CN209842353U

CN209842353U - 交流径向磁轴承用神经网络自抗扰控制器

Info

Publication number: CN209842353U
Application number: CN201920445002.XU
Authority: CN
Inventors: 朱熀秋; 王绍帅; 徐奔; 郝亮; 还浚萁; 杨洋
Original assignee: Jiangsu University
Current assignee: Jiangsu University
Priority date: 2019-04-03
Filing date: 2019-04-03
Publication date: 2019-12-24
Anticipated expiration: 2029-04-03

Abstract

本实用新型公开一种交流径向磁轴承用神经网络自抗扰控制器，第一跟踪微分器的输入是给定径向位移、输出是跟踪信号和微分信号；第一自适应扩张状态观测器的输入是控制量u、径向位移和三个参数、第一非线性状态误差反馈控制律的另两个输入是参数β₁和β₂、输出的是控制量u₀；控制量u₀与估计值的差值为第一补偿因子输入，第二补偿因子输出是控制量u，作为第一自适应自抗扰控制器一个输入，通过构造自适应扩张状态观测器，自动补偿被控对象内部、外部扰动，实现三个参数根据系统扰动的变化在线自动调整，增加扩张状态观测器对扰动的估计和补偿精度，提高自抗扰控制器控制性能。

Description

交流径向磁轴承用神经网络自抗扰控制器

技术领域

本实用新型属于电力传动控制设备的技术领域，涉及交流径向磁轴承的解耦控制技术，具体是基于神经网络的交流径向磁轴承自适应自抗扰控制器，适用于多变量、非线性、强耦合的交流径向磁轴承的解耦控制。

背景技术

磁轴承是一种利用磁场力使转子稳定悬浮，与定子无接触的长寿命、低损耗、无摩擦、无需润滑的高性能非接触式轴承，因此具有无摩擦、无磨损、无需润滑、寿命长、高精度及高速度等优点。径向磁轴承系统是一个强耦合、非线性的多输入多输出系统，要想实现磁轴承的高速度高精度稳定运行，需要对系统进行线性化解耦控制。自抗扰控制器(ADRC)具有不依赖被控对象数学模型的优点，因此被广泛的应用到复杂的系统中。自抗扰控制器虽然优势众多，但其算法复杂、参数多，即使自抗扰控制器的部分参数可以通过查询文献资料获得，但很多参数大都是依靠经验试凑法，如误差反馈增益、补偿因子等方法获得，费时费力。控制系统扰动因素多，无法实现参数实时调节，很难得到最优参数。为此，又提出了智能参数调节方法，对自抗扰控制器中的大部分参数进行了优化，但仍需要辨识过程传递函数和扰动传递函数，增加了对系统模型的依赖性。中国专利公开号为CN107037729、名称为“一种基于RBF神经网络自抗扰控制器的设计方法”的文献中提出了一种基于RBF的自抗扰控制器，该控制器利用RBF神经网络仅对一阶自抗扰控制器的非线性反馈控制律一项参数进行调节，没有对自抗扰控制器的其它关键参数进行调节。

发明内容

本实用新型的目的是为了解决交流径向磁轴承采用传统自抗扰控制器中存在的问题，提出了一种基于BP神经网络的自适应自抗扰控制器及该控制器，自动整定扩张状态观测器(ESO)的三个关键的参数β₀₁、β₀₂和β₀₃和非线性状态误差反馈控制律(NLSEF)的两个关键的可调参数β₁和β₂，提高ESO对扰动估计的准确度，进而提高自抗扰控制器的控制效果，减少了调整参数的数量。

本实用新型所述的交流径向磁轴承用神经网络自抗扰控制器采用的技术方案是：由串接于含有交流径向磁轴承的复合被控对象前端的第一自适应自抗扰控制器和第二自适应自抗扰控制器组成，第一自适应自抗扰控制器输入的是给定径向位移x^*、输出的是控制电流i_x ^*；第二自适应自抗扰控制器输入的是给定径向位移y^*、输出的是控制电流i_y ^*；第一自适应自抗扰控制器是由第一跟踪微分器、第一自适应扩张状态观测器、第一非线性状态误差反馈控制律、第一BP神经网络、第二BP神经网络、第一补偿因子和第二补偿因子构成；第一跟踪微分器的输入是给定径向位移x^*、输出是跟踪信号x₁和微分信号x₂；第一自适应扩张状态观测器的输入是控制量u、径向位移x和三个可调参数β₀₁、β₀₂、β₀₃、输出是跟踪信号x₁的估计值z₁、微分信号x₂的估计值z₂和x方向总扰动的估计值z₃；第一非线性状态误差反馈控制律和第一BP神经网络的两个输入是误差e₁＝x₁-z₁和e₂＝x₂-z₂，第二BP神经网络的输入是给定径向位移x^*和径向位移x、输出是两个参数β₁和β₂，第一非线性状态误差反馈控制律的另两个输入是参数β₁和β₂，第一非线性状态误差反馈控制律输出的是控制量u₀；控制量u₀与估计值z₃的差值为第一补偿因子的输入，第一补偿因子的输出是控制电流i_x ^*，该电流i_x ^*分别为复合被控对象和第二补偿因子的输入，第二补偿因子的输出是控制量u，此控制量u作为第一自适应自抗扰控制器的一个输入；第一BP神经网络的输入是误差e₁、e₂、径向位移x和偏置值1，输出的是三个可调参数β₀₁、β₀₂、β₀₃，该三个可调参数β₀₁、β₀₂、β₀₃为第一自适应扩张状态观测器的输入；第二自适应自抗扰控制器的内部结构与第一自适应自抗扰控制器相同。

本实用新型采用上述技术方案后的有益效果是：

1、本实用新型设计的交流径向磁轴承用自适应自抗扰控制器，通过构造系统的自适应扩张状态观测器，能够自动的补偿被控对象的内部、外部扰动，实现了扩张状态观测器的三个参数β₀₁、β₀₂和β₀₃可根据系统扰动的变化而在线自动调整，增加了扩张状态观测器对扰动的估计和补偿精度，进而提高了自抗扰控制器的控制性能。

2、自抗扰控制器中的非线性状态误差反馈控制律的参数β₁和β₂，类似于PID控制算法中的比例、微分、积分系数，利用BP神经网络对参数β₁和β₂进行实时优化，使自抗扰控制器具有自学习能力，以适应控制对象的参数变化，增强该多变量自抗扰控制系统的自适应能力。

3、由于标准自抗扰控制器所需整定的参数较多，有些参数之间还存在相互影响，因此参数的整定十分困难。本实用新型提出的径向磁轴承用自适应自抗扰控制器，利用BP神经网络逼近非线性函数的能力，对控制器的关键参数进行自整定，它比传统的自抗扰控制方法需调整的参数少的多。

4、对标准的BP算法进行了改进，提出了一种添加多重动量项的改进方法，能够有效地减少网络训练次数，抑制网络训练中可能出现振荡的能力也将更强。

附图说明

图1是复合被控对象的构成图；

图2是本实用新型所述的交流径向磁轴承用神经网络自抗扰控制器的结构框图；

图3是图2中扩张状态观测器用BP神经网络的结构图；

图4是非线性状态误差反馈控制律用BP神经网络的结构图。

图中：1.Clark逆变换；2.电流跟踪型逆变器；3.交流径向磁轴承；4.电涡流位移传感器；5.位移接口电路；6.复合被控对象；7.第一自适应自抗扰控制器；71.第一跟踪微分器；72.第一自适应扩张状态观测器；73.第一非线性状态误差反馈控制律；74.第一BP神经网络；75.第二BP神经网络；76.第一补偿因子；77.第二补偿因子；8.第二自适应自抗扰控制器；81.第二跟踪微分器；82.第二自适应扩张状态观测器；83.第二非线性状态误差反馈控制律；84.第三BP神经网络；85.第四BP神经网络；86.第三补偿因子；87.第四补偿因子。

具体实施方式

参见图2，本实用新型所述的交流径向磁轴承用神经网络自抗扰控制器由第一自适应自抗扰控制器7和第二自适应自抗扰控制器8组成，第一自适应自抗扰控制器7和第二自适应自抗扰控制器8各自串接于含有交流径向磁轴承3的复合被控对象6的前端，共同控制复合被控对象6。两种自适应自抗扰控制器的内部结构和构造方法完全一样，所不同的是第一自适应自抗扰控制器7输入的是给定径向位移x^*、输出的是控制电流i_x ^*；第二自适应自抗扰控制器8输入的是给定径向位移y^*、输出的是控制电流i_y ^*。第一自适应自抗扰控制器7输出的径向控制电流i_x ^*至复合被控对象6，实现径向x方向的控制，第二自适应自抗扰控制器8输出的径向控制电流i_y ^*至复合被控对象6，实现复合被控对象6的径向y方向的控制。

第一自适应自抗扰控制器7是由第一跟踪微分器71、第一自适应扩张状态观测器72、第一非线性状态误差反馈控制律73、第一BP神经网络74、第二BP神经网络75、第一补偿因子76、第二补偿因子77作为一个整体构成。

其中，第一跟踪微分器71的输入是给定径向位移x^*，输出是跟踪信号x₁和微分信号x₂。第一自适应扩张状态观测器72的输入是控制量u、径向位移x和三个可调参数β₀₁、β₀₂、β₀₃，输出的是跟踪信号x₁的估计值z₁、微分信号x₂的估计值z₂和x方向总扰动的估计值z₃。

将第一将跟踪微分器71输出的跟踪信号x₁减去估计值z₁得到误差e₁＝x₁-z₁，将微分信号x₂减去估计值z₂得到误差e₂＝x₂-z₂，该误差e₁、e₂分别作为第一非线性状态误差反馈控制律73和第一BP神经网络74的两个输入。第二BP神经网络75的输入是给定径向位移x^*和径向位移x，输出的是两个参数β₁和β₂，这两个参数β₁和β₂为第一非线性状态误差反馈控制律73的两个输入。第一非线性状态误差反馈控制律73输出的是控制量u₀。

将控制量u₀与x方向总扰动的估计值z₃作差，其差值u₀-z₃作为第一补偿因子76的输入，第一补偿因子76的输出是控制电流i_x ^*，该电流i_x ^*分别作为复合被控对象6和第二补偿因子77的输入，第二补偿因子77的输出是控制量u，此控制量u作为第一自适应自抗扰控制器72的一个输入。

第一BP神经网络74的输入是误差e₁、误差e₂、径向位移x和偏置值1，输出的是三个可调参数β₀₁、β₀₂、β₀₃，该三个可调参数β₀₁、β₀₂、β₀₃作为第一自适应扩张状态观测器72的输入。

同理，第二自适应自抗扰控制器8是由第二跟踪微分器81、第二自适应扩张状态观测器82、第二非线性状态误差反馈控制律83、第三BP神经网络84、第四BP神经网络85、第三补偿因子86、第四补偿因子87作为一个整体构成。

其中，第二跟踪微分器81的输入是给定径向位移y^*，输出是跟踪信号x₃和微分信号x₄。第二自适应扩张状态观测器82的输入是控制量u₂、径向位移y和三个可调参数β₀₄、β₀₅、β₀₆，输出的是跟踪信号x₃的估计值z₄、微分信号x₄的估计值z₅和y方向总扰动的估计值z₆。

将第二将跟踪微分器81输出的跟踪信号x₃减去估计值z₄得到误差e₃＝x₃-z₄，将微分信号x₄减去估计值z₅得到误差e₄＝x₄-z₅，该误差e₃、e₄分别作为第二非线性状态误差反馈控制律83和第三BP神经网络84的两个输入。第四BP神经网络75的输入是给定径向位移x^*和径向位移x，输出的是两个参数β₃和β₄，这两个参数β₃和β₄为第二非线性状态误差反馈控制律83的两个输入。第二非线性状态误差反馈控制律83输出的是控制量u₁。

将控制量u₁与y方向总扰动的估计值z₆作差，其差值作为第三补偿因子86的输入，第三补偿因子86的输出是控制电流i_y ^*，该电流i_y ^*分别作为复合被控对象6和第四补偿因子87的输入，第四补偿因子87的输出是控制量u₂，此控制量u₂作为第二自适应自抗扰控制器82的一个输入。

第三BP神经网络84的输入是误差e₃、误差e₄、径向位移y和偏置值1，输出的是三个可调参数β₀₄、β₀₅、β₀₆，该三个可调参数β₀₄、β₀₅、β₀₆作为第二自适应扩张状态观测器82的输入。

参见图1，复合被控对象6由Clark变换1、电流跟踪型逆变器2、交流径向磁轴承3、电涡流位移传感器4和位移接口电路5依次串接作为一个整体组成。输入即是Clark变换1的输入，是径向控制电流i_x ^*、i_y ^*，复合被控对象6的输出即位移接口电路5的输出，是径向位移x、y。Clark变换1输出的是电流i_u ^*、i_v ^*和i_w ^*，电流跟踪型逆变器2的输出是电流i_u、i_v和i_w。

本实用新型交流径向磁轴承用神经网络自抗扰控制器具体的构造方法如下：

1、确定复合被控对象及其输入输出

在交流径向磁轴承3的控制系统中，电流跟踪型逆变器2的输出电流i_u、i_v和i_w直接影响到交流径向磁轴承3的承载力，且其输出电流i_u、i_v和i_w还受交流径向磁轴承3的电磁铁材料的磁滞回线带来的非线性影响，而电涡流传感器4的灵敏度和位移接口电路的设计情况会影响到控制系统的精度。因此将Clark变换1、电流跟踪型逆变器2、交流径向磁轴承3、电涡流位移传感器4、位移接口电路5依次串接作为一个整体，构成复合被控对象6；复合被控对象6的输入即是Clark变换1的输入，是径向控制电流i_x ^*、i_y ^*，复合被控对象6的输出即位移接口电路5的输出，是径向位移x、y。

2、构建跟踪微分器

对于第一自适应自抗扰控制器7，构建的是第一跟踪微分器71。将给定径向位移x^*作为第一跟踪微分器71的输入，第一跟踪微分器71可以根据复合被控对象6的控制需求，结合给定径向位移x^*，合理地提取出跟踪信号x₁和微分信号x₂如下：

式中：fhan(x₁(k)-x^*(k)，x₂(k)，r₀，h₀)为最速综合函数，h₀为积分步长；r₀为速度因子；h为采样周期；x^*(k)为给定径向位移x^*在k时刻的值；x₁(k)为跟踪信号x₁在k时刻的值；x₁(k+1)为跟踪信号x₁在k+1时刻的值；x₂(k)为微分信号x₂在k时刻的值；x₂(k+1)为微分信号x₂在k+1时刻的值。

对于第二自适应自抗扰控制器8，构建的是第二跟踪微分器81，构建方法与构建第一跟踪微分器71的方法雷同，所不同的是将给定径向位移y^*作为第二跟踪微分器81的输入，第二跟踪微分器81输出的是跟踪信号x₃和微分信号x₄。

3、构建自适应扩张状态观测器

对于第一自适应自抗扰控制器7，基于复合被控对象6的输入、输出构造第一自适应扩张状态观测器72。将控制量u₀在k时刻的值u₀(k)和系统总扰动k时刻估计值z₃(k)的差值作为第一补偿因子76的输入，第一补偿因子76的输出是电流i_x ^*(k)＝(u₀-z₃)/b₀，将该电流作为第二补偿因子77的输入，第二补偿因子77的输出是控制量u＝u₀-z₃，将控制量u＝u₀-z₃作为第一自适应自抗扰控制器72的第一个输入。其中第一补偿因子76的值为1/b₀，第二补偿因子77的值为b₀。第一自适应扩张状态观测器72的其余输入为径向位移x和三个可调参数β₀₁、β₀₂和β₀₃。第一扩自适应张状态观测器72的输出为三个估计值z₁、z₂和z₃，其中，z₁、z₂分别为x₁、x₂的估计值，z₃为x方向总扰动的估计值，对交流径向磁轴承系统，第一自适应扩张状态观测器72采用如下形式：

i_x ^*(k)为第一补偿因子76的输出；fal为非线性函数，其表达式为：β₀₁、β₀₂、β₀₃、α₁、α₂、δ₁为扩张状态观测器的可调参数；α为α₁或α₂，α₁取0.5，α₂取0.25；δ₁＞0，一般可取采样周期的5～10倍；z₁(k)、z₂(k)、z₃(k)分别为z₁、z₂、z₃在k时刻的值，z₁(k+1)、z₂(k+1)、z₃(k+1)分别为z₁、z₂、z₃在k+1时刻的值，x(k)为x在k时刻的值，u(k)为u在k时刻的值，h为采样周期，e为误差，b₀为第二补偿因子的值；β₀₁、β₀₂、β₀₃的值由BP神经网整定，根据被控对象的变化和扰动而自动调整扩张状态观测器的参数β₀₁、β₀₂、β₀₃，即自适应扩张状态观测器。

对于第二自适应自抗扰控制器8，构造的第二自适应扩张状态观测器82，方法与构造第一自适应扩张状态观测器72的方法雷同，所不同的是将控制量u₁在k时刻的值u₁(k)和系统总扰动k时刻估计值z₆(k)的差值作为第三补偿因子86的输入，第三补偿因子86的输出是电流i_y ^*(k)＝(u₁-z₆)/b₀，将该电流作为第四补偿因子87的输入，第四补偿因子87的输出是控制量u₂＝u₁-z₆，将控制u₂＝u₁-z₆作为第二自适应自抗扰控制器82的第一个输入。第二自适应扩张状态观测器82的其余输入为径向位移y和三个可调参数β₀₄、β₀₅和β₀₆。第二自适应扩张状态观测器82的输出为三个估计值z₄、z₅和z₆，其中，z₄、z₅分别为x₃、x₄的估计值，z₆为y方向总扰动的估计值。

4、构造非线性状态误差反馈控制律

对于第一自适应自抗扰控制器7，构造的是第一非线性状态误差反馈控制律73。第一将跟踪微分器71的两个输出x₁和x₂分别对应地减去第一自适应扩张状态观测器72的两个输出z₁和z₂，得到误差e₁＝x₁-z₁和e₂＝x₂-z₂，该误差作为第一非线性状态误差反馈控制律73的输入，第二BP神经网络75输出的两个参数β₁和β₂也为第一非线性状态误差反馈控制律73的两个输入。对于交流径向磁轴承系统，第一非线性状态误差反馈控制律73的算法为：

u₀＝β₁fal(e₁，α₃，δ₂)+β₂fal(e₂，α₄，δ₂)，

fal为非线性函数，α₃、α₄、δ₂为可调参数，通常情况下α₃取0.5，α₄取0.25；δ₂＞0，一般可取采样周期的5～10倍；β₁和β₂由第二BP神经网络75在线自整定得到。

对于第二自适应自抗扰控制器8，构造的是第二非线性状态误差反馈控制律83。第二将跟踪微分器81的两个输出x₃和x₄分别对应地减去第二自适应扩张状态观测器82的两个输出z₄和z₅，得到误差e₃＝x₃-z₄和e₄＝x₄-z₅，该误差作为第二非线性状态误差反馈控制律83的输入。第四BP神经网络85输出的两个参数β₃和β₄也为第二非线性状态误差反馈控制律83的两个输入。β₃和β₄由第四BP神经网络85在线自整定得到。

5、基于BP神经网络的自适应扩张状态观测器参数整定

对于第一自适应自抗扰控制器7，第一BP神经网络74采用如图3所示的三层结构，将误差e₁、误差e₂、径向位移x和偏置值1作为第一BP神经网络74的4个输入节点，结合复合被控对象6并经过试凑选择5个隐含层节点，输出层的三个节点对应第一自适应扩张状态观测器72的三个可调参数β₀₁、β₀₂、β₀₃，由此实现第一自适应扩张状态观测器72的参数在线自整定。

第一BP神经网络74输入层的输入为其中in表示输入层；j为输入层的四个节点，j＝1，2，3，4；隐含层的输入输出为其中im表示隐含层，为隐含层加权系数k时刻的值，k表示k时刻，i表示隐含层的五个节点，i＝1，2，3，4，5；输出层的输入输出为其中out表示输出层，k表示k时刻，为隐含层加权系数k时刻的值，l表示输出层的三个节点，l＝1,2,3。

第一BP神经网络74按照梯度下降法修正网络的权系数，即按照性能指标函数E(k)对加权系数的负梯度方向搜索调整。传统BP算法网络连接权的迭代关系为添加动量项之后网络连接权的迭代关系为其中n表示调整权的次数，E是指标函数，是求偏导数符号，w为加权系数，η为学习速率，a为动量因子，0＜a＜1；aΔw(n-1)就是添加的动量项。添加多重动量项的改进方法，就是在普通添加动量项aΔw(n-1)的基础上，再添加一个bΔw(n-2)和cΔw(n-3)项，即调整(n-2)和(n-3)次时的权值变化量，a、b、c为动量因子，均大于0小于1。

BP神经网络自适应自抗扰控制器的具体算法如下：

1)确定第一BP神经网络74的结构，即确定输入层节点数j和隐含层节点数i，选定a、b、c和学习速率η，给出各层加权系数的初始值和此时令k＝1。

2)采样得到k时刻的误差e₁(k)和误差e₂(k)。

3)计算神经网络各层神经元的输入、输出，其输出层的输出即为第一自适应扩张状态观测器72中三个可调参数β₀₁、β₀₂和β₀₃。

4)进行神经网络的学习，对k时刻的加权系数和进行在线调整，实现第一自适应扩张状态观测器72三个可调参数的β₀₁、β₀₂和β₀₃自整定。

5)置k＝k+l，返回到步骤3)，直至系统误差满足要求为止。

同理，对于第二自适应自抗扰控制器8，第三BP神经网络84将误差e₃、误差e₄、径向位移y和偏置值1作为第三BP神经网络84的4个输入节点，选择5个隐含层节点，输出层的三个节点对应第二自适应扩张状态观测器82的三个可调参数β₀₄、β₀₅、β₀₆，由此实现第二自适应扩张状态观测器82的参数在线自整定。

6、基于BP神经网络的非线性状态误差反馈控制律参数整定

对于第一自适应自抗扰控制器7，第二BP神经网75的结构如图4所示，第二BP神经网络75采用三层结构，输入层具有2个节点，隐含层具有5个节点，输出层具有2个节点。径向位移x和径向给定位移x^*作为第二BP神经网络75的2个输入节点，第二BP神经网络75的输出节点是第一非线性状态误差反馈控制律73输入的两个参数β₁和β₂。由此可以实现第一非线性状态误差反馈控制律73的两个参数β₁和β₂的在线自整定。第二BP神经网络75的算法与第一BP神经网络74的算法相同。

同理，对于第二自适应自抗扰控制器8，第四BP神经网85也采用三层结构，输入层具有2个节点，隐含层具有5个节点，输出层具有2个节点。径向位移y和径向给定位移y^*作为第四BP神经网络85的2个输入节点，第四BP神经网络85的输出节点是第二非线性状态误差反馈控制律83输入的两个参数β₃和β₄。由此可以实现第二非线性状态误差反馈控制律83的两个参数β₃和β₄的在线自整定。第四BP神经网络85的算法与第一BP神经网络74的算法相同。

7、如图2所示，将第一跟踪微分器71、第一自适应扩张状态观测器72、第一非线性状态误差反馈控制律73、第一BP神经网络74、第二BP神经网络75、第一补偿因子76、第二补偿因子77作为一个整体构成第一自适应自抗扰控制器7；将第二跟踪微分器81、第二自适应扩张状态观测器82、第二非线性状态误差反馈控制律83、第三BP神经网络84、第四BP神经网络85、第三补偿因子86、第四补偿因子87作为一个整体构成第二自适应自抗扰控制器8，共同控制复合被控对象6。

Claims

1.一种交流径向磁轴承用神经网络自抗扰控制器，由串接于含有交流径向磁轴承(3)的复合被控对象(6)前端的第一自适应自抗扰控制器(7)和第二自适应自抗扰控制器(8)组成，其特征是：第一自适应自抗扰控制器(7)输入的是给定径向位移x^*、输出的是控制电流i_x ^*；第二自适应自抗扰控制器(8)输入的是给定径向位移y^*、输出的是控制电流i_y ^*；第一自适应自抗扰控制器(7)是由第一跟踪微分器(71)、第一自适应扩张状态观测器(72)、第一非线性状态误差反馈控制律(73)、第一BP神经网络(74)、第二BP神经网络(75)、第一补偿因子(76)和第二补偿因子构成；第一跟踪微分器(71)的输入是给定径向位移x^*、输出是跟踪信号x₁和微分信号x₂；第一自适应扩张状态观测器(72)的输入是控制量u、径向位移x和三个可调参数β₀₁、β₀₂、β₀₃、输出是跟踪信号x₁的估计值z₁、微分信号x₂的估计值z₂和x方向总扰动的估计值z₃；第一非线性状态误差反馈控制律(73)和第一BP神经网络(74)的两个输入是误差e₁＝x₁-z₁和e₂＝x₂-z₂，第二BP神经网络(75)的输入是给定径向位移x^*和径向位移x、输出是两个参数β₁和β₂，第一非线性状态误差反馈控制律(73)的另两个输入是参数β₁和β₂，第一非线性状态误差反馈控制律(73)输出的是控制量u₀；控制量u₀与估计值z₃的差值为第一补偿因子(76)的输入，第一补偿因子(76)的输出是控制电流i_x ^*，该电流i_x ^*分别为复合被控对象(6)和第二补偿因子(77)的输入，第二补偿因子(77)的输出是控制量u，此控制量u作为第一自适应自抗扰控制器(7)的一个输入；第一BP神经网络(74)的输入是误差e₁、e₂、径向位移x和偏置值1，输出的是三个可调参数β₀₁、β₀₂、β₀₃，该三个可调参数β₀₁、β₀₂、β₀₃为第一自适应扩张状态观测器(72)的输入；第二自适应自抗扰控制器(8)的内部结构与第一自适应自抗扰控制器(7)相同。

2.根据权利要求1所述的交流径向磁轴承用神经网络自抗扰控制器，其特征是：复合被控对象(6)由Clark变换(1)、电流跟踪型逆变器(2)、交流径向磁轴承(3)、电涡流位移传感器(4)和位移接口电路(5)依次串接组成。

3.根据权利要求1所述的交流径向磁轴承用神经网络自抗扰控制器，其特征是：第一跟踪微分器(71)根据给定径向位移x^*提取出跟踪信号x₁和微分信号x₂：

fhan(x₁(k)-x^*(k)，x₂(k)，r₀，h₀)为最速综合函数，h₀为积分步长，r₀为速度因子，h为采样周期，x^*(k)为给定径向位移x^*在k时刻的值，x₁(k)为跟踪信号x₁在k时刻的值，x₁(k+1)为跟踪信号x₁在k+1时刻的值，x₂(k)为微分信号x₂在k时刻的值，x₂(k+1)为微分信号x₂在k+1时刻的值。

4.根据权利要求3所述的交流径向磁轴承用神经网络自抗扰控制器，其特征是：第一补偿因子(76)输出电流i_x ^*(k)＝(u₀-z₃)/b₀，第二补偿因子(77)输出控制量u＝u₀-z₃，第一补偿因子(76)的值为1/b₀，第二补偿因子(77)为b₀，第一自适应扩张状态观测器(72)采用下式得到其输出：

e为误差，fal为非线性函数，α₁、α₂、δ₁为可调参数，α为α₁或α₂，α₁取0.5，α₂取0.25，δ₁取采样周期的5～10倍，z₁(k)、z₂(k)、z₃(k)分别为z₁、z₂、z₃在k时刻的值，z₁(k+1)、z₂(k+1)、z₃(k+1)分别为z₁、z₂、z₃在k+1时刻的值，x(k)为x在k时刻的值，u(k)为u在k时刻的值，h为采样周期，b₀为第二补偿因子的值。

5.根据权利要求4所述的交流径向磁轴承用神经网络自抗扰控制器，其特征是：第一非线性状态误差反馈控制律(73)采用式u₀＝β₁fal(e₁，α₃，δ₂)+β₂fal(e₂，α₄，δ₂)得到其输出控制量u₀，fal为非线性函数，e₁、e₂为误差，e₁＝x₁-z₁，e₂＝x₂-z₂，α₃取0.5，α₄取0.25，δ₂取采样周期的5～10倍。

6.根据权利要求5所述的交流径向磁轴承用神经网络自抗扰控制器，其特征是：第一BP神经网络(74)的网络连接权的迭代关系为n为调整权的次数，E为指标函数，w为加权系数，η为学习速率，a、b、c为动量因子，均大于0小于1，调整(n-2)和(n-3)次时的权值变化量；确定第一BP神经网络(74)的结构，给出各层加权系数的初始值，采样得到k时刻的误差，计算神经网络各层神经元的输入和输出，其输出层的输出即为三个参数β₀₁、β₀₂和β₀₃，对k时刻的加权系数进行在线调整，整定三个参数β₀₁、β₀₂、β₀₃；第二BP神经网络(75)采用三层结构，输入层具有2个节点，隐含层具有5个节点，输出层具有2个节点，第二BP神经网络(75)输出的两个参数β₁、β₂的整定方法与三个参数β₀₁、β₀₂、β₀₃的整定方法相同。