采用动态多子群GSA-RBF神经网络的机车黏着优化控制

• 作者: 冯晓云 卫晓娟 李宁洲
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 机车黏着智能优化控制 加权目标函数 高斯RBF神经网络 动态多子群GSA算法
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 铁道机车车辆、电气化
• 页码范围: 27-34
• 页数: 8页
• 分类号: U260.115
• 字数: 6735字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2014.12.005

摘要

为解决机车牵引过程中轮轨间最优黏着利用能否获得的问题,提出一种基于高斯RBF神经网络的机车黏着智能优化控制方法.针对黏着极限态优化控制效果的定量评估,定义了同时考虑轮轨间黏着力变化指标和牵引电机转矩波动指标的加权目标函数;提出动态多子群GSA算法以优化RBFNN参数,避免了参数选择的盲目性,提高了RBFNN的收敛速度和学习能力;此外,该方法不依赖被控对象的解析模型,仅基于系统输入、输出信息完成控制器设计,并通过对电机转矩的动态调整,实现轮轨间黏着的最优利用.仿真结果验证了该方法的正确性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫晓娟	兰州交通大学机电工程学院	24	96	5.0	8.0
2	冯晓云	西南交通大学电气工程学院	169	2280	27.0	37.0
3	李宁洲	西南交通大学电气工程学院	21	71	5.0	7.0