CN103888037A - 一种极限学习机逆解耦控制器的构造方法 - Google Patents
一种极限学习机逆解耦控制器的构造方法 Download PDFInfo
- Publication number
- CN103888037A CN103888037A CN201410064333.0A CN201410064333A CN103888037A CN 103888037 A CN103888037 A CN 103888037A CN 201410064333 A CN201410064333 A CN 201410064333A CN 103888037 A CN103888037 A CN 103888037A
- Authority
- CN
- China
- Prior art keywords
- radial position
- controller
- learning machine
- extreme learning
- rotor
- 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.)
- Pending
Links
Images
Landscapes
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开一种极限学习机逆解耦控制器的构造方法,其采用电流滞环PWM电压源逆变器与单绕组磁悬浮开关磁阻电机组成复合被控对象,根据复合被控对象对应的2阶逆系统,用极限学习机的学习算法构成极限学习机逆系统,将极限学习机逆系统连接在复合被控对象前,复合成伪线性系统,再依据线性系统的设计方法对该伪线性系统做出径向位置控制器和角速度控制器,将径向位置控制器以及角速度控制器分别与极限学习机逆系统串接再与电流滞环PWM电压源逆变器组成极限学习机逆解耦控制器,对单绕组磁悬浮开关磁阻电机径向位置、转子角速度进行解耦控制,使其具有优良的动、静态控制性能,抗参数变化及抗负载扰动能力强的优点。
Description
技术领域
本发明属于磁阻电机领域,用于强耦合情况下的电机解耦控制。
背景技术
磁悬浮开关磁阻电机将磁悬浮技术与开关磁阻电机相结合,在继承一般磁悬浮电机无摩擦、无磨损、轴向空间利用率高、转子临界转速大等优点基础上,充分发挥了开关磁阻电机的高速优越性以及对恶劣环境的适应性,同时通过径向力的主动控制,有效改善了开关磁阻电机因不平衡磁拉力造成的振动和噪声问题。目前大多数情况采用的是双绕组结构的磁悬浮开关磁阻电机,其将用于产生径向力的绕组和转矩绕组一起叠绕在同一定子极上,使径向力绕组不占用独立的轴向空间。然而,双绕组结构中主绕组与悬浮绕组的强耦合性,使得电机在数学建模、控制算法方面更为复杂;额外的悬浮绕组加大了电机结构设计的难度;悬浮绕组的增加导致额外的功率放大器与相配套的电气子系统,增加了控制电路设计复杂度。针对双绕组结构磁悬浮开关磁阻电机的上述缺点,美国国家航空航天局、德国德累斯顿工业大学以及韩国庆星大学相继开展了单绕组磁悬浮开关磁阻电机。
单绕组磁悬浮开关磁阻电机以集悬浮电流分量、转矩电流分量于一体的单一绕组的结构形式,避免了双绕组电机结构中的主绕组与悬浮绕组之间的耦合,但相互垂直的两方向径向力之间的耦合、悬浮力与转矩之间耦合仍然存在,使得单绕组磁悬浮开关磁阻电机的两径向位置、角速度三者之间的解耦控制势在必行。已经提出的逆系统建模方法有BP神经网络、RBF神经网络、支持向量机等,而BP神经网络、RBF神经网络建模过程需要大量训练数据;在无智能算法对支持向量机参数进行优化的情况下,支持向量机训练的得到的模型精度一般;针对以上问题,本逆解耦控制方法中引入了极限学习机,极限学习机适用于小样本数据,学习训练速度“极端”快速,所建立的模型具有很高的预测精度。
发明内容
本发明的目的是提供一种极限学习机逆解耦控制器的构造方法,该极限学习机逆解耦控制器可对单绕组磁悬浮开关磁阻电机在不同转子位置下的两自由度悬浮力、转矩进行动态解耦控制,使单绕组磁悬浮开关磁阻电机具有优秀的动静态性能,电机抗参数变化及抗负载扰动能力得到提高。
单绕组磁悬浮开关磁阻电机的极限学习机逆解耦控制器,包括第一径向位置控制器、第二径向位置控制器、角速度控制器、极限学习机逆系统和电流滞环PWM电压源逆变器。第一径向位置控制器的输入是单绕组磁悬浮开关磁阻电机实时的转子径向位置x与给定转子水平方向的平衡径向位置x0的偏差量,输出是期望的径向位置二阶导数第二径向位置控制器的输入是单绕组磁悬浮开关磁阻电机实时的转子径向位置y与给定转子竖直方向的平衡径向位置y0的偏差量,输出是期望的径向位置二阶导数;角速度控制器的输入是单绕组磁悬浮开关磁阻电机实时的角速度ω与期望的转子角速度ω0的偏差量,输出是期望的转子角位置二阶导数(即是角速度一阶导数);期望的径向位置二阶导数角位置二阶导数输入极限学习机逆系统,输出单绕组磁悬浮开关磁阻电机的绕组电流命令值iA *、iB *、iC *;电流命令值iA *、iB *、iC *输入电流滞环PWM电压源逆变器,对应输出实际加载到单绕组磁悬浮开关磁阻电机的电流激励iA、iB、iC;单绕组磁悬浮磁阻电机在电流激励下,实时输出转子径向位置x、y、转子角位置θ,转子角位置θ经过微分环节d/dt得到角速度ω,转子径向位置x、y、转子角速度ω反馈并分别与给定的转子平衡位置x0、y0以及期望的角速度ω0比较得到偏差量输入至第一径向位置控制器、第二径向位置控制器和角速度控制器,至此形成完整的包含极限学习机逆解耦控制器在内的径向位置、角速度的闭环控制系统。
极限学习机逆系统的建立中,数据来自于对复合被控对象的实验。通过对复合被控对象加载不同的电流激励(iA *,iB *,iC *),得到相应的输出,其中,x、y、θ分别为两径向位置、转子角位置,分别x的一阶导数、二阶导数,分别为y的一阶导数、二阶导数,分别为θ的一阶导数、二阶导数。对复合被控对象不断试验得到数据集,利用极限学习机对该数据集进行学习训练,得到以为输入、(iA *,iB *,iC *)为输出的极限学习机逆系统。
本发明的优点在于:
1.采用极限学习机逆系统,将复杂的非线性耦合系统问题转化成简单的三个伪线性系统(第一径向位置子系统、第二径向位置子系统、角速度子系统)的控制问题,进一步合理设计闭环控制器,可获得高性能的解耦控制以及抗负载扰动的运动性能。
2.用极限学习机实现复合被控对象的逆系统,构造极限学习机逆解耦控制器实现电动机两径向位置、角速度的控制,完全摆脱了传统控制方法对于数学模型的依赖性,有效的减小了参数变化与负载扰动对电动机的影响。
3.极限学习机算法无需迭代,具有“极端”快速的特点,学习时间显著优于Back-Propagation算法和支持向量机,可很大程度上提高工程效率,同时,极限学习机具有很高的计算精度。因此,本发明优于已经提出的传统神经网络逆解耦、支持向量机逆解耦方法。
附图说明
图1是采用极限学习机逆解耦控制器对单绕组磁悬浮开关磁阻电机两径向位置、转子角速度进行控制的完整原理框图,其中,转子角位置θ经过微分环节d/dt得到角速度ω;
图2是电流滞环PWM电压源逆变器驱动控制的单绕组磁悬浮开关磁阻电机的原理图;
图4是极限学习机逆系统与复合被控对象复合构成的伪线性系统的示意图及其等效图,伪线性系统可分为第一径向位置子系统、第二径向位置子系统、角速度子系统,对应的被控对象分别为径向位置x、径向位置y、转子角位置θ;
图5是由径向位置控制器、角速度控制器与伪线性系统组成的三闭环控制系统的结构图;
图中:1、电流滞环PWM电压源逆变器,2、单绕组磁悬浮开关磁阻电机,3、复合控制器,4、极限学习机逆系统,41、极限学习机,5、伪线性系统,6、第一径向位置控制器,7、第二径向位置控制器,8、角速度控制器,9、极限学习机逆解耦控制器。
具体实施方式
本发明方法具体包括如下步骤:
1.形成复合被控对象,电流滞环PWM电压源逆变器1与单绕组磁悬浮开关磁阻电机2串联组成复合被控对象3,该复合被控对象以三相电流输入命令值(iA *,iB *,iC *)为其输入,两径向位置、转子角位置(x,y,θ)为输出;
2.构造极限学习机逆系统,通过对复合被控对象3加载不同的电流激励(iA *,iB *,iC *),得到相应的输出(x,y,θ),不断进行试验得到数据集;适当选择极限学习机中隐含层神经元个数,隐含层激活函数一般选择“Sigmoid”,对得到的数据集进行训练,得到以为输入、(iA *,iB *,iC *)为输出的单绕组磁悬浮开关磁阻电机的极限学习机逆系统4;
3.构造伪线性系统5,将极限学习机逆系统4与复合被控对象3串联,形成伪线性系统5;
4.构造第一径向位置控制器6、第二径向位置控制器7与角速度控制器8,第一径向位置控制器6的输入是单绕组磁悬浮开关磁阻电机2实时的转子径向位置x与给定转子水平方向的平衡径向位置x0的偏差量,输出是期望的径向位置二阶导数第二径向位置控制器7的输入是单绕组磁悬浮开关磁阻电机2实时的转子径向位置y与给定转子竖直方向的平衡径向位置y0的偏差量,输出是期望的径向位置二阶导数;角速度控制器8的输入是单绕组磁悬浮开关磁阻电机2实时的角速度ω与期望的转子角速度ω0的偏差量,输出是期望的转子角位置二阶导数(即是角速度一阶导数);控制器均使用模糊PID控制方法构造。
5.将第一径向位置控制器6、第二径向位置控制器7与角速度控制器8分别与极限学习机逆系统4相连,第一径向位置控制器6、第二径向位置控制器7与角速度控制器8输出的期望的径向位置二阶导数与期望的转子角位置二阶导数输入至极限学习机逆系统4;
6.复合被控对象3输出实时的转子径向位置x、y与实时的转子角位置θ,转子角位置θ经过微分环节d/dt得到角速度ω,转子径向位置x、y、转子角速度ω反馈并分别与给定的转子平衡位置x0、y0以及期望的角速度ω0比较得到偏差量,将得到的偏差量分别输入至第一径向位置控制器6、第二径向位置控制器7和角速度控制器8,至此形成完整的包含极限学习机逆解耦控制器在内的闭环控制系统,第一径向位置控制器6、第二径向位置控制器7、角速度控制器8、极限学习机逆系统4和电流滞环PWM电压源逆变器1则构成极限学习机逆解耦控制器9。
Claims (2)
1.一种极限学习机逆解耦控制器的构造方法,其特征在于包括如下步骤:
1)电流滞环PWM电压源逆变器(1)与单绕组磁悬浮开关磁阻电机(2)串联组成复合被控对象(3),该复合被控对象(3)以三相电流输入命令值(iA *,iB *,iC *)为其输入,两径向位置、转子角位置(x,y,θ)为其输出;
2)通过对复合被控对象(3)加载不同的电流激励(iA *,iB *,iC *),得到相应的输出(x,y,θ),不断进行试验得到数据集;适当选择极限学习机中隐含层神经元个数,隐含层激活函数一般选择“Sigmoid”,对得到的数据集进行训练,得到以为输入、(iA *,iB *,iC *)为输出的单绕组磁悬浮开关磁阻电机(2)的极限学习机逆系统(4);
3)将极限学习机逆系统(4)与复合被控对象(3)串联,构成伪线性系统(5);
4)构造第一径向位置控制器(6)、第二径向位置控制器(7)与角速度控制器(8):第一径向位置控制器(6)的输入是单绕组磁悬浮开关磁阻电机(2)的实时转子径向位置x与给定转子水平方向的平衡径向位置x0的偏差量,输出是期望的径向位置二阶导数第二径向位置控制器(7)的输入是单绕组磁悬浮开关磁阻电机(2)的实时转子径向位置y与给定转子竖直方向的平衡径向位置y0的偏差量,输出是期望的径向位置二阶导数角速度控制器(8)的输入是单绕组磁悬浮开关磁阻电机(2)的实时角速度ω与期望的转子角速度ω0的偏差量,输出是期望的转子角位置二阶导数
5)将第一径向位置控制器(6)、第二径向位置控制器(7)与角速度控制器(8)分别与极限学习机逆系统(4)相连,第一径向位置控制器(6)、第二径向位置控制器(7)与角速度控制器(8)输出的期望的径向位置二阶导数与期望的转子角位置二阶导数输入至极限学习机逆系统(4);
6)复合被控对象(3)输出实时的转子径向位置x、y与实时的转子角位置θ,转子角位置θ经过微分环节d/dt得到角速度ω,转子径向位置x、y、转子角速度ω反馈并分别与给定的转子平衡位置x0、y0以及期望的角速度ω0比较得到偏差量,将得到的偏差量分别输入至第一径向位置控制器(6)、第二径向位置控制器(7)和角速度控制器(8),至此形成完整的包含极限学习机逆解耦控制器在内的闭环控制系统,第一径向位置控制器(6)、第二径向位置控制器(7)、角速度控制器(8)、极限学习机逆系统(4)和电流滞环PWM电压源逆变器(1)则构成极限学习机逆解耦控制器(9)。
2.一种如权利要求1所述的极限学习机逆解耦控制器的构造方法,其特征在于:所述步骤4)中第一径向位置控制器(6)、第二径向位置控制器(7)和角速度控制器(8)均使用模糊PID控制方法构造。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410064333.0A CN103888037A (zh) | 2014-02-25 | 2014-02-25 | 一种极限学习机逆解耦控制器的构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410064333.0A CN103888037A (zh) | 2014-02-25 | 2014-02-25 | 一种极限学习机逆解耦控制器的构造方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103888037A true CN103888037A (zh) | 2014-06-25 |
Family
ID=50956784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410064333.0A Pending CN103888037A (zh) | 2014-02-25 | 2014-02-25 | 一种极限学习机逆解耦控制器的构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103888037A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104283393A (zh) * | 2014-09-25 | 2015-01-14 | 南京工程学院 | 一种单绕组磁悬浮开关磁阻电机结构参数的优化方法 |
CN104317195A (zh) * | 2014-09-28 | 2015-01-28 | 重庆邮电大学 | 一种基于改进极限学习机的非线性逆模型控制方法 |
CN108038485A (zh) * | 2017-11-30 | 2018-05-15 | 广东小天才科技有限公司 | 一种学习内容的查找方法及电子设备 |
CN109039190A (zh) * | 2018-07-30 | 2018-12-18 | 江苏大学 | 一种四自由度磁悬浮电机悬浮系统解耦控制方法 |
CN113746397A (zh) * | 2021-08-20 | 2021-12-03 | 西北工业大学 | 一种开关磁阻电机模型预测转矩和径向力控制方法 |
CN115085609A (zh) * | 2022-07-27 | 2022-09-20 | 南京工程学院 | 一种单绕组磁悬浮电机滑模系统控制方法 |
CN116125803A (zh) * | 2022-12-28 | 2023-05-16 | 淮阴工学院 | 一种基于极限学习机的逆变器反步模糊神经网络控制策略 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007089323A (ja) * | 2005-09-22 | 2007-04-05 | Toshiba Mitsubishi-Electric Industrial System Corp | 電力変換装置 |
CN101958685A (zh) * | 2010-03-04 | 2011-01-26 | 江苏大学 | 无轴承同步磁阻电机非线性逆解耦控制器及其构造方法 |
CN102097986A (zh) * | 2011-01-20 | 2011-06-15 | 江苏大学 | 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 |
CN201928221U (zh) * | 2011-01-20 | 2011-08-10 | 江苏大学 | 一种无轴承同步磁阻电机神经网络广义逆解耦控制器 |
-
2014
- 2014-02-25 CN CN201410064333.0A patent/CN103888037A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007089323A (ja) * | 2005-09-22 | 2007-04-05 | Toshiba Mitsubishi-Electric Industrial System Corp | 電力変換装置 |
CN101958685A (zh) * | 2010-03-04 | 2011-01-26 | 江苏大学 | 无轴承同步磁阻电机非线性逆解耦控制器及其构造方法 |
CN102097986A (zh) * | 2011-01-20 | 2011-06-15 | 江苏大学 | 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 |
CN201928221U (zh) * | 2011-01-20 | 2011-08-10 | 江苏大学 | 一种无轴承同步磁阻电机神经网络广义逆解耦控制器 |
Non-Patent Citations (3)
Title |
---|
HUANG GB等: "Extreme Learning Machine", 《THEORY AND APPLICATIONS》 * |
刘学艺: "极限学习机的快速留-交叉验证算法", 《上海交通大学学报》 * |
项倩雯: "单绕组磁悬浮开关磁阻电机的原理与解耦控制", 《电机与控制学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104283393A (zh) * | 2014-09-25 | 2015-01-14 | 南京工程学院 | 一种单绕组磁悬浮开关磁阻电机结构参数的优化方法 |
CN104283393B (zh) * | 2014-09-25 | 2017-02-15 | 南京工程学院 | 一种单绕组磁悬浮开关磁阻电机结构参数的优化方法 |
CN104317195A (zh) * | 2014-09-28 | 2015-01-28 | 重庆邮电大学 | 一种基于改进极限学习机的非线性逆模型控制方法 |
CN104317195B (zh) * | 2014-09-28 | 2017-02-08 | 重庆邮电大学 | 一种基于改进极限学习机的非线性逆模型控制方法 |
CN108038485A (zh) * | 2017-11-30 | 2018-05-15 | 广东小天才科技有限公司 | 一种学习内容的查找方法及电子设备 |
CN109039190A (zh) * | 2018-07-30 | 2018-12-18 | 江苏大学 | 一种四自由度磁悬浮电机悬浮系统解耦控制方法 |
CN113746397A (zh) * | 2021-08-20 | 2021-12-03 | 西北工业大学 | 一种开关磁阻电机模型预测转矩和径向力控制方法 |
CN115085609A (zh) * | 2022-07-27 | 2022-09-20 | 南京工程学院 | 一种单绕组磁悬浮电机滑模系统控制方法 |
CN116125803A (zh) * | 2022-12-28 | 2023-05-16 | 淮阴工学院 | 一种基于极限学习机的逆变器反步模糊神经网络控制策略 |
CN116125803B (zh) * | 2022-12-28 | 2024-06-11 | 淮阴工学院 | 一种基于极限学习机的逆变器反步模糊神经网络控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103888037A (zh) | 一种极限学习机逆解耦控制器的构造方法 | |
CN101814892B (zh) | 无轴承同步磁阻电机基于支持向量机逆系统复合控制器 | |
Gao et al. | A novel active disturbance rejection-based control strategy for a gun control system | |
Lin et al. | Recurrent functional-link-based fuzzy neural network controller with improved particle swarm optimization for a linear synchronous motor drive | |
CN107276473A (zh) | 五自由度无轴承永磁同步电机模糊神经网络解耦控制器 | |
Jatoth et al. | Speed control of PMSM by hybrid genetic artificial bee colony algorithm | |
Borujeni et al. | Optimal four quadrant speed control of switched reluctance motor with torque ripple reduction based on EM-MOPSO | |
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 | |
CN202043069U (zh) | 一种五自由度无轴承同步磁阻电机解耦控制器 | |
CN102121499A (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 | |
Lin et al. | Modified Elman neural network controller with improved particle swarm optimisation for linear synchronous motor drive | |
CN110912484A (zh) | 一种感应电机改进模型预测控制方法 | |
CN103427754A (zh) | 无轴承异步电机转子径向位移直接控制器 | |
Shneen et al. | Artificial optimal fuzzy control strategy for elevator drive system by using permanent magnet synchronous motor | |
CN102790576B (zh) | 一种无轴承永磁同步电机解耦控制器的构造方法 | |
Yi et al. | Research of self-tuning PID for PMSM vector control based on improved KMTOA | |
Du et al. | Optimal PI control of a permanent magnet synchronous motor using particle swarm optimization | |
Shamseldin et al. | A New Self-Tuning Nonlinear PID Motion Control for One-Axis Servomechanism with Uncertainty Consideration | |
Lin et al. | A PID neural network control for permanent magnet synchronous motor servo system | |
Bu et al. | A control method of bearingless induction motor based on neural network | |
Ni et al. | Research on the fuzzy neural network PID control of load simulator based on friction torque compensation | |
Autsou et al. | Principles and Methods of Servomotor Control: Comparative Analysis and Applications | |
Zhang et al. | A multi-motor synchronous control algorithm for artificial potential field with adjacent attractive force | |
Abd El Ghaffar et al. | Optimal position control of permanent magnet DC motor (PMDC) | |
Chandra Sekhar et al. | Direct torque control of induction motor using enhanced firefly algorithm—ANFIS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140625 |