随着城市轨道交通的迅速发展,地铁站的客流量日益增加,地铁列车在轨道交通领域发挥着重要作用。作为城市中一种重要的交通运输工具,地铁列车的运行需要严格遵守各项指标,才能确保在安全行车前提下提升运行效率,满足旅客的出行需求。然而,地铁在实际运行中,会受到线路、速度和车辆的影响,往往会增加运行能耗、时间,降低旅客的舒适度,从而增加了运营的成本。因此,研究如何对列车运行过程的多目标进行优化尤为重要。本文以列车的运行能耗、时间、旅客舒适度为优化目标,行车安全、精准停车等为约束条件,采用NSGA-Ⅲ算法(Nondominated Sorting Genetic AlgorithmⅢ)对列车的多目标运行过程和列车的追踪过程进行优化研究。(1)研究列车的运行过程。首先分析了列车自动控制系统的原理和列车运行指标。然后根据列车的运行过程进行受力分析,并根据列车的自身特征以及线路情况建立列车多质点运动方程。(2)研究基于遗传算法的多目标优化问题。传统多目标优化方法通常把多目标问题转为单目标问题,导致很多最优解的丢失。而NSGA-Ⅱ算法在优化时易出现解分布不均的情况,从而降低了解集的多样性。针对该问题,本文引入一种基于参考点的NSGA-Ⅲ算法,加强算法的寻优能力,提升种解集的多样性和分布均匀度。采用标准的测试函数对基于参考点的NSGA-Ⅲ算法与NSGA-Ⅱ进行对比,验证了NSGA-Ⅲ算法优化性能更佳,为列车的多目标运行优化奠定基础。(3)研究列车多目标操纵优化问题。针对列车的实际运行状态,首先采用黄金分割遗传算法分别优化列车的能耗、时间以及旅客舒适度,得到各项优化指标。然后将列车的运行能耗、时间和旅客舒适度综合考虑作为优化目标,行车安全、停车精准以及工况条件为约束,建立了列车多目标操纵优化模型。针对带约束的列车多目标优化问题,引入约束违反的思想来扩展NSGA-Ⅲ,从而减少在优化中不可行解的产生,提升解集的质量与多样性并采用扩展后的NSGA-Ⅲ算法对列车多目标操纵优化模型进行求解。结合地铁实际线路,通过仿真对比列车单目标优化与多目标优化性能,验证列车多目标操纵优化的必要性。(4)研究列车多目标追踪优化问题。针对列车追踪过程中出现列车时间调整不当的问题,在列车多目标操纵优化的基础上,综合考虑多车之间的影响,将车辆间的追踪间隔时间和追踪间隔距离加入到列车的约束条件中,建立列车的追踪优化模型。根据列车的追踪运行过程,将动态追踪问题划分为3个典型的追踪场景,并针对每一个追踪场景制定了相应的追踪策略。结合其策略,采用NSGA-Ⅲ算法对列车的追踪模型进行求解。以地铁实际线路为依托,通过实验仿真验证了在该算法的优化下,列车在追踪过程中各个指标间达到了较好的水平,证明了算法的可行性和有效性。