1.一种列车制动曲线分段方法,其特征在于,包括:
获取列车制动曲线的制动性能参数;
确定制动曲线分段优化模型,所述制动曲线分段优化模型采用基于粒子群算法的优化模型;
基于所述制动性能参数,通过所述制动曲线分段优化模型确定所述列车制动曲线的分段参数。
2.根据权利要求1所述的列车制动曲线分段方法,其特征在于,确定制动曲线分段优化模型包括:
设置粒子群参数包括列车制动曲线的速度分段点;
设置目标函数为粒子对应的最大制动距离最小。
3.根据权利要求2所述的列车制动曲线分段方法,其特征在于,通过所述制动曲线分段优化模型确定所述列车制动曲线的分段参数包括:
基于所述制动性能参数初始化粒子群,设置所述粒子群的每个粒子对应多个速度分段点,每个分段点对应制动性能参数中的一个速度。
4.根据权利要求3所述的列车制动曲线分段方法,其特征在于,基于所述制动性能参数初始化粒子群包括:
用n-1个速度分段点将所述制动曲线划分为n段;
设置n段的制动曲线分段参数组成n-1维空间;
设置空间中分布m个参数粒子;
其中,第m个粒子的位置xm和速度vm可分别表示为
其中,0<n<n,0<m≤m,xmn表示第m个粒子的第n个速度分段点;vmn表示第m个粒子的第n个速度分段点的移动速度。
5.根据权利要求3所述的列车制动曲线分段方法,其特征在于,通过所述制动曲线分段优化模型确定所述列车制动曲线的分段参数包括:
根据每段的最高速度和最小减速度反向计算粒子对应的最大制动距离。
6.根据权利要求5所述的列车制动曲线分段方法,其特征在于,根据每段的最高速度和最小减速度反向计算粒子对应的最大制动距离包括:
通过每段的减速度、最高速度和最低速度计算分段制动距离,将各个分段的分段制动距离求和,得到基于一个粒子的最大制动距离。
7.根据权利要求6所述的列车制动曲线分段方法,其特征在于,根据每段的最高速度和最小减速度反向计算粒子对应的最大制动距离包括:
设列车制动曲线分为n段,第n段的减速度和最高速度分别为an和vn,0<n≤n;
通过反向计算可得到列车的最大制动距离dmax
其中,vn为第n段的最高速度,vn-1为第n-1段的最高速度,当n=1时,vn-1为制动目标速度;an为第n段的减速度。
8.根据权利要求7所述的列车制动曲线分段方法,其特征在于,每段的最小减速度an为该段速度的函数:
v为第n段的速度。
9.根据权利要求3-7中任一项所述的列车制动曲线分段方法,其特征在于,通过所述制动曲线分段优化模型确定所述列车制动曲线的分段参数包括:
在粒子移动的过程中能根据经验判断自身经历的最优位置,并通过种群交流得到群体最优位置;每个粒子通过不断的向自身经历的最优位置和群体最优位置学习,更新自身位置以使得自身位置趋于最优解;第m个粒子的位置xm和速度vm更新过程如下:
vmn(t)和xmn(t)为第m个粒子第n维变量的当前速度和位置,vmn(t+1)和xmn(t+1)为第m个粒子第n维变量的更新后的速度和位置,ω为粒子的惯性权重,φ1和φ2为学习因子,r1(t)和r2(t)为[0,1]之间当前迭代中均匀分布的随机因子,pbestmn为第m个粒子当前自身经历的最优位置的第n维变量,gbestn为粒子群当前的群体最优位置的第n维变量。
10.一种列车制动控制方法,其特征在于,包括:
采用如权利要求1-9中任一项所述的方法计算制动过程中的速度分段参数;
根据分段参数计算制动距离曲线,用于atp控车。
11.一种列车制动曲线分段系统,其特征在于,包括:
获取单元,用于获取列车制动曲线的制动性能参数;
模型确定单元,用于确定制动曲线分段优化模型,所述制动曲线分段优化模型采用基于粒子群算法的优化模型;
分段执行单元,用于基于所述制动性能参数,通过所述制动曲线分段优化模型确定所述列车制动曲线的分段参数。
12.一种列车制动曲线分段系统,其特征在于,所述系统包括至少一个处理器以及至少一个存储器;
所述存储器存储执行权利要求1-9任一方法的计算机程序,所述处理器调用存储器中的所述计算机程序以执行权利要求1-9任一所述的方法。