專利名稱：一種無軸承永磁同步電機懸浮子系統(tǒng)控制器的構造方法
技術領域：
本發(fā)明是一種無軸承永磁同步電機懸浮子系統(tǒng)模糊神經網絡逆控制器的構造方法，適用于無軸承永磁同步電機懸浮子系統(tǒng)的高性能控制，屬于電力傳動控制設備的技術領域。
背景技術：
無軸承永磁同步電機根據傳統(tǒng)電機結構與磁懸浮軸承結構的相似性，將產生徑向力的磁懸浮軸承繞組和永磁同步電機定子繞組疊繞在一起，使轉子同時具有旋轉和懸浮能力，實現(xiàn)電機的無軸承化。無軸承永磁同步電機不僅具有磁懸浮軸承不需潤滑、無機械摩擦、無磨損、聞速聞精等優(yōu)點，而且具有傳統(tǒng)永磁同步電機功率因數(shù)聞、效率聞、體積小、重
量輕、控制特性好等優(yōu)點，從而使其在精密數(shù)控制機床、飛輪儲能、生物醫(yī)藥、半導體制造、航空航天等特殊領域具有廣泛的應用前景。不同于普通的交流電機，無軸承永磁同步電機是一個非線性、強耦合、多輸入多輸出、時變的復雜系統(tǒng)，使得常規(guī)的PID調節(jié)方法常常顧此失彼，無法達到令人滿意的控制效果。因此，無軸承永磁同步電機的控制是一個十分棘手的問題，亟待探索新的理論、新的方法予以突破。特別是在不同的運行工況下，無軸承永磁同步電機受負載擾動以及參數(shù)變化的影響很大，要實現(xiàn)其穩(wěn)定懸浮及可控旋轉，必須對無軸承永磁同步電機的懸浮子系統(tǒng)進行動態(tài)解耦控制，尋找其在不同的徑向位置下的控制規(guī)律。為了從本質上改善無軸承永磁同步電機對負載擾動以及參數(shù)時變的魯棒性和適應性，實現(xiàn)懸浮子系統(tǒng)在不同徑向位置下的動態(tài)解耦控制，從而提高無軸承永磁同步電機的懸浮運行性能，實現(xiàn)其高品質運行，必須采用新的控制策略。
發(fā)明內容
本發(fā)明的目的是提供一種能使無軸承永磁同步電機懸浮子系統(tǒng)在不同徑向位置下徑向力進行非線性解耦控制，使其具有良好的靜、動態(tài)控制性能，并且又能簡化系統(tǒng)控制的無軸承永磁同步電機懸浮子系統(tǒng)模糊神經網絡逆控制器的構造方法。本發(fā)明采用的技術方案是依次采用如下步驟1)由Park逆變換、Clark逆變換、電流跟蹤型逆變器和被控的無軸承永磁同步電機懸浮子系統(tǒng)依次串接組成復合被控對象；2)建立復合被控對象的數(shù)學模型，用具有6個輸入節(jié)點、2個輸出節(jié)點的模糊神經網絡加4個積分器構成具有2個輸入節(jié)點、2個輸出節(jié)點的模糊神經網絡逆，其中，模糊神經網絡逆的第一個輸入作為模糊神經網絡的第一個輸入，其經一個積分器的輸出為模糊神經網絡的第二個輸入，再經第二個積分器的輸出為模糊神經網絡的第三個輸入；模糊神經網絡逆的第二個輸入作為模糊神經網絡的第四個輸入，其經一個積分器的輸出為模糊神經網絡的第五個輸入，再經第二個積分器的輸出為模糊神經網絡的第六個輸入，模糊神經網絡的輸出是模糊神經網絡逆的輸出；3)調整并確定模糊神經網絡的參數(shù)和權系數(shù)，使模糊神經網絡逆實現(xiàn)復合被控對象的逆系統(tǒng)功能，將模糊神經網絡逆串聯(lián)于復合被控對象之前組成偽線性系統(tǒng)，偽線性系統(tǒng)被線性化解耦為兩個單輸入單輸出位移二階積分子系統(tǒng)；
4)分別對兩個位移二階積分子系統(tǒng)設計相對應的兩個位移控制器來構成線性閉環(huán)控制器；
5)將線性閉環(huán)控制器串接在模糊神經網絡逆之前，由線性閉環(huán)控制器、模糊神經網絡逆、Park逆變換、Clark逆變換和電流跟蹤型逆變器共同構成模糊神經網絡逆控制器。本發(fā)明的有益效果是·
I、將逆系統(tǒng)方法的線性化解耦特點，與模糊神經網絡對非線性系統(tǒng)的逼近能力以及對系統(tǒng)參數(shù)變化的適應能力相結合，本發(fā)明給出了無軸承永磁同步電機懸浮子系統(tǒng)模糊神經網絡逆控制器及構造方法，從而解決了傳統(tǒng)的解析逆系統(tǒng)在實際應用中逆模型難以獲得的瓶頸問題。2、通過構造模糊神經網絡逆，將對無軸承永磁同步電機懸浮子系統(tǒng)這一多變量、非線性、強耦合時變系統(tǒng)的控制轉化為對兩個簡單的位移二階積分子系統(tǒng)的控制，可以方便地使用傳統(tǒng)線性控制理論的方法設計閉環(huán)控制器，從而實現(xiàn)對無軸承永磁同步電機懸浮子系統(tǒng)的高性能控制。
圖I是由Park逆變換11、Clark逆變換12、電流跟蹤型逆變器13和被控的無軸承永磁同步電機懸浮子系統(tǒng)14組成復合被控對象15的示意 圖2是由6個輸入節(jié)點、2個輸出節(jié)點的5層模糊神經網絡21和4個積分器構成的模糊神經網絡逆22的結構示意 圖3是模糊神經網絡逆22與復合被控對象15復合構成的偽線性系統(tǒng)3的示意圖及其等效 圖4是由線性閉環(huán)控制器4與偽線性系統(tǒng)3構成的閉環(huán)控制系統(tǒng)結構 圖5是無軸承永磁同步電機懸浮子系統(tǒng)模糊神經網絡逆控制器5原理框圖。
具體實施例方式本發(fā)明的實施方案是首先由Park逆變換、Clark逆變換、電流跟蹤型逆變器和被控的無軸承永磁同步電機懸浮子系統(tǒng)組成復合被控對象，該復合被控對象等效為兩相旋轉坐標系下的4階微分方程模型，系統(tǒng)向量的相對階為{2，2}。采用6個輸入節(jié)點、2個輸出節(jié)點的模糊神經網絡(5層網絡)和4個線性環(huán)節(jié)構成具有2個輸入節(jié)點、2個輸出節(jié)點的復合被控對象的模糊神經網絡逆。并通過調整模糊神經網絡的參數(shù)和權系數(shù)使模糊神經網絡逆實現(xiàn)復合被控對象的逆系統(tǒng)功能。將模糊神經網絡逆串聯(lián)于復合被控對象之前組成偽線性系統(tǒng)，偽線性系統(tǒng)被線性化解耦為兩個單輸入單輸出積分子系統(tǒng)，分別為兩個位移二階積分子系統(tǒng)。在此基礎上，分別針對兩個二階積分子系統(tǒng)設計兩個位移控制器來構成線性閉環(huán)控制器。最后將線性閉環(huán)控制器、模糊神經網絡逆、Park逆變換、Clark逆變換和電流跟蹤型逆變器共同構成模糊神經網絡逆控制器來對無軸承永磁同步電機懸浮子系統(tǒng)進行非線性動態(tài)解耦控制。具體實施分以下7步
I、形成復合被控對象15。由Park逆變換11、Clark逆變換12、電流跟蹤型逆變器13和被控的無軸承永磁同步電機懸浮子系統(tǒng)14依次串接，由Park逆變換11、Clark逆變換12、電流跟蹤型逆變器13及被控的無軸承永磁同步電機懸浮子系統(tǒng)14組成復合被控對象15，如圖I所示。該復合被控對象15以{
h、}兩個電流信號作為輸入，以轉子徑向位移乍為輸出。2、通過分析、等效與推導，為模糊神經網絡逆22的構造與學習訓練提供方法上的根據。首先基于無軸承永磁同步電機工作原理，建立無軸承永磁同步電機懸浮子系統(tǒng)的數(shù)學模型，經過坐標變換和線性放大，得到復合被控對象15的數(shù)學模型，即兩相旋轉坐標系下4階微分方程，其向量相對階為{2，2}。經推導可以證明該4階微分方程可逆，即逆系統(tǒng)
存在，并可確定其逆系統(tǒng)的2個輸入為, ,2個輸出為U , 。從而可以構造出模糊神經
網絡逆22，為學習訓練提供了方法上的根據，如圖2所示。3、采用模糊神經網絡21和4個積分器來構造模糊神經網絡逆22，模糊神經網絡21采用5層自適應神經模糊推理系統(tǒng)(簡稱為模糊神經網絡)，輸入節(jié)點數(shù)為6，輸出層節(jié)點數(shù)為2，誤差指標選取樣本的均方誤差，輸入及輸出變量的隸屬函數(shù)均采用鐘形函數(shù)，并且每個輸入取15個隸屬度函數(shù)，輸出函數(shù)類型為線性，模糊神經網絡21的參數(shù)和權系數(shù)在下一步的離線學習中確定。接著采用具有6個輸入節(jié)點、2個輸出節(jié)點的模糊神經網絡21加4個線性環(huán)節(jié)來構造具有2個輸入節(jié)點、2個輸出節(jié)點的模糊神經網絡逆22，其中模糊神經網絡逆22的第一個輸入作為模糊神經網絡21的第一個輸入，其經一個積分器的輸出為i ,即為模糊神經網絡21的第二個輸入，再經第二個積分器的輸出為、即為模糊神經網絡21的第三個輸入；模糊神經網絡逆22的第二個輸入^作為模糊神經網絡21的第四個輸入，其經一個積分器的輸出為#，即為模糊神經網絡21的第五個輸入，再經第二個積分器的輸出力I即為模糊神經網絡21的第六個輸入。模糊神經網絡21與4個積分器一起組成模糊神經網絡逆22，模糊神經網絡21的輸出就是模糊神經網絡逆22的輸出。4、確定模糊神經網絡21的參數(shù)和權系數(shù)1)將階躍激勵信號！ b \ }加到復合
被控對象15的輸入端，采集無軸承永磁同步電機懸浮子系統(tǒng)徑向位置的轉子徑向位移_7。2)將兩個轉子位移離線分別求其一階、二階導數(shù)，并對信號做規(guī)范化處理，組成模
糊神經網絡21的訓練樣本集！ Xi7，夕，fb ~ 3)采用混合算法對模
糊神經網絡21進行訓練，經過750次左右訓練，模糊神經網絡21輸出均方誤差小于O. 001，滿足要求，從而確定模糊神經網絡21的各個參數(shù)和權系數(shù)。5、形成兩個位移二階積分子系統(tǒng)。由確定各個參數(shù)和權系數(shù)的模糊神經網絡21與4個積分器構成模糊神經網絡逆22，模糊神經網絡逆22與復合被控對象15串連組成偽線性系統(tǒng)3，該偽線性系統(tǒng)3被線性化解耦為兩個單輸入單輸出位移二階積分子系統(tǒng)，由兩個位移二階積分子系統(tǒng)組成，從而實現(xiàn)無軸承永磁同步電機懸浮子系統(tǒng)在不同徑向位置下徑向力之間的非線性解耦，把復雜非線性系統(tǒng)的控制轉化為簡單的兩個單變量線性系統(tǒng)的控制，如圖3所示。6、設計線性閉環(huán)控制器4。針對兩個無軸承永磁同步電機懸浮子系統(tǒng)兩個徑向位置，分別對兩個位移二階積分子系統(tǒng)設計相對應的兩個位移控制器41、42，由兩個位移控制器41、42構成線性閉環(huán)控制器4。本發(fā)明中兩個位移控制器均選用PID控制器，其參數(shù)根據實際控制對象進行調整，如圖4所示。
7、構成模糊神經網絡逆控制器。將線性閉環(huán)控制器4串接在模糊神經網絡逆22之前，由線性閉環(huán)控制器4、模糊神經網絡逆22、Park逆變換IUClark逆變換12、電流跟蹤
型逆變器13共同組成模糊神經網絡逆控制器5，如圖5所示。根據以上所述，便可以實現(xiàn)本發(fā)明。
權利要求
1.一種無軸承永磁同步電機懸浮子系統(tǒng)控制器的構造方法，其特征是依次采用如下步驟 1)由Park逆變換(11)、Clark逆變換(12)、電流跟蹤型逆變器(13)和被控的無軸承永磁同步電機懸浮子系統(tǒng)(14)依次串接組成復合被控對象(15)； 2)建立復合被控對象(15)的數(shù)學模型，用具有6個輸入節(jié)點、2個輸出節(jié)點的模糊神經網絡(21)加4個積分器構成具有2個輸入節(jié)點、2個輸出節(jié)點的模糊神經網絡逆(22 )，其中，模糊神經網絡逆(22)的第一個輸入作為模糊神經網絡(21)的第一個輸入，其經一個積分器的輸出為模糊神經網絡(21)的第二個輸入，再經第二個積分器的輸出為模糊神經網絡(21)的第三個輸入；模糊神經網絡逆(22)的第二個輸入作為模糊神經網絡(21)的第四個輸入，其經一個積分器的輸出為模糊神經網絡(21)的第五個輸入，再經第二個積分器的輸出為模糊神經網絡(21)的第六個輸入，模糊神經網絡(21)的輸出是模糊神經網絡逆(22)的輸出； 3)調整并確定模糊神經網絡的參數(shù)和權系數(shù)，使模糊神經網絡逆(22)實現(xiàn)復合被控對象(15)的逆系統(tǒng)功能，將模糊神經網絡逆(22)串聯(lián)于復合被控對象(15)之前組成偽線性系統(tǒng)(3)，偽線性系統(tǒng)(3)被線性化解耦為兩個單輸入單輸出位移二階積分子系統(tǒng)； 4)分別對兩個位移二階積分子系統(tǒng)設計相對應的兩個位移控制器(41、42)來構成線性閉環(huán)控制器(4)； 5)將線性閉環(huán)控制器(4)串接在模糊神經網絡逆(22)之前，由線性閉環(huán)控制器(4)、模糊神經網絡逆(22 )、Park逆變換(11)、Clark逆變換(12 )和電流跟蹤型逆變器(13 )共同構成模糊神經網絡逆控制器(5)。
2.根據權利要求I所述的構造方法，其特征在于所述模糊神經網絡(21)的參數(shù)和權系數(shù)的確定方法是將階躍激勵信號{h , ^ }加到復合被控對象(15)的輸入端，采集無軸承永磁同步電機懸浮子系統(tǒng)的徑向位移H，并將徑向位移H離線分別求其一階、二階導數(shù)，并對信號做規(guī)范化處理，組成模糊神經網絡(21)的訓練樣本集{ X，i，U，、 , ^ , }，對模糊神經網絡(21)進行訓練確定參數(shù)和權系數(shù)。
全文摘要
本發(fā)明公開一種無軸承永磁同步電機懸浮子系統(tǒng)控制器的構造方法，由Park逆變換、Clark逆變換、電流跟蹤型逆變器和無軸承永磁同步電機懸浮子系統(tǒng)模型作為一個整體構成復合被控對象；采用模糊神經網絡加4個積分器來構造復合被控對象的模糊神經網絡逆；再將模糊神經網絡逆置于復合被控對象之前組成偽線性系統(tǒng)；偽線性系統(tǒng)被線性化解耦為兩個單輸入單輸出的二階位移子系統(tǒng)，然后針對兩個二階積分子系統(tǒng)設計兩個位移控制器構成線性閉環(huán)控制器，最后將線性閉環(huán)控制器、模糊神經網絡逆、Park逆變換、Clark逆變換和電流跟蹤型逆變器共同構成模糊神經網絡逆控制器，實現(xiàn)對無軸承永磁同步電機懸浮子系統(tǒng)的高性能控制。
文檔編號H02P21/00GK102790577SQ20121027573
公開日2012年11月21日 申請日期2012年8月6日 優(yōu)先權日2012年8月6日
發(fā)明者孫曉東, 李可, 楊澤斌, 江浩斌, 陳龍 申請人:江蘇大學