无刷直流电机的多模型最小二乘支持向量机建模方法技术

本发明专利技术公布了一种无轴承无刷直流电机的多模型最小二乘支持向量机建模方法，根据数据驱动原理，利用合适的信号对无轴承无刷直流电机进行激励，取得输入输出样本，利用仿射传播聚类将样本按输入集、输出集聚类，对二次聚类后得到的子类进行最小二乘支持向量机拟合，建立局部LSSVM模型，继而采用加权和形式构造无轴承无刷直流电机的系统模型。本发明专利技术不依赖系统机理和具体参数，对无轴承无刷直流电机系统进行分解，降低了建模难度，提高了建模精度。

【技术实现步骤摘要】

本专利技术涉及无轴承无刷直流电机的一种多模型最小二乘支持向量机建模方法，适用于电力传动控制的

技术介绍
无刷直流电机具有优良的调速性能、效率高、便于控制、结构简单、运行可靠、维护方便，在工业领域得到了广泛应用。然而，传统机械轴承会引发电机震动、噪声、磨损、发热、寿命短等问题，严重影响电机的高速和超高速可靠运转。为解决传统机械轴承带来的问题，在磁悬浮轴承基础上发展起来的无轴承技术，利用磁悬浮轴承与电机结构的相似性，将产生悬浮力的磁悬浮轴承绕组置入电机定子，通过对转矩绕组和悬浮力绕组的解耦控制，实现转子的稳定悬浮，使电机转子同时具有产生转矩和自悬浮的功能。除了具有转子在运行过程中不需机械轴承支撑外，还继承了磁轴承电机无润滑、无磨损、无机械噪声等优点。 将无刷直流电机和无轴承技术相结合构成的无轴承无刷直流电机，是在传统无刷直流电机的基础上，在定子中加入悬浮绕组，通过对转矩绕组和悬浮绕组电流进行控制，实现电机的悬浮运行。其优点在于1)转速高，功率密度高，体积小；2)可与高速原动机直接相连，取消了减速机构，传动效率高；3)转动惯量小，动态响应快；4)无机械摩擦，使用寿命长，功耗低。这些优点使得无轴承无刷直流电机在航空航天、生物医药、半导体制造等领域具有广泛的应用前景。建立准确的系统模型，对无轴承无刷直流电机控制系统的设计具有重要意义。无轴承无刷直流电机除了转矩绕组外还附加了悬浮力绕组，自身的结构特点决定了其为一个复杂的非线性系统。电机转矩绕组产生的转矩和悬浮绕组产生的悬浮力之间存在耦合，并且磁悬浮力的分量之间也存在耦合。因此，无轴承无刷直流电机具有多变量、非线性、强耦合和工况范围广的特点，难以建立准确的机理模型。考虑输入、输出数据之间的联系和差异，及实际工业生产中现场样本数据多且按工作点呈聚类和迁移特性，从输入输出数据入手，对样本数据聚类，采用多模型方法建模是解决这一问题的有效途径。现有的聚类方法有基于条件正定核函数的核模糊C均值聚类算法，能实现对不规则形状数据的聚类；基于减法聚类的多模型在线辨识算法，根据最小二乘递推算法在线更新模型参数；基于粒子群优化的聚类算法，可缓解传统聚类方法对初始值敏感、易陷入局部最优的问题。但这些聚类算法普遍存在聚类数目需事先给定，精度依赖数据分布和收敛速度慢等问题；而且，传统聚类方法仅利用了样本数据的输入部分，由于数据的不一致性和不完备性，不利于模型精度的提高。
技术实现思路
本专利技术的目的，是提供一种适用于无轴承，为无轴承无刷直流电机的高效控制创造条件。本专利技术采用的技术方案是，其特征在于包括如下步骤I)以悬浮力Fa、Fe及电流Is为输入,转子径向位移α、β及转速为输出构建无轴承无刷直流电机调速系统；2)采用随机方波来激励无轴承无刷直流电机调速系统，采集相应的输入数据集X= {Fa, F0, Is}、输出数据集y={a，β，ωΓ};采集m组输入、输出数据，输入数据样本为X=Lx1, x2, L，xm]T，输出数据样本为Y=T，其中xk为第k组输入数据集(k为自然数,I彡k彡m), Xk= {Fa, F0, Ijk, yk为第k组输出数据集，yk= { a , β，ω Jk ;选择η组数据样本作为训练样本集Xtaain, Ytrain，其余m-n组数据样本为检验样本集Xtest，Ytest (η和m为大于I的自然数，n<m)；3)设定仿射传播聚类算法中的参数阻尼因子λ，偏向参数P和最大迭代次数，利用仿射传播聚类对训练样本集中的x2, L，xn]τ进行一次聚类，确定聚类数目IC(1C为大于I的自然数)，将训练样本集XtMin，Ytrain划分为若干类=X11, Y11 ；X12, Y12 ；……；X1C，YlC ；4)对一次聚类后得到的子类集Xlj, Ylj (Ij为自然数，I彡Ij彡10，按1进行二次仿射传播聚类，确定总的聚类数目C (C为大于I的自然数)；5)以{Fa，Fe，Is}为输入、{a，β，ωΓ}为输出，利用二次聚类后的每一子类Xi, Yi的数据建立局部LSSVM模型(i为自然数，I彡i ( C);选择高斯函数作为LSSVM核函数，采用常用的交叉验证法获取合适的正则化参数Y和核参数σ，分别得到LSSVM1,……,LSSVMc(i = I, L, C)；6)将各局部LSSVM模型的输出加权，权值为待测样本对每个子类的模糊隶属度，得到无轴承无刷直流电机调速系统的输出即乓，其中&为第i个子LSSVM的输出 i=l值，μ j为对应的隶属度值。本专利技术的有益效果是I、采用二次仿射传播聚类，解决了聚类数目需事先给定和分类精度依赖数据分布的问题，二次聚类有利于样本空间的进一步划分。2、最小二乘支持向量机具有能精确逼近任意非线性函数的特点、计算效率高，将其用于子模型的构建，使每个局部模型能很好地反映系统局部特征。3、多模型最小二乘支持向量机建模方法不依赖系统机理和具体参数，对无轴承无刷直流电机系统进行分解，降低了建模难度，提高了建模精度。附图说明图I为无轴承无刷直流电机调速系统4的构建框图,有无轴承无刷直流电机I、电流控制PWM变频器2、电流控制PWM变频器3。图2为无轴承无刷直流电机调速系统4的多模型LSSVM建模流程图。具体实施例方式本专利技术根据数据驱动原理，利用合适的信号对无轴承无刷直流电机进行激励，取得输入输出样本，利用仿射传播聚类将样本按输入集、输出集聚类，对二次聚类后得到的子类进行最小二乘支持向量机拟合，建立局部LSSVM模型，继而采用加权和形式构造无轴承无刷直流电机的系统模型。具体实施如下I、如图I所示，将无轴承无刷直流电机I和电流控制PWM变频器2、电流控制PWM变频器3看成一个整体，按磁场定向原理设置悬浮力变频器2，按无刷直流电机的控制设置转矩变频器3，以悬浮力Fa、Fe及电流Is为输入，转子径向位移α、β及转速为输出，其整体等效为无轴承无刷直流电机调速系统4。2、采用符合实际运行的随机方波来激励无轴承无刷直流电机调速系统4，采集相应的输入数据集x={Fa，Fe，Is}、输出数据集y={a，β，coj。采集100组输入、输出数据，令输入数据样本为X=Iix1, X2 L, xm]T,输出数据样本为Y=Iiy1, I2, L, ym]T, m=100。选择60组数据样本作为训练样本集Xtain，Yttain，其余40组数据样本为检验样本集Xtest，Ytest。3、设定仿射传播聚类算法中的参数阻尼因子λ，偏向参数P和最大迭代次数，利 用仿射传播聚类对训练样本集中的X2, L，X6Jt进行一次聚类，确定聚类数目1C，将训练样本集Xt_，Yt_划分为若干类:Xn，Yn，X12, Y12,……，X1C，Y1C。4、对一次聚类后得到的子类集XpYiQ = 11，L，1C)，按1进行二次仿射传播聚类，确定总的聚类数目C。5、以{Fa, Fe, Ij为输入、{ a , β , ωΓ}为输出，利用二次聚类后的每一子类Xi,Yi (i = I, L,C)的数据建立局部LSSVM模型。选择高斯函数作为LSSVM核函数，采用常用的交叉验证法获取合适的正则化参数Y和核参数σ，分别得到LSSVM1,……，LSSVMC。6、将各局部LSSVM模型的输出加权，权值为待测样本本文档来自技高网...

【技术保护点】
一种无刷直流电机的多模型最小二乘支持向量机建模方法，其特征在于包括如下步骤：1）以悬浮力Fα、Fβ及电流Is为输入，转子径向位移α、β及转速ωr为输出构建无轴承无刷直流电机调速系统；2）采用随机方波来激励无轴承无刷直流电机调速系统，采集相应的输入数据集x={Fα，Fβ，Is}、输出数据集y={α，β，ωr}；采集m组输入、输出数据，输入数据样本为X=[x1，x2，L，xm]T，输出数据样本为Y=[y1，y2，L，ym]T，其中xk为第k组输入数据集，xk={Fα，Fβ，Is}k，yk为第k组输出数据集，yk={α，β，ωr}k；选择n组数据样本作为训练样本集Xtrain，Ytrain，其余m?n组数据样本为检验样本集Xtest，Ytest，其中k为自然数，1≤k≤m，n和m为大于1的自然数，n大于1的自然数；4）对一次聚类后得到的子类集X1j，Y1j，按Yi进行二次仿射传播聚类，确定总的聚类数目C，1j为自然数，1≤1j≤1C，C为大于1的自然数；5）以{Fα，Fβ，Is}为输入、{α，β，ωr}为输出，利用二次聚类后的每一子类Xi，Yi的数据建立局部LSSVM模型；选择高斯函数作为LSSVM核函数，采用常用的交叉验证法获取合适的正则化参数γ和核参数σ，分别得到LSSVM1，……，LSSVMC，i=1,L，C；6）将各局部LSSVM模型的输出加权，权值为待测样本对每个子类的模糊隶属度，得到无轴承无刷直流电机调速系统的输出即其中fi为第i个子LSSVM的输出值，μi为对应的隶属度值。FDA00002394059000011.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：魏海峰，张懿，冯友兵，王玉龙，朱志宇，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：