基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法技术

本发明专利技术提供了一种基于IGWO‑BP‑PID的磁浮列车位移速度跟踪控制方法。该方法包括：根据列车动力学受力分析建立列车系统模型，根据列车系统模型设计PID控制器；根据列车系统模型的输入输出确立BP神经网络的结构，基于改进的IGWO算法离线训练BP神经网络；根据优化后的BP神经网络模型，得到PID控制器的比例、积分、微分参数并计算出列车系统的牵引输出。本发明专利技术基于优化后的网络结构实现PID控制器的实时参数调整，实现列车速度位移的精准跟踪，从而改善列车运行性能。

【技术实现步骤摘要】
基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法
本专利技术涉及磁悬浮列车运行控制
，尤其涉及一种基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法。
技术介绍
在磁悬浮列车高速行驶过程中，自动驾驶系统需要精准、高效的跟踪速度曲线以保证列车在轨安全运行。因此，磁悬浮列车的速度跟踪控制是高速磁浮列车运行的基础。然而，在实际运行过程中，磁浮列车受到空气阻力、电磁涡流阻力、坡道阻力等外力作用，使得列车在运行过程中存在较大非线性且模型参数时变。传统的PID((比例-积分-微分)控制器受列车运行过程中模型参数时变的影响，无法有效地跟踪列车的理想速度曲线，存在较大的跟踪误差，影响列车运行性能。因此，设计适用于时变、非精确模型且跟踪性能良好的自适应速度位移跟踪控制器对列车自动、高效驾驶具有重要的工程应用价值。
技术实现思路
本专利技术的实施例提供了一种基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法，以实现对磁悬浮列车的位移速度进行有效地跟踪控制。为了实现上述目的，本专利技术采取了如下技术方案。一种基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法，包括：根据列车动力学受力分析建立列车系统模型，根据所述列车系统模型设计PID控制器；根据所述列车系统模型的输入输出确立BP神经网络的结构，基于改进的灰狼优化算法IGWO算法离线训练BP神经网络，得到优化后的BP神经网络；根据采集的磁浮列车的运行状态信息得到磁浮列车的状态向量，将所述磁浮列车的状态向量输入到所述优化后的BP神经网络模型，所述优化后的BP神经网络模型输出PID控制器的比例、积分、微分参数；根据所述PID控制器的比例、积分、微分参数和所述列车系统模型实时计算出列车系统的牵引输出，根据所述列车系统的牵引输出得到列车的实时位移速度信息。优选地，所述的根据列车动力学受力分析建立列车系统模型，包括：根据列车动力学受力分析建立如下的列车系统模型：Fq为列车牵引力，Fi为电磁涡流阻力，Fa为空气阻力，Fs为坡道阻力，m为车厢质量，v(t)为列车运行速度，x(t)为列车位移状态。优选地，所述的根据所述列车系统模型设计PID控制器，包括：根据列车系统模型设计如下的PID控制器：其中：Fq(t)为列车控制牵引力，kp，ki，kd分别为控制器自适应比例、积分、微分参数，e(t)为位置跟踪误差，速度跟踪误差，其形式如下：其中：x*(t)为列车的理想位置目标值，v*(t)为列车的理想速度目标值；离散化的PID控制器如下：F(t)＝kp[e(t)-e(t-1)]+kie(t)+kd[e(t)-2e(t-2)+e(t-1)]。优选地，所述的根据所述列车系统模型的输入输出确立BP神经网络的结构，包括：根据列车状态信息设置BP神经网络的输入信息xin(t)包括历史误差信息、当前时刻误差信息、目标值；设置BP神经网络的输出参数yoo(t)为PID控制器的比例、积分、微分参数，即yoo(t)＝[kp,ki,kd]T根据BP神经网络的输入-输出状态模型确定BP神经网络的结构为：hih(k)＝f(hih(k))(h＝1,2,...,p)yoo(k)＝f(yio(k))(o＝1,2,3)其中：k表示第k个样本，f(·)为激活函数，wih输入层与隐含层的连接权值，who隐含层与输出层的连接权值，hih(k)为隐含层输出，p隐含层神经元个数，bh为隐含层各神经元的阈值，bo为输出层神经元的偏置。优选地，所述的基于改进的灰狼优化算法IGWO算法离线训练BP神经网络，得到优化后的BP神经网络，包括：基于改进的灰狼优化算法IGWO算法训练BP神经网络的连接权重参数，得到优化的BP神经网络的权重系数；初始化BP神经网络的参数wih,who及隐含层神经元个数p；初始化种群大小M和最大迭代次数I；根据种群大小M，生成初始种群xm；根据适应度函数计算种群中的每个个体的适应度函数值，根据适应度值将其中最好的三个个体标记为：xα,xb,xδ。利用上述三个最优个体，引导剩余种群中剩余个体进行更新，其更新过程如下：dα＝|C1·xα-x(t)|,dβ＝|C2·xβ-x(t)|,dδ＝|C3·xδ-x(t)|x1＝Xα-A1·dα,x2＝Xβ-A2·dβ,x3＝Xδ-A3·dδ其中：A＝2a·r1-a；C＝2·r2，r1,r2为[0,1]之间的随机数，参数a随迭代次数线性递减到0；变异算子计算：随机挑选s个个体计算变异算子δ：其中：为变异常数；对随机挑选的s个个体进行变异，得到对应变异个体：根据优化结果输出BP网络的权重参数，得到优化后的BP神经网络模型。由上述本专利技术的实施例提供的技术方案可以看出，本专利技术实施例提供了一种基于BP网络的PID控制器，通过离线的IWGO算法基于列车的实际运行数据离线训练神经网络的权重参数，然后基于优化后的网络结构实现速度位移跟踪控制器的实时参数调整，实现列车速度位移的精准跟踪，从而改善列车运行性能。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法的处理流程图。具体实施方式下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字本文档来自技高网...

【技术保护点】
1.一种基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法，其特征在于，包括：/n根据列车动力学受力分析建立列车系统模型，根据所述列车系统模型设计PID控制器；/n根据所述列车系统模型的输入输出确立BP神经网络的结构，基于改进的灰狼优化算法IGWO算法离线训练BP神经网络，得到优化后的BP神经网络；/n根据采集的磁浮列车的运行状态信息得到磁浮列车的状态向量，将所述磁浮列车的状态向量输入到所述优化后的BP神经网络模型，所述优化后的BP神经网络模型输出PID控制器的比例、积分、微分参数；/n根据所述PID控制器的比例、积分、微分参数和所述列车系统模型实时计算出列车系统的牵引输出，根据所述列车系统的牵引输出得到列车的实时位移速度信息。/n

【技术特征摘要】
1.一种基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法，其特征在于，包括：
根据列车动力学受力分析建立列车系统模型，根据所述列车系统模型设计PID控制器；
根据所述列车系统模型的输入输出确立BP神经网络的结构，基于改进的灰狼优化算法IGWO算法离线训练BP神经网络，得到优化后的BP神经网络；
根据采集的磁浮列车的运行状态信息得到磁浮列车的状态向量，将所述磁浮列车的状态向量输入到所述优化后的BP神经网络模型，所述优化后的BP神经网络模型输出PID控制器的比例、积分、微分参数；
根据所述PID控制器的比例、积分、微分参数和所述列车系统模型实时计算出列车系统的牵引输出，根据所述列车系统的牵引输出得到列车的实时位移速度信息。


2.根据权利要求1所述的方法，其特征在于，所述的根据列车动力学受力分析建立列车系统模型，包括：
根据列车动力学受力分析建立如下的列车系统模型：



Fq为列车牵引力，Fi为电磁涡流阻力，Fa为空气阻力，Fs为坡道阻力，m为车厢质量，v(t)为列车运行速度，x(t)为列车位移状态。


3.根据权利要求1所述的方法，其特征在于，所述的根据所述列车系统模型设计PID控制器，包括：
根据列车系统模型设计如下的PID控制器：



其中：Fq(t)为列车控制牵引力，kp，ki，kd分别为控制器自适应比例、积分、微分参数，e(t)为位置跟踪误差，速度跟踪误差，其形式如下：



其中：x*(t)为列车的理想位置目标值，v*(t)为列车的理想速度目标值；
离散化的PID控制器如下：
F(t)＝kp[e(t)-e(t-1)]+kie(t)+kd[e(t)-2e(t-2)+e(t-1)]。


4.根据权利要求1所述的方法，其特征在于，所述的根据所述列车系统模型的输入输出确立BP神经网络的结构，包括：
根据列车状态信息设置BP神经网络的输入信息xin(t)包括历史误差信...

【专利技术属性】
技术研发人员：刘湘黔，徐洪泽，田毅，袁志鹏，李鹏，栾瑾，王晓红，刘先恺，
申请(专利权)人：北京交通大学，中车青岛四方机车车辆股份有限公司，
类型：发明
国别省市：北京;11