原文传递
基于RBF神经网络和FPGA的磁浮车间隙传感器温度补偿研究
| 论文题名： | 基于RBF神经网络和FPGA的磁浮车间隙传感器温度补偿研究 |
| 关键词： | 磁浮列车;间隙传感器;温度补偿;RBF神经网络;粒子群优化算法;局部优化 |
| 摘要： | 高速磁浮列车不同于普通的轮轨列车，它利用电磁力将车体悬浮在轨道上方，具有噪音小、运行平稳、环境污染小等众多优点，是一种较为理想的高速轨道交通工具。悬浮控制系统是磁浮列车的关键，悬浮间隙传感器是悬浮控制系统的一个重要组成部分，对其进行必要的研究对磁浮技术的发展具有积极意义。 悬浮间隙传感器一般采用电感式位移传感器实现间隙检测，其检测线圈的内阻易受温度的影响，导致传感器产生温度漂移现象，温度漂移会造成传感器输出不准确，影响列车行车安全。针对间隙传感器温度漂移的问题，本文分析了间隙传感器温度漂移产生的机理，设计了基于逆模型的温度补偿方案，建立了基于RBF神经网络的间隙传感器温度逆模型，采用了粒子群优化-梯度下降混合算法用于RBF神经网络温度补偿模型的训练，仿真结果表明:(1)混合算法能提高粒子群优化算法的局部优化能力、改善其早熟问题，比单一的梯度下降法和粒子群优化算法具有更强的寻优能力;(2)基于RBF神经网络的温度逆模型补偿方案能有效抑制间隙传感器的温度漂移。 最后采用FPGA实现了神经网络温度补偿模型，编写了基于LabVIEW的测试软件，实验结果表明本文设计的RBF神经网络温度补偿模型能够较好地对间隙传感器进行温度补偿，补偿后的传感器温度漂移现象得到了很好的抑制，全量程最大误差为0.45mm，相对误差在3％以内，8-12mm工作间隙范围内最大误差为0.16mm。该方法可以有效地消除温度漂移误差，提高传感器的检测精度，对磁浮列车的安全运行有积极意义。 |
| 作者： | 何飞 |
| 专业： | 电气工程 |
| 导师： | 靖永志 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
