CN103647487A - 基于双逆模型的无轴承永磁电机悬浮系统控制方法 - Google Patents

基于双逆模型的无轴承永磁电机悬浮系统控制方法 Download PDF

Info

Publication number
CN103647487A
CN103647487A CN201310349120.8A CN201310349120A CN103647487A CN 103647487 A CN103647487 A CN 103647487A CN 201310349120 A CN201310349120 A CN 201310349120A CN 103647487 A CN103647487 A CN 103647487A
Authority
CN
China
Prior art keywords
inversion model
suspension system
controlled object
permanent
electric machine
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
CN201310349120.8A
Other languages
English (en)
Other versions
CN103647487B (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 CN201310349120.8A priority Critical patent/CN103647487B/zh
Publication of CN103647487A publication Critical patent/CN103647487A/zh
Application granted granted Critical
Publication of CN103647487B publication Critical patent/CN103647487B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开一种基于双逆模型的无轴承永磁电机悬浮系统控制方法，将复合被控对象的正常逆模型和故障逆模型构成逆模型库；选择逆模型库中的逆模型作为复合被控对象的逆模型，调整并确定对应神经网络的参数和权系数使逆模型库实现复合被控对象的逆系统功能，将逆模型库串联于复合被控对象之前组成伪线性系统，伪线性系统被解耦为两个单输入单输出的位移二阶积分子系统；分别对两个位移二阶积分子系统设计附加控制器来构成线性闭环控制器；将线性闭环控制器、逆模型库、2/3电流变换器和电流跟踪型逆变器共同构成神经网络逆容错控制器对无轴承永磁电机悬浮系统进行容错控制，可以实现原系统在正常或带故障运行条件下径向位置之间的解耦控制。

Description

基于双逆模型的无轴承永磁电机悬浮系统控制方法
技术领域
本发明是一种基于双神经网络逆模型的无轴承永磁电机悬浮系统控制方法，适用于无轴承永磁电机悬浮系统的高性能控制，属于特种电力传动控制设备的技术领域。
背景技术
无轴承永磁电机集传统永磁电机和磁悬浮轴承功能于特点于一体，具有无摩擦磨损、无需润滑、高速高精、寿命长、功率密度高、效率高等优点，在半导体制造、生物医药、飞轮储能、精密数控制机床、航空航天等特殊领域得到越来越广泛的应用。然而这些特殊领域对于无轴承永磁电机连续运行具有较高更严的要求，因此无轴承永磁电机的带故障运行能力，特别是无轴承永磁电机悬浮系统的故障容错能力对于保证整个系统的可靠性和安全性十分关键，因此，无轴承永磁电机悬浮系统的容错性能极其容错控制策略成为无轴承技术的重要课题之一。
神经网络逆系统方法利用神经网络对非线性函数的逼近能力，构建非线性系统的逆模型，实现原系统的非线性解耦控制，从而获得高性能控制效果，该方法已获得了广泛应用。然而运用神经网络逆系统方法来现实无轴承永磁电机悬浮系统的容错控制还未见文献报道。
发明内容
本发明的目的是利用神经网络逆理论，提出一种基于双神经网络逆模型的无轴承永磁电机悬浮系统容错控制方法，提高无轴承永磁电机悬浮系统的可靠性。
本发明采用的技术方案是依次采用如下步骤：
1）由2/3电流变换器、电流跟踪型逆变器和被控的无轴承永磁电机悬浮系统组成复合被控对象；
2）采用第一神经网络加4个积分器构造复合被控对象的正常逆模型，采用第二神经网络加另外4个积分器构造复合被控对象的故障逆模型；将正常逆模型和故障逆模型一起构成逆模型库；
3）选择正常逆模型或故障逆模型作为复合被控对象的逆模型，调整并确定对应的第一神经网络或第二神经网络的参数和权系数使逆模型库实现复合被控对象的逆系统功能，将逆模型库串联于复合被控对象之前组成伪线性系统，伪线性系统被解耦为两个单输入单输出的位移二阶积分子系统；
逆模型库中逆模型的选择方法为：利用故障检测切换模块检测无轴承永磁电机悬浮系统的运行状态，判断系统是否出现故障，当无轴承永磁电机悬浮系统正常运行时，选择逆模型库中的正常逆模型作为复合被控对象的逆模型，当无轴承永磁电机悬浮系统带故障运行时，选择逆模型库中的故障逆模型作为复合被控对象的逆模型；
4）分别对每个位移二阶积分子系统设计一个附加控制器，两个附加控制器构成线性闭环控制器；
5）将线性闭环控制器、逆模型库、2/3电流变换器和电流跟踪型逆变器依次串接共同构成神经网络逆容错控制器，对无轴承永磁电机悬浮系统进行容错控制。
本发明的有益效果是：
1、本发明提出的基于双逆模型的无轴承永磁电机悬浮系统控制方法，不但可以实现原系统在正常运行条件下的非线性解耦，而且可以保证在带故障运行条件下原系统的非线性解耦控制。
2、本发明利用神经网络对非线性函数的逼近能力、以及对参数变化的适应能力，在无轴承永磁电机悬浮系统发生故障时，仍然可以比较准备地逼近其逆模型，具有较强的鲁棒性和容错性。
附图说明
图1是由2/3电流变换器11、电流跟踪型逆变器12和被控的无轴承永磁电机悬浮系统13组成复合被控对象1的示意图；
图2是由正常逆模型22和故障逆模型24构成逆模型库2的结构示意图；
图3是逆模型库2与复合被控对象1复合构成伪线性系统3的示意图及其等效图；
图4是由线性闭环控制器4与伪线性系统3构成的闭环控制系统结构图；
图5是无轴承永磁电机悬浮系统神经网络逆容错控制器5的原理框图。
具体实施方式
本发明具体实施分以下8步：
1、由2/3电流变换器11、电流跟踪型逆变器12和被控的无轴承永磁电机悬浮系统13组成复合被控对象1，如图1所示。该复合被控对象1以两个电流信号{                                                ,
Figure 388224DEST_PATH_IMAGE002
}作为输入，以转子位移信号{x,y}作为输出。
2、基于无轴承永磁电机悬浮力产生原理，建立无轴承永磁电机悬浮系统13的数学模型，并经过坐标变换和线性放大，得到复合被控对象1的数学模型，并对该数学模型进行可逆性分析，证明复合被控对象1是可逆的，存在逆模型。
3、采用神经网络21加4个积分器构造复合被控对象1的正常逆模型22，采用神经网络23加4个积分器构造复合被控对象1的故障逆模型24；将复合被控对象1的正常逆模型22和故障逆模型24一起构成逆模型库2；并可确定逆模型库2输入为
Figure 962293DEST_PATH_IMAGE003
和y，输出为
Figure 332095DEST_PATH_IMAGE001
和，如图2所示。
4、当无轴承永磁电机正常运行时，将阶跃激励信号{
Figure 488587DEST_PATH_IMAGE001
,
Figure 566264DEST_PATH_IMAGE002
}加到复合被控对象1的输入端，分别采集无轴承永磁电机悬浮系统正常运行时的径向位移x、y，并将径向位移x、y离线分别求其一阶、二阶导数，并对信号做规范化处理，组成神经网络21的训练样本集{x,,x, x, y, y, y,
Figure 739757DEST_PATH_IMAGE001
,
Figure 468547DEST_PATH_IMAGE002
}，对神经网络21进行训练，从而确定神经网络21的各个参数和权系数；当无轴承永磁电机带故障运行时，将阶跃激励信号{
Figure 436503DEST_PATH_IMAGE001
,
Figure 1477DEST_PATH_IMAGE002
}加到复合被控对象1的输入端，分别采集无轴承永磁电机悬浮系统带故障运行时的径向位移x、y，并将径向位移x、y离线分别求其一阶、二阶导数，并对信号做规范化处理，组成神经网络23的训练样本集{x,,x, x, y, y, y,
Figure 713081DEST_PATH_IMAGE001
,}，对神经网络23进行训练，从而确定神经网络23的各个参数和权系数。
5、利用故障检测切换模块6检测无轴承永磁电机悬浮系统13的运行状态，判断系统是否出现故障，当无轴承永磁电机悬浮系统13正常运行时，选择逆模型库2中的正常逆模型22作为复合被控对象1的逆模型，当无轴承永磁电机悬浮系统13带故障运行时，选择逆模型库2中的故障逆模型24作为复合被控对象1的逆模型。
6、将逆模型库2串联于复合被控对象1之前组成伪线性系统3，伪线性系统3被解耦为两个单输入单输出的位移二阶积分子系统，从而实现正常和带故障运行工况下无轴承永磁电机悬浮系统的非线性解耦控制，如图3所示。
7、针对无轴承永磁电机悬浮系统两个解耦的径向位置子系统分别设计附加控制器41、42，构成线性闭环控制器4。本发明中两个附加控制器均选用PID控制器，其参数根据实际控制对象进行调整，如图4所示。
8、将线性闭环控制器4、逆模型库2、2/3电流变换器11和电流跟踪型逆变器12一起共同构成神经网络逆容错控制器5来对无轴承永磁电机悬浮系统13进行容错控制，如图5所示。
根据以上所述，便可以实现本发明。

Claims (3)

1.一种基于双逆模型的无轴承永磁电机悬浮系统控制方法，其特征是依次采用如下步骤：
1）由2/3电流变换器（11）、电流跟踪型逆变器（12）和被控的无轴承永磁电机悬浮系统（13）组成复合被控对象（1）；
2）采用第一神经网络（21）加4个积分器构造复合被控对象（1）的正常逆模型（22），采用第二神经网络（23）加另外4个积分器构造复合被控对象（1）的故障逆模型（24）；将正常逆模型（22）和故障逆模型（24）一起构成逆模型库（2）；
3）选择正常逆模型（22）或故障逆模型（24）作为复合被控对象（1）的逆模型，调整并确定对应的第一神经网络（21）或第二神经网络（23）的参数和权系数使逆模型库（2）实现复合被控对象（1）的逆系统功能，将逆模型库（2）串联于复合被控对象（1）之前组成伪线性系统（3），伪线性系统（3）被解耦为两个单输入单输出的位移二阶积分子系统；
逆模型库（2）中逆模型的选择方法为：利用故障检测切换模块（6）检测无轴承永磁电机悬浮系统（13）的运行状态，判断系统是否出现故障，当无轴承永磁电机悬浮系统（13）正常运行时，选择逆模型库（2）中的正常逆模型（22）作为复合被控对象（1）的逆模型，当无轴承永磁电机悬浮系统（13）带故障运行时，选择逆模型库（2）中的故障逆模型（24）作为复合被控对象（1）的逆模型；
4）分别对每个位移二阶积分子系统设计一个附加控制器，两个附加控制器（41、42）构成线性闭环控制器（4）；
5）将线性闭环控制器（4）、逆模型库（2）、2/3电流变换器（11）和电流跟踪型逆变器（12）依次串接共同构成神经网络逆容错控制器（5），对无轴承永磁电机悬浮系统（13）进行容错控制。
2.根据权利要求1所述基于双逆模型的无轴承永磁电机悬浮系统控制方法，其特征在于：步骤2）中所述神经网络的参数和权系数确定方法是：将阶跃激励信号{                                               
Figure DEST_PATH_IMAGE002
,
Figure DEST_PATH_IMAGE004
}加到复合被控对象（1）的输入端，在无轴承永磁电机悬浮系统正常运行或带故障运行的两种情况下，分别采集无轴承永磁电机悬浮系统正常运行或带故障运行时的径向位移x、y，并将两种工况下的径向位移x、y离线分别求其一阶、二阶导数，并对信号做规范化处理，组成神经网络的训练样本集{
Figure DEST_PATH_IMAGE006
,
Figure 151849DEST_PATH_IMAGE006
,
Figure 204118DEST_PATH_IMAGE006
,,
Figure 922676DEST_PATH_IMAGE008
,
Figure 376791DEST_PATH_IMAGE008
,
Figure 686549DEST_PATH_IMAGE002
,
Figure 475383DEST_PATH_IMAGE004
}，对神经网络进行训练，从而确定神经网络的各个参数和权系数。
3.根据权利要求2所述基于双逆模型的无轴承永磁电机悬浮系统控制方法，其特征在于：所述逆模型库（2）的输入为径向位移x、y，输出为阶跃激励信号
Figure 528789DEST_PATH_IMAGE002
、
Figure 837411DEST_PATH_IMAGE004
。
CN201310349120.8A 2013-08-13 2013-08-13 基于双逆模型的无轴承永磁电机悬浮系统控制方法 Active CN103647487B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310349120.8A CN103647487B (zh) 2013-08-13 2013-08-13 基于双逆模型的无轴承永磁电机悬浮系统控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310349120.8A CN103647487B (zh) 2013-08-13 2013-08-13 基于双逆模型的无轴承永磁电机悬浮系统控制方法

Publications (2)

Publication Number Publication Date
CN103647487A true CN103647487A (zh) 2014-03-19
CN103647487B CN103647487B (zh) 2016-01-20

Family

ID=50252664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310349120.8A Active CN103647487B (zh) 2013-08-13 2013-08-13 基于双逆模型的无轴承永磁电机悬浮系统控制方法

Country Status (1)

Country Link
CN (1) CN103647487B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105186958A (zh) * 2015-09-08 2015-12-23 江苏大学 基于神经网络逆系统的五相容错永磁电机内模控制方法
CN106933241A (zh) * 2017-03-30 2017-07-07 北京航空航天大学 基于故障解耦的单框架控制力矩陀螺航天器容错控制方法
CN110460285A (zh) * 2019-08-09 2019-11-15 瑞声科技(新加坡)有限公司 自适应马达控制方法、装置及存储介质
CN110518842A (zh) * 2019-08-29 2019-11-29 沈阳工业大学 一种轴向线圈励磁辅助双凸极无刷直流电机的控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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 (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙晓东 等: "基于神经网络逆系统理论无轴承异步电动机解耦控制", 《电工技术学报》 *
孙晓东 等: "无轴承永磁同步电机径向悬浮力动态解耦控制", 《电机与控制学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105186958A (zh) * 2015-09-08 2015-12-23 江苏大学 基于神经网络逆系统的五相容错永磁电机内模控制方法
CN105186958B (zh) * 2015-09-08 2017-11-17 江苏大学 基于神经网络逆系统的五相容错永磁电机内模控制方法
CN106933241A (zh) * 2017-03-30 2017-07-07 北京航空航天大学 基于故障解耦的单框架控制力矩陀螺航天器容错控制方法
CN106933241B (zh) * 2017-03-30 2019-11-29 北京航空航天大学 基于故障解耦的单框架控制力矩陀螺航天器容错控制方法
CN110460285A (zh) * 2019-08-09 2019-11-15 瑞声科技(新加坡)有限公司 自适应马达控制方法、装置及存储介质
CN110460285B (zh) * 2019-08-09 2021-07-09 瑞声科技(新加坡)有限公司 自适应马达控制方法、装置及存储介质
CN110518842A (zh) * 2019-08-29 2019-11-29 沈阳工业大学 一种轴向线圈励磁辅助双凸极无刷直流电机的控制方法

Also Published As

Publication number Publication date
CN103647487B (zh) 2016-01-20

Similar Documents

Publication Publication Date Title
CN100433537C (zh) 无轴承交流异步电机神经网络逆解耦控制器的控制方法
CN103647487B (zh) 基于双逆模型的无轴承永磁电机悬浮系统控制方法
CN103066902B (zh) 一种基于负载观测的直流电动机无源控制律实现方法
CN102790581B (zh) 一种无轴承异步电机径向位置鲁棒控制器的构造方法
CN102790580B (zh) 无轴承异步电机支持向量机逆解耦控制器的构造方法
Xia et al. Improved integral sliding mode control methods for speed control of PMSM system
CN102136822B (zh) 一种五自由度无轴承同步磁阻电机解耦控制器及构造方法
CN102790577B (zh) 一种无轴承永磁同步电机悬浮子系统控制器的构造方法
CN103259479A (zh) 一种永磁同步电机神经网络左逆状态观测方法
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
CN103425052B (zh) 一种径向主动磁轴承控制器的构造方法
CN102769424A (zh) 基于支持向量机逆的无轴承异步电机控制系统
CN103246201A (zh) 径向混合磁轴承的改进模糊无模型自适应控制系统及方法
CN106019945A (zh) 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法
CN104020670A (zh) 基于支持向量机的三自由度直升机容错控制装置及方法
CN102097986A (zh) 无轴承同步磁阻电机神经网络广义逆解耦控制器构造方法
CN103486134B (zh) 一种交流混合磁轴承解耦控制器的构造方法
CN103414417A (zh) 无轴承异步电机悬浮系统容错控制器及其构造方法
CN202004708U (zh) 一种无轴承无刷直流电机神经网络α阶逆控制器
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
CN102790579B (zh) 一种五自由度无轴承永磁同步电机解耦控制器的构造方法
CN103490690A (zh) 一种交流磁轴承容错解耦控制器的构造方法
CN103645637A (zh) 单自由度主动磁轴承支持向量机自适应逆控制器构造方法
CN102790582B (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
CN102801382B (zh) 五自由度无轴承异步电机支持向量机逆控制器的构造方法

Legal Events

Date Code Title Description
PB01 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

Effective date of registration: 20170527

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

Denomination of invention: Control method of bearingless permanent magnet motor suspension system based on double inverse model

Effective date of registration: 20221031

Granted publication date: 20160120

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

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

Registration number: Y2022430000094

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