城轨列车深度强化学习节能优化控制方法

作     者：郭啸 孟建军 陈晓强 胥如迅 李德仓 宋明瑞 GUO Xiao;MENG Jianjun;CHEN Xiaoqiang;XU Ruxun;LI Decang;SONG Mingrui

作者机构：兰州交通大学机电技术研究所兰州730070 甘肃省物流及运输装备信息化工程技术研究中心兰州730070 甘肃省物流与运输装备行业技术中心兰州730070 兰州交通大学机电工程学院兰州730070 

基　　金：国家自然科学基金项目(72061021、62063013) 甘肃省优秀研究生“创新之星”项目(2022CXZX-517) 

出 版 物：《铁道标准设计》 (Railway Standard Design)

年 卷 期：2024年第68卷第7期

页      码：185-191,217页

摘      要：为提高城轨列车自动驾驶(Automatic Train Operation,ATO)的控制性能,针对城轨ATO目标速度曲线追踪控制方法中工况切换频繁、牵引能耗高等问题,以列车准点、精准停车和能耗为优化目标,设计了一种以时间冗余(Time Redundancy,TR)规划参考系统为主动约束的列车深度强化学习DQN控制方法。建立了城轨列车动力学模型和多目标优化适应度函数;定义了TR规划参考系统约束下的DQN列车控制器,并对控制器中的动作空间和奖励函数进行设置;最后规定了列车控制器神经网络更新方法,利用随机梯度下降算法更新Q网络参数。结果表明:加入以TR时间规划参考系统为约束的TR-DQN算法提高了DQN迭代收敛速度以及迭代训练过程中的稳定性;TR-DQN动态调整列车运行策略的控制方法相比传统目标速度曲线追踪PID算法能耗降低12.32%,列车站间工况切换频率较低;针对设置的3种不同站间规划时间,列车牵引能耗依次降低7.5%和6.4%,列车站间工况动态切换频率和牵引能耗随行程规划时间增大而降低。

主 题 词：城市轨道交通 列车自动驾驶 时间规划系统 节能运行 深度强化学习 DQN算法 

学科分类：08[工学] 0814[工学-地质类] 082302[082302] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.13238/j.issn.1004-2954.202211110006

馆 藏 号：203128787...