基于改进蜣螂优化算法的磁浮列车运行优化方法及系统

本发明涉及磁浮列车控制领域，特别是涉及一种基于改进蜣螂优化算法的磁浮列车运行优化方法及系统。

背景技术：

1、伴随着我国对磁悬浮技术的研究日渐完善，磁浮列车出行也逐渐从人们的想象走入日常出行之中。北京s1线，长沙黄花机场线等磁浮快线的正式开通运行，标志着磁浮列车将会在不久的将来成为人们的另一种出行选择。通过对磁浮列车运行优化，可以获得均衡各性能指标的理想速度曲线，这可有效提升列车的运行性能。由于磁浮列车与传统轮轨列车不同，其阻力计算方式更为复杂且线路坡度起伏较大，故运行优化较为困难，因此设计关于磁浮列车运行优化方法以此得到理想运行速度曲线逐渐成为学术界一个磁浮列车方面的新兴研究热点。

2、关于磁浮列车运行优化方法的研究，主要是通过数值法、解析法和启发式算法来实现。而传统数值法和解析法计算较为复杂且较难处理实际问题，目前一般都使用启发式算法对列车进行运行优化，以得到满足要求的理想速度曲线。但由于磁浮线路起伏大等原因，传统启发式算法对磁浮列车运行优化效果较差，其算法收敛精度低且收敛速度慢，易于陷入局部最优，故需要一种更新且效果更好的算法对列车运行优化，以获得更好的优化效果。

技术实现思路

1、本发明的目的是提供一种基于改进蜣螂优化算法的磁浮列车运行优化方法及系统，可获得更好的优化效果。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于改进蜣螂优化算法的磁浮列车运行优化方法，包括：

4、获取磁浮列车实际运行线路的各区间线路特征参数信息；

5、根据所述各区间线路特征参数信息进行各区间非等分划分，得到磁浮列车各运行子区间；

6、获取磁浮列车车辆基本参数信息；

7、根据所述磁浮列车车辆基本参数信息以及各区间线路特征参数信息确定磁浮列车纵向动力学模型；

8、根据所述磁浮列车纵向动力学模型，计算得到磁浮列车在各运行区间的磁浮列车运行的性能评价指标值以及磁浮列车运行优化适应度函数；

9、根据所述磁浮列车运行的性能评价指标值及所述磁浮列车运行优化适应度函数构建磁浮列车运行优化模型；

10、采用改进蜣螂优化算法对所述磁浮列车运行优化模型进行寻优求解，得到磁浮列车在各运行区间不同运行策略的最优解；

11、根据磁浮列车在运行区间不同运行策略的最优解选取该区间最优运行策略，并得到磁浮列车全线最优运行策略组合；

12、根据所述磁浮列车全线最优运行策略组合确定磁浮列车全线最优运行速度曲线；

13、基于所述磁浮列车全线最优运行速度曲线对磁浮列车进行控制。

14、可选的，根据所述磁浮列车车辆基本参数信息以及各区间线路特征参数信息确定磁浮列车纵向动力学模型具体包括以下步骤：

15、根据磁浮列车车辆基本参数信息以及区段参数信息确定磁浮列车在各运行区段列车受力值；

16、根据所述磁浮列车在各运行区段的列车受力值构建磁浮列车纵向动力学模型；

17、所述磁浮列车纵向动力学模型如下所示：

18、

19、其中，t为磁浮列车站间运行时间，s为磁浮列车所在位置，v为磁浮列车运行速度，μf为磁浮列车实际施加的牵引力与制动力的比例系数，μb为磁浮列车最大牵引力与制动力之间的比例系数，f牵为磁浮列车当前施加的牵引力，f制为磁浮列车当前施加的制动力，f阻为磁浮列车运行总阻力，d为磁浮列车的基本阻力，dm为磁阻力，dc为集电器阻力，da为空气动力学阻力，wi为磁浮列车的坡度附加阻力，wr为磁浮列车的曲线附加阻力。

20、可选的，所述磁浮列车在各运行区间的磁浮列车运行的性能评价指标值如下：

21、

22、其中，ft为准时性性能指标，t为各区间实际运行时间，tp为各区间计划运行时间，α为准时性惩罚因子，fs为停车精准性性能指标，s为各区间实际运行距离，sp为各区间计划运行距离，β为停车精准性惩罚因子；e为磁浮里程各区间实际运行能耗，f为磁浮列车牵引或制动力，v(t)为磁浮列车各时刻速度，fe为节能性性能指标，emax为各区间运行最大能耗，ε＝emin/emax为能耗指标系数，fc为舒适度性能指标，dfc为单位时间内舒适度值，j＝da/dt为冲击率，t为磁浮列车站间运行时间。

23、可选的，所述磁浮列车运行优化适应度函数如下：

24、

25、其中，l为适应度函数惩罚系数，ft为准时性性能指标，fs为停车精准性性能指标，fe为节能性性能指标，fc为舒适度性能指标。

26、可选的，所述磁浮列车优化模型如下所示：

27、

28、

29、其中，ft为准时性性能指标，fs为停车精准性性能指标，fe为节能性性能指标，fc为舒适度性能指标，f牵为磁浮列车当前施加的牵引力，f制为磁浮列车当前施加的制动力，f阻为磁浮列车运行总阻力，t为磁浮列车站间运行时间，s为磁浮列车所在位置，v为磁浮列车运行速度，tp为各区间计划运行时间。

30、可选的，采用改进蜣螂优化算法对所述磁浮列车运行优化模型进行寻优求解，得到磁浮列车在各运行区间不同运行策略的最优解具体包括以下步骤：

31、利用种群初始化策略生成具有np个个体的初始化种群；所述初始化种群中的个体代表磁浮列车运行策略中各运行工况的持续时间；

32、计算初始化种群中每个个体对应的磁浮列车各运行性能值，由此计算出运行优化的适应度函数值；

33、利用种群自适应分配策略，由自适应分配比q1和q2对np个个体进行种群划分，划分为四个子种群，分别为滚球与跳舞行为种群np1、繁殖行为种群np2、觅食行为种群np3、偷窃行为种群np4；

34、划分好的四个子种群分别进行对应行为更新个体；所述对应行为包括：np1进行滚球与跳舞行为，np2进行繁殖行为，np3进行觅食行为，np4进行偷窃行为；

35、计算种群更新后每个个体对应的磁浮列车各运行性能值，由此计算出运行优化的适应度函数值，与初始种群比较并保留适应度值最优的个体作为最优解；

36、设置种群更新的迭代终止条件，判断种群是否满足迭代终止条件，若否，返回步骤“利用种群自适应分配策略，由自适应分配比q1和q2对np个个体进行种群划分，划分为四个子种群，分别为滚球与跳舞行为种群np1、繁殖行为种群np2、觅食行为种群np3、偷窃行为种群np4”，若是则根据最优解获得磁浮列车各运行区间的运行策略最优解；

37、对比分析各区间不同运行策略最优解，选择出各区间最优运行策略，由此绘制各区间最优运行速度曲线，获得磁浮列车全线最优运行速度曲线。

38、可选的，所述种群初始化策略包括：

39、步骤1：在上下边界范围内利用反三角cubic混沌映射生成初始化种群p1，初始化过程如下所示：

40、

41、其中，为种群p1中的第i个个体，xmin为解的下限，xmax为解的上限，为(0,1)均匀分布的随机数。

42、步骤2：将p1中的个体进行反向计算生成包含相反个体的相反种群具体过程如下：

43、

44、步骤3：计算种群p1和相反种群中初始个体和相反个体对应的适应度值，并进行比较，若则保留初始个体，反之用相反个体替换初始个体由此得到最后的初始化种群p1*。

45、可选的，所述种群自适应分配策略包括：

46、步骤1：计算自适应分配比q1和q2，具体过程为：

47、

48、

49、其中，q1为滚球与跳舞行为种群np1和偷窃行为种群np4的自适应分配比，q2为繁殖行为种群np2和觅食行为种群np3的自适应分配比，q1min和q2min为种群分配比下限，q1max和q2max为种群分配比上限，g为当前迭代代数，gmax为最大迭代代数。

50、步骤2：利用自适应分配比计算各行为种群，具体过程为：

51、np1＝q1·np

52、np2＝q2·np

53、np3＝(1-q2)·np

54、np4＝(1-q1)·np

55、可选的，四种更新个体行为包括:

56、滚球与跳舞行为：子种群np1通过该行为进行个体的更新，具体流程为：

57、步骤1：判断随机数rand(0,1)＞0.1；

58、步骤2：若是，则通过以下流程更新个体

59、

60、若否，则通过以下流程更新个体

61、

62、其中，表示第g次迭代时第i个体；参数a表示着自然因素是否会影响蜣螂的滚球运动方向，通过随机概率的方法将a设定为-1或1，来模拟实际情况的自然因素；k∈(0,0.2]为偏转系数；b∈(0,1)为自然系数，作为光强变化对运动方向的一个影响的程度，作为光照强度变化来表示光源强度，以全局最差个体xworst作为参照目标，由此δx越大则光照越弱，θ∈[0,π]，如果θ＝0、π/2、π，则不更新个体；

63、繁殖行为：子种群np2通过该行为进行个体的更新，具体流程为：

64、步骤1：首先进行繁殖行为的搜索边界进行收缩，边界收缩公式为：

65、

66、

67、r＝1-(g/gmax)

68、其中，表示繁殖行为边界下限，表示繁殖行为边界上限，r为收缩系数。

69、步骤2：在繁殖行为搜索边界内进行个体更新，个体更新公式为：

70、

71、其中，xlocal-best为局部最优个体，b1和b2表示大小为1×d的两个独立随机向量，d表示解的维数；

72、觅食行为：子种群np3通过该行为进行个体的更新，具体流程为：

73、步骤1：首先进行觅食行为的搜索边界进行收缩，边界收缩公式为：

74、

75、

76、r＝1-(g/gmax)

77、其中，表示觅食行为边界下限，表示觅食行为边界上限，r为收缩系数；

78、步骤2：在觅食行为搜索边界内进行个体更新，个体更新公式为：

79、

80、其中，xglobal-best为局部最优个体，c1表示服从正态分布的随机数，c2表示属于(0,1)的随机向量。

81、偷窃行为：子种群np4通过该行为进行个体的更新，个体更新公式为：

82、

83、其中，st表示一个偷窃行为系数，为一常数值，c3是服从正态分布的1×d随机向量。

84、基于本发明中的上述方法，本发明另外提供一种基于改进蜣螂优化算法的磁浮列车运行优化系统，包括：

85、各区间线路特征参数信息获取模块，用于获取磁浮列车实际运行线路的各区间线路特征参数信息；

86、磁浮列车各运行子区间划分模块，用于根据所述各区间线路特征参数信息进行各区间非等分划分，得到磁浮列车各运行子区间；

87、磁浮列车车辆基本参数信息获取模块，用于获取磁浮列车车辆基本参数信息；

88、磁浮列车纵向动力学模型确定模块，用于根据所述磁浮列车车辆基本参数信息以及各区间线路特征参数信息确定磁浮列车纵向动力学模型；

89、磁浮列车运行的性能评价指标值以及磁浮列车运行优化适应度函数确定模块，用于根据所述磁浮列车纵向动力学模型，计算得到磁浮列车在各运行区间的磁浮列车运行的性能评价指标值以及磁浮列车运行优化适应度函数；

90、磁浮列车运行优化模型构建模块，用于根据所述磁浮列车运行的性能评价指标值及所述磁浮列车运行优化适应度函数构建磁浮列车运行优化模型；

91、磁浮列车在各运行区间不同运行策略的最优解确定模块，用于采用改进蜣螂优化算法对所述磁浮列车运行优化模型进行寻优求解，得到磁浮列车在各运行区间不同运行策略的最优解；

92、磁浮列车最优运行策略组合确定模块，用于根据磁浮列车在运行区间不同运行策略的最优解选取该区间最优运行策略，并得到磁浮列车全线最优运行策略组合；

93、最优运行速度曲线确定模块，用于根据所述磁浮列车全线最优运行策略组合确定磁浮列车全线最优运行速度曲线；

94、控制模块，用于基于所述磁浮列车全线最优运行速度曲线对磁浮列车进行控制。

95、根据本发明提供的具体实施例，本发明公开了以下技术效果：

96、本发明所提供的基于改进蜣螂优化算法的磁浮列车运行优化方法，构建了以磁浮列车准时性指标、停车精确性指标、运行能耗指标、舒适度指标为优化目标，由此均衡四目标为优化适应度函数的单目标优化模型，针对磁浮列车线路起伏大特点，所导致传统优化算法收敛速度慢、收敛精度低且易陷入局部最优的问题，基于cubic反三角混沌映射和反向学习的种群初始化策略和自适应种群分配策略提出一种改进的蜣螂优化算法，对于磁浮列车运行优化模型的求解能够快速地搜索到某运行策略下的最优解。最后进行对比分析选取相应的最优解组成最优运行策略组合，进而绘制对应的磁浮列车运行速度曲线，对于磁浮列车站间运行优化有着很好的实际指导意义。