五自由度无轴承永磁同步电机悬浮力子系统解耦控制器技术方案

本发明专利技术公开一种五自由度无轴承永磁同步电机悬浮力子系统解耦控制器，复合被控对象之间依次串接悬浮力子系统在线神经网络逆模块和附加控制器模块，附加控制器模块由五个滑模控制器组成，每个滑模控制器的输入是一个给定位移与对应的一个实时位移的一个误差值；悬浮力子系统在线神经网络逆模块由神经网络系统、在线学习算法模块以及10个积分器S

Decoupling Controller of Suspension Force Subsystem of Bearingless Permanent Magnet Synchronous Motor with Five Degrees of Freedom

The invention discloses a decoupling controller for the levitation force subsystem of a five-degree-of-freedom bearingless permanent magnet synchronous motor. The levitation force subsystem online neural network inverse module and the additional controller module are connected in series among the controlled objects. The additional controller module consists of five sliding mode controllers. The input of each sliding mode controller is one of a given displacement and a corresponding real-time displacement. The inverse module of online neural network of levitation force subsystem consists of neural network system, online learning algorithm module and 10 integrators S.

【技术实现步骤摘要】
五自由度无轴承永磁同步电机悬浮力子系统解耦控制器
本专利技术涉及五自由度无轴承永磁同步电机，具体为基于在线神经网络逆的五自由度无轴承永磁同步电机悬浮力子系统滑模解耦控制器，属于电力传动控制设备的

技术介绍
无轴承永磁同步电机集成了磁悬浮轴承无需润滑、无机械磨损、噪声小和使用寿命长等优点，又同时具备永磁同步电机的优良运行特性。无轴承永磁同步电机损耗小、效率高、无需励磁电流、控制回路简单、具有高功率因数、高转速、高精度等优点，在航空航天、生物医药、半导体制造等领域具有广阔的应用前景。五自由度无轴承永磁同步电机又是一个非线性、多变量、强耦合的系统，实现悬浮力之间的解耦控制是电机稳定运行的前提。如果采用分散控制的方法，忽略五自由无轴承永磁同步电机各悬浮力之间的耦合作用，就无法满足五自由度无轴承永磁同步电机悬浮力控制高精的要求。中国专利公开号为CN102013870A的文献公开了一种五自由度无轴承同步磁阻电机逆系统解耦控制器，采用逆系统方法对五自由度无轴承同步磁阻电机的悬浮力子系统进行解耦控制，该方法需要推导出被控对象的精确数学模型，而精确的数学模型往往很难获得并且在该方法的控制下系统的鲁棒性较差；中国专利公开号为CN1737708的文献公开了一种五自由无轴承永磁同步电机神经网络逆解耦控制器构造方法，采用神经网络来逼近五自由度无轴承永磁同步电机悬浮力子系统逆模型，神经网络存在收敛速度慢、易陷入局部极小点的问题，且通过采集数据，离线训练获得的逆模型，权值一旦确定就无法调整，鲁棒性也相对较差。
技术实现思路
本专利技术的目的是为了克服现有的五自由度无轴承永磁同步电机悬浮力子系统解耦控制方法的不足，提出了一种基于在线神经网络逆的五自由度无轴承永磁同步电机悬浮力子系统滑模解耦控制器，通过设计算法在线调节神经网络的连接权值，使五自由度无轴承永磁同步电机悬浮力子系统逆模型精确度提高，并分别对解耦得到的伪线性二阶径向位移xa，ya，xb，yb和伪线性二阶轴向位移zb子系统设计滑模控制器(SlidingModelController，SMC)，有效地实现五自由度无轴承永磁同步电机悬浮力之间的解耦控制，获得良好的动、静态特性，克服了五自由度无轴承永磁同步电机悬浮力子系统参数摄动，建模误差和负载变化带来的控制性能下降的问题。本专利技术五自由度无轴承永磁同步电机悬浮力子系统解耦控制器采用的技术方案是：包含有五自由度无轴承永磁同步电机的复合被控对象之间依次串接悬浮力子系统在线神经网络逆模块和附加控制器模块，复合被控对象的输出是实时位移xa(t)，ya(t)，xb(t)，yb(t)，zb(t)、输入是给定电流其特征是：附加控制器模块由五个滑模控制器组成，每个滑模控制器的输入是一个给定位移与对应的一个实时位移xa(t)，ya(t)，xb(t)，yb(t)，zb(t)的一个误差值eax(t)，eay(t)，ebx(t)，eby(t)，ebz(t)、输出的是对应的一个位移控制量v1，v2，v3，v4，v5；悬浮力子系统在线神经网络逆模块由神经网络系统、在线学习算法模块以及10个积分器S-1组成，每个位移控制量v1，v2，v3，v4，v5、每个位移控制量v1，v2，v3，v4，v5均经一个积分器S-1后得到的一重积分以及每个位移控制量v1，v2，v3，v4，v5均经串接的两个积分器S-1后得到的二重积分都输入至神经网络系统；在线学习算法模块的输入是五个位移控制量v1，v2，v3，v4，v5的二重积分与对应的实时位移xa(t)，ya(t)，xb(t)，yb(t)，zb(t)的五个误差e1(t)，e2(t)，e3(t)，e4(t)，e5(t)、输出为调整后的权值矩阵W0(t+1)，该权值矩阵W0(t+1)也输入神经网络系统。本专利技术的优点在于：1.本专利技术针对五自由度无轴承永磁同步电机悬浮力子系统这一多变量、非线性、强耦合的对象，采用在线神经网络来辨识五自由度无轴承永磁同步电机悬浮力子系统的逆模型，避免了采用传统的数学方法求解逆模型的复杂过程，同时相较于传统的离线神经网络获得的逆模型，具有更高的精确度，具有更强的鲁棒性。2.本专利技术设计的基于在线神经网络逆的五自由度无轴承永磁同步电机悬浮力子系统滑模解耦控制器，采用新趋近律的滑模控制器作为附加闭环控制器。滑模控制器兼具响应速度快、抗外界干扰能力强和鲁棒性好的优点，同时工程上易于实现，提高了五自由度无轴承永磁同步电机的悬浮控制性能。3.本专利技术采用的在线学习神经网络结构与传统的神经网络在线学习的结构不同，依据复合被控对象的输出与神经网络输入的误差为目标函数来设计在线学习算法，简化了在线学习神经网络的结构。附图说明图1是五自由度无轴承永磁同步电机结构示意图；图2是本专利技术所述的五自由度无轴承永磁同步电机悬浮力子系统解耦控制器的结构框图；图3是图1中复合被控对象1的结构框图；图4是图1中悬浮力子系统在线神经网络逆模块2与复合被控对象1组成的伪线性系统示意图及其等效图；图5是图1中滑模控制器(SMC)中变参数k的确定流程图；图中：1.复合被控对象；2.悬浮力子系统在线神经网络逆模块；3.附加控制器模块；4.二自由度无轴承永磁同步电机悬浮力绕组电流控制模块；5.三自由度交直流混合磁轴承电流控制模块；11.无轴承永磁同步电机；12.位移传感器；13.光电编码器；14.角度计算模块；21.在线学习算法模块；22.神经网络系统；31、32、33、34、35.SMC(滑模控制器)；41、42.PI调节器；43.IPARK变换器；44.SVPWM；45.电压源逆变器；46.电流传感器；47.CLARK变换器；48.PARK变换器；51、52.PI调节器；53.SVPWM；54.电压源逆变器；55.电流传感器；56.CLARK变换器；57.功率放大器；111.二自由度无轴承永磁同步电机；112.三自由度交直流混合磁轴承。具体实施方式如图1所示，五自由度无轴承永磁同步电机11由二自由度无轴承永磁同步电机111和三自由度交直流混合磁轴承112组成，二自由度无轴承永磁同步电机111控制转子径向xa，ya的位移，三自由度交直流混合磁轴承112控制转子径向xb，yb以及轴向zb的位移。如图2以及图3所示，由无轴承永磁同步电机11、二自由度无轴承永磁同步电机悬浮力绕组电流控制模块4、三自由度交直流混合磁轴承电流控制模块5、位移传感器12、光电编码器13以及角度计算模块14组成复合被控对象1。在复合被控对象1之间依次串接悬浮力子系统在线神经网络逆模块2和附加控制器模块3，悬浮力子系统在线神经网络逆模块2的输出连接复合被控对象1的输入，悬浮力子系统在线神经网络逆模块2的输出和复合被控对象1的输入是给定电流复合被控对象1的输出是实时位移xa(t)，ya(t)，xb(t)，yb(t)，zb(t)，即四个实时径向位移xa(t)，ya(t)，xb(t)，yb(t)和一个实时轴向位移zb(t)。附加控制器模块3由第一滑模控制器31(SMC31)、第二滑模控制器32(SMC32)、第三滑模控制器33(SMC33)、第四滑模控制器34(SMC34)以及第五滑模控制器35(SMC35)这五个滑模控制器组成。附加控制器模块3的输入是给定位移其中的每个滑模控本文档来自技高网...

【技术保护点】
1.一种五自由度无轴承永磁同步电机悬浮力子系统解耦控制器，包含有五自由度无轴承永磁同步电机的复合被控对象之间依次串接悬浮力子系统在线神经网络逆模块(2)和附加控制器模块(3)，复合被控对象的输出是实时位移xa(t)，ya(t)，xb(t)，yb(t)，zb(t)、输入是给定电流

【技术特征摘要】
1.一种五自由度无轴承永磁同步电机悬浮力子系统解耦控制器，包含有五自由度无轴承永磁同步电机的复合被控对象之间依次串接悬浮力子系统在线神经网络逆模块(2)和附加控制器模块(3)，复合被控对象的输出是实时位移xa(t)，ya(t)，xb(t)，yb(t)，zb(t)、输入是给定电流其特征是：附加控制器模块(3)由五个滑模控制器组成，每个滑模控制器的输入是一个给定位移与对应的一个实时位移xa(t)，ya(t)，xb(t)，yb(t)，zb(t)的一个误差值eax(t)，eay(t)，ebx(t)，eby(t)，ebz(t)、输出的是对应的一个位移控制量v1，v2，v3，v4，v5；悬浮力子系统在线神经网络逆模块(2)由神经网络系统(22)、在线学习算法模块(21)以及10个积分器S-1组成，每个位移控制量v1，v2，v3，v4，v5、每个位移控制量v1，v2，v3，v4，v5均经一个积分器S-1后得到的一重积分以及每个位移控制量v1，v2，v3，v4，v5均经串接的两个积分器S-1后得到的二重积分都输入至神经网络系统(22)；在线学习算法模块(21)的输入是五个位移控制量v1，v2，v3，v4，v5的二重积分与对应的实时位移xa(t)，ya(t)，xb(t)，yb(t)，zb(t)的五个误差e1(t)，e2(t)，e3(t)，e4(t)，e5(t)、输出为调整后的权值矩阵W0(t+1)，该权值矩阵W0(t+1)也输入神经网络系统(22)。2.根据权利要求1所述的五自由度无轴承永磁同步电机悬浮力子系统解耦控制器，其特征是：神经网络系统(22)采用结构为15×32×5的BP神经网络，训练好的神经网络输入输出关系为u为输出向量，z为输入变量，输入层到隐含层的连接权值矩阵为V0，隐含层到输出层的连接权值矩阵W0＝[w1,w2,w3,w4,w5]T∈R32×5，w1，w2，w3，w4，w5均表示一个1行32列的矩阵；T为转置；R32×5表示任意一个32行5列矩阵；wq＝[w1q,w2q,…,w11q,w32q]，w1q,w2q,…,w11q,w32q为连接权值，q＝1,2,3,4,5；σ(·)为隐含层激励函数。3.根据权利要求2所述的...

【专利技术属性】
技术研发人员：朱熀秋，顾志伟，颜磊，孙玉坤，华逸舟，杨泽斌，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32