基于粒子群优化算法的磁浮列车自抗扰悬浮控制器研究

摘要
图/表
参考文献
相关文章 (6)

全文: PDF (3209 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要为提高磁浮列车悬浮系统的抗干扰性和稳定性,本文提出基于粒子群优化算法（PSO）的自抗扰悬浮控制器。首先建立单电磁铁悬浮系统模型,然后基于该模型设计自抗扰控制器,最后引入粒子群优化算法对控制参数进行自适应寻优,得到适用于系统模型的自抗扰控制器。仿真和单悬浮架试验平台试验结果表明,系统受垂向加速度和悬浮气隙干扰时,相较于传统比例积分微分（PID）控制器,经粒子群优化算法自适应寻优的自抗扰控制器具有更好的抗干扰性和鲁棒性,可为磁浮列车悬浮系统控制算法的工程应用提供新思路。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	蒋毅
	廖看秋
	朱跃欧
	汤彪

关键词 ：粒子群优化算法（PSO）, 自抗扰控制, 磁浮列车, 悬浮控制

Abstract：In order to improve the anti-interference and stability of maglev train suspension system, an active disturbance rejection suspension controller based on particle swarm optimization (PSO) is proposed. Firstly, the suspension system model of single electromagnet is established, and the active disturbance rejection controller is designed based on the model. Finally, the particle swarm optimization is introduced to self-adapt the control parameters, and the active disturbance rejection controller suitable for the system model is obtained. The simulation and single suspension platform test results show that compared with the traditional proportional integral differential (PID) controller, the PSO adaptive auto-disturbance rejection controller has better anti-interference and robustness when the system is disturbed by vertical acceleration and suspension air gap, which provides a new idea for the engineering application of maglev train suspension control algorithm.

Key words： particle swarm optimization (PSO) active disturbance rejection control maglev train suspension control

收稿日期: 2024-03-04

基金资助:湖南省科技创新计划项目（2018TP1035）

作者简介: 蒋毅（1992—）,男,湖南省邵阳市人,硕士,工程师,主要从事磁浮列车设计与悬浮系统控制算法研究工作。

引用本文:

蒋毅, 廖看秋, 朱跃欧, 汤彪. 基于粒子群优化算法的磁浮列车自抗扰悬浮控制器研究[J]. 电气技术, 2024, 25(7): 39-44. JIANG Yi, LIAO Kanqiu, ZHU Yueou, TANG Biao. Research on active disturbance rejection suspension controller of maglev train based on particle swarm optimization. Electrical Engineering, 2024, 25(7): 39-44.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2024/V25/I7/39

[1] 赵牧天, 葛琼璇, 朱进权, 等. 中速磁悬浮列车分段式长定子永磁直线同步电机牵引控制策略[J]. 电工技术学报, 2022, 37(10): 2491-2502.
[2] 和风, 冯洋, 佟来生, 等. 高速磁浮车辆通过平面曲线时悬浮架和电磁铁的弹性变形分析[J]. 机车电传动, 2022(4): 1-8.
[3] 韩京清. 自抗扰控制器及其应用[J]. 控制与决策, 1998, 13(1): 19-23.
[4] 张文进, 林志坚, 张睿扬, 等. 基于新型跟踪微分器的磁浮车悬浮控制算法研究[J]. 铁道科学与工程学报, 2023, 20(10): 3954-3964.
[5] 胡轲珽, 徐俊起, 刘志刚, 等. 基于强化学习的电磁悬浮型磁浮列车悬浮控制[J]. 同济大学学报(自然科学版), 2023, 51(3): 332-340.
[6] 王金锁, 蒋启龙, 罗雨, 等. 磁悬浮系统自抗扰广义预测控制[J]. 哈尔滨工业大学学报, 2022, 54(9): 141-150.
[7] 王盼盼, 杨杰, 邹吉强, 等. 基于改进自抗扰控制器的磁浮列车速度跟踪控制研究[J]. 铁道科学与工程学报, 2023, 20(1): 310-320.
[8] 苗欣, 李言民, 江守亮, 等. 基于粒子群算法的磁悬浮列车控制参数优化[J]. 计算机仿真, 2021, 38(11): 117-122.
[9] 杨杰, 石恒, 黄晨. 基于线性自抗扰算法的磁悬浮控制器设计与仿真[J]. 电气技术, 2020, 21(10): 54-58, 76.
[10] 刘春芳, 郑文伟. 磁悬浮平台终端滑模-模糊环形耦合同步控制研究[J]. 电气技术, 2020, 21(8): 6-10.
[11] 秦耀, 杨杰, 江聚松, 等. 基于改进自抗扰的永磁电磁混合悬浮型磁浮球控制方法[J]. 铁道科学与工程学报, 2023, 20(11): 4333-4343.
[12] 朱进权, 葛琼璇, 王晓新, 等. 基于自抗扰和负载功率前馈的高速磁悬浮系统PWM整流器控制策略[J]. 电工技术学报, 2021, 36(2): 320-329.
[13] VAN DEN BERGH F, ENGELBRECHT A P. A cooperative approach to particle swarm optimization[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3): 225-239.
[14] 王玲, 李俐, 朱翔鸥, 等. 基于粒子群算法的强迫风冷散热器多目标优化[J]. 电气技术, 2022, 23(2): 20-25.
[15] SINGH U K, TRIPATHI J P, KHANNA K.Analysis of convergence and stability of PSO for accurate estimation of the incipient faults of hydraulic pump[J]. Journal of the Brazilian Society of Mechanical Sciences and Engineering, 2024, 46(3): 158.
[16] 李秋红. 基于改进粒子群算法的前馈神经网络识别用户窃电行为[J]. 电气技术, 2022, 23(11): 44-48.
[17] 温春雪, 赵天赐, 于赓, 等. 基于改进粒子群算法的储能优化配置[J]. 电气技术, 2022, 23(10): 1-9, 58.
[18] 刘韵婷, 李绅科, 邵志良, 等. 基于果蝇优化算法的反馈控制型直流稳压电源研究[J]. 电气技术, 2022, 23(9): 8-13.
[19] 皇甫海文, 蔡盼盼, 李庆来. 真空管道磁浮列车三电平中点钳位整流器的改进型模型预测控制研究[J]. 电气技术, 2021, 22(6): 28-35.