CN103425052A - 一种径向主动磁轴承控制器及构造方法 - Google Patents

一种径向主动磁轴承控制器及构造方法 Download PDF

Info

Publication number
CN103425052A
CN103425052A CN2013103682262A CN201310368226A CN103425052A CN 103425052 A CN103425052 A CN 103425052A CN 2013103682262 A CN2013103682262 A CN 2013103682262A CN 201310368226 A CN201310368226 A CN 201310368226A CN 103425052 A CN103425052 A CN 103425052A
Authority
CN
China
Prior art keywords
active magnetic
fault
inversion model
input
radially
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013103682262A
Other languages
English (en)
Other versions
CN103425052B (zh
Inventor
孙晓东
陈龙
江浩斌
杨泽斌
李可
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Lingxiang Maglev Technology Co Ltd
Original Assignee
Jiangsu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201310368226.2A priority Critical patent/CN103425052B/zh
Publication of CN103425052A publication Critical patent/CN103425052A/zh
Application granted granted Critical
Publication of CN103425052B publication Critical patent/CN103425052B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Magnetic Bearings And Hydrostatic Bearings (AREA)

Abstract

本发明公开了一种径向主动磁轴承控制器及构造方法。控制器包括神经网络逆容错解耦控制器、功率放大器以及径向主动磁轴承系统。采用神经网络加积分器分别构造径向主动磁轴承系统的正常逆模型和故障逆模型,并组成逆模型库;在正常以及带故障运行状态下,由电流故障检测切换模块选择相应的逆模型及电流变换器,与功率放大器一起串联于径向主动磁轴承系统之前,获得一个不变的伪线性系统,实现径向主动磁轴承系统的解耦控制;当径向主动磁轴承系统某相线圈发生故障时,只需要调整相应电流的相序,而不需要再次调整两个附加控制器的参数,实现径向主动磁轴承系统的容错解耦控制。本发明的容错控制电流幅值不会增加,降低了系统电路成本。

Description

一种径向主动磁轴承控制器及构造方法
技术领域
本发明涉及一种径向主动磁轴承控制器及构造方法,适用于径向主动磁轴承系统的容错解耦控制,属于磁悬浮传动/驱动控制设备的技术领域。
背景技术
主动磁轴承利用磁悬浮力将转子悬浮于定子之间,从而实现定转子之间没有任何机械接触的新型高性能轴承,具有无摩擦磨损、振动小、低能耗、无污染等突出优点,可以显著提高机构的寿命与可靠性。近年来,主动磁轴承在高速飞轮储能、精密数控机床、机器人、无轴承电机、航空航天、真空技术、机械工业等高科技领域具有广阔的潜在应用前景。然而这些特殊领域对于径向主动磁轴承系统连续稳定悬浮运行具有较高要求,因此径向主动磁轴承的带故障运行能力,对于保证整个机构系统的安全性和可靠性具有十分重要的意义。另外,径向主动磁轴承两通道之间存在磁路非线性耦合,其耦合程度随着转子径向偏移量的增加而增大,因此要实现径向主动磁轴承系统的高性能控制,必须对其径向2自由度进行解耦控制。因此,径向主动磁轴承系统在正常及故障情况下的解耦控制策略成为磁轴承技术的重要课题之一。
神经网络逆控制策略利用神经网络的非线性逼近能力,辨识非线性系统的逆模型,从而实现原系统的非线性动态解耦控制,该控制策略已得到很好的应用。然而采用双神经网络逆模型来实现径向主动磁轴承系统的容错解耦控制国内外还未见报道。
发明内容
本发明的目的是为了实现径向主动磁轴承系统的容错解耦控制,提供一种基于双神经网络逆模型的径向主动磁轴承容错控制器及构造方法。
本发明一种径向主动磁轴承控制器的技术方案是:包括神经网络逆容错解耦控制器、功率放大器以及径向主动磁轴承系统,所述神经网络逆容错解耦控制器由线性闭环控制器、逆模型库和电流变换器组成;所述线性闭环控制器由两个附加控制器并联组成;所述逆模型库由正常逆模型和故障逆模型并联组成,正常逆模型由第一神经网络和4个积分器组成,故障逆模型由第二神经网络和另外4个积分器组成;所述电流变换器由第一电流变换器和故障电流变换器并联组成;所述逆模型库与电流变换器、功率放大器以及径向主动磁轴承系统相串联构成伪线性系统;所述径向主动磁轴承系统输入端连接电流故障检测切换模块,电流故障检测切换模块输出分别连接电流变换器和逆模型库。
本发明一种径向主动磁轴承控制器的构造方法采用的技术方案是依次采用如下步骤:
1)当径向主动磁轴承系统没有发生故障时,由电流故障检测切换模块选择正常逆模型和第一电流变换器串联在功率放大器之前,根据给点位移x*与反馈位移x经第一附加控制器计算反馈位移x的一阶和二阶导数,根据给点位移y*与反馈位移y经第二附加控制器计算反馈位移y的一阶和二阶导数,将反馈位移x的二阶导数和反馈位移y的二阶导数分别作为第一附加控制器和第二附加控制器的输出信号并作为正常逆模型的输入信号,正常逆模型的输出信号为位移控制电流ix和iy,经第一电流变换器变换为径向主动磁轴承系统的线圈电流i1,i2,i3,i4,i5和i6,输出给功率放大器,功率放大器驱动径向主动磁轴承系统正常悬浮运行,根据反馈位移x和反馈位移y响应分别调节第一附加控制器和第二附加控制器的参数;
2)当径向主动磁轴承系统某一相发生故障时,由电流故障检测切换模块选择故障逆模型和故障电流变换器串联在功率放大器之前,根据给点位移x*与反馈位移x经第一附加控制器计算反馈位移x的一阶和二阶导数,根据给点位移y*与反馈位移y经第二附加控制器计算反馈位移y的一阶和二阶导数,将反馈位移x的二阶导数和反馈位移y的二阶导数分别作为第一附加控制器和第二附加控制器的输出信号并作为故障逆模型的输入信号,故障逆模型的输出信号为位移控制电流i’x和i’y,经故障电流变换器变换为径向主动磁轴承系统的线圈电流i’1,i’2,i’3,i’4,i’5和i’6,输出给功率放大器,功率放大器驱动径向主动磁轴承系统带故障悬浮运行,获得容错控制,不改变第一附加控制器和第二附加控制器的参数。
本发明采用神经网络加积分器分别构造径向主动磁轴承系统的正常逆模型和故障逆模型,并组成逆模型库;在正常以及带故障运行状态下,由电流故障检测切换模块选择相应的逆模型及电流变换器,与功率放大器一起串联于径向主动磁轴承系统之前,获得一个不变的伪线性系统,实现径向主动磁轴承系统的解耦控制;当径向主动磁轴承系统某相线圈发生故障时,只需要调整相应电流的相序,而不需要再次调整两个附加控制器的参数,实现径向主动磁轴承系统的容错解耦控制。
本发明的有益效果是:
1、本发明利用双神经网络分别获得径向主动磁轴承正常运行和带故障运行时的逆模型,构成逆模型库,从而得到一个不变的伪线性系统,当某相线圈故障时,只需要调整线圈控制电流的相序。因此与现有的其他磁轴承容错控制方法项目,本发明的容错控制电流幅值不会增加,降低了对功率放大器的要求,降低了系统电路成本。
2、本发明提出的基于双神经网络逆模型的径向主动磁轴承系统控制方法,不但可以实现径向主动磁轴承系统正常运行时径向二自由度位移的解耦控制,而且可以保证其带故障运行条件下径向二自由度位移的容错解耦控制。
附图说明
图1是本发明径向主动磁轴承系统神经网络逆容错解耦控制器的原理框图。
具体实施方式
如图1所示,本发明神经网络逆容错解耦控制器7通过功率放大器2控制径向主动磁轴承系统1。神经网络逆容错解耦控制器7由线性闭环控制器6、逆模型库4和电流变换器3组成;所述的线性闭环控制器6由两个附加控制器61、62并联组成;所述的逆模型库4由正常逆模型42和故障逆模型44并联组成,正常逆模型42由神经网络41和四个积分器组成,故障逆模型44由神经网络43和四个积分器组成;所述的电流变换器3由电流变换器31和故障电流变换器32并联组成;所述的逆模型库4与电流变换器3、功率放大器2以及径向主动磁轴承系统1相串联构成伪线性系统5;所述的径向主动磁轴承系统1输入端连接电流故障检测切换模块8,电流故障检测切换模块8输出分别连接电流变换器3和逆模型库4。
上述神经网络逆容错解耦控制器7的构造方法具体实施分以下7步(以径向主动磁轴承系统1的A相发生故障为例,其他相故障时,处理方法类似):
1、基于径向主动磁轴承系统1的工作原理,建立径向主动磁轴承系统1的数学模型,并对该数学模型进行可逆性分析,证明径向主动磁轴承系统1是可逆的,存在逆模型。
2、采用具有6个输入节点、2个输出节点的神经网络和4个积分器s-1构成正常逆模型,其中:神经网络的第一个输入为正常逆模型的第一个输入,其经第一个积分器s-1的输出为神经网络的第二个输入,再经第二个积分器为神经网络的第三个输入;神经网络的第四个输入为正常逆模型的第二个输入,其经第三个积分器s-1的输出为神经网络的第五个输入,再经第四个积分器为神经网络的第六个输入。神经网络与4个积分器一起构成正常逆模型,神经网络的输出就是正常逆模型的输出。
3、采用具有6个输入节点、2个输出节点的神经网络和4个积分器s-1构成故障逆模型,其中:神经网络的第一个输入为故障逆模型的第一个输入,其经第一个积分器s-1的输出为神经网络的第二个输入,再经第二个积分器为神经网络的第三个输入;神经网络的第四个输入为故障逆模型的第二个输入,其经第三个积分器s-1的输出为神经网络的第五个输入,再经第四个积分器为神经网络的第六个输入。神经网络与4个积分器一起构成故障逆模型,神经网络的输出就是故障逆模型的输出。
4、在常规PID控制模式下,采集径向主动磁轴承系统1正常运行时的输入输出数据,离线训练神经网络41。采集径向主动磁轴承系统1带故障运行时的输入输出数据,离线训练神经网络43。
5、将径向主动磁轴承系统1的正常逆模型42和故障逆模型44一起构成逆模型库4,并将其与电流变换器3、功率放大器2相串联,接在径向主动磁轴承系统1之前,获得伪线性系统5。设计电流故障检测切换模块8,其输入与径向主动磁轴承系统1的输入端相连接,电流故障检测切换模块8的输出分别连接电流变换器3和逆模型库4。针对获得的伪线性系统5,利用线性系统理论设计其附加控制器61、62,构成线性闭环控制器6。
6、当径向主动磁轴承系统1没有发生故障时,由电流故障检测切换模块8选择正常逆模型42和电流变换器31串联在功率放大器2之前,根据给点位移x*与反馈位移x经附加控制器61计算位移x的一阶、二阶导数,根据给点位移y*与反馈位移y经附加控制器62计算位移y的一阶、二阶导数,将附加控制器61和附加控制器62的输出信号作为正常逆模型42的输入信号,正常逆模型42的输出信号为位移控制电流ix和iy,经电流变换器31变换为径向主动磁轴承系统1的线圈电流i1,i2,i3,i4,i5和i6,输出给功率放大器2,功率放大器2驱动径向主动磁轴承系统1正常悬浮运行,根据位移x和y响应调节两个附加控制器61、62的参数;
7、当径向主动磁轴承系统1的A相发生故障时,由电流故障检测切换模块8选择故障逆模型44和故障电流变换器32串联在功率放大器2之前,根据给点位移x*与反馈位移x经附加控制器61计算位移x的一阶、二阶导数,根据给点位移y*与反馈位移y经附加控制器62计算位移y的一阶、二阶导数,将附加控制器61和附加控制器62的输出信号作为故障逆模型44的输入信号,以位移x的二阶导数
Figure BDA0000369612390000042
为例,
Figure BDA0000369612390000043
输入正常逆模型库之后,经过第一个积分器变成位移x的一阶导数
Figure BDA0000369612390000044
,再经过第二个积分器变成x;然后
Figure BDA0000369612390000046
作为第一神经网络的输入,故障逆模型44的输出信号为位移控制电流i’x和i’y,经故障电流变换器32变换为径向主动磁轴承系统1的线圈电流i’1,i’2,i’3,i’4,i’5和i’6,输出给功率放大器2,由于障逆模型44与故障状态时的径向主动磁轴承系统1之间的对应关系,仍然可以得到一个不变的伪线性系统5,因此,不需要再次改变两个附加控制器61、62的参数,即可实现径向主动磁轴承系统1的容错解耦控制。当A相发生故障后,故障电流变换器32的电流变换表达式为:
i 1 ′ i 2 ′ i 3 ′ i 4 ′ i 5 ′ i 6 ′ = 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 i 1 i 2 i 3 i 4 i 5 i 6 - - - ( 1 ) .
根据以上所述,便可以实现本发明。

Claims (5)

1.一种径向主动磁轴承控制器,包括神经网络逆容错解耦控制器、功率放大器以及径向主动磁轴承系统,其特征在于,所述神经网络逆容错解耦控制器由线性闭环控制器、逆模型库和电流变换器组成;所述线性闭环控制器由两个附加控制器并联组成;所述逆模型库由正常逆模型和故障逆模型并联组成,正常逆模型由第一神经网络和4个积分器组成,故障逆模型由第二神经网络和另外4个积分器组成;所述电流变换器由第一电流变换器和故障电流变换器并联组成;所述逆模型库与电流变换器、功率放大器以及径向主动磁轴承系统相串联构成伪线性系统;所述径向主动磁轴承系统输入端连接电流故障检测切换模块,电流故障检测切换模块输出分别连接电流变换器和逆模型库。
2.如权利要求1所述的一种径向主动磁轴承控制器的构造方法,其特征在于,具有以下步骤:
1)当径向主动磁轴承系统没有发生故障时,由电流故障检测切换模块选择正常逆模型和第一电流变换器串联在功率放大器之前,根据给点位移x*与反馈位移x经第一附加控制器计算反馈位移x的一阶和二阶导数,根据给点位移y*与反馈位移y经第二附加控制器计算反馈位移y的一阶和二阶导数,将反馈位移x的二阶导数和反馈位移y的二阶导数分别作为第一附加控制器和第二附加控制器的输出信号并作为正常逆模型的输入信号,正常逆模型的输出信号为位移控制电流ix和iy,经第一电流变换器变换为径向主动磁轴承系统的线圈电流i1,i2,i3,i4,i5和i6,输出给功率放大器,功率放大器驱动径向主动磁轴承系统正常悬浮运行,根据反馈位移x和反馈位移y响应分别调节第一附加控制器和第二附加控制器的参数;
2)当径向主动磁轴承系统某一相发生故障时,由电流故障检测切换模块选择故障逆模型和故障电流变换器串联在功率放大器之前,根据给点位移x*与反馈位移x经第一附加控制器计算反馈位移x的一阶和二阶导数,根据给点位移y*与反馈位移y经第二附加控制器计算反馈位移y的一阶和二阶导数,将反馈位移x的二阶导数和反馈位移y的二阶导数分别作为第一附加控制器和第二附加控制器的输出信号并作为故障逆模型的输入信号,故障逆模型的输出信号为位移控制电流i’x和i’y,经故障电流变换器变换为径向主动磁轴承系统的线圈电流i’1,i’2,i’3,i’4,i’5和i’6,输出给功率放大器,功率放大器驱动径向主动磁轴承系统带故障悬浮运行,获得容错控制,不改变第一附加控制器和第二附加控制器的参数。
3.根据权利要求2所述的一种径向主动磁轴承控制器的构造方法,其特征在于,所述步骤1)正常逆模型的构造方法为采用具有6个输入节点、2个输出节点的神经网络加4个积分器s-1构成,神经网络的输出就是正常逆模型的输出,其中:神经网络的第一个输入为正常逆模型的第一个输入,其经第一个积分器s-1的输出为神经网络的第二个输入,再经第二个积分器为神经网络的第三个输入;神经网络的第四个输入为正常逆模型的第二个输入,其经第三个积分器s-1的输出为神经网络的第五个输入,再经第四个积分器为神经网络的第六个输入。
4.根据权利要求2所述的一种径向主动磁轴承控制器的构造方法,其特征在于,所述步骤2)故障逆模型的构造方法为采用具有6个输入节点、2个输出节点的神经网络加4个积分器s-1构成,神经网络的输出就是故障逆模型的输出,其中:神经网络的第一个输入为故障逆模型的第一个输入,其经第一个积分器s-1的输出为神经网络的第二个输入,再经第二个积分器为神经网络的第三个输入;神经网络的第四个输入为故障逆模型的第二个输入,其经第三个积分器s-1的输出为神经网络的第五个输入,再经第四个积分器为神经网络的第六个输入。
5.根据权利要求1至4之一所述的一种径向主动磁轴承控制器的构造方法,其特征在于,所述步骤2)故障电流变换器的电流变换表达式为:
i 1 ′ i 2 ′ i 3 ′ i 4 ′ i 5 ′ i 6 ′ = 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 i 1 i 2 i 3 i 4 i 5 i 6 .
CN201310368226.2A 2013-08-21 2013-08-21 一种径向主动磁轴承控制器的构造方法 Active CN103425052B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310368226.2A CN103425052B (zh) 2013-08-21 2013-08-21 一种径向主动磁轴承控制器的构造方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310368226.2A CN103425052B (zh) 2013-08-21 2013-08-21 一种径向主动磁轴承控制器的构造方法

Publications (2)

Publication Number Publication Date
CN103425052A true CN103425052A (zh) 2013-12-04
CN103425052B CN103425052B (zh) 2016-05-25

Family

ID=49649967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310368226.2A Active CN103425052B (zh) 2013-08-21 2013-08-21 一种径向主动磁轴承控制器的构造方法

Country Status (1)

Country Link
CN (1) CN103425052B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976021A (zh) * 2016-05-24 2016-09-28 北京工业大学 一种带式输送机滚筒组件故障诊断方法
CN106019945A (zh) * 2016-07-14 2016-10-12 江苏大学 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法
CN107148521A (zh) * 2014-10-28 2017-09-08 开利公司 磁轴承容错驱动系统
CN110425220A (zh) * 2019-07-26 2019-11-08 江苏大学 一种径向磁轴承改进抗扰动控制器的构造方法
CN110566582A (zh) * 2019-09-24 2019-12-13 珠海格力电器股份有限公司 磁悬浮轴承的控制方法、磁悬浮轴承以及磁悬浮轴承系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6098012A (en) * 1995-02-13 2000-08-01 Daimlerchrysler Corporation Neural network based transient fuel control method
WO2006050344A2 (en) * 2004-10-29 2006-05-11 Virginia Tech Intellectual Properties, Inc. Motor control system for establishing characteristic parameters
CN102121499A (zh) * 2011-03-23 2011-07-13 江苏大学 五自由度交流磁轴承支持向量机解耦控制器的构造方法
CN102361429A (zh) * 2011-09-13 2012-02-22 江苏大学 基于神经网络逆系统理论的无轴承异步电机控制方法
CN102522945A (zh) * 2012-01-10 2012-06-27 江苏大学 基于多神经网络逆模型的多相电机容错控制方法及系统
CN102790577A (zh) * 2012-08-06 2012-11-21 江苏大学 一种无轴承永磁同步电机悬浮子系统控制器的构造方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6098012A (en) * 1995-02-13 2000-08-01 Daimlerchrysler Corporation Neural network based transient fuel control method
WO2006050344A2 (en) * 2004-10-29 2006-05-11 Virginia Tech Intellectual Properties, Inc. Motor control system for establishing characteristic parameters
CN102121499A (zh) * 2011-03-23 2011-07-13 江苏大学 五自由度交流磁轴承支持向量机解耦控制器的构造方法
CN102361429A (zh) * 2011-09-13 2012-02-22 江苏大学 基于神经网络逆系统理论的无轴承异步电机控制方法
CN102522945A (zh) * 2012-01-10 2012-06-27 江苏大学 基于多神经网络逆模型的多相电机容错控制方法及系统
CN102790577A (zh) * 2012-08-06 2012-11-21 江苏大学 一种无轴承永磁同步电机悬浮子系统控制器的构造方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107148521A (zh) * 2014-10-28 2017-09-08 开利公司 磁轴承容错驱动系统
CN107148521B (zh) * 2014-10-28 2019-05-03 开利公司 磁轴承容错驱动系统
US10578156B2 (en) 2014-10-28 2020-03-03 Carrier Corporation Magnetic bearing fault-tolerant drive system
CN105976021A (zh) * 2016-05-24 2016-09-28 北京工业大学 一种带式输送机滚筒组件故障诊断方法
CN105976021B (zh) * 2016-05-24 2018-10-19 北京工业大学 一种带式输送机滚筒组件故障诊断方法
CN106019945A (zh) * 2016-07-14 2016-10-12 江苏大学 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法
CN106019945B (zh) * 2016-07-14 2019-03-05 江苏大学 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法
CN110425220A (zh) * 2019-07-26 2019-11-08 江苏大学 一种径向磁轴承改进抗扰动控制器的构造方法
CN110566582A (zh) * 2019-09-24 2019-12-13 珠海格力电器股份有限公司 磁悬浮轴承的控制方法、磁悬浮轴承以及磁悬浮轴承系统
WO2021057162A1 (zh) * 2019-09-24 2021-04-01 珠海格力电器股份有限公司 磁悬浮轴承的控制方法、磁悬浮轴承以及磁悬浮轴承系统
CN110566582B (zh) * 2019-09-24 2023-11-14 珠海格力电器股份有限公司 磁悬浮轴承的控制方法、磁悬浮轴承以及磁悬浮轴承系统

Also Published As

Publication number Publication date
CN103425052B (zh) 2016-05-25

Similar Documents

Publication Publication Date Title
CN103425052B (zh) 一种径向主动磁轴承控制器的构造方法
CN102522945B (zh) 基于多神经网络逆模型的多相电机容错控制方法及系统
CN102035203B (zh) 一种快速求取联络线暂态稳定极限传输功率的计算方法
CN104716887A (zh) 一种永磁同步电机失磁保护方法及系统
CN102121499B (zh) 五自由度交流磁轴承支持向量机解耦控制器的构造方法
CN104158229A (zh) 一种适用于含有多种分布式电源的微网系统二次控制方法
CN103647487B (zh) 基于双逆模型的无轴承永磁电机悬浮系统控制方法
CN103486134B (zh) 一种交流混合磁轴承解耦控制器的构造方法
Lu et al. Decentralized fault tolerant control for modular robot manipulators via integral terminal sliding mode and disturbance observer
CN102790578B (zh) 无轴承异步电机神经网络广义逆解耦控制器的构造方法
CN107524563A (zh) 一种基于滑模极值搜索的控制方法
Tahri et al. A hybrid active fault-tolerant control scheme for wind energy conversion system based on permanent magnet synchronous generator
Shendge et al. Robust model following load frequency sliding mode controller based on UDE and error improvement with higher order filter
He et al. Fuzzy sliding mode adaptive backstepping control of multiple motors winding system based on disturbance observer
Manohar et al. Development of a high redundancy actuator with direct driven linear electromechanical actuators for fault-tolerance
Rajaji et al. Fuzzy and ANFIS based soft starter fed induction motor drive for high performance applications
CN103490690A (zh) 一种交流磁轴承容错解耦控制器的构造方法
Qian et al. Fixed-time Prescribed Performance Vibration Suppression Control of the Electromechanical Transmission System with Actuator Faults
Naceri et al. An advanced FMRL controller for FACTS devices to enhance dynamic performance of power systems
Yu et al. A fault monitoring method for wind power generation system based on sliding mode observer
Qiao et al. Fault-tolerant indirect adaptive neurocontrol for a static synchronous series compensator in a power network with missing sensor measurements
Rajaji et al. Adaptive Neuro Fuzzy based soft starting of voltage-controlled induction motor drive
Huang et al. Sliding-mode monitoring and control of linear drives
Tirtashi et al. TCPS controller design using fuzzy logic controller for power system stability enhancement
CN102790582A (zh) 无轴承异步电机径向模糊神经网络广义逆控制器构造方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20170602

Address after: 410600 No. 001 Jinzhou North Road, Ningxiang hi tech Industrial Park, Hunan, Changsha, China

Patentee after: HUNAN LINGXIANG MAGNETIC LEVITATION TECHNOLOGY CO.,LTD.

Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301

Patentee before: Jiangsu University

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A construction method of radial active magnetic bearing controller

Effective date of registration: 20221031

Granted publication date: 20160525

Pledgee: China Construction Bank Co.,Ltd. Changsha Xiangjiang Branch

Pledgor: HUNAN LINGXIANG MAGNETIC LEVITATION TECHNOLOGY CO.,LTD.

Registration number: Y2022430000094