CN100573370C - 基于神经网络逆五自由度无轴承永磁同步电机控制系统及控制方法 - Google Patents

Abstract

基于神经网络逆五自由度无轴承永磁同步电机控制系统，其特征是由一个二自由度无轴承永磁同步电机(21)、一个三自由度交直流径向-轴向混合磁轴承(22)等构成样机本体。再由三个Clark逆变换(41、42、43)、三个电流跟踪型逆变器(31、32、33)、一个线性功率放大器(34)、样机及其负载作为一个整体组成复合被控对象(52)；根据该复合被控对象(52)对应的逆系统，用静态神经网络(61)加积分器并通过学习算法构成神经网络逆(62)，对五自由度无轴承永磁同步电机进行非线性动态解耦控制。其电机结构简单、控制系统性能优良，适用于密封泵、高速或超高速数控机床、工业机器人、航空航天、生命科学等众多特殊电气传动领域。

Description

基于神经网络逆五自由度无轴承永磁同步电机控制系统及控制方法

技术领域

本发明是一种基于神经网络逆五自由度无轴承永磁同步电机控制系统及控制方法，适用于密封泵、高速或超高速数控机床、工业机器人、航空航天、生命科学等众多特殊电气传动领域，特别是具有无接触、无需润滑及无磨损等特点，用于真空技术、纯净洁室及无菌车间以及腐蚀性介质或非常纯净介质的传输等特殊场合，属于电力传动控制设备的技术领域。

背景技术

传统的五自由度无轴承电机(除旋转自由度外)，由2个二自由度无轴承电机单元，1个轴向磁轴承构成。电机机械结构相当复杂、转子轴向很长，电机临界转速受到很大限制，特别是控制系统比较庞大，2个二自由度无轴承电机单元需要4个三相逆变驱动电路，轴向磁轴承需要1路线性功放，并且2个二自由度无轴承电机单元要考虑很好协调控制，控制系统过于复杂，很难在实际中得到应用。

系统控制的控制策略是实现五自由度无轴承永磁同步电机稳定工作的难点，常规转子磁场定向控制策略在无轴承永磁同步电机控制中应用较为普遍，但是由于无轴承永磁同步电机是个多变量非线性时变系统，很难获得精确的数学模型，因此，在无轴承永磁同步电机数学模型不够精确的情况下，采用基于转子磁场定向控制策略很难实现无轴承永磁同步电机的动态解耦精确控制。为进一步提高无轴承永磁同步电机的动态工作性能，一方面需要考虑电机的机械结构优化设计；另外一方面必须考虑各自由度之间的动态解耦或两个二自由度无轴承电机的协调控制。研制结构紧凑、性能优良的无轴承永磁同步电机系统。

国内外没有相关的专利和文献。

发明内容

本发明的目的是改变传统五自由度无轴承永磁同步电机结构，提出一种由二自由度无轴承永磁同步电机和三自由度交直流径向-轴向混合磁轴承构成的五自由度无轴承永磁同步电机(除旋转自由度)，同时提出了基于神经网络逆五自由度无轴承永磁同步电机控制方法，其电机结构简单、控制系统性能优良。

五自由度无轴承永磁同步电机是由装在缸筒中的一个二自由度无轴承永磁同步电机和一个三自由度交直流径向-轴向混合磁轴承构成。

位于右端的三自由度交直流径向-轴向混合磁轴承由径向辅助轴承，固定在后端盖中；轴向位移传感器探头固定在后端盖上，处于转轴的中心上；磁轴承的4个径向位移传感器探头固定在传感器支架上，传感器支架固定在紧靠磁轴承的侧面；磁轴承转子铁芯同转轴固定在一起，由硅钢片材料叠压而成；磁轴承的轴向定子包围径向定子和环形永磁体，环形永磁体安装在磁轴承径向定子和磁轴承的轴向定子之间；磁轴承径向三相控制线圈分别绕在径向定子的三个沿圆周均匀的三个磁极上，提供三相径向控制磁通；磁轴承的轴向控制线圈在磁轴承轴向定子内侧，均匀分布在磁轴承径向定子和永磁体两侧。

左端的二自由度无轴承永磁同步电机，无轴承永磁同步电机转子表面装有永磁材料钕铁硼做成极对数为2的永磁体，永磁体外面用钢筒固定，电机转子装在转轴上；无轴承永磁同步电机的定子，套用标准永磁同步电机的定子，将定子槽中绕组分成2套，两套绕组的极对数为±1的关系；无轴承永磁同步电机的4个径向位移传感器探头安装在靠近前端盖的传感器支架，采用差动测量径向二自由度的位移，传感器支架固定在无轴承永磁同步电机的左端；设有测量转速的4个霍尔传感器；前端盖中装有止推辅助轴承作为无轴承永磁同步电机的辅助支承轴承。

测量电机转速的4个霍尔传感器固定在传感器支架上，接近电机转子，也可以采用光电编码盘安装在转轴的一端，来直接测量无轴承永磁同步电机的转速。

缸筒由内套和外套构成，两层之间具有对电机系统通水冷却的螺旋沟道。

基于神经网络逆五自由度无轴承永磁同步电机控制系统，首先由二自由度无轴承永磁同步电机、三自由度交直流径向-轴向混合磁轴承、三个克拉克(Clark)逆变换和三个电流跟踪型逆变器，一个线性功率放大器及负载一起作为一个整体组成复合被控对象，复合被控对象的被控量是转子五个自由度方向上的位置和转子的转速；接着采用静态神经网络加积分器s^-1来构造复合被控对象的神经网络逆，并通过调整静态神经网络的权系数使神经网络逆实现复合被控对象的逆系统功能；接下来将神经网络逆置于复合被控对象之前，神经网络逆与复合被控对象组成伪线性系统，伪线性系统等效成六个解耦的积分线性子系统，分别为五个位置二阶积分型的伪线性子系统、速度一阶积分型的伪线性子系统，即三自由度交直流径向-轴向混合磁轴承三个位置子系统、二自由度无轴承永磁同步电机二个位置子系统和一个转子速度子系统，从而不仅实现了旋转力矩和径向力之间的动态解耦，而且还实现了五自由度无轴承永磁同步电机五个位置子系统之间的动态解耦；在此基础上，采用鲁棒伺服调节器设计方法来综合六个解耦的积分子系统，分别设计五个转子位置控制器和一个速度控制器，并由五个转子位置控制器和速度控制器来构成线性闭环控制器；最后将线性闭环控制器、神经网络逆、三个Clark逆变换、三个电流跟踪型逆变器和一个线性功率放大器共同构成神经网络逆控制器来实现二自由度无轴承永磁同步电机转矩力和径向悬浮力的独立控制、三自由度交直流径向-轴向混合磁轴承稳定悬浮。

本发明的原理是改变传统五自由度无轴承永磁同步电机结构，设计了一种由三自由度交直流径向-轴向混合磁轴承和二自由度无轴承永磁同步电机构成的五自由度无轴承永磁同步电机(除旋转自由度)，采用神经网络逆系统控制方法对五自由度无轴承永磁同步电机进行了非线性动态解耦控制。

本发明具有以下优点：

1.五自由度无轴承永磁同步电机具有更加合理，更实用的结构。①系统由2个部分构成，结构紧凑，转子长度大大缩短，电机转速、功率可以进一步得到提高，并可以实现微型化；②控制系统中三相功率逆变电路由4个减少到3个。摆脱了传统五自由度无轴承永磁同步电机结构复杂，临界转速低，控制系统过于复杂的缺陷。

2.通过构造神经网络逆，将五自由度无轴承永磁同步电机这一多变量、强耦合、非线性时变系统的控制转化为对五个转子位置二阶积分线性子系统和一个速度一阶积分线性子系统的控制，利用鲁棒伺服调节器设计方法设计线性闭环控制器。从而真正实现了对旋转转矩力与径向悬浮力之间的动态解耦和各个位置子系统之间的解耦控制，因而可以实现分别独立地对五自由度无轴承永磁同步电机的五个位置系统和转子的转速控制。且进一步采用PID、极点配置、线性最优二次型调节器或鲁棒伺服调节器等设计方法设计线性闭环控制器，可获得五自由度无轴承永磁同步电机的高性能控制以及抗负载扰动的运行性能。

3.用静态神经网络加积分器来实现复合被控对象的逆系统，构造神经网络逆控制器来实现对五自由度无轴承永磁同步电机的控制，完全摆脱了传统的磁场定向控制方法对数学模型的依赖性，弥补了基于转子磁场定向控制方法中无轴承永磁同步电机参数的不稳定所带来系统控制有误差的不足，能更好地实现了转矩力和径向悬浮力、各个自由度悬浮力之间的解耦，有效地减小了电机参数变化与负载扰动对五自由度无轴承永磁同步电机性能的影响，显著地提高了五自由度无轴承永磁同步电机的性能指标。

本发明设计的五自由度无轴承永磁同步电机的机械结构，结构紧凑，这种思想可以用于其他类型的无轴承电机(如交流异步电机、磁阻电机、开关磁阻电机)中。本发明基于神经网络逆构造的五自由度无轴承永磁同步电机神经网络逆控制器，提高了五自由度无轴承永磁同步电机控制性能，而且适合其它五自由度无轴承电机控制系统，以及适合五自由度磁轴承支承的各种类型的电机控制系统。用神经网络逆控制方法控制的这种五自由度无轴承永磁同步电机应用前景是非常广阔的；这种五自由度无轴承的机械结构设计思想和基于神经网络逆构造的五自由度无轴承永磁同步电机神经网络逆控制器在其它类型的五自由度无轴承电机中也具有非常广阔的应用价值。

附图说明

图1是五自由度无轴承永磁同步电机机械结构图，主要由三自由度径向-轴向混合磁轴承和二自由度无轴承永磁同步电机构成。具体是：径向辅助轴承(1)，9个位移传感器探头(2)，转轴(3)，后端盖(4)，磁轴承转子铁芯(5)，磁轴承轴向定子(6)，磁轴承轴向控制线圈(7)，磁轴承环形永磁体(8)，磁轴承径向定子(9)，磁轴承径向控制线圈(10)，2个位移传感器支架(11)，2个定位套筒(12)，无轴承电机定子(13)，无轴承电机转子(14)，4个无轴承电机转速检测霍尔传感器(15)，缸筒外套(16)，缸筒内套(17)，前端盖(18)，止推辅助轴承(19)。

图2是五自由度无轴承永磁同步电机的结构示意图，其中包括二自由度无轴承永磁同步电机(21)和三自由度交直流径向-轴向混合磁轴承(22)。

图3是复合被控对象(52)，它是由三个Clark逆变换(41、42、43)、三个电流型跟踪逆变器(31、32、33)、一个线性功率放大器(34)和五自由度无轴承永磁同步电机负载模型(51)组成。

图4是神经网络逆(62)，它有17个输入节点、7个输出节点的3层静态神经网络61加11个积分器s^-1构成。

图5是神经网络逆(62)与复合被控对象(52)复合构成的伪线性系统(71)的示意图及其等效图。

图6由线性闭环控制器(81)与伪线性系统(71)组成的闭环控制系统的结构图。其中伪线性系统(71)包括五个位置子系统和一个速度子系统；线性闭环控制器包括五个位置控制器(82、83、84、85、86)和一个速度控制器(87)。

图7、图8是基于神经网络逆五自由度无轴承永磁同步电机控制系统的原理框图。

图9是采用DSP作为神经网络逆控制器的本发明控制装置组成示意图。其中DSP控制器92，五自由度无轴承永磁同步电机硬件系统93。

图10是以DSP为控制器的实现本发明的系统软件框图。

具体实施方式

本发明的实施方案是：首先基于一个三自由度交直流径向-轴向混合磁轴承、二自由度无轴承永磁同步电机构建一个五自由度无轴承永磁同步电机样机本体，然后由三个Clark逆变换、三个电流跟踪型逆变器、线性功率放大器、五自由度无轴承永磁同步电机及负载作为一个整体组成复合被控对象，该复合被控对象等效为静止坐标系下的11阶微分方程模型，系统向量的相对阶为{2，2，2，2，2，1}。采用17个输入节点、7个输出节点的静态神经网络(3层网络)加11个积分器s^-1构成具有6个输入节点、7个输出节点的复合被控对象的神经网络逆。并通过调整静态神经网络的各个权值使神经网络逆实现复合被控对象的逆系统功能。再将神经网络逆串接在复合被控对象之前，神经网络逆与复合被控对象合成为由五个二阶积分子系统(s^-2)即五个位置子系统和一个速度子系统，从而将一个复杂的多变量、非线性、强耦合的控制对象转化为五个二阶积分子系统和一个一阶积分子系统的控制。对于已经解耦的五个二阶积分子系统和一个一阶积分子系统，采用一种线性系统综合方法，如PID、极点配置、线性最优二次型调节器或鲁棒伺服调节器设计方法等，分别设计五个位置控制器和一个速度控制器，位置控制器和速度控制器共同组成线性闭环控制器。最终构成由神经网络逆、线性闭环控制器、三个Clark逆变换、电流跟踪逆变器和线性功率放大器共五个部分组成的神经网络逆系统方法控制器，来对五自由度无轴承永磁同步电机进行动态解耦控制。

具体的实施分以下8步：

1.构建五自由度无轴承永磁同步电机样机本体，如图1所示，由一个二自由度无轴承永磁同步电机(21)和一个三自由度交直流径向-轴向混合磁轴承(22)组成。右端的三自由度交直流径向-轴向混合磁轴承(22)机械结构：由径向辅助轴承(1)，固定在后端盖(4)中；轴向位移传感器探头(2)固定在后端盖(4)上，处于转轴(3)的中心上，检测转轴(3)的轴向位移；磁轴承的4个径向位移传感器探头(2)固定在传感器支架(11)上，传感器支架固定在紧靠磁轴承的侧面，远离二自由度无轴承永磁同步电机，对磁轴承的径向二自由度位移进行差动测量；磁轴承转子铁芯(5)同转轴(3)固定在一起，由硅钢片材料叠压而成；磁轴承的轴向定子(6)包围径向定子(9)和环形永磁体(8)，环形永磁体(8)安装在磁轴承径向定子(9)和磁轴承的轴向定子(6)之间；磁轴承径向三相控制线圈(10)分别绕在径向定子(9)的三个沿圆周均匀的三个磁极上，提供三相径向控制磁通；磁轴承的轴向控制线圈(7)在磁轴承轴向定子内侧，均匀分布的磁轴承径向定子(9)和永磁体(8)两侧。

二自由度无轴承永磁同步电机(21)在三自由度交直流径向-轴向混合磁轴承的左端，无轴承永磁同步电机转子(14)表面装有永磁材料钕铁硼做成极对数为2的永磁体，永磁体外面用钢筒固定，电机转子(14)装在转轴(3)上；无轴承永磁同步电机的定子(13)，套用标准永磁同步电机的定子，将定子槽中绕组分成2套，两套绕组的极对数为±1的关系；无轴承永磁同步电机的4个径向位移传感器(2)安装在靠近前端盖(18)的传感器支架(11)，采用差动测量径向二自由度的位移，传感器支架(11)固定在无轴承永磁同步电机(21)的左端；测量转速的4个霍尔传感器(14)也固定在传感器支架(11)上，接近电机转子，来测量电机的转速；前端盖上装有止推辅助轴承(19)作为无轴承永磁同步电机的辅助支承轴承。

三自由度交直流径向-轴向混合磁轴承(22)、二自由度无轴承永磁同步电机(21)、2个定位套筒(12)、2个传感器支架(11)全部装在缸筒内套17中，缸筒由内套17和外套16构成，用于支承三自由度径向-轴向混合磁轴承定子和二自由度无轴承永磁同步电机定子的缸筒双层结构，两层之间具有螺旋沟道，通水对五自由度无轴承永磁同步电机系统进行冷却。

2.形成复合被控对象(52)如图3所示。二自由度无轴承永磁同步电机(21)、三自由度交直流径向-轴向混合磁轴承(22)、三个电流跟踪逆变器(31、32、33)、线性功率放大器(34)及负载作为一个整体组成复合被控对象(52)，该复合被控对象以{i_rx，i_ry，i_z，i_s2α，i_s2β，i_m4α，i_m4β}七个电流信号作为输入，转子五个自由度上的位置和转速为输出。

3.通过分析、等效与推导，为神经网络逆的构造与学习训练提供方法上的根据。首先建立复合被控对象的数学模型，基于五自由度无轴承永磁同步电机工作原理，建立五自由度无轴承永磁同步电机数学模型，经过Clark变换和线性放大，得到复合被控对象的数学模型，即静止坐标系下11阶微分方程，其向量相对阶为{2，2，2，2，2，1}。经推导可以证明该11阶微分方程可逆，即逆系统存在，并可确定其逆系统的6个输入为五个位置坐标的二阶导数和一个速度的一阶导数，7个输出分别为复合被控系统的七个输入。从而可以构造出神经网络逆(62)，为学习训练提供了方法上的根据。

4.采用静态神经网络(61)加11个积分器构造神经网络逆(62)。其中静态神经网络采用3层MLN网络，输入节点数为17，隐含节点数为20，输出层节点数为7，隐层神经元激活函数使用S型函数 $f\left(x\right)=\frac{e^x-e^{-x}}{e^x+e^{-x}},$ 输出层的神经元采用纯线性函数f(x)＝x，x为神经元的输入，静态神经网络的权系数将在下一步的离线学习中确定。接着采用具有17个输入节点、7个输出节点的静态神经网络加11个积分器s^-1构成，其中：静态神经网络的第一个输入为神经网络逆的第一个输入，其经第一个积分器s^-1的输出为静态神经网络的第二个输入，再经第二个积分器为静态神经网络的第三个输入；静态神经网络的第四个输入为神经网络逆的第二个输入，其经第三个积分器s^-1的输出为静态神经网络的第五个输入，再经第四个积分器为静态神经网络的第六个输入；静态神经网络的第七个输入为神经网络逆的第三个输入，其经第五个积分器s^-1的输出为静态神经网络的第八个输入，再经第六个积分器为静态神经网络的第九个输入；静态神经网络的第十个输入为神经网络逆的第四个输入，其经第七个积分器s^-1的输出为静态神经网络的第十一个输入，再经第八个积分器为静态神经网络的第十二个输入；静态神经网络第十三个输入为神经网络逆的第五个输入，其经第九个积分器的输出为静态神经网络的第十四个输入，再经第十个积分器的输出为静态神经网络的第十五个输入；静态神经网络第十六个输入为神经网络逆的第六个输入，其经第十一个积分器的输出为静态神经网络的第十七个输入。静态神经网络与十一个积分器一道组成神经网络逆，静态神经网络的输出就是神经网络逆的输出。

调整静态神经网络的权系数：①将阶跃激励信号{i_rx，i_ry，i_z，i_s2α，i_s2β，i_m4α，i_m4β}加到复合被控对象的输入端；采集三自由度交直流径向-轴向混合磁轴承的转子位移x_r、y_r、z和二自由度无轴承永磁同步电机的转子位移x_l、y_l和转子的转速ω。②将五个转子位移x_r、y_r、z、x_l、y_l离线分别求其一阶和二阶导数，转速ω求其一阶导数，并对信号做规范化处理，组成神经网络的训练样本集

$\{{\stackrel{\·\·}{x}}_r,{\stackrel{\·}{x}}_r,x_r,{\stackrel{\·\·}{y}}_r,{\stackrel{\·}{y}}_r,y_r,\stackrel{\·\·}{z},\stackrel{\·}{z},z,{\stackrel{\·\·}{x}}_l,{\stackrel{\·}{x}}_l,x_l,{\stackrel{\·\·}{y}}_l,{\stackrel{\·}{y}}_l,y_l,\stackrel{\·}{\mathrm{\ω}},\mathrm{\ω},i_{\mathrm{rx}},i_{\mathrm{ry}},i_z,i_{s2\mathrm{\α}},i_{s2\mathrm{\β}},i_{m4\mathrm{\α}},i_{m4\mathrm{\β}}\}.$

③采用带动量项和变学习率的误差反传BP算法对静态神经网络进行训练，经过500次左右训练，神经网络输出均方误差小于0.001，满足要求，从而确定了静态神经网络的各个权系数。

5.形成五个位置子系统和一个速度子系统。由确定各个权系数的静态神经网络与11个积分器构成神经网络逆，神经网络逆与复合被控对象串连组成伪线性系统(71)，该伪线性系统由五个位置子系统和一个速度子系统组成，从而达到了转矩力和径向悬浮力之间、各个位置子系统之间的解耦，把复杂非线性系统控制转化为简单的6个单变量线性系统的控制。

6.设计线性闭环控制器。对五个位置子系统和一个速度子系统分别设计闭环控制器(81)。线性闭环控制器采用线性系统理论中的比例积分微分PID、极点配置、线性最优二次型调节器或鲁棒伺服调节器设计方法来设计。在本发明实施过程中，根据五自由度无轴承永磁同步电机参数来选择调节器参数，采用鲁棒伺服调节器设计方法对位置子系统进行综合，鲁棒伺服系统中 $T\left(s\right)=\frac{a_0+a_{1}s}{s},$ K＝k₀+k₁s，五个位置控制器参数选为a₀＝4050000，a₁＝810000，k₀＝6363，k₁＝1277.6；一个速度控制器采用比例积分PI控制器参数选为1300和6500。整个控制系统如图8所示。

7.构成神经网络逆控制器。将神经网络逆、线性闭环控制器、三个Clark逆变换、三个电流跟踪逆变器与一个线性功率放大器共同组成神经网络逆控制器(图7、图8)。根据不同的控制要求采用不同的硬件或软件来实现。

8.图9给出了本发明的具体实施示意图，其中神经网络逆、闭环控制器、坐标变换及Clark逆变换由数字信号处理器即DSP控制器通过软件来实现，系统程序框图如图10所示。

以上所述仅用于说明本发明，而不用于限制本发明。采用同样的设计和控制方法，适用于无轴承异步电机、无轴承磁阻电机、无轴承开关磁阻电机等。

Claims (7)

1.基于神经网络逆五自由度无轴承永磁同步电机控制系统，其包括复合被控对象(52)、神经网络逆(62)和线性闭环控制器(81)，其特征在于将二自由度无轴承永磁同步电机(21)和三自由度交直流径向-轴向混合磁轴承(22)构成的五自由度无轴承永磁同步电机样机本体、三个克拉克Clark逆变换(41、42、43)、三个电流跟踪型逆变器(31、32、33)、线性功率放大器(34)及负载作为一个整体组成复合被控对象(52)；进而采用静态神经网络(61)加积分器s^-1来构造复合被控对象的神经网络逆(62)；然后将神经网络逆(62)置于复合被控对象(52)之前，神经网络逆(62)与复合被控对象(52)组成伪线性系统(71)，伪线性系统(71)等效为6个解耦的积分线性子系统，分别为5个位置二阶积分型的伪线性子系统和一个速度一阶积分型的伪线性子系统，在此基础上，采用鲁棒伺服调节器设计方法对六个解耦的积分子系统分别设计五个转子位置控制器(82、83、84、85、86)、一个速度控制器(87)，并由五个转子位置控制器、一个速度控制器来构成线性闭环控制器(81)。

2、根据权利要求1所述的基于神经网络逆五自由度无轴承永磁同步电机控制系统，其特征在于五自由度无轴承永磁同步电机样机本体是由装在缸筒中的二自由度无轴承永磁同步电机(21)和三自由度交直流径向-轴向混合磁轴承(22)构成；

右端的三自由度交直流径向-轴向混合磁轴承(22)由径向辅助轴承(1)，固定在后端盖(4)中；轴向位移传感器探头(2)固定在后端盖(4)上，处于转轴(3)的中心上；磁轴承的4个径向位移传感器探头(2)固定在传感器支架(11)上，传感器支架(11)固定在紧靠磁轴承的侧面；磁轴承转子铁芯(5)同转轴(3)固定在一起，由硅钢片材料叠压而成；磁轴承的轴向定子(6)包围径向定子(9)和环形永磁体(8)，环形永磁体(8)安装在磁轴承径向定子(9)和磁轴承的轴向定子(6)之间；磁轴承径向三相控制线圈(10)分别绕在径向定子(9)的三个沿圆周均匀的三个磁极上，提供三相径向控制磁通；磁轴承的轴向控制线圈(7)在磁轴承轴向定子(6)内侧，两个串联线圈均匀分布在磁轴承径向定子(9)和永磁体(8)两侧；

左端的二自由度无轴承永磁同步电机(21)，无轴承永磁同步电机转子(14)表面装有永磁材料钕铁硼做成极对数为2的永磁体，永磁体外面用钢筒固定，电机转子(14)装在转轴(3)上；无轴承永磁同步电机的定子(13)，套用标准永磁同步电机的定子，将定子槽中绕组分成2套，两套绕组的极对数为±1的关系；无轴承永磁同步电机的4个径向位移传感器探头(2)安装在靠近前端盖(18)的传感器支架(11)，采用差动测量径向二自由度的位移，传感器支架(11)固定在无轴承永磁同步电机(21)的左端；设有测量转速的4个霍尔传感器(15)；前端盖中装有止推辅助轴承(19)作为无轴承永磁同步电机的辅助支承轴承。

3、根据权利要求2所述的基于神经网络逆五自由度无轴承永磁同步电机控制系统，其特征在于测量电机转速的4个霍尔传感器(15)固定在传感器支架(11)上，接近电机转子，也可以采用光电编码盘安装在转轴的一端，来直接测量无轴承永磁同步电机的转速。

4、根据权利要求2所述的基于神经网络逆五自由度无轴承永磁同步电机控制系统，其特征在于缸筒由内套(17)和外套(16)构成，两层之间具有对电机系统通水冷却的螺旋沟道。

5.基于权利要求1所述的神经网络逆五自由度无轴承永磁同步电机控制系统的控制方法，其特征在于线性闭环控制器(81)、神经网络逆(62)和复合被控对象(52)依次串联在一起，实现五自由度无轴承永磁同步电机解耦控制，并通过调整静神经网络(61)的权系数使神经网络逆(62)实现复合被控对象(52)的逆系统功能。

6.权利要求5所述的基于神经网络逆五自由度无轴承永磁同步电机控制系统的控制方法，其特征在于所述静态神经网络(61)的各个权系数确定方法：将阶跃激励信号{i_rx，i_ry，i_z，i_s2α，i_s2β，i_m4α，i_m4β}加到复合被控对象(52)的输入端；采集三自由度交直流径向-轴向混合磁轴承的转子位移x_r、y_r、z和二自由度无轴承永磁同步电机的转子位移x_l、y_l和转子的转速ω，将五个转子位移x_r、y_r、z、x_l、y_l离线分别求其二阶导数，转速ω求其一阶导数，并对信号做规范化处理，组成神经网络的训练样本集

$\{{\stackrel{\·\·}{x}}_r,{\stackrel{\·}{x}}_r,x_r,{\stackrel{\·\·}{y}}_r,{\stackrel{\·}{y}}_r,y_r,\stackrel{\·\·}{z},\stackrel{\·}{z},z,{\stackrel{\·\·}{x}}_l,{\stackrel{\·}{x}}_l,x_l,{\stackrel{\·\·}{y}}_l,{\stackrel{\·}{y}}_l,y_l,\stackrel{\·}{\mathrm{\ω}},\mathrm{\ω},i_{\mathrm{rx}},i_{\mathrm{ry}},i_z,i_{s2\mathrm{\α}},i_{s2\mathrm{\β}},i_{m4\mathrm{\α}},i_{m4\mathrm{\β}}\},$

对静态神经网络(61)进行训练，从而确定静态神经网络(61)的各个权系数。

7.权利要求5所述的基于神经网络逆五自由度无轴承永磁同步电机控制系统的控制方法，其特征在于神经网络逆(62)的构造方法为用具有17个输入节点、7个输出节点的静态神经网络(61)加11个积分器s^-1构成具有6个输入节点、7个输出节点的神经网络逆(62)，其中：静态神经网络的第一个输入为神经网络逆的第一个输入，其经第一个积分器s^-1的输出为静态神经网络的第二个输入，再经第二个积分器为静态神经网络的第三个输入；静态神经网络的第四个输入为神经网络逆的第二个输入，其经第三个积分器s^-1的输出为静态神经网络的第五个输入，再经第四个积分器为静态神经网络的第六个输入；静态神经网络的第七个输入为神经网络逆的第三个输入，其经第五个积分器s^-1的输出为静态神经网络的第八个输入，再经第六个积分器为静态神经网络的第九个输入；静态神经网络的第十个输入为神经网络逆的第四个输入，其经第七个积分器s^-1的输出为静态神经网络的第十一个输入，再经第八个积分器为静态神经网络的第十二个输入；静态神经网络第十三个输入为神经网络逆的第五个输入，其经第九个积分器的输出为静态神经网络的第十四个输入，再经第十个积分器的输出为静态神经网络的第十五个输入；静态神经网络第十六个输入为神经网络逆的第六个输入，其经第十一个积分器的输出为静态神经网络的第十七个输入；静态神经网络与十一个积分器一起组成神经网络逆，静态神经网络的输出就是神经网络逆的输出。

Images