针对动车组运行环境多变、运行过程具有不确定和强非线性特性,提出了一种动车组运行过程自适应最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)建模及其速度控制方法。首先基于动车组牵引特性和运行过程数据建立其LSSV...针对动车组运行环境多变、运行过程具有不确定和强非线性特性,提出了一种动车组运行过程自适应最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)建模及其速度控制方法。首先基于动车组牵引特性和运行过程数据建立其LSSVM模型,并采用粒子群优化算法确定模型参数;其次,依据模型校正策略,通过动车组运行的新数据采用自适应迭代算法来校正LSSVM模型参数,以改善模型的适应性;最后给出了基于LSSVM模型的动车组速度预测控制方法。基于CRH380AL型动车组运行数据的对比仿真结果验证了本文方法的有效性。展开更多
文摘针对动车组运行环境多变、运行过程具有不确定和强非线性特性,提出了一种动车组运行过程自适应最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)建模及其速度控制方法。首先基于动车组牵引特性和运行过程数据建立其LSSVM模型,并采用粒子群优化算法确定模型参数;其次,依据模型校正策略,通过动车组运行的新数据采用自适应迭代算法来校正LSSVM模型参数,以改善模型的适应性;最后给出了基于LSSVM模型的动车组速度预测控制方法。基于CRH380AL型动车组运行数据的对比仿真结果验证了本文方法的有效性。
