基于改进PSO算法的磁浮列车PID控制器参数优化  

Parameter Optimization of Maglev PID Controller Based on Improved PSO Algorithm

作　　者：刘东[1,2] 冯全源[2] 蒋启龙[1,3] 

机构地区：[1]西南交通大学电气工程学院,四川成都610031 [2]西南交通大学信息科学与技术学院,四川成都610031 [3]磁浮技术与磁浮列车教育部重点实验室,四川成都610031

出　　处：《西南交通大学学报》2010年第3期405-410,共6页Journal of Southwest Jiaotong University

基　　金：国家863计划资助项目(2008AA809508);国家自然科学基金重大项目(60990320;60990323);国家自然科学基金-中物院联合基金资助项目(10876029);2009西南交通大学青年百人计划和西南交通大学青年教师科研起步项目(2009Q014)的资助

摘　　要：为减小磁浮列车气隙控制中非线性的影响,将粒子群优化(PSO)算法用于磁浮列车控制器参数优化,并在线性递减权重粒子群算法的基础上,提出了一种改进的粒子群优化算法.算法采用了邻域结构、停滞检测以及对全局最佳粒子的微扰,以改善算法的优化速度和收敛性.仿真和实验结果表明,将改进算法获得的优化参数用于磁浮列车的比例积分微分(PID)控制器,比原有PID控制器的输出超调减小45%.To reduce the effect of nonlinearization on maglev gap control,the PSO（particle swarm optimization） algorithm was used to optimize the parameters of a maglev controller,and an improved algorithm was proposed based on the linear decreasing weight particle swarm optimization（LDW-PSO）.In order to improve the optimization speed and convergence performance,neighborhood topologies,stagnation detection and global best perturbation were adopted to build the improved algorithm.The simulation and experiment results show that the output overshoot of an optimized PID（proportional-integral-derivative） controller based on the improved algorithm is 45% smaller than that of a traditional PID maglev controller.

关 键 词：粒子群优化(PSO)算法 停滞检测 磁浮列车 PID控制器 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构] TP214[自动化与计算机技术—计算机科学与技术]