「电气技术」提升磁悬浮系统的控制性能，新算法( 二 ) 磁悬浮作为下一代列车的必由之路

3）通过与传统经典PID控制算法同时给定一个阶跃干扰信号的仿真结果比较，能够明显地得出结论，固高悬浮仪设定的悬浮间隙在给定一个阶跃干扰信号后， RBF神经网络自适应滑模控制在受到干扰后产生的波动影响更小，恢复稳定状态所用的时间也更短，系统在遇到干扰时相对表现的状态更加稳定。
4）通过与传统经典PID控制算法同时给定一个正弦信号输入信号且对比其跟随性的仿真结果（如图6所示），能够明显地得出结论，固高悬浮仪设定的悬浮间隙在给定一个正弦信号后，经典PID算法的跟随性能大致上一般，在一定程度上有很大的超调量；而RBF神经网络自适应滑模控制算法基本能够很好地跟随正弦波信号，跟随效果也远远优于经典PID控制算法。
仿真结果表明， RBF神经网络自适应滑模控制的方法满足固高悬浮仪之类的单点悬浮系统对快速和平稳的控制要求。
目前，商业应用的磁悬浮系统普遍使用经典的PID控制，其控制效果并不理想。因此，本文针对经典PID算法超调量大、响应时间长以及抗干扰能力差的问题，基于固高悬浮仪验证平台，设计了RBF神经网络自适应滑模控制器。该控制器对固高悬浮仪悬浮效果有着明显的改进，在响应时间、超调量。抗干扰以及跟随性上比传统经典PID控制器均有明显的性能提升。以上研究成果发表在2020年第2期《电气技术》杂志，论文标题为“径向基函数神经网络补偿的悬浮球悬浮高度自适应滑模控制” ，作者为杨杰、黄晨、石恒。