采用动态多子群GSA-RBF神经网络的机车黏着优化控制

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.

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

所属期刊栏目：36

分类号：U260.115(机车工程)

资助基金：国家自然科学基金51277153,11162007;甘肃省自然科学基金1308RJZA149

在线出版日期：2015-02-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：27-34