[发明专利]基于IGWO-BP-PID的磁浮列车位移速度跟踪控制方法

说明书

本发明提供了一种基于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。

技术领域

本发明涉及磁悬浮列车运行控制技术领域，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。

背景技术

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。

发明内容

本发明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，本发明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：

F_q为列车牵引力，F_i为电磁涡流阻力，F_a为空气阻力，F_s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：F_q(t)为列车控制牵引力，k_p，k_i，k_d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：