电气化铁路接触网系统维修计划的多目标优化研究

【摘要】： 中国高速铁路的快速发展对电气化铁道的供电可靠性及接触网系统维修提出了更高的要求。本文首先将电气化铁路接触网系统及部件的维修方式分为三类,不同维修方式下系统的可靠性和维修费用不同,并在此基础上建立了不同维修方式组合下接触网系统的动态可靠性模型和维修费用模型。为实现提高接触网系统的可靠性并降低维修费用的目标,本文提出了一种混沌自适应进化算法(CESA)来求解这一多目标优化问题,新算法的混沌初始种群算子提高了初代种群的多样性,分组选择策略保证了各代中一定数量的劣势个体能参与进化,自适应遗传算子增加了劣势个体的交叉和变异概率,从而避免算法早熟,增强了算法的全局搜索能力。计算结果表明,CESA在种群多样性保持和帕雷托(Pareto)最优解收敛方面均优于流行的NSGA-Ⅱ多目标算法。采用CSEA算法得到的优化维修计划,不但可以显著提高接触网系统的可靠性,同时也大大降低了维修费用。最后,将本文提出的多目标优化算法与传统的单目标优化算法进行了比较,也验证了多目标优化算法的优越性。