一种基于深度学习的铁路重载列车平稳操纵优化方法

本发明公开了一种基于深度学习的铁路重载列车平稳操纵优化方法，包括如下步骤：S1、实时采集列车运行中的实时原始数据；S2、将实时原始数据按照秒级、分钟级和小时级分别标准化处理和去噪处理；S3、采用经历史数据训练完成的多尺度傅里叶神经算子模型进行实时连续预测，获得列车纵向动力学状态预测输出；S4、构建局部动态博弈决策模型，通过强化学习实时确定牵引力与制动力的最佳组合方案；S5、构建全局动态博弈决策模型，通过多智能体协同进化算法实时计算最优速度曲线与能源管理策略；S6、实时融合纵向操控方案与整体运行方案，确定最终操纵指令。本发明有效降低纵向冲击和能耗，提高操控精度与平稳性。