基于神经网络的无轴承磁通切换电机转子悬浮控制方法技术

本发明专利技术提出基于神经网络的无轴承磁通切换电机转子悬浮控制方法，所述控制方法利用逆变器输出电压矢量来实现转子悬浮力的闭环直接控制，并利用BP神经网络非线性映射特点来构建基于BP神经网络的转子悬浮力观测器以提升悬浮力观测精度，在悬浮控制中，基于无轴承电机的简易数学模型、转子径向位移控制误差来设计参数辨识器的权重调节规则，动态调整基于BP神经网络的转子径向位移闭环PID控制器的神经网络参数辨识器的权重系数；本发明专利技术能解决双绕组BFSPMM严重非线性、多未建模等特点带来电机悬浮力观测困难、径向位移控制困难等难题。径向位移控制困难等难题。径向位移控制困难等难题。

【技术实现步骤摘要】
基于神经网络的无轴承磁通切换电机转子悬浮控制方法


[0001]本专利技术涉及电机
，尤其是基于神经网络的无轴承磁通切换电机转子悬浮控制方法。

技术介绍

[0002]磁通切换电机作为定子励磁型永磁电机，其转子上无永磁体，利于转子高速旋转，方便永磁体散热；并且磁通切换电机相较于其他定子永磁电机具有双极性永磁磁链，反电动势高度正弦的优点。因此磁通切换电机的无轴承化具有很高的研究价值。无轴承电机悬浮通道闭环控制策略主要有电流闭环控制与悬浮力闭环直接控制策略。其中电流闭环控制容易实现，对硬件和软件无特殊要求，利用反馈与坐标变换生成电流控制信号，但其功率绕组与悬浮绕组之间的耦合无法避免。悬浮力闭环直接控制可以实现悬浮力的快速响应，且不需要对电流进行控制，但其悬浮力难以准确估计。传统PID控制作为一种成熟的控制方法，简单可靠，适用范围广，在控制对象模型确定、参数不变的情况下具有良好的控制效果。但无轴承磁通切换电机(BFSPMM)是一个多变量、非线性、强耦合系统，传统PID控制难以达到令人满意的控制效果。
[0003]为此，本专利技术针对双绕组无轴承磁通切换电机，提出了一种基于BP神经网络PID与BP神经网络悬浮力观测器的改进转子悬浮直接控制方法。

技术实现思路

[0004]本专利技术提出基于神经网络的无轴承磁通切换电机转子悬浮控制方法，能解决双绕组BFSPMM严重非线性、多未建模等特点带来电机悬浮力观测困难、径向位移控制困难等难题。
[0005]本专利技术采用以下技术方案。
[0006]基于神经网络的无轴承磁通切换电机转子悬浮控制方法，所述控制方法利用逆变器输出电压矢量来实现转子悬浮力的闭环直接控制，并利用BP神经网络非线性映射特点来构建基于BP神经网络的转子悬浮力观测器以提升悬浮力观测精度，在悬浮控制中，基于无轴承电机的简易数学模型、转子径向位移控制误差来设计参数辨识器的权重调节规则，动态调整基于BP神经网络的转子径向位移闭环PID控制器的神经网络参数辨识器的权重系数。
[0007]所述控制方法中，通过有限元仿真模型得到以电机转子的x方向径向位移、y方向径向位移、悬浮平面x轴和y轴悬浮电流、转矩平面d轴和q轴电流、转子切向位置角θ
r
为输入向量，以x和y方向悬浮力为输出向量的训练数据；用获得的训练数据构建BP神经网络悬浮力观测器；
[0008]所述控制方法中，构建以电机转子的x和y径向位移、转子x和y径向位移给定、转子x和y径向位移误差、单位1为输入向量，以转子径向位移闭环PID控制器中的比例系数、积分系数、微分系数为输出向量的转子径向位移闭环PID控制器神经网络参数辨识器，在电机转
子运行时，根据辨识的PID参数计算转子径向位移控制用的悬浮力给定，且根据转子径向位置误差设计参数辨识器加权系数调节规则，动态调整加权系数；
[0009]所述控制方法中，根据转子径向x和y方向的悬浮力控制误差，计算悬浮平面磁链控制误差，并据此利用逆变器输出电压矢量准确补偿该磁链控制误差，以达到对悬浮力的直接控制。
[0010]所述电机中，定子由12块U型铁芯与12块交替切向充磁永磁体组成，转子为十齿无绕组结构。每块永磁体及其两侧U型铁芯组成一个定子齿，12个功率绕组线圈缠绕在12个定子齿上，机械角度互差90
°
的4个功率绕组线圈组成一相，共三相mA、mB、mC且为星型连接；
[0011]电机采用小规格的永磁体，其永磁体槽放置12个悬浮绕组线圈，且将空间位置对称的4个线圈组成一相，共三相sa、sb、sc且为星型连接；通过悬浮绕组线圈对空间对称气隙磁场进行反向调制，进而产生悬浮力，实现转子的磁悬浮。
[0012]所述基于BP神经网络的转子径向位移闭环PID控制器、悬浮力观测器在优化对转子的悬浮控制时，转子在两个方向上的径向位移差值通过神经网络PID控制器得到悬浮力给定F
x*
、F
y
*；悬浮力给定与BP神经网络观测器估计的悬浮力F
x
、F
y
做差得到悬浮力差值ΔF
x
、ΔF
y
，进而计算出悬浮绕组磁链变化值Δψ
sx
、Δψ
sy
，再通过电压方程计算出施加到悬浮绕组上的精确电压矢量u
sx*
、u
sy*
，最后通过SVPWM对悬浮绕组逆变器开关管进行控制。
[0013]悬浮力观测器采用三层BP神经网络对转子的悬浮力进行观测，其中输入节点7个，隐含层节点20个,输出节点2个；神经网络输入为功率绕组dq轴电流i
md
与i
mq
、悬浮绕组xy轴电流i
sx
与i
sy
、电机转子偏心位置x与y、转子电角度θ
r
；神经网络输出为悬浮力F
x
、F
y
；
[0014]基于BP神经网络的转子径向位移闭环PID控制器参数辨识器的结构为：输入节点4个，隐含层节点5个,输出节点3个；输入为控制目标即径向位移实际值x(k)、给定x
*
(k)、误差Δx(k)以及为增加网络稳定的偏置项1，输出为x方向pid控制器参数x方向比例系数k
px
、x方向积分系数k
ix
、x方向微分系数k
dx
；隐含层选用Tanh激活函数；输出层选用sigmoid激活函数；PID控制器工作时，将径向位移给定x
*
(k)；实际径向位移x(k)及上一时刻实际径向位移x(k
‑
1)；径向位移误差Δx(k)、上一时刻径向位移误差Δx(k
‑
1)输入神经网络PID误差反向传播权值训练算法以更新神经网络输入输出层权值；然后不断重复正向传播与反向训练过程，直至当前状态最优PID参数。
[0015]所述悬浮控制方法，依次包括以下步骤；
[0016]步骤S1、x径向位移给定x
*
、y径向位移给定y
*
分别与x径向位移x、y径向位移y做差，输出x径向位移控制误差Δx、y径向位移控制误差Δy：
[0017][0018]步骤S2、把x径向位移给定x
*
、x径向位移x、x径向位移控制误差Δx、偏置项1送给x径向位移BP神经网络PID控制器参数辨识器，输出x方向比例系数k
px
、x方向积分系数k
ix
、x方向微分系数k
dx
；把y径向位移给定y
*
、y径向位移y、y径向位移控制误差Δy、偏置项1送给y径向位移BP神经网络PID控制器的参数辨识器，输出y方向比例系数k
py
、y方向积分系数k
iy
、y方向微分系数k
dy
；x方向径向位移、y方向径向位移的BP神经网络的PID控制器的参数辨识
器完全相同，...

【技术保护点】

【技术特征摘要】
1.基于神经网络的无轴承磁通切换电机转子悬浮控制方法，其特征在于：所述控制方法利用逆变器输出电压矢量来实现转子悬浮力的闭环直接控制，并利用BP神经网络非线性映射特点来构建基于BP神经网络的转子悬浮力观测器以提升悬浮力观测精度，在悬浮控制中，基于无轴承电机的简易数学模型、转子径向位移控制误差来设计参数辨识器的权重调节规则，动态调整基于BP神经网络的转子径向位移闭环PID控制器的神经网络参数辨识器的权重系数。2.根据权利要求1所述的基于神经网络的无轴承磁通切换电机转子悬浮控制方法，其特征在于：所述控制方法中，通过有限元仿真模型得到以电机转子的x方向径向位移、y方向径向位移、悬浮平面x轴和y轴悬浮电流、转矩平面d轴和q轴电流、转子切向位置角θ
r
为输入向量，以x和y方向悬浮力为输出向量的训练数据；用获得的训练数据构建BP神经网络悬浮力观测器；所述控制方法中，构建以电机转子的x和y径向位移、转子x和y径向位移给定、转子x和y径向位移误差、单位1为输入向量，以转子径向位移闭环PID控制器中的比例系数、积分系数、微分系数为输出向量的转子径向位移闭环PID控制器神经网络参数辨识器，在电机转子运行时，根据辨识的PID参数计算转子径向位移控制用的悬浮力给定，且根据转子径向位置误差设计参数辨识器加权系数调节规则，动态调整加权系数；所述控制方法中，根据转子径向x和y方向的悬浮力控制误差，计算悬浮平面磁链控制误差，并据此利用逆变器输出电压矢量准确补偿该磁链控制误差，以达到对悬浮力的直接控制。3.根据权利要求2所述的基于神经网络的无轴承磁通切换电机转子悬浮控制方法，其特征在于：控制方法基于BP神经网络；所述电机中，定子由12块U型铁芯与12块交替切向充磁永磁体组成，转子为十齿无绕组结构。每块永磁体及其两侧U型铁芯组成一个定子齿，12个功率绕组线圈缠绕在12个定子齿上，机械角度互差90
°
的4个功率绕组线圈组成一相，共三相mA、mB、mC且为星型连接；电机采用小规格的永磁体，其永磁体槽放置12个悬浮绕组线圈，且将空间位置对称的4个线圈组成一相，共三相sa、sb、sc且为星型连接；通过悬浮绕组线圈对空间对称气隙磁场进行反向调制，进而产生悬浮力，实现转子的磁悬浮。4.根据权利要求3所述的基于神经网络的无轴承磁通切换电机转子悬浮控制方法，其特征在于：所述基于BP神经网络的转子径向位移闭环PID控制器、悬浮力观测器在优化对转子的悬浮控制时，转子在两个方向上的径向位移差值通过神经网络PID控制器得到悬浮力给定F
x*
、F
y
*；悬浮力给定与BP神经网络观测器估计的悬浮力F
x
、F
y
做差得到悬浮力差值ΔF
x
、ΔF
y
，进而计算出悬浮绕组磁链变化值Δψ
sx
、Δψ
sy
，再通过电压方程计算出施加到悬浮绕组上的精确电压矢量u
sx*
、u
sy*
，最后通过SVPWM对悬浮绕组逆变器开关管进行控制。5.根据权利要求4所述的基于神经网络的无轴承磁通切换电机转子悬浮控制方法，其特征在于：悬浮力观测器采用三层BP神经网络对转子的悬浮力进行观测，其中输入节点7个，隐含层节点20个,输出节点2个；神经网络输入为功率绕组dq轴电流i
md
与i
mq
、悬浮绕组xy轴电流i
sx
与i
sy
、电机转子偏心位置x与y、转子电角度θ
r
；神经网络输出为悬浮力F
x
、F
y
；基于BP神经网络的转子径向位移闭环PID控制器参数辨识器的结构为：输入节点4个，隐含层节点5个,输出节点3个；输入为控制目标即径向位移实际值x(k)、给定x
*
(k)、误差Δ
x(k)以及为增加网络稳定的偏置项1，输出为x方向pid控制器参数x方向比例系数k
px
、x方向积分系数k
ix
、x方向微分系数k
dx
；隐含层选用Tanh激活函数；输出层选用sigmoid激活函数；PID控制器工作时，将径向位移给定x
*
(k)；实际径向位移x(k)及上一时刻实际径向位移x(k
‑
1)；径向位移误差Δx(k)、上一时刻径向位移误差Δx(k
‑
1)输入神经网络PID误差反向传播权值训练算法以更新神经网络输入输出层权值；然后不断重复正向传播与反向训练过程，直至当前状态最优PID参数。6.根据权利要求5所述的基于神经网络的无轴承磁通切换电机转子悬浮控制方法，其特征在于：所述悬浮控制方法，依次包括以下步骤；步骤S1、x径向位移给定x
*
、y径向位移给定y
*
分别与x径向位移x、y径向位移y做差，输出x径向位移控制误差Δx、y径向位移控制误差Δy：步骤S2、把x径向位移给定x
*
、x径向位移x、x径向位移控制误差Δx、偏置项1送给x径向位移BP神经网络PID控制器参数辨识器，输出x方向比例系数k
px
、x方向积分系数k
ix
、x方向微分系数k
dx
；把y径向位移给定y
*
、y径向位移y、y径向位移控制误差Δy、偏置项1送给y径向位移BP神经网络PID控制器的参数辨识器，输出y方向比例系数k
py
、y方向积分系数k
iy
、y方向微分系数k
dy
；x方向径向位移、y方向径向位移的BP神经网络的PID控制器的参数辨识器完全相同，x方向上，k时刻网络输入层第j个节点输入O
j(1)
(k)为：网络隐含层第i个节点的输入为net
i(2)
(k)，第i个节点输出O
i(2)
(k)为：式中，w
ij(2)
为第j个输入与第i个隐含层神经元之间的加权系数；上标(1),(2),(3)分别代表输入层，隐含层和输出层；隐含层激活函数f(x)为Tanh函数，如下式所示网络输出层第l个节点的输入net
l(3)
(k)，第l个节点输出O
l(3)
(k)为：
其中，w
li(3)
为第l个输出神经元与第i个隐含层神经元之间的加权系数；输出层激活函数g(x)选用sigmoid激活函数，如下式所示。网络输出为：步骤S3、把x径向位移控制误差Δx、x方向比例系数k
px
、x方向积分系数k
ix
、x方向微分系数k
dx
送给x径向位移PID控制器，输出x径向悬浮力给定F
x*
；把y径向位移控制误差Δy、y方向比例系数k
py
、y方向积分系数k
iy
、y方向微分系数k
dy
送给y径向位移PID控制器，输出y径向悬浮力给定F
y*
，公式为：其中，k和k
‑
1分别表示第k拍和第k
‑
1拍；步骤S4、x径向悬浮力给定F
x*
、y径向悬浮力给定F
y*
分别与x径向悬浮力F
x
、y径向悬浮力F
y
做差，输出x和y径向悬浮力控制误差ΔF
...

【专利技术属性】
技术研发人员：周扬忠，周祎豪，钟天云，屈艾文，
申请(专利权)人：福州大学，
类型：发明
国别省市：