基于RBF神经网络和LS-SVM组合模型的磁浮车间隙传感器温度补偿

• 作者: 何飞 张昆仑 靖永志
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 高速磁浮列车 间隙传感器 温度补偿 组合模型 RBF神经网络 支持向量机
• 年，卷（期）: 2016,（15）
• 所属期刊栏目: 电机与电器
• 页码范围: 73-80
• 页数: 8页
• 分类号: TM934.4
• 字数: 3922字
• 语种: 中文

摘要

对磁浮车悬浮间隙传感器温度漂移产生机理进行了研究，提出采用组合预测的方法建立传感器温度特性逆模型进行温度补偿，根据传感器温度特性分别建立径向基函数神经网络（ RBF-NN）和最小二乘支持向量机（ LS-SVM）温度补偿系统模型，通过在探头内布置 PT1000铂热电阻检测探头温度，依据温度信号对传感器进行温度误差补偿。仿真结果表明组合模型能较好地拟合温度逆特性，组合补偿模型的输出不受工作温度的影响，全量程最大误差为0.14 mm，在工作间隙范围内误差小于0.05 mm，且组合模型的补偿误差优于单一模型补偿效果，该方法可有效消除温度漂移效应，并提高传感器的检测准确度，能够满足磁浮车悬浮控制系统要求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张昆仑		71	606	13.0	22.0
5	何飞		6	14	2.0	3.0
9	靖永志		11	24	3.0	4.0