[发明专利]基于回声状态网络的磁悬浮列车位移速度的跟踪控制方法

权利要求书

1.一种基于回声状态网络的磁悬浮列车位移速度的跟踪控制方法，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；

根据列车状态信息设计回声状态ESN网络的输入输出，确定ESN网络的结构，基于改进粒子群优化PSO算法离线训练ESN网络，得到优化后的ESN网络；

基于优化后的ESN网络的参数获得所述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；

所述的根据列车状态信息设计回声状态ESN网络的输入输出，确定ESN网络的结构，包括：

根据列车状态信息设置ESN网络的输入信息u(t)包括：速度跟踪误差位置跟踪误差e(t)、速度v(t)和位移状态x(t)；

设置ESN网络的输出参数y(t)为PID控制器的比例、积分、微分参数y(t)＝[k_p,k_i,k_d]^T；

根据ESN网络的输入-输出状态模型确定ESN网络的结构：

其中：z(t)为t时刻列车的储备池内部状态，b_x∈R^n×1为输入偏置，为激活函数，W_in∈R^n×4为输入连接矩阵，W_x∈R^n×n为储备池内部连接矩阵，W_out∈R^n×3为输出连接矩阵，其中n为列车的储备池规模；

所述的基于改进粒子群优化PSO算法离线训练ESN网络，得到优化后的ESN网络，包括：

根据列车历史运行数据信息基于改进PSO算法离线训练ESN网络的输出连接矩阵W_out∈R^n×3；

初始化ESN网络的参数W_x∈R^n×n,W_in∈R^n×4及列车的储备池规模n；

初始化PSO粒子种群大小M和最大迭代次数I；

根据种群大小M生成列车位移速度的初始粒子种群，粒子m的位移和速度分别为x_m＝(x_m1,x_m2,x_m3…,x_mn)，v_m＝(v_m1,v_m2,v_m3,…,v_mn)

根据适应度函数评价初始粒子种群中的每个个体，确定粒子的全局最优解g_b和全局最劣解g_w，粒子m的历史局部最优解l_mg和局部劣解l_mw

对粒子的位移和速度进行更新：

x_m(i+1)＝x_m(i)+v_m(i+1)

v_m(i+1)＝v_m(i)+c1_i+1[(g_b-x_m(i))+(x_m(i)-g_w)]+c2_i+1[(l_mb-x_m(i))+(x_m(i)-l_mw)]

其中：c1_i+1,c2_i+1为自适应学习因子，i为迭代次数；

学习因子计算如下：

其中：I为最大迭代次数；

根据优化结果输出ESN网络的输出连接矩阵W_out。