一、重载列车的智能操纵模拟（论文文献综述）
王禹[1]（2021）在《基于强化学习的重载列车运行优化研究》文中认为随着科学技术的进步,我国交通运输行业发展尤为突出,其中轨道交通运输业在各方面都具有跨越式进步,积累了大量领先世界的前沿技术。在当下的国民经济快速发展时期,轨道交通运输的压力也越来越大。重载铁路作为大宗商品运输的重要途经,线路距离长且环境多变,面对如此环境,驾驶人员极容易产生疲劳。本文以大秦线上运行的HXD1机车牵引1万吨货车作为研究对象,通过强化学习方法训练出一套重载列车辅助驾驶系统,以缓解驾驶人员疲劳、保证列车安全、提高列车运输效率。针对重载列车的运行效率问题,本文利用TD3和PPO两种强化学习算法进行了控制策略的学习。首先通过对重载列车机理模型进行了分析与建模,作为后续实验的基础;再将重载列车运行过程划分为牵引启动、巡航控制和停车制动三个部分,以解决强化学习在长时间运行的环境中无法学习到策略的问题;并基于实际控制列车需要参考的条件设计状态空间,根据HXD1机车的牵引特性确定了动作空间的连续性;并根据安全、稳定、高效的目标设计了奖励函数,训练了两种智能体。仿真结果表明,本文设计的状态与奖励函数能够使智能体学习到高效驾驶重载列车的控制策略。针对重载列车运行的稳定性问题,本文设计了基于专家监督的强化学习训练方案,使智能体更稳定的驾驶列车。首先通过循环神经网络对专家行驶数据进行了行为克隆,克隆出的策略网络作为专家网络用来监督强化学习的训练,达到了加快训练的效果;并且通过添加控制力变化幅度的约束,减少列车控制力的频繁调整;通过随机初始化巡航阶段和制动阶段的初速度,训练一个对环境切换速度不敏感的巡航控制策略和停车制动策略;最后通过在牵引启动、巡航控制、停车制动的分段点设计软切换约束,降低因控制工况切换产生的控制力跳跃。仿真结果表明,基于专家监督的强化学习训练方案得出的控制器,控制更加稳定,能够保证列车安全运行。由于强化学习环境中没有一个开放的重载列车仿真器观察和调试,并且缺少重载列车实际运行数据。本文利用Qt设计并搭建了重载列车仿真平台,通过观察列车运行效果,辅助调试算法可能出现的问题,并用以生成专家驾驶的运行数据,辅助专家策略网络训练。
金爱丽[2]（2021）在《基于自抗扰控制的重载列车速度跟踪控制》文中研究表明发展重载运输是交通强国战略的重要一部分,直接关系到国民经济的发展。但由于重载列车本身结构复杂,运行环境多变,导致列车系统存在内部不确定性并受到外界未知扰动,直接影响了列车运行的安全、高效、平稳、节能等性能指标。因此,研究重载列车的模型和控制方法,使列车在存在未建模动态、内部不确定性及受到外界扰动情况下仍能保持系统鲁棒性和稳定性十分重要,直接关系到列车运行的安全性、高效性。为解决上述问题,所做具体研究如下:1、根据重载列车的自身特性和运行线路情况,建立能明确列车车厢间相互作用力和能反应列车运行实际情况的多质点模型,但为考虑降低模型复杂度、便于计算分析,在保留多质点模型优势的前提下将列车多质点模型转化为列车多质点单位移模型。2、基于重载列车多质点单位移模型设计自抗扰控制器,利用该控制器不依赖列车精确模型、能够观测列车未建模动态和外界未知扰动并补偿这些具有不确定性的总扰动的特点去控制列车的运行状态,并进行仿真验证和分析。仿真验证时,设定列车运行的目标速度曲线,采用改进的遗传算法对控制器参数进行调整和优化,使列车在自抗扰控制器操纵下跟踪目标速度曲线,通过速度跟踪误差来反映该控制器的有效性。3、为能够减轻自抗扰控制过程中的参数设置复杂程度,让控制器中的部分参数能够实现自动更新,并使重载列车系统在受到扰动和不确定因素影响时,能够更好地保持其稳定性和鲁棒性,同时达到精确跟踪目标速度曲线的控制目的,设计了基于鲁棒自适应控制的自抗扰控制器,且将其与PID控制器、一般的自抗扰控制器进行仿真结果的比较。本文通过研究重载列车的运行特性,建立列车的多质点单位移模型,并设计自抗扰控制器和基于鲁棒自适应的自抗扰控制器使列车实现对目标速度曲线的精确跟踪,并进行仿真验证说明本文方法的有效性和优势。
杨朔[3]（2021）在《重载列车驾驶策略的优化方法研究》文中研究说明重载铁路在运能、运行成本、运输效率等方面具有显着优势,是我国大宗货物运输的重要环节。近年来,随着我国的战略调整,煤炭等相关大宗物资的运输进一步向铁路主导供应链转变,给重载铁路带来不小的压力。这同样也对重载列车司机的驾驶能力提出了更高的要求。而重载列车的驾驶存在线路条件复杂、驾驶强度大、操纵复杂等难点,这对于重载列车的安全平稳运行带来了挑战。因此重载列车驾驶策略优化的研究具有重要意义。本文结合重载列车的特点,结合优秀司机的历史运行数据,分析其特点并对数据进行处理,对重载列车的目标速度曲线开展了研究;随后对无极电力机车的牵引/制动控制进行了研究。本文的主要工作如下:（1）通过重载列车的纵向动力学分析,建立了用于预测重载列车速度的单质点模型和用于仿真的多质点模型,并通过不同区间的牵引过程和制动过程进行仿真验证,验证指出,在0.43km/h的误差之内,两个模型达到了统一的输出结果。（2）利用重载线路不同区段的优秀司机历史运行数据,经过对数据处理后,使用Light-GBM算法完成了目标速度曲线的预测和模型参数的整定,并借助已有的历史运行数据进行了测试,测得测试数据的目标速度曲线的绝对平均误差为1.44km/h,并考虑到重载列车运行过程中的平稳操纵要求,利用人工蜂群算法将重载列车目标速度曲线进行平滑化。（3）针对使用无级电力机车的列车编组,提出了基于模型参考自适应控制算法设计了重载列车速度追踪器。同时考虑速度追踪误差和平稳性要求,依托重载列车的单质点模型,建立了预测模型;对滚动优化的优化项结合重载列车的操纵特点进行分析和改进,借助二次规划,完成了滚动优化部分的求解和参数设置,在滚动优化中尽最大可能减小了列车的纵向冲动。最后使用仿真模型搭建了重载列车仿真运行平台,将基于模型参考自适应控制算法的追踪方法和PID算法的追踪方法应用在万吨列车上进行对比。经过对比得出,重载列车在30公里的起伏坡道上进行仿真运行时,本文提出的方法比基于PID的追踪方法在路程平均最大车钩力上要小33k N,证明了本文所设计的基于模型参考自适应控制算法的控制策略是可行的。图35幅,表15个,参考文献59篇。
黄宇澄[4]（2021）在《重载列车在长大下坡区段的运行曲线优化方法研究》文中研究说明重载铁路具有运量大,运输效率高的特点,因此在大宗货物的运输中发挥着重要作用。随着货运量的增加,我国单列重载列车的运载量已经从一万吨增加到了两万吨,复杂运行环境条件下带有传统空气制动的长编组重载列车驾驶控制迎来了新的挑战,为进一步减少司机的劳动强度,提升重载铁路的运输能力,研究重载列车的自动驾驶控制问题就显得尤为重要。我国重载铁路及列车运行的以下几个特点使得实现重载列车的自动驾驶十分困难。首先,重载列车编组多样、车身长,且列车使用同步操控,制动采用传统的空气制动与电制动结合的方式。其次,由于海拔落差大,我国重载铁路具有长大下坡道集中的特点,在长大下坡区段,即使列车采取最大电制动,列车也将缓慢加速运行。为提高运行效率、同时降低维护成本,重载列车通常采用循环制动方式,面向分相区、弯道等复杂条件,给驾驶策略的计算带来了挑战。论文以朔黄铁路为研究背景,结合重载列车在长大下坡区段的运行特点及对应的约束条件,分别选择基于模型驱动（人工蜂群算法、混合整数线性规划方法）和基于数据驱动（近似动态规划算法）的方法研究重载列车在长大下坡区间的驾驶曲线优化问题。并通过仿真结果对不同算法的优化效果进行比较和分析。本文的研究工作主要有以下几个方面:（1）分析重载列车的运行特点,考虑了重载列车的充风时间和工况转换等约束,以减小空气制动时长和提高列车运行效率为目标,构建了重载列车在长大下坡区段运行的优化控制模型。（2）本文将既有的优化控制模型,转化为求解列车的工况转换点问题,基于启发式算法中的人工蜂群算法,设计了一种求解工况转换点的方法。在传统人工蜂群算法的基础上,本文提出了一种结合线路条件的初始解生成方法,缩小了最优解的搜索范围,提高了求解效率。（3）本文基于数值的方法,将非线性问题线性化,使用混合整数线性规划方法进行求解,与启发式算法相比,该方法求得的结果更准确。本文针对该方法进行了仿真验证,同时对混合整数线性规划方法的有效性以及参数对优化效果的影响进行了分析。（4）本文使用基于数据驱动的方法,将优化问题转化为马尔科夫决策过程,结合具体的问题,对智能体（列车）在每个阶段的状态,动作和成本函数进行定义,并对每个阶段的值函数使用基函数进行近似。并使用近似动态规划方法对优化问题进行求解,验证了近似动态规划方法的有效性。
王志佳[5]（2020）在《重载列车辅助驾驶系统半实物仿真平台设计》文中研究指明随着国民经济快速发展对能源需求的不断提高,重载铁路的运输能力也在与时俱进。面对当前不断增长的重载铁路运输需求,能有效提高列车运行效率、减轻司机驾驶强度以及降低线路运输成本的重载辅助驾驶技术也越来越受到重视。重载列车辅助驾驶系统是控制列车自动运行的核心子系统之一,并且其内部软件代码量过于庞大,算法控制逻辑极其复杂。然而,重载列车辅助驾驶系统在实际的设计中难免存在不同程度的缺陷,因此搭建仿真测试平台保障重载列车辅助驾驶软件的质量和功能完整性尤为重要。为了及时发现系统中存在的不合理设计以及相关缺陷等问题,确保重载列车辅助驾驶系统上线后的正常运行。本文基于重载列车辅助驾驶系统的需求设计并搭建了半实物仿真平台,具体研究内容如下:（1）结合重载列车辅助驾驶系统的功能特点,对半实物仿真平台进行了具体需求的分析以及平台总体架构的设计,进而在系统层面上根据实际需求实现了重载列车辅助驾驶系统半实物仿真平台的搭建,同时设计并实现了半实物仿真平台内部的数据通信传输过程,在此基础上进一步验证了本文搭建的重载列车半实物仿真平台内部设备通信接口的准确性。（2）在仿真平台开发环境下完成了重载列车辅助驾驶目标曲线生成相关功能的软件设计。为了保证系统软件功能的有效性,进一步在搭建的重载列车运行仿真平台对部分实际需求功能进行验证,使重载列车辅助驾驶系统软件在最接近现场环境下运行出预期设计的功能效果。通过对所设计的软件进行严格测试和半实物仿真平台的系统联调,有效实现了列车目标曲线生成和在线优化调整的半实物仿真运行。（3）基于重载列车辅助驾驶系统软件的特性分析,根据软件测试理论以及车载安全计算机平台的特点,将嵌入式软件测试方法运用到重载列车辅助驾驶系统软件测试中。从系统软件架构层面上提出了重载列车辅助驾驶系统软件测试方案,结合交叉测试策略并合理运用自动化软件测试工具Parasoft C++test对系统软件进行全面的静、动态测试分析,从而在软件设计前期及时检查出系统内部潜在的缺陷和错误等问题。经过大量实际测试和运行仿真平台验证的结果表明,本文设计的半实物仿真平台对重载辅助驾驶系统软件的功能测试具有较高的实用性和有效性,并且所提出的软件测试方法不仅能够有效发现与预期设计不符的缺陷,还能提高软件测试过程的执行效率,确保了重载列车辅助驾驶系统软件的质量。
赵文涛[6]（2020）在《基于主-从控机车异步控制的重载列车操纵优化》文中进行了进一步梳理随着世界铁路运输的快速发展,重载铁路运输凭借运输量大并且运输效率高等优点,成为发展铁路运输产业的主力军。但在列车实际运行过程中,往往会出现比较大的纵向冲动,因此通过仿真系统利用主、从控机车同步及异步控制方案对产生的纵向冲动问题进行分析具有重要意义。本文使用列车空气制动与纵向动力学联合仿真系统（TABLDSS）分析了列车在平直道路上进行制动及缓解时主、从控机车电制动力的调整对列车车钩力影响,探究列车在制动及缓解时的异步控制策略;根据异步控制策略进一步分析了列车在特殊坡道（凹形坡和凸形坡）上制动、在凸形坡上缓解时,主、从控机车的异步控制方案;最后根据列车在某重载铁路实际运行的状况,针对列车遇到的操纵困难路段,对降低列车缓解后产生的拉钩力和压钩力提出异步控制优化方案,对列车实际操纵提出优化指导建议。本文提出的列车操纵策略为:在凹形坡的线路激励条件下,列车会受到压钩力的作用,所以应尽量避免在凹形坡上制动,需要电制动时可采用异步控制的方法,减小主控机车电制动力,增大从控机车电制动力来降低列车受到的最大压钩力;在凸形坡的线路激励条件下,列车会受到拉钩力的作用,所以可在凸形坡上进行制动,当线路激励产生的拉钩力大于制动激励产生的压钩力,使列车受到比较大的拉钩力时,可采用异步控制的方法,增大主控机车电制动力,减小从控机车电制动力来降低列车受到的最大拉钩力;列车缓解时应尽量避免在凸形坡上进行,防止线路激励产生的拉钩力与缓解不同步性产生的拉钩力的叠加;列车在缓解时可采用异步控制方案,将主控机车电制动力增大,从控机车电制动力减小,也可采用同步控制方案,将主、从控机车电制动力均增大,并且在出现最大拉钩力后10s内将主、从控机车电制动力降低,可降低列车缓解后受到的最大压钩力,与同步控制方案相比异步控制方案更能降低列车缓解后受到的最大拉钩力。通过列车异步控制操纵策略,可降低列车在制动及缓解后受到的比较大的车钩力,减小列车的纵向冲动,保证列车安全运行。
牛立鹏[7]（2020）在《货运列车实时节能速度曲线生成方法研究》文中指出随着我国铁路建设的飞速发展,如何有效降低货物运输中能量消耗成为铁路运输的难点和重点。目前,针对列车节能优化操纵方法有很多理论研究,当前的优化方法主要基于单质点模型生成列车速度曲线,而货运列车是一个多质点的被控对象,所以列车在追踪单质点模型生成的速度曲线时往往出现跟踪偏差大等问题。因此本文提出了坡道等效的方法,本方法结合了单质点和多质点两类模型的优势。本文基于神朔铁路和大莱龙铁路的实际线路数据,采用理论与实际相结合的研究方法,对货运列车节能优化操纵问题进行了研究,主要研究内容如下:（1）根据列车动力学和列车牵引计算的基本原理,分别建立货运列车单质点模型和多质点模型。然后,根据机车种类的不同,分别对电力机车和内燃机车的能耗计算方法进行研究分析。同时,利用货运列车多质点模型研究不同线路条件下制动对列车纵向冲动力的影响,以便为后续研究列车节能优化策略提供科学依据。（2）以降低列车能耗为优化目标,基于最大值原理确定列车最优工况转换原则。首先根据列车给定的巡航速度和线路限速的二者中的最小值对神朔线路进行线路划分,同时研究列车在有限速及无限速影响下的单一坡道和连续组合坡道上的节能操纵策略,以及在长大下坡道上的循环制动策略,从而设计了基于列车单质点模型的节能操纵工况转换点序列求解算法。然后利用列车多质点模型按照产生的最优工况转换点序列去仿真,并将该仿真结果与基于列车单质点模型生成的节能速度曲线和实际司机操纵运行曲线进行对比分析。（3）提出了基于坡道等效法的列车节能速度曲线生成方法。首先,为了在列车节能速度曲线生成过程中考虑列车多质点的特点,采用坡道等效法生成等效坡道。然后基于该坡道等效法和采用单质点模型设计了满足准点约束的货运列车节能工况转换点序列求解算法,该算法可以适应列车运行时间和列车起终点位置变化。最后,基于大莱龙货运线路实际数据,设计一种能够满足列车运行时间实时变化的节能优化速度曲线生成方法,包括这三种典型场景:1)货运列车出现中途停车但计划运行时间不变;2)货运列车运行途中临时延长计划运行时间;3)临时缩短计划运行时间。该方法集成了单质点和多质点模型的优势,所生成的曲线更符合货运列车的运行特点,并且算法的执行时间都不超过1分钟。（4）基于C#语言和大莱龙实际线路数据信息,并结合本文提出的货运列车节能操纵工况转换点序列求解算法以及货运列车实时最优速度曲线生成算法,设计了货运列车节能仿真软件。该软件能够实现列车车次号选择、运行曲线显示等功能。图50幅,表8个,参考文献57篇。
李伟平[8]（2020）在《基于能力能耗协调利用的煤运通道列车组织优化》文中指出重载列车以其运量大、成本低、单耗小等优势成为我国铁路货物运输的主要组织形式,更是煤炭运输的重中之重。2018年,我国煤炭的铁路发送量为17.49亿吨,占铁路总货运量的54.85%。随着煤炭产能的逐年增加,如何提高重载运能已经成为重载列车运输研究重点。但扩能的同时,节能减排也成为铁路运输成本控制和可持续发展的重要战略目标。所以,重载运输组织的优化需根据运量需求和线路条件从车流组织类型、列车组合方法、列车牵引能耗等统筹规划,实现煤炭运输资源的合理调配,实现煤运通道运能发挥及经济和社会效益的最大化。本文在借鉴国内外煤运通道重载列车运输组织研究的基础上,根据煤运通道重载列车的运营数据,理清能耗在列车运行路径、列车编组方式、列车停站方案等不同模式下的规律,发掘运能与能耗之间的关系,对能力能耗协调利用的煤运通道列车组织优化进行了深入的探讨。基于能力和能耗的协调利用建立了重车列车组织优化模型,并结合实例进行求解计算。本文的主要研究内容如下:（1）明确了能力和能耗的研究主体,分析煤运通道重载列车运输组织特点,梳理了煤运通道重载铁路列车运输组织相关理论,在此基础上从运输组织方面对煤运通道的能力利用和能耗使用进行分析。（2）基于煤运通道某线的LKJ数据,采用数据挖掘的方法,提取能力和能耗的各类计算要素,形成完整的要素指标获取技术,并在此基础上利用动力学公式建立能耗计算微分方程,得出煤运通道不同路径和编组下的列车牵引能耗,实现对能力能耗规律的分析。（3）基于传统的车流分配模型（多商品流模型）,提出适用于煤运通道的以“列”为单位的重车组织优化模型,并将传统的线路物理网络拓扑到时空网络,考虑车流平衡、作业接续时间以及煤运通道能力等约束,构建基于能耗使用和能力利用协调最优的列车组织模型。设计遗传算法对优化模型进行求解,验证了模型的可行性。（4）基于国能集团大准铁路的路网和运营数据进行实例分析。将大准铁路调研获得的实测数据与电子数据等进行整理分析,基于大准线的路网和货运数据得出不同的重载列车组织优化方案,并对方案进行对比分析。结果表明所述理论方法的正确性与可推广价值。
汤辉玥[9]（2020）在《面向不确定性系统的列车自动驾驶算法研究》文中指出本文针对列车动力学行为具有不确定性的情形,研究列车自动驾驶算法的设计,主要包括两个方面:一、针对高速列车速度控制问题,本文依托于列车的纵向多质点模型,并将列车运行过程中的不确定参数、时滞、非线性、随机性显式地包含于模型之中,提出适用于该系统的鲁棒H∞控制判据;二、针对重载货运列车最优驾驶问题,利用强化学习算法,在智能体不具备列车动力学相关先验知识的条件下,使用生成的样本数据,求解多辆电力机车的最优操纵策略。在环境中则模拟了传感器误差和执行器误差发生的情形。本文的主要研究内容及创新点如下:1.将高速列车建模为一个带有不确定参数的多输入多输出系统,其中不确定参数包括列车质量、车钩刚度系数、机械阻力与空气阻力系数。将该系统在平衡点附近线性化,基于Lyapunov稳定性原理得出了使该系统稳定且具有鲁棒H∞性能的充分条件,即判据A。在上述线性模型的基础上,高速列车被建模为带有不确定参数和单时变时滞的多输入多输出系统。类似地,本文利用Lyapunov函数得出该系统稳定且具有H∞性能的充分条件,即判据B。仿真实验表明,与判据A相比,判据B在状态时滞存在的情形中表现出更加稳定的速度跟踪性能。2.考虑到列车各车厢单元时滞的差异性,以及高速列车运行中的非线性阻力特性,将高速列车建模为一个具有不确定参数、多重时变时滞、非线性和随机性的多输入多输出系统。在时滞上界和时滞导数上界已知的情形下,本文利用Lyapunov-Krasovskii函数得出了使得该系统稳定并具有H∞性能的充分条件,即判据C。仿真实验表明相比于既有文献中的高速列车鲁棒自适应控制器,本文所提出的H∞控制器使列车达到新稳态的时间较长,但其所需求的牵引/制动力的幅值较低,对牵引/制动功率要求较低,且不会引起高频振动。3.在时滞上界未知、时滞导数上界已知的条件下,本文针对具有不确定参数、多重时变时滞、非线性和随机性的多输入多输出系统得出了另一H∞控制判据,即判据D。仿真实验表明,与判据C相比,判据D速度跟踪精度较高,但车钩力和车钩伸缩振动的强度较大,并且牵引功率需求与能耗较高。4.基于Q学习和蒙特卡洛控制算法,得出重载列车中多辆电力机车的最优操纵策略。该算法不依赖于列车系统动力学相关的先验知识,能同时优化速度跟踪误差、车钩力、能耗等多个目标,满足电力机车牵引/制动特性、级位转换速率等多项约束。仿真过程通过并行牵引计算框架模拟列车控制-响应过程,使用生成的数据样本估计行为值函数,得出了起伏坡道上多电力机车最优操纵策略。5.提出了一种针对重载列车中多辆电力机车优化操纵问题的行为值函数估计器:双编码Q网络。仿真证明,相比于Q学习和蒙特卡洛控制算法,双编码Q网络能够显着地提升问题求解效率,扩大问题求解规模,并对行为值函数具有显着降噪作用。基于28组仿真案例得出了起伏坡道上重载列车电力机车的最优操纵策略,讨论了影响双编码Q网络收敛速度的因素。
董姣[10]（2020）在《移动闭塞系统下重载列车驾驶策略研究》文中研究说明随着我国“交通强国”战略提出加速铁路货运能力的提高和大宗货物运输向铁路和水运转移的要求,提升重载铁路运输能力已成为迫切的需求。当前我国重载线路普遍采用固定闭塞方式,而移动闭塞技术已在城市轨道交通得到广泛应用,它可以缩短行车间隔,提升线路运输能力。但由于重载铁路和城市轨道交通在运营线路特点上存在较大差别,同时因重载列车和城市轨道交通列车在重量、制动方式以及制动实施过程上的不同,现有用于城市轨道交通移动闭塞系统的牵引制动驾驶策略不能直接应用到重载列车上。因此,开展移动闭塞系统下的重载列车驾驶策略的研究具有重要意义。本文结合我国重载线路和列车特点,从目标速度曲线的生成和速度控制方法的设计出发,开展移动闭塞系统下重载列车驾驶策略的研究。论文的主要工作如下:（1）建立了重载列车动力学模型。分析重载列车牵引、制动系统的滞后特性,基于实验数据建立了牵引/电制动系统滞后模型和空气制动系统滞后模型,并对列车的运行过程进行计算。（2）设计了移动闭塞系统下的重载列车目标速度曲线生成方法。针对平缓坡道运行场景,考虑机车牵引力的限制和实际线路中存在的减速坡道、增速坡道及分相区,基于步长自适应和时间等效算法生成目标速度曲线;针对长大下坡道运行场景,提出了基于改进粒子群算法的目标速度曲线和工况序列生成方法,并根据重载列车的安全平稳操纵规则,建立循环制动和过分相的约束模型。（3）提出了基于模糊预测控制的重载列车速度控制方法。针对重载列车运行中存在的非线性、大滞后、外部扰动问题,结合模糊控制和预测控制设计速度控制器,该控制器以目标速度曲线为参考调节牵引力和电制动力,并根据输入的工况转换序列在长大下坡道和制动停车阶段适时地施加空气制动,实现重载列车的自动控制。（4）搭建了移动闭塞系统下的重载列车驾驶策略验证模型,进而结合朔黄铁路实际线路数据,对列车在平缓坡道和长大下坡道场景下的运行进行了仿真。分析模型输出并与实际驾驶曲线进行对比,结果表明采用本文驾驶策略生成的目标速度曲线在安全性和准时性方面满足实际驾驶需求,生成的工况转换序列与司机实际输出的工况相近,同时,模糊预测控制器的最大跟踪误差为±0.9km/h,控制器在跟踪精度和列车加速度变化率方面表现出良好的控制效果。图52幅,表14个,参考文献76篇。
二、重载列车的智能操纵模拟（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、重载列车的智能操纵模拟（论文提纲范文）
（1）基于强化学习的重载列车运行优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 重载列车自动驾驶研究现状与发展 |
| 1.2.1 国内外列车自动驾驶研究现状 |
| 1.2.2 国内外强化学习研究现状 |
| 1.3 论文研究内容与框架 |
| 第二章 重载列车建模方法 |
| 2.1 机车牵引制动特性 |
| 2.2 列车空气制动特性 |
| 2.3 车钩力模型 |
| 2.4 重载列车多质点纵向运动学模型 |
| 2.4.1 列车质点受力分析 |
| 2.4.2 列车多质点状态的更新 |
| 2.5 本章小结 |
| 第三章 基于强化学习算法训练的重载列车控制模型 |
| 3.1 强化学习介绍 |
| 3.1.1 强化学习基础 |
| 3.1.2 TD3 算法介绍 |
| 3.2 重载列车强化学习环境设计 |
| 3.2.1 状态设计 |
| 3.2.2 奖励设计 |
| 3.3 仿真分析 |
| 3.3.1 牵引启动过程仿真分析 |
| 3.3.2 巡航操控过程仿真分析 |
| 3.3.3 停车制动过程仿真分析 |
| 3.4 本章小结 |
| 第四章 专家监督对重载列车强化学习优化研究 |
| 4.1 循环神经网络 |
| 4.1.1 循环神经网络介绍 |
| 4.1.2 循环网络结构的专家模型设计 |
| 4.2 专家监督的重载列车强化学习控制器设计 |
| 4.2.1 专家监督强化学习算法更新过程 |
| 4.2.2 状态与奖励设计 |
| 4.3 带专家经验的强化学习控制器的训练 |
| 4.3.1 牵引启动过程仿真分析 |
| 4.3.2 巡航操控过程仿真分析 |
| 4.3.3 停车制动过程仿真分析 |
| 4.3.4 全过程运行控制器切换策略 |
| 4.4 本章小结 |
| 第五章 重载列车仿真平台设计 |
| 5.1 需求分析以及软件框架分析 |
| 5.2 重载列车仿真平台开发 |
| 5.2.1 场景参数设置模块设计 |
| 5.2.2 控制模块设计 |
| 5.2.3 显示模块设计 |
| 5.2.4 运行状态分段功能设计 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（2）基于自抗扰控制的重载列车速度跟踪控制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 重载列车纵向动力学建模研究现状 |
| 1.2.2 重载列车控制方法研究 |
| 1.2.3 自抗扰控制方法研究现状 |
| 1.3 本文内容安排 |
| 第二章 重载列车动力学模型 |
| 2.1 列车运行受力分析 |
| 2.1.1 牵引力和制动力 |
| 2.1.2 运行阻力 |
| 2.1.3 车钩力 |
| 2.2 列车动力学模型 |
| 2.2.1 列车单质点模型 |
| 2.2.2 列车多质点模型 |
| 2.2.3 列车多质点单位移模型 |
| 2.3 本章小结 |
| 第三章 基于自抗扰控制的重载列车速度跟踪控制 |
| 3.1 自抗扰控制原理 |
| 3.1.1 经典PID算法分析 |
| 3.1.2 自抗扰控制系统结构 |
| 3.2 重载列车的自抗扰控制器设计 |
| 3.3 参数整定 |
| 3.3.1 自抗扰控制器参数整定原则 |
| 3.3.2 改进的遗传算法设计 |
| 3.4 仿真验证及结果分析 |
| 3.5 本章小结 |
| 第四章 基于鲁棒自适应自抗扰控制的重载列车速度跟踪控制 |
| 4.1 鲁棒自适应控制概述 |
| 4.2 基于鲁棒自适应的自抗扰控制器设计 |
| 4.3 控制器稳定性分析 |
| 4.4 仿真验证及结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 个人简历在读期间发表的学术成果 |
| 致谢 |
（3）重载列车驾驶策略的优化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.3 论文主要研究内容和结构安排 |
| 2 重载列车纵向动力学特征 |
| 2.1 列车受力分析 |
| 2.1.1 牵引力 |
| 2.1.2 动力制动力 |
| 2.1.3 列车运行阻力 |
| 2.1.4 空气制动 |
| 2.1.5 车钩力 |
| 2.2 列车动力学建模 |
| 2.2.1 重载列车的多质点模型 |
| 2.2.2 重载列车的单质点模型 |
| 2.2.3 列车多质点模型和单质点模型的仿真误差计算 |
| 2.3 列车操纵特征 |
| 2.4 本章小结 |
| 3 基于Light-GBM的列车运行指导曲线生成方法 |
| 3.1 训练数据预处理 |
| 3.1.1 训练数据分析 |
| 3.1.2 训练数据处理 |
| 3.2 Light-GBM原理 |
| 3.2.1 构建单棵决策树 |
| 3.2.2 构建多棵决策树 |
| 3.2.3 GBDT负梯度拟合 |
| 3.2.4 损失函数 |
| 3.2.5 Light-GBM的优势 |
| 3.3 Light-GBM模型的训练与调优 |
| 3.3.1 评价指标 |
| 3.3.2 参数调优 |
| 3.3.3 训练结果 |
| 3.4 基于人工蜂群算法进行的优化 |
| 3.4.1 人工蜂群算法原理 |
| 3.4.2 人工蜂群算法的优化方案 |
| 3.4.3 基于人工蜂群算法的仿真 |
| 3.5 本章小结 |
| 4 基于模型参考自适应控制的跟踪算法设计 |
| 4.1 模型参考自适应控制算法流程 |
| 4.2 MRAC控制算法设计 |
| 4.2.1 流程设计 |
| 4.2.2 参数选取 |
| 4.2.3 参考曲线的设计 |
| 4.2.4 模型预测的具体实现 |
| 4.2.5 反馈校正的具体实现 |
| 4.2.6 滚动优化的具体实现 |
| 4.2.7 步骤总结 |
| 4.3 仿真效果分析 |
| 4.3.1 仿真运行条件 |
| 4.3.2 仿真运行结果 |
| 4.4 优化策略的验证 |
| 4.4.1 PID控制介绍 |
| 4.4.2 MRAC和PID的仿真对比 |
| 4.5 本章小结 |
| 5 结论 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 学位论文数据集 |
（4）重载列车在长大下坡区段的运行曲线优化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 动车组列车驾驶策略优化方法 |
| 1.2.2 重载列车驾驶策略优化方法 |
| 1.2.3 已有研究总结与发展趋势 |
| 1.3 本文主要框架 |
| 2 模型建立 |
| 2.1 优化目标 |
| 2.2 列车动力学模型 |
| 2.2.1 动力学模型 |
| 2.2.2 列车运行时的牵引力和制动力 |
| 2.2.3 列车运行阻力 |
| 2.3 约束条件 |
| 3 基于人工蜂群算法的重载列车驾驶曲线优化方法 |
| 3.1 人工蜂群算法介绍 |
| 3.1.1 算法原理 |
| 3.1.2 算法模型与实现步骤 |
| 3.2 算法设计 |
| 3.2.1 决策变量 |
| 3.2.2 初始解生成 |
| 3.2.3 约束条件处理 |
| 3.2.4 离散化方法 |
| 3.2.5 算法实现 |
| 3.3 仿真结果与分析 |
| 3.3.1 仿真参数设置 |
| 3.3.2 按位移进行离散化 |
| 3.3.3 按时间进行离散化 |
| 3.3.4 算法参数分析 |
| 3.4 本章小结 |
| 4.基于混合整数线性规划的重载列车驾驶曲线优化方法 |
| 4.1 MILP模型与分支界定法简介 |
| 4.1.1 MILP模型与应用 |
| 4.1.2 分支界定法 |
| 4.2 算法设计 |
| 4.2.1 决策变量与优化目标 |
| 4.2.2 转化规则 |
| 4.2.3 优化模型的转化 |
| 4.3 仿真结果与分析 |
| 4.3.1 算法有效性验证 |
| 4.3.2 参数分析 |
| 4.3.3 优化方法对比 |
| 4.4 本章小结 |
| 5.基于近似动态规划的重载列车驾驶曲线优化方法 |
| 5.1 ADP基础理论 |
| 5.1.1 有限MDP |
| 5.1.2 ADP算法的基本思想 |
| 5.1.3 值函数的近似方法 |
| 5.1.4 近似迭代算法 |
| 5.2 基于ADP算法的优化问题建模 |
| 5.2.1 决策时刻 |
| 5.2.2 状态 |
| 5.2.3 动作 |
| 5.2.4 状态转移函数 |
| 5.2.5 代价函数 |
| 5.2.6 目标函数 |
| 5.2.7 重载列车运行过程描述 |
| 5.3 基于ADP的求解方法 |
| 5.3.1 基函数结构选取 |
| 5.3.2 约束条件处理 |
| 5.3.3 近似值函数算法设计 |
| 5.4 仿真结果与分析 |
| 5.4.1 算法有效性验证 |
| 5.4.2 优化方法对比 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 论文创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）重载列车辅助驾驶系统半实物仿真平台设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 列车智能驾驶技术研究现状 |
| 1.2.2 仿真平台测试技术研究现状 |
| 1.3 论文的主要内容及组织结构 |
| 第二章 重载列车辅助驾驶系统半实物仿真平台总体设计 |
| 2.1 重载辅助驾驶系统功能与组成 |
| 2.2 重载半实物仿真平台设计与实现 |
| 2.2.1 半实物仿真平台需求分析 |
| 2.2.2 半实物仿真平台架构设计 |
| 2.2.3 半实物仿真平台搭建实现 |
| 2.3 重载半实物仿真平台通信设计 |
| 2.3.1 平台通信方式的选择 |
| 2.3.2 数据通信协议的制定 |
| 2.3.3 平台接口通信的测试 |
| 2.4 本章小结 |
| 第三章 重载列车辅助驾驶系统软件设计 |
| 3.1 重载列车辅助驾驶系统软件架构 |
| 3.2 重载列车辅助驾驶操纵优化 |
| 3.2.1 重载列车驾驶操纵目标 |
| 3.2.2 重载列车运行约束条件 |
| 3.3 重载列车辅助驾驶目标曲线生成与优化 |
| 3.3.1 目标曲线生成策略设计 |
| 3.3.2 目标曲线在线优化调整 |
| 3.3.3 目标曲线规划仿真分析 |
| 3.4 本章小结 |
| 第四章 重载列车辅助驾驶系统软件测试与分析 |
| 4.1 重载辅助驾驶系统软件测试方法 |
| 4.1.1 辅助驾驶系统软件测试特性 |
| 4.1.2 辅助驾驶系统软件测试策略 |
| 4.1.3 软件自动化测试工具的选择 |
| 4.2 重载辅助驾驶系统软件测试方案设计 |
| 4.3 重载辅助驾驶系统软件静态测试 |
| 4.3.1 测试规范配置 |
| 4.3.2 静态测试执行与分析 |
| 4.4 重载辅助驾驶系统软件动态测试 |
| 4.4.1 测试用例设计 |
| 4.4.2 动态测试执行与分析 |
| 4.5 本章小结 |
| 第五章 重载列车辅助驾驶系统优化与功能验证 |
| 5.1 重载辅助驾驶系统实时性优化 |
| 5.1.1 辅助驾驶系统平台环境 |
| 5.1.2 辅助驾驶系统优化对比 |
| 5.2 重载辅助驾驶系统测试需求 |
| 5.3 重载辅助驾驶系统功能验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（6）基于主-从控机车异步控制的重载列车操纵优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外纵向动力学发展现状 |
| 1.3 课题研究意义 |
| 1.4 本文主要研究内容 |
| 本章小结 |
| 第二章 列车空气制动与纵向动力学联合仿真系统 |
| 2.1 列车纵向动力学仿真模型 |
| 2.1.1 机车模型 |
| 2.1.2 车辆模型 |
| 2.1.3 缓冲器特性 |
| 2.2 列车空气制动与纵向动力学联合仿真系统简介 |
| 本章小结 |
| 第三章 列车电制动时的异步控制策略 |
| 3.1 列车电制动时异步控制策略分析 |
| 3.2 凹形坡对车钩力的影响及异步控制策略 |
| 3.2.1 凹形坡的定义及对列车运行的影响 |
| 3.2.2 列车在凹形坡上电制动时的异步控制策略 |
| 3.3 凸形坡对车钩力的影响及异步控制策略 |
| 3.3.1 凸形坡的定义及对列车运行的影响 |
| 3.3.2 列车在凸形坡上电制动时的异步控制策略 |
| 本章小结 |
| 第四章 列车缓解后的异步控制策略 |
| 4.1 列车缓解后异步控制策略分析 |
| 4.2 列车在凸形坡上缓解时的异步控制策略 |
| 4.3 列车在某重载铁路缓解时异步控制策略分析 |
| 4.3.1 线路条件 |
| 4.3.2 主、从控机车异步控制对最大车钩力的影响 |
| 4.3.3 主、从控机车电制动力降低时刻对最大车钩力的影响 |
| 4.4 主、从控机车异步控制优化方案探究 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（7）货运列车实时节能速度曲线生成方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 列车纵向冲动力 |
| 1.2.2 列车优化操纵 |
| 1.2.3 列车节能技术与系统 |
| 1.3 本文的主要内容和框架 |
| 2 货运列车动力学建模与分析 |
| 2.1 货运列车运行分析 |
| 2.1.1 列车牵引力分析 |
| 2.1.2 列车运行阻力分析 |
| 2.1.3 列车制动力分析 |
| 2.1.4 货运列车运行合力模型 |
| 2.1.5 列车能耗分析 |
| 2.2 货运列车动力学模型 |
| 2.2.1 列车单质点模型 |
| 2.2.2 列车多质点模型 |
| 2.3 制动工况下线路坡道对列车纵向冲动的影响 |
| 2.3.1 平直道及单一坡道 |
| 2.3.2 连续坡道 |
| 2.4 本章小结 |
| 3 基于极大值原理的货运列车节能运行计算方法 |
| 3.1 货运列车节能运行的数学模型 |
| 3.2 货运列车节能操纵工况及转换原则 |
| 3.2.1 列车节能操纵模型 |
| 3.2.2 列车节能操纵工况转换原则 |
| 3.3 货运列车节能操纵工况序列算法求解 |
| 3.3.1 线路划分 |
| 3.3.2 算法求解 |
| 3.3.3 货运列车长大下坡道运行策略研究 |
| 3.3.4 仿真结果分析与验证 |
| 3.4 本章小结 |
| 4 货运列车实时速度曲线生成方法研究 |
| 4.1 坡道等效方法 |
| 4.2 基于坡道等效的列车节能优化速度曲线生成方法 |
| 4.2.1 时间约束控制下的列车节能优化模型 |
| 4.2.2 仿真结果分析 |
| 4.3 列车实时速度曲线生成算法 |
| 4.3.1 临时停车场景下的实时速度曲线生成方法 |
| 4.3.2 运行时间调整的实时速度曲线生成方法 |
| 4.3.2.1 延长计划运行时间的典型场景 |
| 4.3.2.2 缩短运行时间的典型场景 |
| 4.4 本章小结 |
| 5 货运列车实时运行仿真软件设计与实现 |
| 5.1 仿真软件功能结构设计 |
| 5.2 软件结构层次设计 |
| 5.3 基础数据库设计 |
| 5.4 仿真软件图形界面设计 |
| 5.5 本章小结 |
| 6 结论及展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）基于能力能耗协调利用的煤运通道列车组织优化（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究综述 |
| 1.3.1 铁路能力利用相关 |
| 1.3.2 铁路节能低耗相关 |
| 1.3.3 铁路煤运通道的能力利用和能耗研究情况 |
| 1.3.4 现有研究不足与发展趋势 |
| 1.4 内容框架 |
| 1.5 技术路线 |
| 2 煤运通道列车组织优化基础理论梳理 |
| 2.1 煤运通道列车组织相关理论 |
| 2.1.1 煤运通道相关概念 |
| 2.1.2 重载列车开行条件 |
| 2.1.3 重载列车编组计划 |
| 2.1.4 煤运通道重车组织过程 |
| 2.1.5 与非煤通道运输组织的区别 |
| 2.2 运输组织过程的能力利用 |
| 2.2.1 煤运通道通过能力影响因素 |
| 2.2.2 煤运通道通过能力利用优化措施 |
| 2.3 运输组织过程的能源消耗 |
| 2.3.1 煤运通道能耗影响因素 |
| 2.3.2 煤运通道能耗优化措施 |
| 2.4 运输组织过程的能力能耗协调 |
| 2.5 本章小结 |
| 3 煤运通道运输能力利用和能耗分析 |
| 3.1 煤运通道运输能力和能耗要素层次划分 |
| 3.1.1 能力要素层次划分 |
| 3.1.2 能耗要素层次划分 |
| 3.2 煤运通道能力能耗计算 |
| 3.2.1 煤运通道能力计算 |
| 3.2.2 煤运通道能耗计算 |
| 3.3 基于运营数据的煤运通道能力能耗分析 |
| 3.3.1 数据源 |
| 3.3.2 数据特点 |
| 3.3.3 数据处理流程 |
| 3.3.4 基于运营数据的列车牵引能耗计算 |
| 3.4 煤运通道能力和能耗数据分析结果 |
| 3.4.1 能耗计算参数获取 |
| 3.4.2 能耗计算结果分析 |
| 3.4.3 能耗与能力的关系 |
| 3.4.4 不同开行方案的能耗值 |
| 3.5 本章小结 |
| 4 能力能耗协调利用的煤运通道列车组织优化 |
| 4.1 列车组织优化建模基础 |
| 4.1.1 煤运通道列车组织方案编制流程 |
| 4.1.2 数学模型方法 |
| 4.2 基于时空网络的煤运通道列车组织优化模型 |
| 4.2.1 时空网络 |
| 4.2.2 问题描述 |
| 4.2.3 参数定义 |
| 4.2.4 目标函数 |
| 4.2.5 约束条件 |
| 4.2.6 模型表达 |
| 4.3 模型求解算法 |
| 4.3.1 遗传算法概述 |
| 4.3.2 初始解生成 |
| 4.3.3 算法设计 |
| 4.4 本章小结 |
| 5 实例分析 |
| 5.1 案例设计 |
| 5.1.1 大准铁路线路概况 |
| 5.1.2 大准铁路运营组织概况 |
| 5.2 相关数据获取 |
| 5.2.1 基础数据获取 |
| 5.2.2 模型构建线路 |
| 5.3 模型参数设置 |
| 5.3.1 模型路网参数 |
| 5.3.2 模型供需参数 |
| 5.3.3 模型动态参数 |
| 5.4 模型求解 |
| 5.5 结果分析 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 主要工作和结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 附录 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）面向不确定性系统的列车自动驾驶算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 列车运行控制算法研究现状 |
| 1.2.1 列车节能运行算法 |
| 1.2.2 考虑车钩力的列车运行优化控制算法 |
| 1.2.3 考虑模型不确定性的速度控制算法 |
| 1.2.4 列车智能驾驶算法 |
| 1.3 本文涉及的主要方法论 |
| 1.3.1 鲁棒控制 |
| 1.3.2 强化学习 |
| 1.3.3 鲁棒控制与强化学习在列车驾驶应用中的异同点 |
| 1.4 论文研究内容与主要贡献 |
| 1.4.1 主要研究内容 |
| 1.4.2 论文主要贡献 |
| 1.4.3 技术路线图 |
| 第2章 单时滞下鲁棒H∞控制 |
| 2.1 引言 |
| 2.2 列车动力学模型 |
| 2.3 模型线性化及其状态方程 |
| 2.4 考虑参数不确定性的H∞判据 |
| 2.5 具有单状态时滞的列车模型 |
| 2.6 考虑参数不确定性与单状态时滞的H∞判据 |
| 2.7 数值仿真 |
| 2.7.1 不同状态时滞下控制性能验证 |
| 2.7.2 不同动力分布下控制性能验证 |
| 2.8 本章小结 |
| 第3章 多重时变时滞下时滞依赖型鲁棒H∞控制 |
| 3.1 引言 |
| 3.2 具有多重时滞的列车动力学模型 |
| 3.3 列车模型状态方程形式 |
| 3.3.1 状态方程转化 |
| 3.3.2 闭环控制问题构造 |
| 3.4 多重时滞下的H∞控制判据 |
| 3.5 数值仿真 |
| 3.5.1 不同动力分布下控制性能验证 |
| 3.5.2 与既有鲁棒自适应控制器的比较 |
| 3.6 本章小结 |
| 第4章 多重时变时滞下时滞导数依赖型鲁棒H∞控制 |
| 4.1 引言 |
| 4.2 列车系统模型 |
| 4.3 多重时滞下的H∞控制判据 |
| 4.4 数值仿真 |
| 4.4.1 不同动力分布下控制性能验证 |
| 4.4.2 多重时滞下控制性能验证 |
| 4.5 本章小结 |
| 第5章 Q学习与蒙特卡洛控制算法 |
| 5.1 引言 |
| 5.2 强化学习问题的构建 |
| 5.2.1 智能体 |
| 5.2.2 环境 |
| 5.2.3 奖励 |
| 5.2.4 状态 |
| 5.2.5 行为 |
| 5.2.6 策略 |
| 5.3 算法构建 |
| 5.3.1 Q学习 |
| 5.3.2 蒙特卡洛控制 |
| 5.3.3 并行样本生成算法 |
| 5.4 数值实验 |
| 5.4.1 列车仿真运行测试 |
| 5.4.2 并行探索序列的影响 |
| 5.5 本章小结 |
| 第6章 双编码Q网络 |
| 6.1 引言 |
| 6.2 强化学习问题的构建 |
| 6.2.1 状态 |
| 6.2.2 行为 |
| 6.2.3 奖励 |
| 6.3 双编码Q网络 |
| 6.3.1 表格式Q学习计算复杂度的简单分析 |
| 6.3.2 双编码Q网络的结构与运算方法 |
| 6.4 算法设计 |
| 6.5 数值实验 |
| 6.5.1 坡道和限速的影响 |
| 6.5.2 奖励权重的影响 |
| 6.6 针对双编码Q网络的讨论 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 主要工作与结论 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 硕博连读期间发表的论文及科研成果 |
（10）移动闭塞系统下重载列车驾驶策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 重载移动闭塞系统原理 |
| 1.2.2 城轨移动闭塞系统下的驾驶策略研究方法 |
| 1.2.3 重载列车特性 |
| 1.3 研究内容及论文结构安排 |
| 2 重载列车牵引/制动系统滞后模型及动力学模型建立 |
| 2.1 列车动力学分析 |
| 2.1.1 牵引力 |
| 2.1.2 制动力 |
| 2.1.3 运行阻力 |
| 2.2 列车牵引/制动系统滞后特性建模 |
| 2.2.1 空气制动系统滞后特性分析 |
| 2.2.2 空气制动特性研究方法总结 |
| 2.2.3 制动缸压力变化特征提取 |
| 2.2.4 空气制动系统滞后模型建立 |
| 2.2.5 空气制动系统滞后模型计算实例及验证 |
| 2.3 列车运行方程 |
| 2.4 本章小结 |
| 3 移动闭塞系统下重载列车目标速度曲线生成方法 |
| 3.1 困难区段驾驶策略约束模型构建及典型运行场景 |
| 3.1.1 线路坡道划分 |
| 3.1.2 困难区段驾驶策略约束模型构建 |
| 3.1.3 典型运行场景 |
| 3.2 平缓坡道目标速度曲线生成算法 |
| 3.2.1 最短运行时分速度曲线 |
| 3.2.2 基于步长自适应的速度曲线生成方法 |
| 3.2.3 困难区段局部调整 |
| 3.3 基于改进粒子群的长大下坡道目标速度曲线生成算法 |
| 3.3.1 粒子群算法引入 |
| 3.3.2 适应度函数 |
| 3.3.3 约束条件 |
| 3.3.4 算法改进及实现 |
| 3.4 本章小结 |
| 4 基于模糊预测的重载列车速度控制器设计 |
| 4.1 控制算法基础 |
| 4.1.1 模糊控制算法原理 |
| 4.1.2 预测控制理论及算法设计 |
| 4.2 模糊预测控制器的设计 |
| 4.2.1 模糊控制部分算法设计 |
| 4.2.2 预测控制部分算法设计 |
| 4.3 本章小结 |
| 5 仿真验证 |
| 5.1 验证流程 |
| 5.2 移动闭塞系统下的重载列车控制系统仿真模型搭建 |
| 5.2.1 模糊控制器模型设计 |
| 5.2.2 DMC预测控制模型设计 |
| 5.2.3 列车动力学仿真模型设计 |
| 5.3 仿真场景 |
| 5.3.1 线路和列车参数 |
| 5.3.2 算法参数 |
| 5.4 仿真案例分析 |
| 5.4.1 平缓坡道场景仿真案例 |
| 5.4.2 长大下坡道场景仿真案例 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
四、重载列车的智能操纵模拟（论文参考文献）
- [1]基于强化学习的重载列车运行优化研究[D]. 王禹. 华东交通大学, 2021(01)
- [2]基于自抗扰控制的重载列车速度跟踪控制[D]. 金爱丽. 华东交通大学, 2021
- [3]重载列车驾驶策略的优化方法研究[D]. 杨朔. 北京交通大学, 2021
- [4]重载列车在长大下坡区段的运行曲线优化方法研究[D]. 黄宇澄. 北京交通大学, 2021
- [5]重载列车辅助驾驶系统半实物仿真平台设计[D]. 王志佳. 华东交通大学, 2020(06)
- [6]基于主-从控机车异步控制的重载列车操纵优化[D]. 赵文涛. 大连交通大学, 2020(06)
- [7]货运列车实时节能速度曲线生成方法研究[D]. 牛立鹏. 北京交通大学, 2020(03)
- [8]基于能力能耗协调利用的煤运通道列车组织优化[D]. 李伟平. 北京交通大学, 2020
- [9]面向不确定性系统的列车自动驾驶算法研究[D]. 汤辉玥. 西南交通大学, 2020(06)
- [10]移动闭塞系统下重载列车驾驶策略研究[D]. 董姣. 北京交通大学, 2020(03)