CN103076740A

CN103076740A - 交流磁悬浮电主轴控制器的构造方法

Info

Publication number: CN103076740A
Application number: CN2012105504833A
Authority: CN
Inventors: 张维煜; 朱熀秋
Original assignee: Jiangsu University
Current assignee: Jiangsu University
Priority date: 2012-12-18
Filing date: 2012-12-18
Publication date: 2013-05-01
Anticipated expiration: 2032-12-18
Also published as: CN103076740B

Abstract

本发明公开一种交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆控制器的构造方法，将复合被控对象的期望输出的二阶导数作为基于粗集理论方法的模糊神经网络逆系统的输入，确定基于粗集理论方法的模糊神经网络逆系统的基本结构，选取静态实验数据，离线训练基于粗集理论方法的模糊神经网络实现复合被控对象模型的逆，构造基于粗集理论方法的模糊神经网络逆系统；通过采用基于粗集理论方法的模糊神经网络逆方法构造出复合被控对象的逆系统，将交流磁悬浮电主轴系统这一非线性、强耦合的多输入多输出系统解耦成伪线性系统，能够实现交流磁悬浮电主轴5个自由度位移变量之间的独立控制，可获得良好的控制性能以及抗负载扰动能力。

Description

交流磁悬浮电主轴控制器的构造方法

技术领域

本发明属于电力传动控制设备及机械润滑密封技术领域，具体是一种磁悬浮电主轴解耦控制器的构造方法。

背景技术

超精密加工已经成为关键技术之一，实现超精密加工的首要条件是超精密数控机床，影响超精密机床精度的核心因素是主轴的回转精度，而主轴要达到极高的回转精度、转动平稳及无振动，关键在于所用的精密主轴的结构与主轴的控制器设计。

交流磁悬浮电主轴系统是一个融合多学科领域的多变量、多耦合的复杂非线性系统，为实现交流磁悬浮电主轴的高性能运行，必须对其进行解耦控制。通常的解耦控制方法有近似线性化解耦控制、微分几何状态反馈控制、逆系统解耦控制、神经网络逆解耦控制、模糊神经网络逆解耦控制方法及各种方法的综合应用等。其中，近似线性化解耦控制方法只能实现系统静态解耦，不能实现系统的动态解耦。微分几何方法虽然可以实现系统的动态解耦，但需变换到几何领域中，且数学工具相当复杂和抽象。逆系统解耦控制方法是一种线性化解耦控制，具有物理概念清晰直观，数学分析简单明了等优点，但它依赖于精确的数学模型。神经网络逆系统解耦控制方法不依赖于精确的数学模型和参数，具有对模型参数变化及负载扰动鲁棒性强等优点。但神经网络存在局部极小点、过学习及结构和类型的选择过分依赖经验等缺陷，同时电主轴在实际运行中存在负载突变、磁饱和、漏磁、温升、转子偏心度等参量对数学模型参数摄动与铁损等未建模动态，这些不确定因素将引起模型失配，使系统偏离预期控制目标。模糊神经网络逆系统解耦控制方法采用模糊数学中的计算方法，使一些处理单元的计算变得较为方便，使信息处理的速度加快，由于采用了模糊化的运行机制，使得系统的容错能力得到加强，且扩大了系统处理信息的范围，使系统可同时处理确定性信息和非确定性信息。但缺点是初始模糊规则是在对每一维输入变量进行模糊划分的基础上随机组合产生的，没有充分利用样本数据的特征。另外，这样系统的规则数随输入的维数呈指数增长，属于组合爆炸问题。并且在输入数据的维数过大的情况下，模糊神经网络的结构会相当庞大，严重影响计算速度和结果，其隐层数、隐层节点数和初始权值难以确定，具有结构复杂、训练速度慢、泛化能力弱等缺点。

粗集理论的主要思想是在保持信息系统分类能力不变的前提下，删除原始信息系统中冗余的知识，通过知识约简，推导出概念的分类规则，从而获得规则知识，这是一种研究不精确性和不确定性知识的理论。粗集理论能够在缺少数据先验知识的情况下，以对观测数据的分类能力为基础，解决模糊或不确定性数据的处理，算法简单，易于操作。模糊神经网络是对大脑生物神经网络的模拟，是一种具有很多处理功能的神经元节点按一定的结构连接起来的网络模型，同样的适用于处理模糊的、不确定的数据和复杂的非线性映射问题。利用粗集理论对模糊神经网络逆模型的输入进行预处理，通过约简去除冗余信息，挖掘出影响分类的几个关键属性和决策规则来构建神经网络，可以精简网络规模、提高网络训练速度、增强网络泛化能力。所以，将粗集与模糊神经网络理论引入逆模型求解研究中，提出一种基于粗集理论方法的模糊神经网络逆控制器构造方法，结合二者的优点来进行交流磁悬浮电主轴逆模型建立，解决其解耦问题是很好的选择。

发明内容

本发明的目的是为克服现有交流磁悬浮电主轴系统的常用的几种解耦控制方法的不足而提供一种交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆控制器构造方法，既可以实现五自由度交流磁悬浮电主轴系统各自由度的位移变量之间的解耦控制，又可以使得系统获得良好的动、静态性能。

本发明为实现上述目的采用的技术方案是：交流磁悬浮电主轴由二自由度交流混合磁轴承、三自由度交直流混合磁轴承和高速电机构成，具有如下步骤：

1）将两个扩展的电流跟踪逆变器与双极性开关功率放大器分别串接交流磁悬浮电主轴共同组成复合被控对象；

2）将复合被控对象的期望输出的二阶导数作为基于粗集理论方法的模糊神经网络逆系统的输入，确定基于粗集理论方法的模糊神经网络逆系统的基本结构，选取静态实验数据，离线训练基于粗集理论方法的模糊神经网络实现复合被控对象模型的逆，构造基于粗集理论方法的模糊神经网络逆系统；

3）在复合被控对象之前串接所构造的基于粗集理论方法的模糊神经网络逆系统，形成相当于五个二阶线性积分子系统的伪线性系统；

4）对线性化和解耦后的五个二阶线性积分子系统分别设计相应的四个径向位置控制器和一个轴向位置控制器，将由这五个位置控制器组成的线性闭环控制器22串接在基于粗集理论方法的模糊神经网络逆系统前，并与复合被控对象共同构成交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆系统解耦控制器；

步骤2）中所述离线训练基于粗集理论方法的模糊神经网络实现复合被控对象模型的逆的具体步骤如下：

A、数据采集，以实际工作范围内的随机信号为输入，实时测量交流磁悬浮电主轴的输出，求取相应的导数对信号做规范化处理，组成样本数据；

B、构造决策表，决策表的条件属性定义为反映交流磁悬浮电主轴系统五自由度位移、位移一阶导数及二阶导数变化情况的统计量，决策表的决策属性定义为反映交流磁悬浮电主轴系统磁轴承线圈控制电流参考值情况的统计量；

C、对采集的数据进行预处理，包括填充空缺值、数据的标准化处理以及数据的离散化处理；

D、对决策表的决策属性约简，将约简后属性集中的属性值作为输入，将样本对应的决策属性作为输出，对模糊神经网络进行训练。

本发明与现有技术相比的有益效果在于：

1、通过采用基于粗集理论方法的模糊神经网络逆方法构造出复合被控对象的逆系统，将交流磁悬浮电主轴系统这一非线性、强耦合的多输入多输出系统解耦成伪线性系统，即线性化和解耦成为5个相互独立的单输入单输出线性积分子系统，从而使复杂的非线性耦合控制变为简单的线性控制。在此基础上采用线性系统理论，对伪线性系统设计控制器，能够实现交流磁悬浮电主轴5个自由度位移变量之间的独立控制，即实现交流磁悬浮电主轴系统的解耦控制，对交流磁悬浮电主轴的运行进行有效的解耦控制，可获得良好的控制性能以及抗负载扰动能力。

2、线性积分子系统设计的位置控制器采用分数阶PID控制器，是因为分数阶PID控制器比整数阶PID 控制器多了2个调节自由度λ和μ，使得分数阶控制器对对象参数变化不敏感，对非线性有很强的抑制能力，因此当交流磁悬浮电主轴模型参数发生变化时，能够更好地保证系统稳定性。而且分数阶PID控制器比传统控制器的设计更加灵活，而微分和积分阶次的改变，比改变比例、积分和微分的系数更加容易改变系统的频域响应特性，因此可以更好地设计鲁棒控制系统。

3、针对模糊神经网络逆理论的“瓶颈”—对于输入网络的数据中存在的冗余难以约简，在输入数据的维数过大的情况下，模糊神经网络的结构会相当庞大，严重影响计算速度和结果问题。本发明引入了粗集理论，将二者结合起来应用于交流磁悬浮电主轴控制器设计，粗集可用来指导模糊神经网络的结构设计、结构优化及参数的初始化，从而简化及优化网络结构，加快训练速度，使控制系统更简单，更易于控制，主轴系统的动态性能得到改善，能有效提高控制系统的性能。

4、本发明提供的一种交流磁悬浮电主轴，由两个交流混合磁轴承（三自由度混合磁轴承，二自由度混合磁轴承）共同支承，因此主轴回转精度能够突破传统轴承支承的主轴回转精度的极限，且可以保证主轴的承载力要求。并且采用混合磁轴承的结构，大大减少了电磁铁的安匝数，降低了功率放大器的功耗，减少了主轴系统的成本。

附图说明

以下结合附图和具体实施方式对本发明作进一步详细说明：

图1 是交流磁悬浮电主轴18结构示意图；

图2 是复合被控对象19的结构示意图；

图3是伪线性系统21的结构示意图；

图4是交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆系统解耦控制器23的总体框图；

图中：1.径向-轴向辅助轴承；21、22. 径向位移传感器；3. 轴向位移传感器；41、42. 径向位移传感器支架；5. 二自由度交流混合磁轴承；6. 限位套筒；7. 高速电机；8. 三自由度交直流混合磁轴承； 9. 套筒；10. 径向辅助轴承；11. 转轴；12. 前端盖；13. 后端盖；14. 刀具接口；15. 第一扩展的电流跟踪逆变器；151. 2/3变换；152.电流跟踪逆变器；16. 第二扩展的电流跟踪逆变器；161. 2/3变换；162.电流跟踪逆变器；17. 双极性开关功率放大器；18. 交流磁悬浮电主轴；19. 复合被控对象；20. 基于粗集理论方法的模糊神经网络逆系统；201. 数据采集；202.构造决策表；203. 数据预处理；204. 决策表属性约；205. 模糊神经网络训练；2051. 模糊神经网络第一层；2052. 模糊神经网络第二层；2053. 模糊神经网络第三层；2054. 模糊神经网络第四层；2055. 模糊神经网络第五层；21. 伪线性系统；22. 线性闭环控制器；221、222、223、224、225.分数阶PID控制器；23.交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆系统解耦控制器。

具体实施方式

如图1，交流磁悬浮电主轴18由二自由度交流混合磁轴承5、三自由度交直流混合磁轴承8和高速电机7构成，2个交流混合磁轴承（二自由度交流混合磁轴承5和三自由度交直流混合磁轴承8）和高速电机7均装在套筒9中，套筒9的内径设有螺纹状的冷却液通道；2个交流混合磁轴承（二自由度交流混合磁轴承5和三自由度交直流混合磁轴承8和高速电机7共用一个转轴11，转轴11两端分别由径向-轴向辅助轴承1和径向辅助轴承10支承。径向-轴向辅助轴承1采用双列角接触球轴承，固定在前端盖12上；径向辅助轴承10采用深沟球轴承，固定在后端盖13上。径向位移传感器21固定在二自由度交流混合磁轴承5左侧的径向传感器支架41上，径向位移传感器22固定在三自由度交直流混合磁轴承8右侧的径向传感器支架42上，测量转子径向位移。轴向位移传感器3固定在后端盖13上，并处于转轴11的轴心线上，测量转子轴向位移。刀具接口14位于前端盖12的前端，用于安装刀具。

如图2所示，第一2/3变换151和第一电流跟踪逆变器152依次连接构成的第一扩展的电流跟踪逆变器15作为复合被控对象19的一个组成部分、将第二2/3变换161和第二电流跟踪逆变器162依次连接构成的第二扩展的电流跟踪逆变器16作为复合被控对象19的一个组成部分，将第一、第二扩展的电流跟踪逆变器15、16、双极性开关功率放大器17分别串接交流磁悬浮电主轴18共同组成复合被控对象19。建立复合被控对象19的数学模型的方法：从二自由度交流混合磁轴承5和三自由度交直流混合磁轴承8的工作原理出发，初步建立五自由度交流磁悬浮电主轴18的悬浮力数学模型。然后分析悬浮力基本特征，采用样机的动、静态试验和Ansoft有限元分析，研究基本模型随磁饱和、转子偏心位移、电流、转速及温升的变化关系，获取修正模型的约束条件和数据样本。根据机理建模、实验数据和仿真分析（Matlab分析和 Ansoft有限元计算），建立样本数据库，获取相关工作状态下悬浮力相对精确的数学模型。最后对悬浮转子进行力学分析，在建立运动微分方程和转矩平衡方程的基础上，建立交流磁悬浮电主轴18系统的状态方程，再经过坐标变换和线性放大，得到复合被控对象19的数学模型。

如图2、3所示，构造基于粗集理论方法的模糊神经网络逆系统20。

（1）可逆性分析。由于复合被控对象19的数学模型是以微分方程的形式给出的，在进行系统可逆性分析前，首先将复合被控对象19的数学模型用状态方程的形式表示。即以五自由度径向位移（二自由度交流混合磁轴承5径向位移分别为x _a 、y _a，三自由度交直流混合磁轴承8位移分别为x _b，y _b和z）作为输出变量。以二自由度交流磁轴承线圈控制电流分量参考值 (i _ax ^*，i _ay ^*)和三自由度交直流混合磁轴承8线圈控制电流分量参考值（i _bx ^*，i _by ^*和i _z ^*）作为输入变量，即。以

作为复合被控对象19的状态变量。然后计算其相对向量阶，计算结果为：

，可以得出

，又复合被控对象19的状态方程为10阶，即

，满足可逆条件，所以判断复合被控对象19可逆。

（2）基于粗集理论方法的模糊神经网络逆系统20结构搭建。将复合被控对象19的期望输出的二阶导数

作为交流磁悬浮电主轴18基于粗集理论方法的模糊神经网络逆系统20的输入，则交流磁悬浮电主轴18基于粗集理论方法的模糊神经网络逆系统20的输出正是用来控制复合被控对象19产生的期望输出的控制量。根据复合被控对象19可逆性分析，其相对阶是完备的，确定交流磁悬浮电主轴18基于粗集理论方法的模糊神经网络逆系统20的基本结构（积分器个数及基于粗集理论方法的模糊神经网络输入和输出点的个数），选取静态实验数据（样本），离线训练基于粗集理论方法的模糊神经网络实现被控对象（即复合被控对象19）模型的逆。

离线训练基于粗集理论方法的模糊神经网络实现被控对象（复合被控对象19）模型的逆的基本思路：针对模糊神经网络运算过程中，当模糊规则较多时，网络学习速度慢，方法实时性差的缺点，本发明采用粗糙集理论对该模型进行优化，该方法利用粗集数据分析方法，通过知识约简从数据中推理逻辑规则，并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上：在这个子空间上用改进的BP 算法训练进行逼近。通过粗集数据挖掘后提取的规则，不仅规则数目减少，且规则是不完全规则，可以减少网络输入维数和各层神经元的个数，提高网络运算速度，满足系统实时性要求。

离线训练基于粗集理论方法的模糊神经网络实现被控对象（复合被控对象19）模型的逆的具体步骤如下：

步骤1: 数据采集201。

以实际工作范围内的随机信号为输入，实时测量交流磁悬浮电主轴18的输出，采用高精度5点数值算法求取相应的导数

,

,

,

,

,

,,

,

。对信号做规范化处理，组成基于粗集理论的模糊神经网络的样本数据为{,

,,

,

,

,

,,

,

,

,,

,

,

}

步骤2: 构造决策表202。

决策表的条件属性定义为反映交流磁悬浮电主轴18系统五自由度位移、位移一阶导数及二阶导数变化情况的统计量。而决策表的决策属性定义为反映交流磁悬浮电主轴18系统磁轴承线圈控制电流参考值情况的统计量。

步骤3: 数据预处理203。

为了使采集得到的数据适合粗糙集数据挖掘, 需要对原始数据进行预处理。主要包括三个方面: 填充空缺值, 数据的标准化处理以及数据的离散化处理。

步骤4: 决策表属性约简204。

采用了粗糙集数据处理软件Rosetta对属性进行约简, 选择Johnson’s 算法对采集的交流磁悬浮电主轴18系统属性数据进行挖掘。

步骤5: 模糊神经网络训练205。

将约简后属性集中的属性值作为输入, 将样本对应的决策属性作为输出, 对模糊神经网络进行训练。本发明选用的模糊神经网络是5层前馈网络，模糊神经网络第一层2051为输入层、模糊神经网络第二层2052为隶属函数层，它的作用是计算各输入分量属于各语言变量值模糊集合的隶属度函数，所有隶属度函数均采用Gauss函数；模糊神经网络第三层2053神经元的作用是来匹配经粗糙集约简后的规则的前件，计算出每一个规则的适用度，该层节点数为最简规则表中规则的条数；模糊神经网络第四层2054神经元的作用是用来匹配经粗糙集约简后规则的后件，此层代表规则的决策部分。模糊神经网络第五层2055为去模糊层，所实现的是清晰化运算。学习算法采用改进的BP算法，需学习的参数为模糊神经网络第五层2055的连接权及模糊神经网络第二层2052的模糊隶属函数的均值和方差。构造好网络后，对网络进行训练，训练误差精度设为10^-3。

（3）伪线性系统构造。在复合被控对象19之前串接所构造的基于粗集理论方法的模糊神经网络逆系统20，形成伪线性系统21。该伪线性系统21相当于5个二阶线性积分子系统，则系统被线性化和解耦成为5个相互独立的线性积分子系统。

如图4，构造线性闭环控制器22。采用线性系统理论对线性化和解耦后的线性积分子系统分别设计相应的四个径向位置控制器221、222、224、225和一个轴向位置控制器223。（如图4左图点划线框内所示），这五个位置控制器组成线性闭环控制器22。从系统的稳定性、响应速度、超调量和稳定精度等方面考虑设计位置控制器221、222、223、224和225为分数阶PID控制器。

分数阶PID控制器221、222、223、224和225设计与实现：分数阶PID控制器221、222、223、224和225的一般格式简记为PI^λD^μ。由于引入了微分λ、积分阶次μ, 整个控制器多了两个可调参数, 所以控制器参数的整定范围变大, 控制器能够更灵活地控制受控对象, 可以期望得出更好的控制效果。古典的整数阶PID控制器是分数阶PID控制器在λ = 1和μ = 1 时的特殊情况。当λ= 1, μ = 0时, 就是PI控制器; 当λ= 0, μ= 1时,就是PD控制器。可见, 所有这些类型的PID控制器都是分数阶PID控制器的某一个特殊情况。分数阶PID 控制器多了两个可调的参数λ和μ。通过合理地选择参数, 分数阶PID控制器可以提高系统的控制效果。分数阶控制器是古典整数阶控制器的一般化，分数阶PID控制器对于用分数阶数学模型描述的动态系统, 可以取到很好的控制效果。

另外, 由于控制器的积分阶次和微分阶次对控制性能的好坏起关键作用, 为了寻求分数阶控制器的最优效果,选取积分性能指标ITAE（ITAE指标是一种性能指标时间乘以误差绝对值积分的性能指标，是一种具有很好工程实用性和选择性的控制系统性能评价指标）作为目标函数, 对λ和μ在一定范围内进行最优化搜索, 选用优化后的λ和μ的值来作为控制器参数, 这样通过自适应的方法选择可调参数λ和μ的值, 使得控制过程更加精确。

分数阶PID控制器中的分数阶微分和积分，采用Oustaloup 算法，在频率段内离散成近似模型的阶数, 然后按照离散的模型方程，完成分数阶PID 控制器的数字实现。

如图4所示，形成交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆系统解耦控制器23。将线性闭环控制器22，基于粗集理论方法的模糊神经网络逆系统20，第一、第二扩展的电流跟踪逆变器15、16及双极性开关功率放大器17共同形成交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆系统解耦控制器23（如图4中大虚框所示），实现对交流磁悬浮电主轴18位置的独立解耦控制。交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆系统解耦控制器23中的第一扩展的电流跟踪逆变器15以基于粗集理论方法的模糊神经网络逆系统20输出的二自由度交流混合磁轴承5的控制电流分量参考值i _ax ^*和i _ay ^*为其输入，第二扩展的电流跟踪逆变器16以基于粗集理论方法的模糊神经网络逆系统20输出的三自由度交直流混合磁轴承8的径向控制电流分量参考值i _bx ^*和i _by ^*为其输入。复合被控对象19以基于粗集理论方法的模糊神经网络逆系统20输出的二自由度交流混合磁轴承5的控制电流分量参考值i _ax ^*和i _ay ^*、三自由度交直流混合磁轴承8的径向控制电流分量参考值i _bx ^*和i _by ^*、轴向控制电流的参考值i _z ^*，5个电流信号为其输入；并以二自由度交流混合磁轴承5两个径向位移x _b、y _b，三自由度交直流混合磁轴承8两个径向位移x _a、y _a和一个轴向位移z为其输出。其中，径向位置控制器221的输入信号为二自由度交流混合磁轴承5给定径向位移量x _a ^*与实际输出径向位移量x _a的差值e _ax，输出径向位移控制量

至基于粗集理论方法的模糊神经网络逆系统20，径向位置控制器224的输入信号为三自由度交直流混合磁轴承8给定径向位移量x _b ^*与实际输出径向位移量x _b的差值e _bx，输出径向位移控制量

至基于粗集理论方法的模糊神经网络逆系统20，径向位置控制器222的输入信号为二自由度交流混合磁轴承5给定径向位移量y _a ^*与实际输出径向位移量y _a的差值e _ay，输出径向位移控制量

至基于粗集理论方法的模糊神经网络逆系统20，径向位置控制器225的输入信号为三自由度交直流混合磁轴承8给定径向位移量y _b ^*与实际输出径向位移量y _b的差值e _by，输出径向位移控制量

至基于粗集理论方法的模糊神经网络逆系统20，轴向位置控制器223的输入信号为三自由度交直流混合磁轴承8给定轴向位移量z ^*与实际输出径向位移量z的差值e _bz，输出轴向位移控制量

至基于粗集理论方法的模糊神经网络逆系统20。

以上所述，便可以实现本发明。对本领域的技术人员在不背离本发明的精神和保护范围的情况下做出的其它的变化和修改，仍包括在本发明保护范围之内。

Claims

1.一种交流磁悬浮电主轴控制器的构造方法，交流磁悬浮电主轴（18）由二自由度交流混合磁轴承（5）、三自由度交直流混合磁轴承（8）和高速电机（7）构成，其特征是具有如下步骤：

1）将两个扩展的电流跟踪逆变器（15）与双极性开关功率放大器（17）分别串接交流磁悬浮电主轴（18）共同组成复合被控对象（19）；

2）将复合被控对象（19）的期望输出的二阶导数作为基于粗集理论方法的模糊神经网络逆系统（20）的输入，确定基于粗集理论方法的模糊神经网络逆系统（20）的基本结构，选取静态实验数据，离线训练基于粗集理论方法的模糊神经网络实现复合被控对象（19）模型的逆，构造基于粗集理论方法的模糊神经网络逆系统（20）；

3）在复合被控对象（19）之前串接所构造的基于粗集理论方法的模糊神经网络逆系统（20），形成相当于五个二阶线性积分子系统的伪线性系统（21）；

4）对线性化和解耦后的五个二阶线性积分子系统分别设计相应的四个径向位置控制器和一个轴向位置控制器，将由这五个位置控制器组成的线性闭环控制器22串接在基于粗集理论方法的模糊神经网络逆系统（20）前，并与复合被控对象（19）共同构成交流磁悬浮电主轴基于粗集理论方法的模糊神经网络逆系统解耦控制器（23）；

步骤2）中所述离线训练基于粗集理论方法的模糊神经网络实现复合被控对象（19）模型的逆的具体步骤如下：

A、以实际工作范围内的随机信号为输入，实时测量交流磁悬浮电主轴（18）的输出，求取相应的导数对信号做规范化处理，组成样本数据；

B、构造决策表，决策表的条件属性定义为反映交流磁悬浮电主轴（18）五自由度位移、位移一阶导数及二阶导数变化情况的统计量，决策表的决策属性定义为反映交流磁悬浮电主轴（18）磁轴承线圈控制电流参考值情况的统计量；

2.根据权利要求1所述的交流磁悬浮电主轴控制器的构造方法，其特征是：所述模糊神经网络是5层前馈网络，第一层为输入层、第二层为隶属函数层，第三层神经元是匹配经约简后规则的前件，第四层神经元是匹配经约简后规则的后件，第五层为去模糊层。

3.根据权利要求1所述的交流磁悬浮电主轴控制器的构造方法，其特征是：步骤1）中由第一2/3变换（151）和第一电流跟踪逆变器（152）依次连接构成第一扩展的电流跟踪逆变器（15），由第二2/3变换（161）和第二电流跟踪逆变器（162）依次连接构成第二扩展的电流跟踪逆变器（16）。

4.根据权利要求3所述的交流磁悬浮电主轴控制器的构造方法，其特征是：第一扩展的电流跟踪逆变器（15）以基于粗集理论方法的模糊神经网络逆系统（20）输出的二自由度交流混合磁轴承（5）的控制电流分量参考值i _ax ^*和i _ay ^*为其输入，第二扩展的电流跟踪逆变器（16）以基于粗集理论方法的模糊神经网络逆系统20输出的三自由度交直流混合磁轴承8的径向控制电流分量参考值i _bx ^*和i _by ^*为其输入，复合被控对象（19）以基于粗集理论方法的模糊神经网络逆系统（20）输出的二自由度交流混合磁轴承5的控制电流分量参考值i _ax ^*和i _ay ^*、三自由度交直流混合磁轴承（8）的径向控制电流分量参考值i _bx ^*和i _by ^*、轴向控制电流的参考值i _z ^*这5个电流信号为其输入，并以二自由度交流混合磁轴承（5）两个径向位移x _b、y _b、三自由度交直流混合磁轴承8两个径向位移x _a、y _a和一个轴向位移z为其输出。

5.根据权利要求1所述的交流磁悬浮电主轴控制器的构造方法，其特征是：步骤4）中的五个位置控制器为分数阶PID控制器；第一个径向位置控制器（221）的输入信号为二自由度交流混合磁轴承（5）给定径向位移量x _a ^*与实际输出径向位移量x _a的差值e _ax，输出径向位移控制量

至基于粗集理论方法的模糊神经网络逆系统（20），第三径向位置控制器（224）的输入信号为三自由度交直流混合磁轴承（8）给定径向位移量x _b ^*与实际输出径向位移量x _b的差值e _bx，输出径向位移控制量

至基于粗集理论方法的模糊神经网络逆系统（20）；第二个径向位置控制器（222）的输入信号为二自由度交流混合磁轴承（5）给定径向位移量y _a ^*与实际输出径向位移量y _a的差值e _ay，输出径向位移控制量

至基于粗集理论方法的模糊神经网络逆系统（20），第四个径向位置控制器（225）的输入信号为三自由度交直流混合磁轴承（8）给定径向位移量y _b ^*与实际输出径向位移量y _b的差值e _by，输出径向位移控制量至基于粗集理论方法的模糊神经网络逆系统（20），一个轴向位置控制器（223）的输入信号为三自由度交直流混合磁轴承（8）给定轴向位移量z ^*与实际输出轴向位移量z的差值e _bz，输出轴向位移控制量至基于粗集理论方法的模糊神经网络逆系统（20）。