专利名称：磁悬浮开关磁阻电动机径向神经网络逆解耦控制器及构造方法
技术领域：
本发明是一种磁悬浮开关磁阻电动机径向神经网络逆解耦控制器及构造方法，适用于磁悬浮开关磁阻电动机的高性能控制，属于电力传动控制设备的技术领域。
背景技术：
高速、超高速电机的一个突出问题是机械轴承磨损问题，机械摩擦不仅增加了转子的摩擦阻力，而且会造成部件发热，严重时会造成电机气隙不均匀，导致电机的动态特性变差，从而降低电机的效率，缩短电机及装备的使用寿命。磁悬浮开关磁阻电动机(也称无轴承开关磁阻电动机，简称BSRM)，是不需要设计专门的机械轴承，用磁悬浮技术实现电动机转子的稳定悬浮。它把产生悬浮力的绕组叠压到开关磁阻电动机的定子上，通过研究探索产生径向悬浮力的解耦方法，实现独立控制磁悬浮开关磁阻电动机的转子的稳定悬浮。
目前采用方法是磁悬浮开关磁阻电动机的结构采用倒立式的结构，由于倒立式结构可以不要考虑转子重量的影响，从而可以使控制简化。采用前馈补偿来改善径向位移，来克服由于转子本身机械加工导致转子偏心，造成转子运转时不平衡振动。通过控制定子绕组中方波电流合适的超前相位角和电流的脉宽来实现电机空载和负载条件下运行。开关磁阻电动机是靠控制磁阻大小的变化来运行的，随着转子位置的变化，在一定磁势下的磁场变化很大。且参数变化和扰动影响很大，要实现磁悬浮开关磁阻电动机的稳定悬浮和可控旋转，必须首先对不同位置下的悬浮力进行动态解耦，寻找其不同位置的控制规律。
为了从本质上改善磁悬浮开关磁阻电动机对参数变化及扰动的适应性和鲁棒性，实现不同位置下的悬浮力进行动态解耦控制，进而提高磁悬浮开关磁阻电动机的运行性能，实现真正的高性能运行，需采用一些新的控制技术和新的控制方法。
发明内容
本发明的目的是提供一种可使磁悬浮开关磁阻电动机在不同位置下的悬浮力进行动态解耦，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神经网络逆解耦控制器及构造方法。
实现上述目的的技术方案是磁悬浮开关磁阻电动机的神经网络逆解耦控制的构造方法为首先采用电流滞环控制的电压源逆变器、一个逆克拉克Clark变换共同形成的电流控制电压源逆变器(简称扩展的流控逆变器)作为其后构造的神经网络逆控制器的一部分；然后将被控的磁悬浮开关磁阻电动机与扩展的流控逆变器组成复合被控对象，复合被控对象的被控量是两个径向位置；进而采用静态神经网络加积分器s-1来构造复合被控对象的神经网络逆，并通过调整神经网络的权系数使神经网络逆实现复合被控对象的逆系统功能；接下来将神经网络逆置于复合被控对象之前，神经网络逆与复合被控对象组成伪线性系统。伪线性系统等效于两个解耦的积分线性子系统，分别为两个二阶积分型的伪线性子系统，即磁悬浮开关磁阻电动机对应的两个径向位置子系统，从而使不同位置下的悬浮力实现动态解耦；在此基础上，采用一种线性系统的综合方法对两个解耦的积分子系统分别设计两个径向位置闭环控制器；最后将线性闭环控制器、神经网络逆和扩展的流控逆变器共同构成神经网络逆控制器来对磁悬浮开关磁阻电动机进行控制，实现不同位置下的悬浮力实现动态解耦控制。
控制器的结构为由神经网络逆、线性闭环控制器、扩展的流控逆变器3个部分组成的神经网络逆解耦控制器，其中由电流滞环控制电压源逆变器、克拉克Clark变换共同形成扩展的流控逆变器；由两个径向位置控制器组成线性闭环控制器；线性闭环控制器的第一和第二个输出端分别接神经网络逆的第一和第二个输入端，神经网络逆的第一和第二个输出端分别接扩展的流控逆变器的第一和第二个输入端，扩展的流控逆变器的第一、第二和第三个输出端分别接磁悬浮开关磁阻电动机的第一、第二和第三个输入端。
本发明的原理是通过构造神经网络逆，将对磁悬浮开关磁阻电动机不同位置下的悬浮力的控制转化为对两个径向位置二阶积分线性子系统的控制，相应地就可以方便地设计线性闭环控制器。由于真正实现了对不同位置下的悬浮力的动态解耦控制，因而可获得优良的悬浮力调节性能。由于采用了不依赖被控对象数学模型的神经网络来实现逆系统功能，因而大大提高了对参数变化和负载扰动的鲁棒性。
本发明的优点在于1.采用神经网络逆，将复杂非线性耦合系统的控制问题转化为简单的两个伪线性子系统(径向位置)的控制问题，进一步合理设计线性闭环控制器，可获得高性能的解耦控制以及抗负载扰动的运行性能。
2.用静态神经网络加积分器来实现复合被控对象的逆系统，构造神经网络逆控制器来实现对磁悬浮开关磁阻电动机不同位置下的悬浮力的控制，完全摆脱了传统的控制方法对于数学模型的依赖性，有效地减小了参数变化与负载扰动对磁悬浮开关磁阻电动机的影响。
本发明可用于构造新型解耦控制器对磁悬浮开关磁阻电动机不同位置下的悬浮力进行高性能控制，不仅在以磁悬浮开关磁阻电动机为动力装置的高速系统中有很高的应用价值，而且在以其它类型的磁悬浮电机为动力装置的高速控制系统中，应用前景也是非常广阔的。
图1是由坐标变换(逆克拉克Clark变换)2、电流滞环控制电压源逆变器1共同组成扩展的流控逆变器3的结构图。
图2是以扩展的流控逆变器3驱动控制的磁悬浮开关磁阻电动机4悬浮位置的原理结构图。
图3是磁悬浮开关磁阻电动机悬浮位置控制的两输入(扩展的流控逆变器的输入)和两输出(径向位置)的等效控制框图(复合被控对象5)。
图4是神经网络逆6与复合被控对象5复合构成的伪线性系统7的示意图及其等效图。
图5是加到图3所示的复合被控对象5中扩展的流控逆变器输入端用于获取神经网络训练数据的两个电流分量信号。
图6是由线性闭环控制器8与伪线性系统7组成的闭环控制系统的结构图。
图7是采用神经网络逆解耦控制器9对磁悬浮开关磁阻电动机悬浮位置4进行控制的完整原理框图。
图8是采用DSP作为神经网络逆解耦控制器的本发明装置组成示意图。
图9是以DSP为控制器的实现本发明的系统软件框图。
1、电流滞环控制电压源逆变器；2、坐标变换(逆克拉克Clark变换)；3、扩展的流控逆变器；4、磁悬浮开关磁阻电动机；5、复合被控对象；6、神经网络逆；7、伪线性系统；71、转子径向位置子系统；72、转子径向位置子系统；8、线性闭环控制器；81、径向位置控制器；82、径向位置控制器；9、神经网络逆解耦控制器；10、位置传感器；11、DSP。
具体实施例方式
本发明的实施方案是首先由电流滞环控制电压源逆变器、克拉克Clark变换共同形成扩展的流控逆变器，此扩展的流控逆变器将作为整个神经网络逆解耦控制器的一个组成部分。其次将扩展的流控逆变器与磁悬浮开关磁阻电动机悬浮位置控制作为一个复合被控对象，该复合被控对象等效为两相坐标系下的四阶微分方程模型，系统的向量相对阶为{2，2}。采用6个输入节点、2个输出节点的静态神经网络(静态神经网络为多层网络MLN)加4个积分器(s-1)来构造复合被控对象的神经网络逆。并通过调整静态神经网络的各个权系数使神经网络逆实现复合被控对象的逆系统功能。再将神经网络逆串接在复合被控对象之前，神经网络逆与复合被控对象合成为由两个二阶积分子系统(s-2)即两个径向位置子系统构成的伪线性系统，从而将一个复杂的多变量非线性系统的控制转化为两个简单的二阶积分子系统的控制。对于已经解耦的两个二阶积分子系统，采用一种线性系统综合方法，如PID或极点配置等，分别作出两个径向位置控制器组成线性闭环控制器。最终形成由神经网络逆、线性闭环控制器、扩展的流控逆变器3个部分组成的神经网络逆解耦控制器，来对磁悬浮开关磁阻电动机悬浮位置进行控制。根据不同的控制要求，可选择不同的硬件和软件来实现。
具体的实施分以下9步1.构造扩展的流控逆变器。首先由克拉克Clark变换组成坐标变换，之后将该坐标变换与常用的电流滞环控制电压源逆变器共同组成扩展的流控逆变器，此扩展的流控逆变器以两个定子电流分量为其输入(如图1所示)。扩展的压控逆变器将作为整个神经网络逆同步控制变频器的一个组成部分。
2.形成复合被控对象。将构造好的扩展的流控逆变器、磁悬浮开关磁阻电动机悬浮位置控制组成复合被控对象，该复合被控对象以两个定子电流分量为其输入，两个径向位置为输出(如图2所示)。
3.通过分析、等效与推导，为神经网络逆的构造与学习训练提供方法上的根据。首先建立各复合被控对象的数学模型，即两相坐标系下的四阶微分方程，其向量相对阶为{2，2}。经推导可证明该四阶微分方程模型的逆系统存在，并可确定其逆系统的两个输入是径向位置的二阶导数，两个输出分别为复合被控对象的两个输入。需要说明的是，这一步仅为以下的神经网络逆的构造与学习训练提供方法上的根据，在本发明的具体实施中，这一步，包括对复合被控对象逆系统存在的理论证明及一些相应的等效变换及推导等，可跳过。
4.采用静态神经网络加四个积分器构造神经网络逆(如图4左图的虚线框内所示)。其中静态神经网络采用3层的MLN网络，输入层节点数为6，隐含层节点数为13，输出层节点数为2，隐层神经元激活函数使用S型双曲正切函数f(x)=e2x-e-2xe2x+e-2x,]]>输出层的神经元采用纯线性函数f(x)＝x，x为神经元的输入，静态神经网络的权系数将在下一步的离线学习中确定。然后用具有6个输入节点、2个输出节点的静态神经网络加4个积分器s-1来构成神经网络逆(如图4左图的虚线框内所示)，其中静态神经网络的第一个输入为神经网络逆的第一个输入，其经第一个积分器s-1的输出为静态神经网络的第二个输入，再经第二个积分器为静态神经网络的第三个输入；静态神经网络的第四个输入为神经网络逆的第二个输入，其经第三个积分器s-1的输出为静态神经网络的第五个输入，再经第四个积分器为静态神经网络的第六个输入。静态神经网络与四个积分器一道组成神经网络逆，静态神经网络的输出就是神经网络逆的输出。
5.调整静态神经网络的权系数。(a)将如图5所示的两个电流分量以输入的形式分别加到扩展的流控逆变器(即复合被控对象的输入端)，以6毫秒的采样周期采集磁悬浮开关磁阻电动机悬浮径向位置θα，θβ与电流iα、iβ，并保存数据{θα，θβ，iα，iβ}。(b)将两个径向位置信号离线分别求其一阶及二阶导数，并对信号做规范化处理，组成神经网络的训练样本集{ θα， θβ，iα*，iβ*}。(c)采用带动量项和变学习率的误差反传BP算法对静态神经网络进行训练，经过600次训练，神经网络输出均方误差小于0.001，满足要求，从而确定了静态神经网络的各个权系数。
6.形成两个径向位置子系统。由确定了各个权系数的静态神经网络与4个积分器构成神经网络逆(如图6左图中的虚线框内所示)，神经网络逆与复合被控对象串接组成伪线性系统(如图6右图所示)，该伪线性系统由两个径向位置子系统组成，从而达到了径向位置之间的解耦，把复杂的多变量非线性系统控制转化为简单的两个单变量线性系统的控制。
7.作出线性闭环控制器。对两个径向位置子系统(如图6右图所示)分别作出线性闭环控制器(如图7所示)。线性闭环控制器采用线性系统理论中的比例积分微分控制器PID、极点配置或二次型指标最优等方法来设计，在本发明给出的实施例中，两个径向位置控制器均选用了比例微分PD控制器，其参数整定为两个径向位置控制器为PD＝200+22s。整个系统如图7所示。
8.形成神经网络逆解耦控制器。将神经网络逆、线性闭环控制器、扩展的流控逆变器共同组成神经网络逆解耦控制器(如图7中大虚线框中所示)。可根据不同的控制要求采用不同的硬件或软件来实现。
图8给出了本发明的一种具体实施例的示意图，其中神经网络逆、闭环控制器、坐标变换、滞环控制器由数字信号处理器即DSP控制器通过软件来实现；扩展的流控逆变器采用智能功率模块来实现。系统程序框图如图9所示。
根据以上所述，便可实现本发明。
权利要求
1.一种磁悬浮开关磁阻电动机径向位置的神经网络逆解耦控制器构造方法，其特征在于把被控的磁悬浮开关磁阻电动机径向位置(4)与扩展的流控逆变器(3)组成复合被控对象(5)；进而采用静态神经网络加积分器s-1来构造复合被控对象的神经网络逆(6)，并通过调整神经网络的权系数使神经网络逆(6)实现复合被控对象(5)的逆系统功能；然后将神经网络逆(6)置于复合被控对象(5)之前，神经网络逆(6)与复合被控对象(5)组成伪线性系统(7)，伪线性系统(7)等效于两个解耦的积分线性子系统，分别为两个径向位置的伪线性子系统(71、72)；在此基础上，采用一种线性系统的综合方法对两个解耦的积分子系统分别设计两个径向位置控制器(81、82)构成线性闭环控制器(8)；最后将线性闭环控制器(8)、神经网络逆(6)和扩展的流控逆变器(3)共同构成神经网络逆同步控制变频器(9)来对磁悬浮开关磁阻电动机径向位置进行解耦控制。
2.根据权利要求1所述的磁悬浮开关磁阻电动机径向位置的神经网络逆解耦控制器构造方法，其特征在于静态神经网络(61)的各个权系数确定方法为将阶跃激励信号iα*和iβ*加到复合被控对象(5)的输入端；采集两个径向位置θα、θβ与两个定子相电流iα、iβ；将两个径向位置θα、θβ离线分别求其一阶及二阶导数，并对信号做规范化处理，组成神经网络的训练样本集 θα， θβ，iα*，iβ*}；对静态神经网络(61)进行训练，从而确定静态神经网络(61)的各个权系数。
3.磁悬浮开关磁阻电动机径向位置的神经网络逆解耦控制器，其特征在于控制器的结构为由神经网络逆、线性闭环控制器、扩展的流控逆变器3个部分组成的神经网络逆解耦控制器，其中由电流滞环控制电压源逆变器、克拉克Clark变换共同形成扩展的流控逆变器；由两个径向位置控制器组成线性闭环控制器；线性闭环控制器的第一和第二个输出端分别接神经网络逆的第一和第二个输入端，神经网络逆的第一和第二个输出端分别接扩展的流控逆变器的第一和第二个输入端，扩展的流控逆变器的第一、第二和第三个输出端分别接磁悬浮开关磁阻电动机的第一、第二和第三个输入端。
4.根据权利要求1所述的磁悬浮开关磁阻电动机径向位置的神经网络逆解耦控制器，其特征在于神经网络逆(6)的构造为用具有6个输入节点、2个输出节点的静态神经网络(61)加4个积分器s-1构成具有2个输入节点、2个输出节点的神经网络逆(6)，其中静态神经网络的第一个输入为神经网络逆的第一个输入，其经第一个积分器s-1的输出为静态神经网络的第二个输入，再经第二个积分器为静态神经网络的第三个输入；静态神经网络的第四个输入为神经网络逆的第二个输入，其经第三个积分器s-1的输出为静态神经网络的第五个输入，再经第四个积分器为静态神经网络的第六个输入，静态神经网络与四个积分器一道组成神经网络逆，静态神经网络的输出就是神经网络逆的输出。
全文摘要
本发明适用于磁悬浮开关磁阻电动机的高性能同步控制，其采用扩展的流控逆变器3、被控的磁悬浮开关磁阻电动机4组成复合被控对象5；根据该复合被控对象5对应的逆系统，用静态神经网络61加积分器并通过学习算法构成神经网络逆6；将神经网络逆6接在复合被控对象5前，复合成由两个径向位置子系统71、72组成的伪线性系统7，再依据线性系统的设计方法对该伪线性系统作出线性闭环控制器8，最后将神经网络逆与线性闭环控制器相串接并与扩展的流控逆变器一起形成神经网络逆解耦控制器9，对磁悬浮开关磁阻电动机径向位置进行解耦控制，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。
文档编号H02P6/00GK1655438SQ200510038099
公开日2005年8月17日 申请日期2005年3月11日 优先权日2005年3月11日
发明者刘国海, 孙玉坤, 戴先中, 沈跃, 刘贤兴, 朱熀秋 申请人:江苏大学