[發明專利]基于IGWO-BP-PID的磁浮列車位移速度跟蹤控制方法

有效

• 申請號: 202110239290.5
• 申請日: 2021-03-04
• 公開（公告）號: CN112947056B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 劉湘黔;徐洪澤;田毅;袁志鵬;李鵬;欒瑾;王曉紅;劉先愷
• 申請（專利權）人: 北京交通大學;中車青島四方機車車輛股份有限公司
• 主分類號: G05B11/42
• 分類號: G05B11/42
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

1.一種基于IGWO-BP-PID的磁浮列車位移速度跟蹤控制方法，其特征在于，包括：

根據列車動力學受力分析建立列車系統模型，根據所述列車系統模型設計PID控制器；

根據所述列車系統模型的輸入輸出確立BP神經網絡的結構，基于改進的灰狼優化IGWO算法離線訓練BP神經網絡，得到優化后的BP神經網絡模型；

根據采集的磁浮列車的運行狀態信息得到磁浮列車的狀態向量，將所述磁浮列車的狀態向量輸入到所述優化后的BP神經網絡模型，所述優化后的BP神經網絡模型輸出PID控制器的比例、積分、微分參數；

根據所述PID控制器的比例、積分、微分參數和所述列車系統模型實時計算出列車系統的牽引輸出，根據所述列車系統的牽引輸出得到列車的實時位移速度信息；

所述的根據所述列車系統模型的輸入輸出確立BP神經網絡的結構，包括：

根據列車的運行狀態信息設置BP神經網絡的輸入信息x_in(t)包括歷史誤差信息、當前時刻誤差信息、目標值；設置BP神經網絡的輸出參數yo_o(t)為PID控制器的比例、積分、微分參數，即yo_o(t)＝[k_p(t)，k_i(t)，k_d(t)]^T

根據BP神經網絡的輸入-輸出狀態模型確定BP神經網絡的結構為：

ho_h(k)＝f(hi_h(k))(h＝1,2,...,p)

yo_o(k)＝f(yi_o(k))(o＝1,2,3)

其中：k表示第k個樣本，f(·)為激活函數，w_ih輸入層與隱含層的連接權值，w_ho隱含層與輸出層的連接權值，hi_h(k)為隱含層輸出，p隱含層神經元個數，b_h為隱含層各神經元的閾值，b_o為輸出層神經元的偏置；

所述的基于改進的灰狼優化IGWO算法離線訓練BP神經網絡，得到優化后的BP神經網絡，包括：

基于改進的灰狼優化IGWO算法訓練BP神經網絡的連接權值參數，得到優化的BP神經網絡的權重系數；

初始化BP神經網絡的參數w_ih,w_ho及隱含層神經元個數p；

初始化種群大小M和最大迭代次數I；

根據種群大小M，生成初始種群x_m；

根據適應度函數計算種群中的每個個體的適應度函數值，根據適應度函數值將其中最好的三個個體標記為：x_α,x_b,x_δ；

利用上述最好的三個個體，引導剩余種群中剩余個體進行更新，其更新過程如下：

d_α＝|C₁·x_α-x(t)|,d_β＝|C₂·x_β-x(t)|,d_δ＝|C₃·x_δ-x(t)|

x₁＝x_α-A₁·d_α,x₂＝x_b-A₂·d_β,x₃＝x_δ-A₃·d_δ

其中：x(t)為列車位移狀態，r₁,r₂為[0,1]之間的隨機數，參數a隨迭代次數線性遞減到0；

變異算子計算：隨機挑選s個個體計算變異算子δ：

其中為變異常數；

對隨機挑選的s個個體進行變異，得到對應變異個體：

根據優化結果輸出BP神經網絡的權重系數，得到優化后的BP神經網絡模型。