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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。