学习率自适应的无轴承磁通切换电机神经网络PID悬浮方法技术

本发明专利技术提出学习率自适应的无轴承磁通切换电机神经网络PID悬浮方法，所述方法用于电机PID控制器对转子的PID磁悬浮控制，根据转子径向位移控制误差来实时调整神经网络权重系数，以实现对神经网络PID控制器参数的实时调整；同时根据神经网络PID闭环控制稳定性需求建立神经网络PID参数学习率取值范围；在学习率取值范围内，设计基于模糊推理的自适应学习率调整算法，用于宽范围的转子动态偏心磁悬浮高稳态控制精度和高动态响应；本发明专利技术能满足宽广的转子动态偏心的磁悬浮高稳态控制精度和高动态响应要求。

【技术实现步骤摘要】

本专利技术涉及电机，尤其是学习率自适应的无轴承磁通切换电机神经网络pid悬浮方法。

技术介绍

1、无轴承磁通切换电机永磁体处于定子上，具有永磁体温升退磁风险低、无机械磨损、适宜高速运行等优点；双绕组无轴承磁通切换电机定子具有三相转矩绕组和三相悬浮绕组，转矩和磁悬浮控制解耦性能较佳，获得学术和工业界广泛的关注和研究。

2、在无轴承磁通切换电机转子磁悬浮旋转过程中，转子几何中心与定子几何中心处于动态偏移状态，气隙长度实时变化，导致磁悬浮通道数学模型参数实时变化；若采用恒定参数的pid控制器，则很难满足转子宽广的动态偏心磁悬浮稳定性要求，而且恒定参数的pid还带来磁悬浮通道的高稳态控制精度和高动态响应之间的矛盾。

3、磁悬浮通道若采用神经网络pid控制器，则可以利用转子径向位移控制误差信息对神经网络权重系数进行调整，从而实现pid参数的实时自适应调整，但其中参数的学习率必须满足整个磁悬浮通道闭环控制稳定性条件，而满足稳定性要求的学习率还未见研究过。若采用恒定幅值的学习率很难满足宽广的动态偏心磁悬浮稳定性要求，同时也很难兼顾磁悬浮通道的高稳本文档来自技高网...

【技术保护点】

1.学习率自适应的无轴承磁通切换电机神经网络PID悬浮方法，其特征在于：所述方法用于电机PID控制器对转子的PID磁悬浮控制，根据转子径向位移控制误差来实时调整神经网络权重系数，以实现对神经网络PID控制器参数的实时调整；同时根据神经网络PID闭环控制稳定性需求建立神经网络PID参数学习率取值范围；在学习率取值范围内，设计基于模糊推理的自适应学习率调整算法，用于宽范围的转子动态偏心磁悬浮高稳态控制精度和高动态响应。

2.根据权利要求1所述的学习率自适应的无轴承磁通切换电机神经网络PID悬浮方法，其特征在于：所述电机为双绕组无轴承磁通切换电机。

3.根据权利要求2所...

【技术特征摘要】

1.学习率自适应的无轴承磁通切换电机神经网络pid悬浮方法，其特征在于：所述方法用于电机pid控制器对转子的pid磁悬浮控制，根据转子径向位移控制误差来实时调整神经网络权重系数，以实现对神经网络pid控制器参数的实时调整；同时根据神经网络pid闭环控制稳定性需求建立神经网络pid参数学习率取值范围；在学习率取值范围内，设计基于模糊推理的自适应学习率调整算法，用于宽范围的转子动态偏心磁悬浮高稳态控制精度和高动态响应。

2.根据权利要求1所述的学习率自适应的无轴承磁通切换电机神经网络pid悬浮方法，其特征在于：所述电机为双绕组无轴承磁通切换电机。

3.根据权利要求2所述的学习率自适应的无轴承磁通切换电机神经网络pid悬浮方法，其特征在于：所述方法包括以下步骤；

4.根据权利要求3所述的学习率自适应的无轴承磁通切换电机神经网络pid悬浮方法，其特征在于：步骤四中，学习率增量δηx1、δηx2、δηx3获得方法如下：输入变量ex和从基本论域范围映射到量化论域范围：

5.根据权利要求4所述的学习率自适应的无轴承磁通切换电机神经网络pid悬浮方法，其特征在于：步骤四中，学习率增量δηx1、δηx2、δηx3获取过程包括以下步骤：

6.根据权利要求5所述的学习率自适应的无轴承磁通切换电机神经网络pid悬浮方法，其特征在于：步骤五中获得x轴方向悬浮电流给定的步骤包括如下：

7.根据权利要求6所述的学习率自适应的无轴承磁通切换电机神经网络pid悬浮方法，其特征在于：步骤5.1中，获得学习率η1、η2、η3的方法为，设定收敛条件ε，当误差绝对值满足收敛条件时，则不再进行学习...

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