打开文本图片集

摘要：以人工蜂群算法为基础的ZPW-2000A轨道电路室外设备调谐参数的选配方法，通过模拟蜜蜂觅食行为，实现了对极阻抗和零阻抗参数的智能优化，进一步提高了轨道电路的安全性与可靠性，加强轨道电路室外设备的全局搜索能力与收敛速度，并在实际应用当中，可以按照具体需求对算法参数进行适当的调整，从而得到更优的解。因此，在掌握和了解人工蜂群算法和ZPW-2000A轨道电路室外设备调谐的条件下，提出一种基于人工蜂群算法的ZPW-2000A轨道电路室外设备调谐参数的选配方法，从而为相关研究提供参考与借鉴。

关键词：人工蜂群算法；ZPW-2000A轨道电路；室外设备调谐参数；选配

ZPW-2000A轨道电路室外设备调谐作为钢轨电气分割的重要组成之一，在产业化运行过程中，采取批量化的方式对设备的调谐参数进行单体调节，相关操作人员通过总结和统计众多的现场调谐区数据，从而计算出设备调谐技术性能指标，即为零阻抗和极阻抗[1] 。人工蜂群算法（Artificial Bee Colony， ABC）是一种模拟蜜蜂觅食行为的优化算法，具有全局搜索能力强、收敛速度快等优点，适用于解决复杂的优化问题[2] 。因此，以人工蜂群算法为基础的ZPW-2000A轨道电路室外设备调谐参数的选配方法，从理论角度来看具有较强可行性，进而对其进行研究体现出较高的研究价值与意义。

1基础概念

1.1人工蜂群算法

人工蜂群算法（ABC）是通过模拟蜜蜂觅食行为的优化算法，其智能搜索模型的基本要素为食物源、人工蜂群[3] 。其中食物源表示解空间范围内可能存在的解决，由多种因素决定，优化问题的解抽闲为食物源的位置，函数数值抽象为食物源的数量，寻找最优食物源的过程可表示为：随机生产2N个食物源位置，寻找最优食物源位置，由人工蜂群中的引领蜂发现并记忆食物源，在食物源附近按照既定方式对新食物源进行搜索，公式表示为：

式中，Vij为新食物源的位置；xij为食物源的第j维；xkj为随机选择不等于i的第j维；Rij为随机数范围为[-1，1]。

1.2 ZPW-2000A轨道电路室外设备调谐原理

由于轨道电路传输信号细分为四种，分别为1700、2000、2300、2600，单位Hz，所以ZPW-2000A轨道电路室外设备调谐同样按照电路传输信号进行划分[4] ，如图1所示。

由图1可知，L与C是调谐电压和调谐电容器，主要作用是谐振的形成，但是因为生产工艺和成本的影响，所以无法保证单个电容器C的容值相同，所以图1信号的调谐单元在生产过程中，通过并联的方式增加一个容值相对相较小的补偿器C’，促使设备调谐的阻抗虚部得到有效控制标准范围内。同理，假若也无法控制单个电感L及电容器C的内阻，使其在同一阻值下，就需要传统不同长度的连接线，促使设备调谐的阻抗实部控制的指标范围内。如两元件设备调谐，如图2所示；

2基于人工蜂群算法的ZPW-2000A轨道电路室外设备调谐参数的选配方法

基于人工蜂群算法的ZPW-2000A轨道电路室外设备调谐参数的选配方法，突出人工蜂群算法的食物源寻找作用，进而该方法主要包括问题定义、算法初始化、引领蜂阶段、跟随蜂阶段、侦查蜂阶段、迭代与收敛、结果输出，详细步骤如下：

步骤1：问题定义

明确需要优化的ZPW-2000A轨道电路室外设备调谐参数，即为极阻抗和零阻抗的实部和虚部；同时将优化目标设定为提高轨道电路传输安全性与稳定性；并完成设备现有参数和性能指标数据的收集，确定参数搜索范围，保证算法在合理范围内进行。

步骤2：算法初始化

设定人工蜂群算法的相关参数，如蜂群规模（包括引领蜂、跟随蜂和侦查蜂的数量）、迭代次数、搜索空间等；同时初始化适应度函数，用于评估每个解的优劣；其中适应度函数可以基于轨道电路的性能指标进行构建。

步骤3：引领蜂阶段

在搜索空间内随机生成一定数量的初始解，作为引领蜂的初始位置；计算出每个引领蜂的适应度值，根据适应度函数对解进行排序，记录适应度值的最高解，将其作为全局最优解的初始值。

步骤4：跟随蜂阶段

将适应度值较高的引领蜂选为跟随蜂，使其在被选中的引领蜂的邻域内进行搜索，从而生成新的解，通过调整参数的微小变化来实现这一操作；同时计算新解的适应度值，并与原引领蜂的适应度值进行比较；假若新解的适应度值优于原引领蜂的适应度值，则更新引领蜂的位置为新解的位置

步骤5：侦查蜂阶段

侦查蜂在整个搜索空间内进行随机搜索，以发现新的潜在最优解；假若侦查蜂找到的解优于当前全局最优解，则更新全局最优解为新解的位置。

步骤6：迭代与收敛

重复引领蜂、跟随蜂和侦查蜂阶段，直到达到预设的迭代次数或满足收敛条件；满足则停止迭代，否则继续迭代。

步骤7：结果输出

输出最终的全局最优解，即最优的极阻抗和零阻抗参数；并对对最优解进行性能评估，包括传输效率、稳定性等指标；同时根据实际应用中的反馈和测试结果，对算法参数（如蜂群规模、搜索空间等）进行调整，以进一步提高优化效果。

结论：

综上所述，通过发挥人工蜂群算法的优势，对ZPW-2000A轨道电路室外设备调谐参数进行选配，保证选配内容为最优解，从而有效提高的轨道电路传输的稳定性与可靠性，并按照轨道电路的性能指标进行精心设计，最大限度发挥人工蜂群算法的作用。因此，本文研究从理论及实践上，直观展示了人工蜂群算法在ZPW-2000A轨道电路室外设备调谐参数选配当中的应用价值，从而为相关研究提供理论指导及实践参考。

参考文献：

[1] 李炳杰. ZPW-2000A轨道电路室外设备调谐参数的选配方法与实现[J]. 铁路通信信号工程技术，2023，20（z1）：111-113.

[2] 周新宇，刘颖，吴艳林，等. 基于多元信息引导的人工蜂群算法[J]. 电子学报，2024，52（4）：1349-1363.

[3] 郑晨昱，李梓响，唐秋华，等. 基于改进人工蜂群算法的人机协作装配线平衡优化[J]. 计算机集成制造系统，2024，30（10）：3525-3534.

[4] 代萌. 基于协同优化策略和人工蜂群算法的轨道电路邻线干扰防护研究[J]. 中国铁道科学，2024，45（1）：178-189.