基于深度Q网络的速度曲线优化方法研究

来源：计算机测量与控制杂志2026年第2期北京时间：

作者：孔文龙,柏友运,向国良,范子寅

单位：长沙穗城轨道交通有限公司

摘要：随着国内地铁运营规模的不断扩大,地铁列车电能消耗过大的问题更加凸显；通过对列控系统的速度曲线进行优化,可以减小列车运行时因克服阻力做功和制动过程造成的机械能损失,提高牵引能效；AI算法和计算机设备的飞速发展为速度曲线优化算法的革新带来了新的机遇,基于此,提出了基于深度Q网络(Deep Q-Network, DQN)算法的速度曲线优化方法：首先构建速度曲线优化的寻优框架,其次应用强化学习架构对智能体进行迭代优化,最后通过DQN算法求解出具有节能特性的速度曲线；在MATLAB平台上搭建了仿真环境,并对传统算法和本文算法的节能效果进行了仿真对比,结果显示,本文算法相比传统算法实现了约5%~7%的节能。

关键词：地铁列车;牵引能效;速度曲线;深度Q网络;强化学习架构

基金资助：无