一种磁悬浮转子控制方法、装置、计算机设备及介质制造方法及图纸

本发明专利技术提供了一种磁悬浮转子控制方法、装置、计算机设备及介质。其中，磁悬浮转子控制方法，包括：获取磁悬浮转子的位置误差数据；将位置误差数据输入至预构建的控制器中，通过控制器中的控制律得到当前时刻的线圈电流，控制律通过第一参数和第二参数计算线圈电流，第一参数和第二参数是通过预构建的径向基函数神经网络模型得到的，预构建的径向基函数神经网络模型通过电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型，模拟电磁轴承电磁力的刚度系数的非线性变化，第一参数和第二参数是通过刚度系数计算得到的；根据当前时刻的线圈电流控制磁悬浮转子。通过本发明专利技术，考虑磁悬轴承电磁力的非线性作用，提高磁悬浮转子的控制精度和稳定性。度和稳定性。度和稳定性。

【技术实现步骤摘要】
一种磁悬浮转子控制方法、装置、计算机设备及介质


[0001]本专利技术涉及磁悬浮转子控制领域，尤其涉及一种磁悬浮转子控制方法、装置、计算机设备及介质。

技术介绍

[0002]电磁轴承也称为主动磁轴承(ActiveMagneticBearing，AMB)，是一种无机械接触、无摩擦磨损、低功耗损失、低故障率、可达转速高及可对悬浮转子系统动态特性主动控制的新型无接触轴承，广泛应用于高速电机、卫星控制力矩陀螺、航空发动机等高转速场合，然而实现磁悬浮转子的有效控制是其工程应用亟需解决的关键问题。
[0003]对于运行环境所受外部激励较小、控制精度不高的磁悬浮转子，其在平衡位置附近发生小角度偏转，电磁力刚度系数所产生的非线性变化对磁力影响较小，现有控制方法可满足转子的稳定悬浮；然而，对于运行在海上漂浮式平台、太空等多基础激励条件下的磁悬浮转子系统，其在运行过程中除受不平衡质量和内阻尼等内部激励外，还会受到各种外部激励，并通过框架基础经支承系统最终传递至转子。框架基础转动所产生的耦合力矩会使转子跳动量增加(动框架效应)，甚至与保护轴承发生碰撞，直接造成转子产生内外部损伤。动框架效应会使得转子大角度偏离平衡位置，造成电磁轴承磁力刚度系数发生非线性改变，降低磁力控制精度，进而降低转子悬浮稳定性。然而，现有磁悬浮转子的控制算法忽略了电磁轴承电磁力刚度系数非线性变化的影响，存在着控制精度不高、磁悬浮转子稳定性差的技术缺点。

技术实现思路

[0004]为提高磁悬浮转子的控制精度和稳定性，考虑磁悬轴承电磁力的非线性作用，本专利技术提出了一种磁悬浮转子控制方法、装置、计算机设备及介质。
[0005]第一方面，本专利技术提供了一种磁悬浮转子控制方法，方法包括：
[0006]获取磁悬浮转子的位置误差数据；
[0007]将位置误差数据输入至预构建的控制器中，通过控制器中的控制律得到当前时刻的线圈电流，控制律通过第一参数和第二参数计算线圈电流，第一参数和第二参数是通过预构建的径向基函数神经网络模型得到的，预构建的径向基函数神经网络模型通过电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型，模拟电磁轴承电磁力的刚度系数的非线性变化，第一参数和第二参数是通过刚度系数计算得到的；
[0008]根据当前时刻的线圈电流控制磁悬浮转子。
[0009]考虑到磁悬浮转子在运行过程中受到内外部激励时，会发生动框架效应，使得电磁轴承磁力的刚度系数发生非线性改变，而现有技术中忽略了电磁轴承磁力的刚度系数的非线性变化，使得磁悬浮转子的控制精度和稳定性降低，通过上述方法，通过径向基函数神经网络模型模拟电磁轴承电磁力的刚度系数的非线性变化，利用径向基函数神经网络模型模拟的刚度系数计算控制器控制律中的参数，进而获得当前时刻的线圈电流以控制磁悬浮
转子，提高磁悬浮转子的稳定性，实现磁悬浮转子的高精度控制。此外，由于径向基函数神经网络模型具有分布式并行处理信息、信息分布存储的特点，因此使用径向基函数神经网络模型，可以有效提高磁悬浮转子控制的容错能力。
[0010]结合第一方面，在第一方面的第一实施例中，径向基函数神经网络模型的构建步骤包括：
[0011]获取电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型；
[0012]根据电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型，得到磁悬浮转子非线性数学模型，磁悬浮转子非线性数学模型中包括第一参数和第二参数；
[0013]根据磁悬浮转子非线性数学模型，构建径向基函数神经网络模型，使得径向基函数神经网络模型输出的第一参数和第二参数满足磁悬浮转子非线性数学模型。
[0014]通过上述实施例，将电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型相结合，得到磁悬浮转子非线性数学模型，磁悬浮转子非线性数学模型体现了电磁轴承磁力的刚度系数的非线性变化，利用径向基函数神经网络模型来模拟磁悬浮转子非线性数学模型中刚度系数的非线性变化，使径向基函数神经网络模型具备对电磁轴承电磁力非线性映射的能力，进而通过径向基函数神经网络模型得到的参数充分考虑了磁悬浮转子刚度系数的非线性，从而对磁悬浮转子的控制精度更高。
[0015]结合第一方面或第一方面的第一实施例，在第一方面的第二实施例中，径向基函数神经网络模型中包含多个高斯核函数，高斯核函数用于模拟电磁轴承电磁力的刚度系数的非线性变化，径向基函数神经网络模型输出第一参数和第二参数的步骤包括：
[0016]根据位置误差数据和多个高斯核函数得到多个高斯核函数值；
[0017]根据各高斯核函数值及各高斯核函数值对应的权值，计算第一参数和第二参数，权值是根据位置误差数据和前一时刻的线圈电流，利用自适应算法确定的。
[0018]通过上述实施例，通过位置误差数据和前一时刻的线圈电流，利用自适应算法不断对高斯核函数值对应的权值进行更新，使得径向基函数神经网络模型可以更加准确的模拟电磁轴承电磁力的刚度系数的非线性变化，具备很强的鲁棒性能。
[0019]结合第一方面，在第一方面的第三实施例中，控制器包括比例微分控制器和滑模控制器中的任意一种。
[0020]第二方面，本专利技术还提供了一种磁悬浮转子控制装置，该装置包括：
[0021]获取模块，用于获取磁悬浮转子的位置误差数据；
[0022]计算模块，用于将位置误差数据输入至预构建的控制器中，通过控制器中的控制律得到当前时刻的线圈电流，控制律通过第一参数和第二参数计算线圈电流，第一参数和第二参数是通过预构建的径向基函数神经网络模型得到的，预构建的径向基函数神经网络模型通过电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型，模拟电磁轴承电磁力的刚度系数的非线性变化，第一参数和第二参数是通过刚度系数计算得到的；
[0023]控制模块，用于根据当前时刻的线圈电流控制磁悬浮转子。
[0024]考虑到磁悬浮转子在运行过程中受到内外部激励时，会发生动框架效应，使得电磁轴承磁力的刚度系数发生非线性改变，而现有技术中忽略了电磁轴承磁力的刚度系数的非线性变化，使得磁悬浮转子的控制精度和稳定性降低，通过上述装置，通过径向基函数神经网络模型模拟电磁轴承电磁力的刚度系数的非线性变化，利用径向基函数神经网络模型
模拟的刚度系数计算控制器控制律中的参数，进而获得当前时刻的线圈电流以控制磁悬浮转子，提高磁悬浮转子的稳定性，实现磁悬浮转子的高精度控制。此外，由于径向基函数神经网络模型具有分布式并行处理信息、信息分布存储的特点，因此使用径向基函数神经网络模型，可以有效提高磁悬浮转子控制的容错能力。
[0025]结合第二方面，在第二方面的第一实施例中，计算模块通过如下子模块构建径向基函数神经网络模型，包括：
[0026]获取子模块，用于获取电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型；
[0027]确定子模块，用于根据电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型，得到磁悬浮转子非线性数学模型，磁悬浮转子非线性数学模型中包括第一参数和第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种磁悬浮转子控制方法，其特征在于，所述方法包括：获取磁悬浮转子的位置误差数据；将所述位置误差数据输入至预构建的控制器中，通过所述控制器中的控制律得到当前时刻的线圈电流，所述控制律通过第一参数和第二参数计算线圈电流，所述第一参数和所述第二参数是通过预构建的径向基函数神经网络模型得到的，所述预构建的径向基函数神经网络模型通过电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型，模拟电磁轴承电磁力的刚度系数的非线性变化，所述第一参数和所述第二参数是通过所述刚度系数计算得到的；根据当前时刻的线圈电流控制所述磁悬浮转子。2.根据权利要求1所述的方法，其特征在于，所述径向基函数神经网络模型的构建步骤包括：获取电磁轴承非线性电磁力数学模型和被悬浮转子动力学模型；根据所述电磁轴承非线性电磁力数学模型和所述被悬浮转子动力学模型，得到磁悬浮转子非线性数学模型，所述磁悬浮转子非线性数学模型中包括所述第一参数和所述第二参数；根据所述磁悬浮转子非线性数学模型，构建所述径向基函数神经网络模型，使得所述径向基函数神经网络模型输出的第一参数和第二参数满足所述磁悬浮转子非线性数学模型。3.根据权利要求1或2所述的方法，其特征在于，所述径向基函数神经网络模型中包含多个高斯核函数，所述高斯核函数用于模拟电磁轴承电磁力的刚度系数的非线性变化，所述径向基函数神经网络模型输出所述第一参数和所述第二参数的步骤包括：根据所述位置误差数据和多个高斯核函数得到多个高斯核函数值；根据各所述高斯核函数值及各所述高斯核函数值对应的权值，计算所述第一参数和所述第二参数，所述权值是根据所述位置误差数据和前一时刻的线圈电流，利用自适应算法确定的。4.根据权利要求1所述的方法，其特征在于，所述控制器包括比例微分控制器和滑模控制器中的任意一种。5.一种磁悬浮转子控制装置，其特征在于，所述装置包括：获取模块，用于获取磁悬浮转子的位置误差数据；计算模块，用于将所述位置误差数据输入至预构建的控制器中，通过所述控制器中的控制律得到当前时刻的线圈电流，所述控制律通过第一参数和第二参数计算线圈电流，所述第一参数和所述第二参数是通过预构建的径向基函数神经网络模型得到的...

【专利技术属性】
技术研发人员：高峻泽，杨静，孙勇，王方政，李鹏，马哲，邱彦靓，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：