Page 167 - 《振动工程学报》2025年第11期
P. 167

第 11 期            徐俊起,等:具有粒子群-禁忌搜索算法的高速磁浮悬浮系统加速度反馈控制                                       2625

              适应度函数下寻找到较好解,在其后期收敛后引入                                b. PSO  算法阶段。根据式        (12)~(15) 更新粒子速
              禁 忌 搜 索, 使 其 能 够 跳 出 局 部 最 优 在 全 局 搜 索 更          度与位置,并根据式         (16)~(20) 计算粒子适应度,得到
              优解。                                               个体最优与全局最优;
                  将混合算法用于悬浮控制系统参数匹配的主要                              c. 当  PSO  算法达到设定最小误差判断为收敛,
              步骤如图     8  所示。                                   进入纯    TS  阶段,将   PSO  搜索到的全局最优解作为
                  a. 种群初始化,随机生成粒子各变量                ( k p ,k d ,k a ),  TS  的初始解,根据表  2  步骤进行精细搜索;
              得到初始全局最优粒子;                                           d. 达到迭代次数后结束,输出全局最优解。


                             粒子群         参数初始化                   全局最优解作为禁忌               禁忌搜索
                                           设置                      搜索初始当前解

                                                                 为每个变量生成邻域
                                       初始化个体最优
                                         与全局最优                      解成为候选集

                                       PSO更新粒子速度                   选择最佳邻域解
                                          与位置
                                                                                          更新
                                                                                    是     全局
                                                                 该解满足特赦条件?
                                       计算粒子适应度                                            最优
                                                                     否                     解
                                      更新粒子个体最优解                 在非禁忌解中寻找最优解
                                        与全局最优解

                               否                                更新当前解、更新禁忌表
                                    是否已经进入收敛阶段?
                                                                                    否
                                                                   满足终止条件?
                                          是
                                                                     是
                                                                       结束

                                                    图 8 PSO-TS  算法流程图
                                                Fig. 8 Flowchart of PSO-TS algorithm


              3.3    多工况仿真分析                                    搜 索 改 进的    PSO  原 本 在 迭 代 到  23  次 时 已 收 敛 至
                                                                0.9116,后触发禁忌搜索,扩大搜寻范围精细搜索,直
                  根据控制结构可知,加速度反馈对于外力扰动
                                                                到迭代到     37  次时收敛到     0.9072,找到更好的全局最
              的抑制效果非常显著,面对间隙扰动时,由于受到扰
                                                                优解。此时得到        k p = 23800,k d = 500,k a = 5.2。
              动的瞬间不仅加速度瞬时变化,检测到的间隙也瞬
                                                                                   最优适应度进化曲线
              时变化,加速度反馈的效果并不直接。为了兼顾外                                    1.05
                                                                                                  PSO-TS
              力扰动与间隙扰动的响应,此处迭代基于施加                     6.7 Hz                                     PSO
              间隙扰动条件进行,6.7 Hz 是         600 km/h  下与轨道梁长               适应度值  1.00     0.91
              度相关的特征频率。                                                 0.95
                  设粒子数为      30,迭代次数为      40。经过前期大致                                  0.90  25 30 35 40
              试 验 确 定 参 数 搜 索 范 围,    k p 的 取 值 范 围 为  [3000,           0.90
                                                                           0      10     20     30     40
              40000],  k d 的取值范围为   [400,2000],  k a 的取值范围为                            迭代次数

              [1,7]。在禁忌搜索中设置禁忌步长为               3,每个变量生                    图 9 最优适应度进化过程对比
              成领域解数量为        10。在反馈环节的作用下,单电磁                      Fig. 9 Comparison of optimal fitness evolution processes

              铁悬浮系统从       20 mm  起浮至   12 mm。粒子群优化通                将寻优得到的全局最优参数加入单点悬浮控制
              过适应度函数来对悬浮过程进行评价,完成对控制                            系统中进行对比,验证新参数下加速度反馈控制的
              参数的寻优。适应度函数越小值越小,越能达到优                            优越性。利用        MATLAB  软件搭建悬浮系统仿真模
              化目标。图      9  为适应度函数的迭代曲线。                        型,所有仿真试验均通过            Simulink  平台完成。首先
                  从最优适应度进化曲线可知,传统的                  PSO  算法     进行静浮试验,新参数下悬浮系统能够稳定悬浮,响
              在快速迭代约       12  次以后最优适应度就不再有明显                   应过程略有超调,但超调量小于                2.5%,满足设计要
              变化,在迭代      22  次时就已收敛至        0.909。使用禁忌         求。系统稳定后在         2 s 处施加干扰,与      PID  控制对比
   162   163   164   165   166   167   168   169   170   171   172