[发明专利]一种基于模糊规则的机车智能操纵优化计算方法

摘要

本发明涉及一种基于模糊规则的机车智能操纵优化计算方法，具体包括以下步骤：步骤1、进行机车驾驶操纵的优化策略设计并生成优化策略库；步骤2、优化策略中的关键参数提取；步骤3、优化策略参数寻优，通过离线大规模搜索的方式对策略参数进行优化搜索，整个寻优的目标为在机车的运行时间不超过计划时间3分钟的基础上，选择油耗低的优化参数；步骤4、策略参数模糊推理系统设计及实现；步骤5、匹配策略并执行。通过对策略参数进行搜索，进一步提高了策略的优化效果。

主权项

1.一种基于模糊规则的机车智能操纵优化计算方法，具体包括以下步骤：步骤1、进行机车驾驶操纵的优化策略设计并生成优化策略库，其中：步骤1.1、优化预处理，优化预处理是针对线路数据的读取以及处理，具体包含加算坡度的计算和线路分段；步骤1.2、离线知识库构建，将机车记录的司机驾驶数据进行学习，学习的过程包括司机数据预处理，定义分类属性和子操作，并获得不同分类属性下的子操作知识库；步骤1.3、策略库生成并调整，根据得到的子操作知识库作为设计基础原则，匹配不同的分类属性及火车驾驶操纵领域规范得到原始优化策略，针对区段限速、列车时刻表以及机车行驶安全平稳的约束条件进行策略调整，最终形成优化策略库；步骤2、优化策略参数提取；其中，优化策略中的参数根据状态可以分为两类：第一类参数为动态参数，动态参数会根据机车行驶的自身状态和线路情况动态变化，包括车重、坡段类型、当前机车的运行速度；第二类参数为静态参数，静态参数是人为通过机车的运行情况及司机的驾驶经验进行配置，当机车在进行行程初始化即优化预处理过程中从外部配置文件中读入，静态参数无法根据机车的不同状态动态加载；步骤3、优化策略参数寻优，通过离线大规模搜索的方式对优化策略中的参数进行优化搜索；步骤4、策略参数模糊推理系统设计及实现；步骤4.1、进行输入参数模糊化；步骤4.2、根据模糊规则进行模糊推理，其中，糊推理方法采用Mamdani算法；步骤4.3、进行参数解模糊，其中采用用中心平均法进行参数解模糊，通过参数解模糊之后得到清晰的优化策略参数；步骤5、匹配策略并执行；根据策略参数寻优与模糊推理系统得到的策略优化参数，在优化策略树中进行深度遍历搜索，匹配到每个路段的优化策略，对优化策略进行执行并生成优化操纵序列。