【技术实现步骤摘要】
飞轮储能用混合磁轴承LM神经网络逆解耦控制器
[0001]本专利技术属于电力传动控制设备
，涉及飞轮储能用混合磁轴承的解耦控制技术，具体是飞轮储能用混合磁轴承LM神经网络逆解耦控制器，适用于多变量、非线性、强耦合的飞轮储能用混合磁轴承的解耦控制。
技术介绍
[0002]目前主要的能量存储方式有化学储能、超导储能和物理储能。其中，飞轮储能是物理储能方式，因其储能密度高、使用寿命长、能量转换效率高等诸多优点成为新能源的焦点，并被成功应用于不间断电源、风力发电站等领域。传统的飞轮储能系统采用机械轴承作为支承装置，系统存在较大的摩擦损耗，转子的质量和转速都受到较大限制，并且需要周期性维护轴承。因为磁轴承具有的无摩擦、无需润滑、转子位移精度高、寿命长的优点导致其应用在飞轮储能中，飞轮储能用混合磁轴承是一个多输入多输出、强耦合、非线性的多变量系统，因此需要对系统进行线性化解耦控制才能保证系统稳定、精确运行。而通常的线性化解耦控制方法有：近似线性化法、微分几何法、解析逆系统法、神经网络逆等，其中近似线性化法只能对系统进行静态解耦，系...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种轮储能用混合磁轴承LM神经网络逆解耦控制器，LM神经网络逆系统(5)的输出端连接包含有飞轮储能用六极径向
‑
轴向混合磁轴承的复合被控对象，其特征是：两个动态预测模块(61、62)的输出端均串接LM神经网络逆系统(5)的输入端，第一个动态预测模块(61)由第一、第二个串联支路组成，第二个动态预测模块(62)由第三、第四、第五个串联支路和一个复合信号计算模块(620)组成，每个所述的串联支路均由一个反馈校正模块、一个控制增量计算模块、一个预测值计算模块和一个最优值计算模块依次串接组成；第一个串联支路的输入是权值ω和参考权值ω
*
，输出是最优初始权值ω
c
；第二个串联支路的输入是阈值θ和参考阈值θ
*
，输出是最优初始阈值θ
c
；第三个串联支路的输入是径向位移x和径向位移给定值x
*
，输出是最终径向位移预测值x
ac
(k+1)；第四个串联支路的输入是径向位移y和径向位移给定值y
*
，输出是径向位移预测值y
ac
(k+1)；第五个串联支路的输入轴向位移z和轴向位移给定值z
*
，输出是轴向位移预测值z
ac
(k+1)；最终径向位移预测值x
ac
(k+1)、y
ac
(k+1)和最终轴向位移预测值z
ac
(k+1)作为复合信号计算模块(620)的输入，复合信号计算模块(620)计算出复合控制信号j
a
；LM神经网络逆系统(5)以所述的最优初始权值ω
c
、最优初始阈值θ
c
和复合控制信号j
a
作为输入，输出等效控制电流期望值i
z*
、i
x*
、i
y*
给复合被控对象。2.根据权利要求1所述的一种轮储能用混合磁轴承LM神经网络逆解耦控制器，其特征是：所述的LM神经网络逆系统(5)由一个二阶差分处理器(52)与一个LM神经网络模型(51)串联组成，二阶差分处理器(52)的输入是复合控制信号j
a
，输出是复合控制信号j
a
及其一阶、二阶差分信号所述的最优初始权值ω
c
、最优初始阈值θ
c
和复合控制信号j
a
及其一阶、二阶差分信号共同输入LM神经网络模型(51)，LM神经网络模型(51)输出等效控制电流期望值i
x*
、i
y*
、i
z*
。3.根据权利要求2所述的一种轮储能用混合磁轴承LM神经网络逆解耦控制器，其特征是：所述的一阶差分信号所述的二阶差分信号j
a
(k
‑
4)、j
a
(k
‑
3)、j
a
(k
‑
1)、j
a
(k
‑
2)、j
a
(k)计分别是k
‑
4、k
‑
3、k
‑
2、k
‑
1时刻的复合控制信号。4.根据权利要求1所述的一种轮储能用混合磁轴承LM神经网络逆解耦控制器，其特征是：所述的第一个串联支路，其中的反馈校正模块将权值ω和参考权值ω
*
技术研发人员：郦依领，马志豪，朱剑毫，赵腾飞，郭龙雨，朱熀秋，
申请(专利权)人：江苏大学，
类型：发明
国别省市：
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。