بخشی از مقاله
چکیده
با توجه به مصرف زیاد انرژی در سیستم های حمل و نقل ریلی، یافتن روش هایی جهت بهینه کردن انرژی دارای اهمیت می باشد. دست یابی به پروفایل سرعت بهینه برای حرکت با توجه به مدل قطار و شرایط و ضوابط حاکم بر حرکت آن و همچنین مدهای حرکتی قطار به طور چشم گیری منجر به کاهش مصرف انرژی می گردد. در این مقاله از الگوریتم هوشمند ترکیبی 1 GA-ACOجهت بهینه کردن پروفایل سرعت قطار استفاده شده است. الگوریتم GA-ACO ،ترکیبی از الگوریتم ژنتیک و الگوریتم کولونی مورچگان گسسته است که در آن با استفاده از الگوریتم ژنتیک مکان های تغییر استراتژی حرکت از مد شتاب گیری به مد خلاصی و یا برعکس تعیین می گردد و پس از انتخاب نوع استراتژی حرکت ، در بستر این مد حرکتی با استفاده از الگوریتم ACO و با استفاده از مدل گسسته مکانی حرکت قطار ، به جستجوی کدهای سرعت بهینه پرداخته می شود.
واژههای کلیدی: پروفایل سرعت، بهینه کردن انرژی، قطار، مدهای حرکت، الگوربتم GA-ACO
بخش حمل و نقل به لحاظ پیوند ناگسستنی با سایر بخش های اقتصادی و به جهت نقش آن در توسعه اجتماعی و گسترش رفاه فردی و عمومی، همواره اهمیتی ویژه داشته و عملکرد مثبتی نیز در این زمینه از خود بر جای گذاشته است. با این حال عملکرد مثبت این بخش، آثار ناخواسته ای چون افزایش غیر منتطقی مصرف انرژی و به همراه آن آلودگی زیست محیطی قابل توجه را برای اغلب شهرهای بزرگ به دنبال داشته است. تا کنون تحقیقات گسترده ای در زمینه کاهش مصرف انرژی در حوزه حمل و نقل ریلی صورت گرفته که از جمله مهمترین آن ها می توان به استفاده از شبکه های عصبی و الگوریتم ژنتیک[1] ، کنترل فازی[2] و کنترل بهینه[3] در این زمینه اشاره نمود.
به طور کلی حرکت قطار از چهار مد حرکتی شتاب گیری، سرعت ثابت، خلاصی و ترمزی تشکیل شده است. در 1980 میلروی 1 از دانشگاه استرالیا جنوبی برای اولین بار بر روی نقاط تغییر استراتژی حرکت در مسافت های کوتاه کار کرد که از آن به عنوان جنبه های کنترل اتوماتیک قطار یاد شده.[4] در ادامه تحقیقات ذکر شده اسنیس2 و همکارانش در سال [5] 1985 و پس از آن هولت3 در سال [6] 1990 تئوری جدید کنترل بهینه قطار را تدوین کردند. پس از آن در سال 1996 مطالعات جامعی انجام گرفت که مدل واقعی تری را بر مبنای ویژگی های بهره برداری یک لوکوموتیو دیزل الکتریک ارائه می کرد .[7]
در 1995 هولت و پودنی4 نشان دادند که هر سیاست پیوسته برای کنترل قطار را می توان با حالت سوئیچی صفر و یک برای شتاب تقریب زد.[8] این قضیه به راهبران قطار کمک می کند که بتوانند با تقریب خوبی پروفابل بهینه پیوسته را با توالی های شتاب- خلاص دنبال کنند. تئوری کنترل پیوسته در سال 2000 توسعه داده شد9]و10و[11 و بسیار شبیه به کنترل اتومبیل خورشیدی بود. در سال 2009 تحقیقات گسترده ای در زمینه پیاده سازی کنترل قطار به منظور حداقل کردن مصرف انرژی انجام شد این طرح به روش الگوریتم ژنتیک پیاده سازی شده بود[1].[1]استراتژی های بهینه برای سفرهای کوتاه درون شهریکه تواماً دارای شیب و فراز کم و محدودیت های سرعت هستند، استراتژی بهینه بر اساس شتاب گیری، خلاصی و ترمز گیری است.
در مورد سفرهای طولانی بین شهری با توجه به گسسته بودن ناچ های کنترلی در قطار، استراتژی بهینه معمولاً شامل مراحل شتاب گیری بیشینه، سرعت ثابت - که با نوسان بین ناچ های مختلف تقریب زده می شود - خلاصی و ترمزگیری می باشد. در این مقاله ابتدا به مدل سازی حرکت با در نظر گرفتن جرم نقطه ای قطار پرداخته می شودو بعد توضیحاتی در مورد الگوریتم های ژنتیک و کولونی مورچگان داده می شود و نحوه اعمال این الگوریتم ها با هم به مساله بهینه سازی حرکت قطار بیان خواهد شد همچنان در اعمال الگوریتم ترکیبی GA-ACO نشان داده خواهد شد که جهت جستجوی مکان های بهینه از الگوریتم ژنتیک و جهت جستجوی کدهای سرعت بهینه از الگوریتم کولونی مورچگان گسسته استفاده می شود. در نهایت شبیه سازی ها و نتایج نشان داده خواهد شد.
-2 مدل گسسته مکانی قطار
جهت بهینه سازی پروفایل سرعت از مدل گسسته مکانی حرکت قطار استفاده شده است. در این مدل اگر فاصله s را کوچک در نظر بگیریم آنگاه می توان شتاب را در این بازه ثابت در نظر گرفت. با توجه به اینکه در تمام مکان ها ، مقادیر گسسته ای از سرعت های قابل انتخاب داریم و همچنین مقادیر اولیه سرعت، موقعیت و زمان برابر صفر می باشد. می توان روابط مربوط به حرکت از مکان SN به S N 1 را به صورت معادلات - 1 - تا - 8 - بدست آورد.که در اینجا c0 و c1 و c2 ضرایب مربوط به مقاومت دیویس و زاویه قطار با سطح افق و Rg مقاومت شیب و فراز مسیر می باشد. مقاومت Rg به موقعیت وابسته است.
-3 تابع هزینه مساله
بخش اصلی محاسبات در یک الگوریتم، نحوه بدست آوردن تابع هزینه در آن می باشد. در این پروژه هدف اصلی مینیمم کردن مصرف انرژی می باشد بنابراین تابع هزینه برابر میزان انرژی مصرف شده می باشد. جهت رعایت کردن شرایط و ضوابط حاکم بر حرکت، یک سری توابع جریمه به صورت زیر به تابع هزینه اضاف می گرد د لذا تابع هزینه در حالت کلی به صورت معادله - 9 - در نظر گرفته می شود.در اینجا :
