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

靖永志　何　飞　张昆仑

(1.磁浮技术与磁浮列车教育部重点实验室　成都　610031 2.西南交通大学电气工程学院　成都　610031)



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

靖永志1，2何飞1，2张昆仑1，2

(1.磁浮技术与磁浮列车教育部重点实验室成都610031 2.西南交通大学电气工程学院成都610031)

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。

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

0　引言

常导高速磁浮列车是一种以电磁力悬浮与轨道零接触的高速交通工具，具有噪声小、快速便捷、爬坡能力强、安全舒适等显著优点[1]。悬浮控制系统使车体与轨道间保持10 mm的额定悬浮间隙，悬浮间隙传感器检测电磁铁表面与轨道之间的悬浮间隙值，悬浮系统要求间隙传感器的检测准确度应达到±0.4 mm。……