專利名稱：無軸承異步電機徑向模糊神經網絡廣義逆控制器構造方法
技術領域：
本發明是一種無軸承異步電機徑向位置模糊神經網絡廣義逆控制器的構造方法，適用于無軸承異步電機徑向位置的高性能控制，屬于電力傳動控制設備的技術領域。
背景技術：
無軸承異步電機具有無摩擦、無磨損、無需潤滑、運行可靠，結構簡單，成本低等優點，在高速高精數控機床電主軸、高壓密封泵、飛輪儲能、壓縮機、渦流分子泵、計算機硬盤驅動、航空航天等特殊場合具有十分廣泛的應用前景。無軸承異步電機是一個多變量、非線性、時變的強耦合復雜系統，為了實現其穩定懸浮運行，必須對其進行非線性解耦控制。無軸承異步電機的解耦控制主要有矢量控制、逆系統方法、神經網絡逆系統方法等。基于動態模型的矢量控制策略下的無軸承異步電機雖·然具有動態性能好、調速范圍寬的優點，但由于矢量控制方法中包含了無軸承異步電機轉子參數以及負載轉矩，轉子參數的攝動與負載轉矩的突變將會使系統魯棒性變差，影響系統的實際控制效果。逆系統方法是通過將復雜的非系統變換成簡單的線性系統，在不失系統可控性和精確性的前提下，在較寬的工作域內使用線性理論來分析、設計線性控制器，但是此方法在實現系統線性化解耦的同時，需要獲得無軸承異步電機精確的數學模型，因此在工程上應用具有一定困難。神經網絡逆系統方法雖然有效地解決了逆系統方法運用中逆模型難以求取的難點，然而神經網絡逆系統方法線性化解耦后得到的偽線性系統仍是開環不穩定的，需要設計復雜的閉環控制器，并且基于經驗風險最小化的神經網絡存在過學習、局部極小、以及類型和結構的選擇過分依賴于經驗等缺陷，使得神經網絡逆系統方法實際效果不佳。

發明內容
本發明的目的是提供一種能使無軸承異步電機在不同徑向位置下徑向懸浮力進行非線性動態解耦控制，使其具有良好的靜、動態控制性能，并且又能簡化系統控制的用于開環控制的無軸承異步電機徑向位置模糊神經網絡廣義逆控制器的構造方法。本發明的技術方案是采用如下步驟1)將Park逆變換、Clark逆變換、電流跟蹤型逆變器和被控的無軸承異步電機依次串接組成復合被控對象；2)用具有6個輸入節點、2個輸出節點的模糊神經網絡加4個線性環節構成具有2個輸入節點、2個輸出節點的模糊神經網絡廣義逆，其中，模糊神經網絡廣義逆的第一個輸入
—作為模糊神經網絡的第一個輸入，其經二階系統~^ 的輸出為模糊神經網絡
-TanS -^al2
的第二個輸入，再經一個積分器的輸出為模糊神經網絡的第三個輸入；模糊神經網絡廣
義逆的第二個輸入_作為模糊神經網絡的第四個輸入，其經二階系統^5-Tf--T--_的輸 Iaxs +a21s+a22
出為模糊神經網絡的第五個輸入，再經一個積分器的輸出為模糊神經網絡的第六個輸入，模糊神經網絡的輸出是模糊神經網絡廣義逆的輸出，AodndmawaM和<322為廣義逆系統的參數；3)調整模糊神經網絡的各個參數和權系數使模糊神經網絡廣義逆實現復合被控對象的廣義逆系統功能；將模糊神經網絡廣義逆串接于復合被控對象之前組成廣義偽線性系統；廣義偽線性系統被線性化解耦為兩個單輸入單輸出子系統，分別為兩個位移二階偽線性子系統；4)將模糊神經網絡廣義逆串接在復合被控對象之前，由模糊神經網絡廣義逆、Park逆變換、Clark逆變換和電流跟蹤型逆變器共同構成無軸承異步電機徑向模糊神經網絡廣義逆控制器。本發明的有益效果是
I、本發明采用一個模糊神經網絡和四個線性環節來構成一種動態神經網絡，并用這種動態神經網絡逼近廣義逆系統，其中模糊神經網絡用來逼近無軸承異步電機徑向位置的廣義逆系統，而用線性環節來表征廣義逆系統的動態特性。此方法不但實現了無軸承異步電
機徑向位置原系統的線性化解耦，而且通過合理地調節廣義逆系統的參數a1(l、an、ai2、a2(l、^21和a22，使線性化解耦后的單輸入單輸出的徑向位置子系統的極點在復平面內合理配置，將積分型不穩定的子系統轉變為穩定的子系統，從而實現了無軸承異步電機徑向位置非線性系統的開環線性化控制。2、模糊神經網絡同時具備模糊邏輯強大的模糊推理能力和神經網絡較強的自學習能力、非線性逼近能力等優點，利用模糊邏輯技術可以提高神經網絡的學習能力，利用神經網絡可以實現模糊邏輯系統和并行模糊推理，因此采用模糊神經網絡克服了神經網絡存在局部極小點、過學習及結構和類型的選擇過分依賴經驗等缺陷。3、利用模糊神經網絡對非線性函數的非線性逼近能力，本發明給出了廣義逆系統與模糊神經網絡相結合的方法，從而解決了廣義逆系統在實際應用中逆模型難以求取的瓶頸問題。4、通過構造模糊神經網絡廣義逆，將復雜非線性、強耦合、時變系統的控制轉化為對兩個簡單的位移二階偽線性子系統的控制，從而實現了對無軸承異步電機任意徑向位置下徑向懸浮力之間的非線性解耦控制。5、本發明給出的模糊神經網絡廣義逆控制器不僅能實現無軸承異步電機在不同徑向位置下徑向懸浮力之間的解耦控制，而且可以作為非線性開環控制器直接使用，無需設計復雜的閉環控制器即可確保無軸承異步電機的穩定懸浮運行。


圖I是由Park逆變換11、Clark逆變換12、電流跟蹤型逆變器13和被控的無軸承異步電機14組成復合被控對象15 ；
圖2是模糊神經網絡廣義逆22的構成圖，由6個輸入節點、2個輸出節點的5層模糊神經網絡21和4個線性環節構成；
圖3是模糊神經網絡廣義逆22與復合被控對象15復合構成的廣義偽線性系統3的示意圖及其等效 圖4是無軸承異步電機徑向模糊神經網絡廣義逆控制器4的構成圖。圖中3.廣義偽線性系統；4.無軸承異步電機徑向模糊神經網絡廣義逆控制器；
II.Park逆變換；12. Clark逆變換；13.電流跟蹤型逆變器；14.無軸承異步電機；15.復合被控對象；21.模糊神經網絡；22.模糊神經網絡廣義逆。
具體實施例方式本發明的實施方案是首先由Park逆變換、Clark逆變換、電流跟蹤型逆變器、及被控的無軸承異步電機徑向位置組成復合被控對象，該復合被控對象等效為兩相旋轉坐標系下的4階微分方程模型，系統向量的相對階為{2，2}。采用6個輸入節點、2個輸出節點的模糊神經網絡(5層網絡)和4個線性環節構成具有2個輸入節點、2個輸出節點的復合被控對象的模糊神經網絡廣義逆。并通過調整模糊神經網絡的各個參數和權值使模糊神經網絡廣義逆實現復合被控對象的廣義逆系統功能。再將模糊神經網絡廣義逆置于復合被控對象之前，模糊神經網絡廣義逆與復合被控對象組成廣義偽線性系統；廣義偽線性系統被線性化解耦為兩個單輸入單輸出子系統，分別為兩個位移二階偽線性子系統，從而將一個多變量、非線性、強耦合的復雜控制對象轉化為兩個二階子系統的控制。此方法不但實現了無軸承異步電機徑向位置原系統的線性化解耦，而且通過合理地調節廣義逆系統的參數a1(l、
an、a12、a2(l、a21和a22，可以使線性化解耦后的單輸入單輸出的子系統的極點在復平面內合理配置，實現將積分型不穩定的子系統轉變為穩定的子系統，從而實現非線性系統的開環線性化控制。具體的實施分以下7步
I、形成復合被控對象。將Park逆變換11、Clark逆變換12、電流跟蹤型逆變器13和被控的無軸承異步電機14依次串接組成組成復合被控對象15，無軸承異步電機14在徑向
位置，如圖I所示。該復合被控對象15以{ & , & }兩個電流信號作為輸入，以轉子徑向
位移作為輸出。2、通過分析、等效與推導，為模糊神經網絡廣義逆22的構造與學習訓練提供方法上的根據。首先基于無軸承異步電機14的工作原理，建立無軸承異步電機徑向位置的數學模型，經過坐標變換和線性放大，得到復合被控對象15的數學模型，即兩相旋轉坐標系下4階微分方程，其向量相對階為{2，2}。經推導可以證明該4階微分方程可逆，即廣義逆系統存在，并可確定其廣義逆系統的2個輸入為巧, V2 = a20y +a2ly +<a22>!，2個輸
出分別為復合被控系統的2個輸入，即&和^。從而可以構造出模糊神經網絡廣義逆22，為學習訓練提供了方法上的根據，如圖2所示。3、根據無軸承異步電機14的具體情況，合理地調節廣義逆系統的參數a1(l、an、ai2、a20,a2l和a22，使線性化解耦后的單輸入單輸出的徑向位置子系統的極點在復平面內合理配置，實現將積分型不穩定的子系統轉變為穩定的子系統，從而實現非線性系統的開環線性化控制。4、如圖3所示，采用模糊神經網絡21和4個線性環節來構造模糊神經網絡廣義逆22，模糊神經網絡21采用5層自適應神經模糊推理系統(簡稱為模糊神經網絡)，輸入節點數為6，輸出層節點數為2，誤差指標選取樣本的均方誤差，輸入及輸出變量的隸屬函數均采用鐘形函數，并且每個輸入取15個隸屬度函數，輸出函數類型為線性，模糊神經網絡21的參數和權系數在下一步的離線學習中確定。接著采用具有6個輸入節點、2個輸出節點的模糊神經網絡21加4個線性環節來構造具有2個輸入節點、2個輸出節點的模糊神經網絡廣義逆22，其中模糊神經網絡廣義逆22的第一個輸入巧作為模糊神經網絡21的第一個輸入，其經二階系統
權利要求
1.一種無軸承異步電機徑向模糊神經網絡廣義逆控制器構造方法，其特征在于采用如下步驟 I)將Park逆變換(ll)、Clark逆變換(12)、電流跟蹤型逆變器(13)和被控的無軸承異步電機(14)依次串接組成復合被控對象(15)； 2 )用具有6個輸入節點、2個輸出節點的模糊神經網絡(21)加4個線性環節構成具有2個輸入節點、2個輸出節點的模糊神經網絡廣義逆(22 )，其中，模糊神經網絡廣義逆(22 )的第一個輸入_作為模糊神經網絡(21)的第一個輸入，其經二階系統~+ 的輸出為模糊神經網絡(21)的第二個輸入，再經一個積分器的輸出為模糊神經網絡(21)的第三個輸入；模糊神經網絡廣義逆(22)的第二個輸入「作為模糊神經網絡(21)的第四個輸入，其經二階系統^I 的輸出為模糊神經網絡(21)的第五個輸入，再經一個￥ + 5 +a22積分器的輸出為模糊神經網絡(21)的第六個輸入，模糊神經網絡(21)的輸出是模糊神經網絡廣義逆(22)的輸出，ai(l、ail、ai2、a2(l、a21和a22為廣義逆系統的參數； 3)調整模糊神經網絡(21)的各個參數和權系數使模糊神經網絡廣義逆(22)實現復合被控對象(15)的廣義逆系統功能；將模糊神經網絡廣義逆(22)串接于復合被控對象(15)之前組成廣義偽線性系統(3);廣義偽線性系統(3)被線性化解耦為兩個單輸入單輸出子系統，分別為兩個位移二階偽線性子系統； 4)將模糊神經網絡廣義逆(22)串接在復合被控對象(15)之前，由模糊神經網絡廣義逆(22)、Park逆變換(ll)、Clark逆變換(12)和電流跟蹤型逆變器(13)共同構成無軸承異步電機徑向模糊神經網絡廣義逆控制器(4)。
2.根據權利要求I所述無軸承異步電機徑向模糊神經網絡廣義逆控制器構造方法，其特征在于所述模糊神經網絡(21)的各個參數和權系數確定方法是將階躍激勵信號！ ^,h丨加到復合被控對象(15)的輸入端，采集無軸承異步電機轉子位置的徑向位移將轉子徑向位移I 離線分別求其一階、二階導數，求出5和％，對信號做規范化處理，組成模糊神經網絡(21)的訓練樣本集{ % , X , V1 , y , y , , , iq }，對模糊神經網絡(21)進行訓練確定各個參數和權系數。
全文摘要
本發明公開了一種無軸承異步電機徑向位置模糊神經網絡廣義逆控制器的構造方法，用具有6個輸入節點、2個輸出節點的模糊神經網絡加4個線性環節構成具有2個輸入節點、2個輸出節點的模糊神經網絡廣義逆，調整模糊神經網絡的各個參數和權系數使模糊神經網絡廣義逆實現復合被控對象的廣義逆系統功能；將模糊神經網絡廣義逆串接于復合被控對象之前組成廣義偽線性系統；將模糊神經網絡廣義逆串接在復合被控對象之前，由模糊神經網絡廣義逆、Park逆變換、Clark逆變換和電流跟蹤型逆變器共同構成控制器，實現無軸承異步電機徑向位置非線性系統的開環線性化控制，無需設計復雜的閉環控制器即可確保無軸承異步電機的穩定懸浮運行。
文檔編號H02P21/00GK102790582SQ20121027603
公開日2012年11月21日 申請日期2012年8月6日 優先權日2012年8月6日
發明者孫曉東, 李可, 楊澤斌, 江浩斌, 陳龍 申請人:江蘇大學