的属性，设置每个集装箱内物体的材料参数。待装载货物可分为固体和液体两类；对于固体的属性包括形状、尺寸、弹性模量、屈服强度、率相关性、密度和泊松比等；对于液体的属性需考虑本构模型、状态方程及流固耦合等。

步骤3，根据所需运载的货物随机分配到每个车厢，抽样生成初始解集。

步骤4，以直道和弯道两种运行工况下的车轮抬升量最小化和车轮脱轨系数最小化作为优化目标，其中，车轮抬升量定义为车轮踏面名义接触点与钢轨顶面最高点之间的垂向距离，它是车轮爬升量z1与跳动量z2(车轮与钢轨分离时)之和，即z＝z1+z2；最大车轮抬升量表示整车所有车轮抬升量的最大值；车轮脱轨系数设置为l/v，其中l表示作用在轮轨接触斑上的车轮横向力，v表示车轮垂向力；根据gb5599-85规定，车轮脱轨系数的容许值为l/v≤1.2，安全值为l/v≤1.0。

结合有限元仿真，采用nsga-ii算法进行多目标优化，生成pareto前沿非劣解。

优化目标函数和约束条件为：

式中，zz表示直道运行工况下的车轮抬升量；zw表示弯道运行工况下的车轮抬升量；lz/vz表示直道运行工况下的车轮脱轨系数；lw/vw表示弯道运行工况下的车轮脱轨系数。

步骤5，设置四个优化目标为等权重，采用topsis方法对pareto前沿非劣解进行决策分析确定最优方案。决策分析过程如下：

步骤(1)，设定n个pareto前沿非劣解和m个目标值，基于多目标优化得出的非劣解集构建初始矩阵x＝(xij)n×m。

步骤(2)，对初始矩阵进行规范化，得到规范化矩阵y；对规范化矩阵进行加权，得到加权矩阵z，具体过程如下：

式中，i表示非劣解，i＝1,2,…,n；j表示目标，j＝1,2,…,m；w表示各优化目标的权重，设置各目标为等权重，即w＝[0.25,0.25,0.25,0.25]。

步骤(3)，确定理想方案z⁺和负理想方案z-，具体过程如下：

式中，j⁺表示正向指标，即越大越优；j^-表示负向指标，即越小越优。

步骤(4)，计算方案到理想解和负理想解的欧氏距离，具体过程如下：

其中，是方案到理想解的欧氏距离，是方案到负理想解的欧氏距离。

步骤(5)，计算各方案的相对贴近度，并根据贴近度的大小进行排序，确定最优解，具体过程如下：

实施例3：

作为一个总的技术构思，本实施例的一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例的步骤。

综上可知，本发明综合考虑了货物的属性及整车的动力学特性，结合数值仿真、仿生优化、多属性决策等理论，实现了基于快速货运车辆运行安全的货物装载优化决策，方法简单、新颖、易于实现，具有广阔的应用前景。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。