CN113054881B - 外转子定子无铁心无轴承永磁同步电动机控制器构造方法 - Google Patents

外转子定子无铁心无轴承永磁同步电动机控制器构造方法 Download PDF

Info

Publication number
CN113054881B
CN113054881B CN202110195955.7A CN202110195955A CN113054881B CN 113054881 B CN113054881 B CN 113054881B CN 202110195955 A CN202110195955 A CN 202110195955A CN 113054881 B CN113054881 B CN 113054881B
Authority
CN
China
Prior art keywords
support vector
vector machine
module
input
permanent magnet
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.)
Active
Application number
CN202110195955.7A
Other languages
English (en)
Other versions
CN113054881A (zh
Inventor
朱熀秋
徐奔
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.)
Hefei Jiuzhou Longteng Scientific And Technological Achievement Transformation Co ltd
Yongzhou Xianghao Ting Electronics 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 CN202110195955.7A priority Critical patent/CN113054881B/zh
Publication of CN113054881A publication Critical patent/CN113054881A/zh
Application granted granted Critical
Publication of CN113054881B publication Critical patent/CN113054881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02N—ELECTRIC MACHINES NOT OTHERWISE PROVIDED FOR
    • H02N15/00—Holding or levitation devices using magnetic attraction or repulsion, not otherwise provided for
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
    • H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
    • H02P27/06—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters
    • H02P27/08—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation
    • H02P27/085—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation wherein the PWM mode is adapted on the running conditions of the motor, e.g. the switching frequency
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/16—Mechanical energy storage, e.g. flywheels or pressurised fluids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明公开一种外转子定子无铁心无轴承永磁同步电动机控制器构造方法，以随机生成的核函数参数与惩罚因子的随机组合作为初始种群，将初始种群经二进制编码形成染色体，染色体输入到GA遗传算法优化模块，GA遗传算法优化模块输出的核函数参数最优值与惩罚因子最优值输入到最小二乘支持向量机中，由最小二乘支持向量机、初始种群和GA遗传算法优化模块以及传递函数、积分器共同构造遗传算法优化的最小二乘支持向量机广义逆，最小二乘支持向量机广义逆与复合被控对象串接构成伪线性系统，将线性闭环控制器串接在所述的伪线性系统之前，所构造的控制器在实现径向悬浮力之间、径向悬浮力与电磁转矩之间解耦的同时，使系统获得良好的动静态性能。

Description

外转子定子无铁心无轴承永磁同步电动机控制器构造方法
技术领域
本发明属于电气传动控制设备领域，是一种外转子定子无铁心无轴承永磁同步电动机的控制器，适用于高速及超高速电气传动领域。定子无铁心永磁同步电动机在飞轮储能、涡轮分子泵、航空航天、离心机、生命科学以及化学工业等领域具有广泛的应用。
背景技术
与传统无轴承电机相比，定子无铁心永磁同步电机具有诸多优势：取消了定子铁心，有效减小了电机高速运行情况下的定子铁心损耗，电枢反应小，过载能力强；同时没有齿槽转矩，电机转子发生偏移时，产生的单边磁拉力小，易于控制，更加适合高速及高精度应用领域。将无轴承技术与定子无铁心永磁同步电机相结合，取消机械轴承，增设悬浮力绕组，利用磁场将转子悬浮于空中，使定子无铁心永磁同步电动机同时具有无摩擦磨损、无需润滑、高速高精以及寿命长的优点。
定子无铁心无轴承永磁同步电动机是一个多变量、多耦合的复杂非线性系统，径向悬浮力之间、悬浮力与转矩之间的耦合关系对系统的控制性能造成了很大影响。想要获得优良的动态控制性能，必须对其径向两自由度悬浮力以及转矩进行动态解耦。传统磁场定向控制策略只能对转矩和径向悬浮力进行静态解耦，然而无法实现悬浮力与悬浮力之间、悬浮力与转矩之间的动态解耦；微分几何法虽然可以实现系统各个分量之间的动态解耦，但是其计算方法复杂，耗时长，不适合高速高精系统的运行需求；传统逆系统方法可以实现系统的动态解耦，但是要求对系统精确建模；神经网络逆解耦控制方法虽然可以跳过求解解析逆实现系统的动态解耦，但是由于其训练时间长，学习速度慢，并不适合高速高精系统的控制需要；利用最小二乘支持向量机广义逆可以实现系统的动态解耦，且训练时间较短，但是其高斯核函数参数σ2以及惩罚因子γ存在整定困难的问题。常见的最小二乘支持向量机参数整定方法中，网络搜索法将两个参数按一定精度抽象为二维网络，以遍历的方式搜索最优解，但这种方法搜索时间长，准确度不高；PSO粒子群优化算法以及BP神经网络优化算法准确度较高，但是容易陷入局部极小值，训练速度较慢。
中国专利公开号为CN102790576B，名称为：一种无轴承永磁同步电机解耦控制器的构造方法，采用支持向量机加积分器构成支持向量机逆，串接在复合被控对象之前，构造伪线性子系统实现了系统的动态解耦控制。但是由于支持向量机求解的是凸二次规划问题，求解速度较慢；关于支持向量机高斯核函数参数σ2的整定仅仅采用经验赋值的方法，并未提及整定方法，控制器缺乏广泛适用性；控制对象为传统的无轴承电机，对于外转子无铁心永磁同步电机的解耦控制方法并不适用。
发明内容
本发明的目的是提供一种外转子定子无铁心无轴承永磁同步电动机解耦控制器，在实现定子无铁心永磁同步电动机的径向悬浮力之间、径向悬浮力与电磁转矩之间解耦的同时，使系统获得良好的动静态性能，保证该高速高精系统的稳定运行。
本发明的技术方案是采用如下步骤：
步骤1)：构造包含有定子无铁心无轴承永磁同步电动机的复合被控对象，复合被控对象以参考电流iMd *、iMq *、iBd *、iBq *作为输入，以位移x，y以及转速ω作为输出；
步骤2)：以随机生成的核函数参数σ2与惩罚因子γ的随机组合作为初始种群，将初始种群经二进制编码形成染色体P(t)，染色体P(t)输入到GA遗传算法优化模块，GA遗传算法优化模块输出的是核函数参数最优值σ2与惩罚因子最优值γ，核函数参数最优值σ2与惩罚因子最优值γ输入到最小二乘支持向量机中；
步骤3)：由最小二乘支持向量机、初始种群和GA遗传算法优化模块以及传递函数、积分器共同构造遗传算法优化的最小二乘支持向量机广义逆，该遗传算法优化的最小二乘支持向量机广义逆的输入是位移x，y的二阶导数
Figure GDA0003799629990000021
和转速ω的一阶导数
Figure GDA0003799629990000022
输出是所述的参考电流iMd *、iMq *、iBd *、iBq *；
步骤4)：由所述的最小二乘支持向量机广义逆与复合被控对象串接构成伪线性系统，所述的伪线性系统由第一个位移积分型伪线性子系统、第二个位移积分型伪线性子系统和一个转速积分型伪线性子系统组成，
步骤5)：针对所述的伪线性系统构造线性闭环控制器，线性闭环控制器由两个位移调节器和一个速度调节器组成；
步骤6)：将所述的线性闭环控制器串接在所述的伪线性系统之前。
在GA遗传算法优化模块中，染色体经交叉、变异操作形成子染色体一和子染色体二，将染色体、子染色体一、子染色体二共同输入适值计算模块中，适值计算模块计算出每个个体对应的适应度，适应度经过选择操作得到新一代染色体，最后经迭代更新原染色体，输出优化后的核函数参数最优值σ2与惩罚因子最优值γ。
本发明的优点在于：
1.通过构造遗传算法优化的最小二乘支持向量机广义逆，将外转子定子无铁心无轴承永磁同步电动机这一多变量、强耦合的非线性时变系统转化为对两个位移积分型伪线性子系统和一个速度积分型伪线性子系统的控制，采用PID调节器设计线性闭环控制器，从而实现径向两自由度悬浮力之间、径向悬浮力与电磁转矩之间的动态解耦，实现了对外转子无铁心无轴承永磁同步电动机二自由度位移系统和转速的高性能独立控制。
2.采用最小二乘法对支持向量机进行优化，相比传统支持向量机算法，最小二乘支持向量机把原方法的不等式约束变为等式约束，将原问题的QP问题转换为了线性方程组的求解，简化了求解过程，加快了求解速度；将最小二乘支持向量机回归算法与二阶传递函数结合，构成最小二乘支持向量机广义逆，摆脱了传统逆系统和微分几何控制方法对数学模型的依赖性，能够更好地实现二自由度径向悬浮力之间，以及径向悬浮力与电磁转矩之间的动态解耦，减小了负载以及电机参数扰动对外转子无铁心无轴承永磁同步电动机控制性能的影响，能够更好地满足高速高精系统的运行需求。
3.采用GA遗传算法逼近最小二乘支持向量机的核函数参数σ2以及惩罚因子γ，得到两个参数的全局最优解。改进了小样本下的轮盘赌模型，将轮盘赌模型生成的0-1等概率随机数改进为0-1等间隔数，避免了种群个体较少的情况下，适值最高的个体在轮盘赌选择中被淹没的情况发生，有效保留了每次迭代中的最优个体。相比于传统经验参数整定方法，该参数优化方法提高了最小二乘支持向量机算法的鲁棒性和广泛使用性，可以解决一般逆系统适应性差，无法对突变量进行自调节的问题，减小了经验误差带来的风险，有效降低了样本数据在高维空间内分布的复杂度，能够有效提高外转子无铁心无轴承永磁同步电动机控制系统的鲁棒性与广泛适应性，具有很高的应用价值。
附图说明
图1是由PI控制器一11、PI控制器二12、PI控制器三13、PI控制器四14、PARK逆变换模块一15、PARK逆变换模块二16、SVPWM模块一17、SVPWM模块二18、电压源逆变器模块一19、电压源逆变器模块二110、CLARK变换模块一111、CLARK变换模块二112、PARK变换模块一113、PARK变换模块二114和定子无铁心无轴承永磁同步电动机115构成的复合被控对象116的示意图及其等效图；
图2是GA遗传算法优化模块24的构成图；
图3是遗传算法优化的最小二乘支持向量机广义逆32的构成图；
图4是遗传算法优化的最小二乘支持向量机广义逆32与复合被控对象116复合构成的伪线性系统41的示意图及其等效图；
图5是线性闭环控制器54与伪线性系统41的连接原理图；
图6是线性闭环控制器54、遗传算法优化的最小二乘支持向量机广义逆32和复合被控对象116的连接原理图。
图7是定子无铁心无轴承永磁同步电动机遗传算法优化的最小二乘支持向量机广义逆控制器61的构成原理图。
具体实施方式
如图1所示，由PI控制器一11、PI控制器二12、PI控制器三12、PI控制器四14、PARK逆变换模块一15、PARK逆变换模块二16、SVPWM模块一17、SVPWM模块二18、电压源逆变器模块一19、电压源逆变器模块二110、CLARK变换模块一111、CLARK变换模块二112、PARK变换模块一113、PARK变换模块二114和定子无铁心无轴承永磁同步电动机115作为一个整体组成复合被控对象116。复合被控对象116等效为一个5阶微分方程模型，系统向量的相对阶为{2,2,1}。如图3，采用10个输入节点、4个输出节点的最小二乘支持向量机31加二阶标准传递函数
Figure GDA0003799629990000041
二阶标准传递函数
Figure GDA0003799629990000042
一阶传递函数
Figure GDA0003799629990000043
以及两个积分器s-1构造具有3个输入节点、4个输出节点的遗传算法优化的最小二乘支持向量机广义逆32。如图4，再将遗传算法优化的最小二乘支持向量机广义逆32串接在复合被控对象116之前，遗传算法优化的最小二乘支持向量机广义逆32与复合被控对象116合成为由两个位移积分型伪线性子系统42、43和一个转速积分型伪线性子系统44组成的伪线性系统41，从而将一个多变量、强耦合的非线性时变系统转化为对两个位移积分型伪线性子系统42、43和一个转速积分型伪线性子系统44的控制。如图5，对于已经线性解耦的两个位移积分型伪线性子系统42、43和一个转速积分型伪线性子系统44，采用PID调节器设计方法，分别设计两个位移调节器51、52和一个速度控制器53，由位移调节器51、52和速度调节器53共同组成线性闭环控制器54。如图6和图7所示，最终构成由线性闭环控制器54、遗传算法优化的最小二乘支持向量机广义逆32和PI控制器一、PI控制器二、PI控制器三、PI控制器四、PARK逆变换模块一、PARK逆变换模块二、SVPWM模块一、SVPWM模块二、电压源逆变器模块一、电压源逆变器模块二、CLARK变换模块一、CLARK变换模块二以及PARK变换模块一、PARK变换模块二共同构成本发明外转子定子无铁心无轴承永磁同步电动机控制器，即基于遗传算法优化的最小二乘支持向量机广义逆控制器61，对外转子定子无铁心无轴承永磁同步电动机进行非线性动态解耦控制。具体实施分为以下8步：
1、先将PI控制器一11和PI控制器二12串接在的PARK逆变换模块一15之前，PI控制器三13和PI控制器四14串接在的PARK逆变换模块二16输入端，再将PARK逆变换模块一15的输出端依次串接SVPWM模块一17、电压源逆变器模块一19和定子无铁心无轴承永磁同步电动机模型115，将PARK逆变换模块二16的输出端依次串接SVPWM模块二18、电压源逆变器模块二110和定子无铁心无轴承永磁同步电动机模型115。SVPWM模块一17输出的开关信号SM以及直流母线电压uDC输入到电压源逆变器模块一19，SVPWM模块二18输出的开关信号SB以及直流母线电压uDC输入到电压源逆变器模块二110中。再将电压源逆变器模块一19输出的三相转矩控制电流iMa、iMb、iMc以及电压源逆变器模块二110输出的三相悬浮力控制电流iBa、iBb、iBc反馈到相对应的CLARK变换模块一111、CLARK变换模块二112中，CLARK变换模块一111的输出端串联PARK变换模块一113，CLARK变换模块二112的输出端串联PARK变换模块二114。PARK变换模块一113输出的是电流iMd、iMq，PARK变换模块二114输出的是电流iBd、iBq。将参考电流iMd *、iMq *与PARK变换模块一113输出的电流iMd、iMq作差，得到的电流差输入到对应的PI控制器一11、PI控制器二12中。将参考电流iBd *、iBq *与PARK变换模块二114输出的是电流iBd、iBq作差，得到的电流差输入到对应的PI控制器三13、PI控制器四14中。在电压源逆变器模块一19、电压源逆变器模块二110输出反馈的同时，将他们串接在定子无铁心无轴承永磁同步电动机115之前，共同作为一个整体组成复合被控对象116，该复合被控对象116以{iMd *、iMq *、iBd *、iBq *}四个参考电流信号作为输入，以位移信号x，y以及转速ω作为输出。
2、构造GA遗传算法优化模块24，参见图2，以随机生成20个核函数参数σ2与惩罚因子γ的随机组合作为初始种群21。σ2的取值范围为0-1，γ的取值范围为0-1000。将初始种群21经二进制编码操作形成染色体P(t)，二进制编码位数nC为14，7位用于表示σ2，7位用于表示γ，核函数参数σ2以及惩罚因子γ的求解精度E1，E2可表示为：
Figure GDA0003799629990000051
将σ2与γ的实际值分别除以各自的求解精度E1、E2得到各自的十进制数编码，将各自的十进制编码转换为二进制，得到σ2与γ的二进制编码值。再将染色体经交叉、变异操作形成子染色体一CC(t)、子染色体二CM(t)。将染色体P(t)、子染色体一CC(t)、子染色体二CM(t)共同输入到适值计算模块22中作计算评价，得到每个个体对应的适应度Fk，个体数k＝1……20。先将二进制编码解码为σ2与γ的实际值，得到解集，计算每个个体对应的适应度Fk：
Figure GDA0003799629990000061
式中，Fk为第k个个体的适应度；n为测试集样本数；i为测试集样本序号；yi为第i个样本的测试集结果，f(xi)为第i个测试集样本的拟合结果；xi为第i个测试集样本；E(f(x))为n个测试集样本拟合结果的标准差。
将适值计算模块22串接在改进轮盘赌模型23之前，传统轮盘赌模型在种群规模为20时，通常在0-1区间内等概率随机生成20个数，将这20个数从小到大排列。将计算出的个体适应度值Fk求和，进行归一化处理。从第一个个体的适应度开始，与20个数的第一个点比较，若适应度大于第一个数，保留个体，并将下一个个体适应度值与前一个个体适应度相加，并与第二个数比较；若适应度小于第一个数，淘汰个体，并将下一个个体适应度与第一个数比较，以此类推。但由于种群规模较小，轮盘赌模型生成的随机数往往不能均匀分布在(0,1)空间内，导致某两个随机数区间大于最优个体归一化后的适应度值，因此本发明提出一种的改进轮盘赌模型23，使其生成等间隔区间，即生成20个0-1区间内等间隔排布的20个数，有效保留了每代种群中适应度最高的个体。经过选择操作得到新一代染色体P(t+1)，在迭代N代种群之前不停更新原染色体，反复进行，最终输出优化后的最优值σ2与γ，从而形成GA遗传算法优化模块24，如图2所示，该GA遗传算法优化模块24输出为核函数参数σ2以及惩罚因子γ。
3、如图3所示，通过分析、等效与推导，为遗传算法优化的最小二乘支持向量机广义逆32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116的数学模型，基于外转子无铁心无轴承永磁同步电动机的工作原理，建立外转子无铁心无轴承永磁同步电动机的数学模型，结合图1中的控制框图，得到复合被控对象116的数学模型，即一个5阶微分方程，其向量相对阶为{2,2,1}。经推导可证明该5阶微分方程可逆，即逆系统存在，可以确定该逆系统的输入为两个位移的二阶导数
Figure GDA0003799629990000062
和一个转速的一阶导数
Figure GDA0003799629990000063
四个输出分别为复合被控对象116的四个输入iMd *、iMq *、iBd *、iBq *。从而可以构造出遗传算法优化的最小二乘支持向量机广义逆32，如图3所示，为学习训练提供了方法上的依据。
4、采用最小二乘支持向量机31加初始种群21配合GA遗传算法优化模块28以及二阶标准传递函数
Figure GDA0003799629990000071
二阶标准传递函数
Figure GDA0003799629990000072
一阶传递函数
Figure GDA0003799629990000073
以及两个积分器s-1构造遗传算法优化的最小二乘支持向量机广义逆32，s为复空间变量。其中，初始种群21输出的染色体P(t)输入到GA遗传算法优化模块28，GA遗传算法优化模块28将最终输出的优化后的最优值σ2与γ输入到最小二乘支持向量机31。最小二乘支持向量机31的输入节点数为10，输出节点数为4，其中：最小二乘支持向量机31的第一个输入与第二个输入分别为GA遗传算法优化模块24的第一个输出σ2以及第二个输出γ；最小二乘支持向量机31的第五个输入为遗传算法优化的最小二乘支持向量机广义逆32的第一个输入
Figure GDA0003799629990000074
其经二阶标准传递函数
Figure GDA0003799629990000075
的输出为最小二乘支持向量机31的第三个输入
Figure GDA0003799629990000076
再经第一个积分器s-1的输出为最小二乘支持向量机31的第四个输入x；最小二乘支持向量机31的第八个输入为遗传算法优化的最小二乘支持向量机广义逆32的第二个输入
Figure GDA0003799629990000077
其经二阶标准传递函数
Figure GDA0003799629990000078
的输出为最小二乘支持向量机31的第六个输入
Figure GDA0003799629990000079
再经第二个积分器s-1的输出为最小二乘支持向量机31的第七个输入y；最小二乘支持向量机31的第十个输入为遗传算法优化的最小二乘支持向量机广义逆32的第三个输入
Figure GDA00037996299900000710
其经一阶传递函数
Figure GDA00037996299900000711
的输出为最小二乘支持向量机31的第九个输入ω；最小二乘支持向量机31的输出是遗传算法优化的最小二乘支持向量机广义逆32输出的四个参考电流iMd *、iMq *、iBd *、iBq *。
5、按以下方法确定最小二乘支持向量机31的向量系数和阈值：1)将阶跃激励信号{iMd *,iMq *,iBd *,iBq *}加到复合被控对象116的输入端，采集外转子定子无铁心无轴承永磁同步电动机的位移x、y，转子的转速ω。2)离线计算位移的二阶导数
Figure GDA00037996299900000712
以及位移和转速的一阶导数
Figure GDA00037996299900000713
并对信号进行归一化处理，得到最小二乘支持向量机31的训练样本集
Figure GDA00037996299900000714
3)将GA遗传算法优化模块24得到的核函数参数σ2以及惩罚因子γ的全局最优解以及离线提取的训练样本集
Figure GDA00037996299900000715
Figure GDA00037996299900000716
代入最小二乘支持向量机算法中进行逆系统回归训练，得到最小二乘支持向量机31。
6、形成两个位移子系统和一个转速子系统。最小二乘支持向量机广义逆32与复合被控对象116串接组成伪线性系统41，该伪线性系统41由第一个位移积分型伪线性子系统42、第二个位移积分型伪线性子系统43和一个转速积分型伪线性子系统44组成，从而实现径向两自由度悬浮力之间、径向悬浮力与电磁转矩之间的非线性动态解耦，把复杂非线性系统控制转化为简单的三个单变量线性系统的控制，如图4所示，并为下述线性闭环控制器的设计提供了思路。
7、设计线性闭环控制器。如图5所示，对两个位移积分型伪线性子系统42、43和一个转速积分型伪线性子系统44分别设计调节器，对两个位移积分型伪线性子系统42、43设计相对应的两个位移调节器51、52，对一个转速积分型伪线性子系统44设计一个速度调节器53，由两个位移调节器51、52和一个速度调节器53构成线性闭环控制器54，如图5所示。在本发明实施过程中，根据外转子无铁心无轴承永磁同步电动机参数来选择和调整调节器参数，两个位移调节器51、52均采用了PD调节器，速度调节器53选用了PI调节器。位移调节器51、52中的比例系数kp设置为1200，微分系数kd设置为20，速度调节器(53)中的比例系数kp设置为120，积分系数ki设置为255。整定后两个位移调节器51、52传递函数为：G(s)＝1200+20s，速度调节器53传递函数为：
Figure GDA0003799629990000081
其中，s为复空间变量。整个控制器如图6、图7所示。
8、构成遗传算法优化的最小二乘支持向量机广义逆控制器。将线性闭环控制器54串接在伪线性系统41之前，共同构成外转子无铁心无轴承永磁同步电动机遗传算法优化的最小二乘支持向量机广义逆控制器61，如图7所示。
根据以上所述，便可实现本发明。

Claims (5)

1.一种外转子定子无铁心无轴承永磁同步电动机控制器构造方法，其特征是采用以下步骤：
步骤1)：构造包含有定子无铁心无轴承永磁同步电动机的复合被控对象，复合被控对象以参考电流iMd *、iMq *、iBd *、iBq *作为输入，以位移x，y以及转速ω作为输出；
步骤2)：以随机生成的核函数参数σ2与惩罚因子γ的随机组合作为初始种群，将初始种群经二进制编码形成染色体P(t)，染色体P(t)输入到GA遗传算法优化模块，GA遗传算法优化模块输出的是核函数参数最优值σ2与惩罚因子最优值γ，核函数参数最优值σ2与惩罚因子最优值γ输入到最小二乘支持向量机中；在GA遗传算法优化模块中，染色体经交叉、变异操作形成子染色体一和子染色体二，将染色体、子染色体一、子染色体二共同输入适值计算模块中，适值计算模块计算出每个个体对应的适应度，适应度经过选择操作得到新一代染色体，最后经迭代更新原染色体，输出优化后的核函数参数最优值σ2与惩罚因子最优值γ；适值计算模块串接在改进轮盘赌模型之前，改进轮盘赌模型生成0-1区间内等间隔排布的个体，保留每代种群中适应度最高的个体；
所述的每个个体对应的适应度
Figure FDA0003799629980000011
Fk为第k个个体的适应度；n为测试集样本数；i为测试集样本序号；yi为第i个样本的测试集结果，f(xi)为第i个测试集样本的拟合结果；xi为第i个测试集样本；E(f(x))为n个测试集样本拟合结果的标准差；
步骤3)：由最小二乘支持向量机、初始种群和GA遗传算法优化模块以及传递函数、积分器共同构造遗传算法优化的最小二乘支持向量机广义逆，该遗传算法优化的最小二乘支持向量机广义逆的输入是位移x，y的二阶导数
Figure FDA0003799629980000012
和转速ω的一阶导数
Figure FDA0003799629980000013
输出是所述的参考电流iMd *、iMq *、iBd *、iBq *；
步骤4)：由所述的最小二乘支持向量机广义逆与复合被控对象串接构成伪线性系统，所述的伪线性系统由第一个位移积分型伪线性子系统、第二个位移积分型伪线性子系统和一个转速积分型伪线性子系统组成，
步骤5)：针对所述的伪线性系统构造线性闭环控制器，线性闭环控制器由两个位移调节器和一个速度调节器组成；
步骤6)：将所述的线性闭环控制器串接在所述的伪线性系统之前。
2.根据权利要求1所述的外转子定子无铁心无轴承永磁同步电动机控制器构造方法，其特征是：步骤3)中，最小二乘支持向量机的第一个输入与第二个输入分别为核函数参数最优值σ2与惩罚因子最优值γ；最小二乘支持向量机的第五个输入为
Figure FDA0003799629980000025
经二阶标准传递函数
Figure FDA0003799629980000021
输出为最小二乘支持向量机的第三个输入
Figure FDA0003799629980000026
再经第一个积分器s-1输出为最小二乘支持向量机的第四个输入x；最小二乘支持向量机的第八个输入为
Figure FDA0003799629980000027
其经二阶标准传递函数
Figure FDA0003799629980000022
输出为最小二乘支持向量机的第六个输入
Figure FDA0003799629980000028
再经第二个积分器s-1输出为最小二乘支持向量机的第七个输入y；最小二乘支持向量机的第十个输入为
Figure FDA0003799629980000029
其经一阶传递函数
Figure FDA0003799629980000023
输出为最小二乘支持向量机的第九个输入ω；最小二乘支持向量机的输出是所述的参考电流iMd *、iMq *、iBd *、iBq *，s为复空间变量。
3.根据权利要求1所述的外转子定子无铁心无轴承永磁同步电动机控制器构造方法，其特征是：步骤5)中，所述的两个位移调节器均采用了PD调节器，速度调节器采用PI调节器，两个位移调节器传递函数为：G(s)＝1200+20s，速度调节器传递函数为：
Figure FDA0003799629980000024
s为复空间变量。
4.根据权利要求1所述的外转子定子无铁心无轴承永磁同步电动机控制器构造方法，其特征是：步骤5)中，两个位移调节器中的比例系数kp设置为1200，微分系数kd设置为20，速度调节器中的比例系数kp设置为120，积分系数ki设置为255。
5.根据权利要求1所述的外转子定子无铁心无轴承永磁同步电动机控制器构造方法，其特征是：步骤1)中，PI控制器一和PI控制器二串接在PARK逆变换模块一之前，PI控制器三和PI控制器四串接在PARK逆变换模块二输入端，PARK逆变换模块一的输出端依次串接SVPWM模块一、电压源逆变器模块一和定子无铁心无轴承永磁同步电动机模型，PARK逆变换模块二的输出端依次串接SVPWM模块二、电压源逆变器模块二和定子无铁心无轴承永磁同步电动机模型，电压源逆变器模块一输出的三相转矩控制电流以及电压源逆变器模块二输出的三相悬浮力控制电流反馈到相对应的CLARK变换模块一、CLARK变换模块二中，CLARK变换模块一的输出端串联PARK变换模块一，CLARK变换模块二的输出端串联PARK变换模块二，对应的参考电流与PARK变换模块一、PARK变换模块二输出的对应的电流作差，得到的电流差输入到对应的PI控制器一、PI控制器二、PI控制器三、PI控制器四中，共同构成复合被控对象。
CN202110195955.7A 2021-02-22 2021-02-22 外转子定子无铁心无轴承永磁同步电动机控制器构造方法 Active CN113054881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110195955.7A CN113054881B (zh) 2021-02-22 2021-02-22 外转子定子无铁心无轴承永磁同步电动机控制器构造方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110195955.7A CN113054881B (zh) 2021-02-22 2021-02-22 外转子定子无铁心无轴承永磁同步电动机控制器构造方法

Publications (2)

Publication Number Publication Date
CN113054881A CN113054881A (zh) 2021-06-29
CN113054881B true CN113054881B (zh) 2022-10-28

Family

ID=76509899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110195955.7A Active CN113054881B (zh) 2021-02-22 2021-02-22 外转子定子无铁心无轴承永磁同步电动机控制器构造方法

Country Status (1)

Country Link
CN (1) CN113054881B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115471501B (zh) * 2022-10-31 2023-10-13 长江勘测规划设计研究有限责任公司 利用机器视觉在线识别发电机气隙分布状态的方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017080120A1 (zh) * 2015-11-12 2017-05-18 西安理工大学 一种实现永磁同步电动机转速单向混沌运动的方法
CN107016455A (zh) * 2017-02-27 2017-08-04 浙江大学 循环流化床生活垃圾焚烧锅炉炉膛出口烟气含氧量的预测系统及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100536311C (zh) * 2007-11-30 2009-09-02 江苏大学 神经网络广义逆无轴承永磁同步电机解耦控制器构造方法
CN102790576B (zh) * 2012-08-06 2015-09-02 江苏大学 一种无轴承永磁同步电机解耦控制器的构造方法
CN103967478B (zh) * 2014-05-21 2017-10-27 北京航空航天大学 一种基于电导探针的垂直井流型辨识方法
CN104953913B (zh) * 2015-07-03 2018-08-07 兰州交通大学 基于自抗扰的网络化交流电机ls-svm广义逆解耦控制方法
CN106503867A (zh) * 2016-11-14 2017-03-15 吉林大学 一种遗传算法最小二乘风电功率预测方法
CN111276248B (zh) * 2020-01-20 2023-09-12 苏州帕诺米克生物医药科技有限公司 状态确定系统和电子设备
CN111382929A (zh) * 2020-02-26 2020-07-07 中国环境科学研究院 一种构建河流硅藻水华预警模型的方法及装置
CN112070356B (zh) * 2020-08-07 2024-05-14 湖北交投十巫高速公路有限公司 一种基于rf-lssvm模型预测混凝土抗碳化性能的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017080120A1 (zh) * 2015-11-12 2017-05-18 西安理工大学 一种实现永磁同步电动机转速单向混沌运动的方法
CN107016455A (zh) * 2017-02-27 2017-08-04 浙江大学 循环流化床生活垃圾焚烧锅炉炉膛出口烟气含氧量的预测系统及方法

Also Published As

Publication number Publication date
CN113054881A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN111628687B (zh) 一种基于熵权法的永磁同步电机多目标参数优化方法
Lei et al. Robust design optimization of electrical machines: A comparative study and space reduction strategy
Wong et al. Optimal PID controller design for AVR system
CN110705174B (zh) 一种五自由度磁悬浮电主轴转子位移自检测系统及方法
CN113054881B (zh) 外转子定子无铁心无轴承永磁同步电动机控制器构造方法
Purnama et al. Intelligent control strategies for tuning PID of speed control of DC motor-a review
Cong et al. Parameters identification of nonlinear DC motor model using compound evolution algorithms
CN112422007A (zh) 混合磁轴承最小二乘支持向量机优化控制系统的构造方法
Rutczyńska-Wdowiak Replacement strategies of genetic algorithm in parametric identification of induction motor
Shimizu Efficiency optimization design that considers control of interior permanent magnet synchronous motors based on machine learning for automotive application
Purwanto et al. Implementation of genetic algorithm for induction motor speed control based on vector control method
Liang et al. Adaptive finite‐time control for turbo‐generator of power systems with prescribed performance
Ouledali et al. Genetic algorithm tuned PI controller on PMSM direct torque control
CN116164039A (zh) 径向六极混合磁轴承无位移传感器控制系统的构造方法
CN111831955A (zh) 一种锂离子电池剩余寿命预测方法及系统
Oyamada et al. Performance prediction of electric motors via deep learning
CN210605711U (zh) 一种五自由度磁悬浮电主轴转子位移自检测系统
Todorova et al. Magnetic Gear Design Optimization by Genetic Algorithm with ANN Controlled Crossover and Mutation
Bu et al. A control method of bearingless induction motor based on neural network
Pant et al. Optimal tuning of pi speed controller using nature inspired heuristics
Chiewchitboon et al. Speed control of three-phase induction motor online tuning by genetic algorithm
CN114448310B (zh) 五自由度无轴承永磁同步发电机神经网络预测解耦控制器
Li et al. Brushless DC Motor control strategy for electric vehicles
Niu et al. Control of brushless DC motor based on fuzzy rules optimized by genetic algorithm used in hybrid vehicle
Mahfoud et al. A New Strategy-Based PID Controller Optimized by Genetic Algorithm for DTC of the Doubly Fed Induction Motor. Systems 2021, 9, 37

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230518

Address after: Room 401, Building 1, Concrete House, Southeast Corner, Intersection of Lengdong Road and Guantian North Road, Baiya Town, Dong'an County, Yongzhou City, Hunan Province, 425900

Patentee after: Yongzhou Xianghao Ting Electronics Co.,Ltd.

Address before: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

Effective date of registration: 20230518

Address after: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

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

Patentee before: JIANGSU University