专利名称:一种无轴承无刷直流电机神经网络α阶逆控制器的制作方法
技术领域:
本实用新型涉及一种无轴承无刷直流电机神经网络α阶逆控制器,适用于无轴承无刷直流电机的高性能控制,属于电力传动控制设备技术领域。
背景技术:
无刷直流电机结合了直流电机和交流电机的特点,具有调速性能好、起动容易、能够载重起动、寿命长等优点,并且维护方便、噪声小、不存在因电刷而引起的一系列问题。无轴承无刷直流电机利用磁场力作用实现电机转子的悬浮,既具备无刷直流电机的优点,又具备磁轴承电机的无摩擦、无磨损、不需润滑和密封、高速度、高精度、寿命长的特点,具有很大潜在的工程应用价值。现代工业应用中对电机控制系统性能的要求越来越高,为了改善电机的性能,不仅要对电机本体结构进行研究,也要采用先进的控制策略对电机进行控制。对无轴承无刷直流电机的研究主要集中于对电机本体、控制器硬件电路及无位置传感器等方面,对现代控制策略应用方面的研究较少,而普通PID控制算法仅能在线性时不变的数学模型所描述的控制系统中获得良好的性能。当系统中存在未知或变化的动态量时,这种控制方式就不能取得很好的效果,特别是将无轴承技术应用到无刷直流电机当中时,整个系统将变为一个复杂的非线性强耦合系统,当系统的参数时变过大时,系统甚至会不稳定,难以实现无轴承无刷直流电机的正常工作。为了提高无轴承无刷直流电机控制系统的动态性能,可以采用微分几何或逆系统控制器,但其要求被控系统的数学模型精确已知,必须求出反馈控制的解析表达式,而且要求系统参数恒定或参数变化规律已知,而作为一个复杂的非线性被控对象,无轴承无刷直流电机转子参数随工况的变化十分明显,加之存在一些不可预见的干扰和动态影响,使微分几何控制与解析逆系统控制难以在实际中真正应用。国内现有的相关专利申请公开的有1)专利申请号为CN200510038099. 5,名称为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,针对的磁悬浮开关磁阻电动机设计径向神经网络逆解耦控制器;2)专利申请号为CN200510040065. X,名称为 基于神经网络逆五自由度无轴承永磁同步电机控制系统及控制方法,针对的是五自由度无轴承永磁同步电机设计控制系统。3)专利申请号为CN200610038711.3,名称为无轴承交流异步电机神经网络逆解耦控制器及构造方法,针对的是无轴承交流异步电机设计神经网络逆解耦控制器。而目前还未见任何有针对无轴承无刷直流电机的神经网络逆解耦控制器的文献公开;由于无轴承无刷直流电机结构的特殊性,必须分段推导其转矩系统及悬浮系统数学模型,并且分段分析其可逆性,其对应的神经网络逆系统结构也与其它无轴承电机不同。
发明内容本实用新型的目的是提供一种无轴承无刷直流电机神经网络α阶逆控制器,将
3神经网络α阶逆系统原理引入无轴承无刷直流电机,既可使无轴承无刷直流电机具有优良的抗电机参数变化及抗负载扰动能力,又能有效地提高无轴承无刷直流电机的各项控制性能指标。本实用新型的技术方案是由线性闭环控制器、神经网络逆和复合被控对象依次串接组成;所述复合被控对象由两个PWM逆变器分别串接于无轴承无刷直流电机之前组成,所述神经网络逆由静态神经网络和6个积分器组成;神经网络逆与复合被控对象串接组成伪线性系统,伪线性系统等效为两个位置二阶积分线性子系统和一个速度二阶积分线性子系统;所述线性闭环控制器由两个位置控制器和一个速度控制器组成。本实用新型的有益效果是1.无轴承无刷直流电机比磁轴承支承的电机具有更加合理,更加实用的结构,系统结构紧凑,转子轴向长度大大缩短,电机转速、功率可以进一步得到提高,并可以实现高速及超高速运行。2.通过构造神经网络逆,将无轴承无刷直流电机这一非线性强耦合时变系统的控制转化为对两个转子位置二阶积分线性子系统和一个速度二阶积分线性子系统的控制,可以方便的采用PID、极点配置、线性最优二次型调节器或鲁棒伺服调节器等方法设计线性闭环控制器,使无轴承无刷直流电机获得良好的动静态性能以及抗负载扰动能力,有效地提高无轴承无刷直流电机的各项控制性能指标,如动态响应速度、稳态跟踪精度及参数鲁棒性,很好地解决了无轴承无刷直流电机的高性能控制问题,实现无轴承无刷直流电机转子径向位移、转速之间的独立控制,确保电机转子稳定悬浮和运行;极大地促进了无刷直流电动机的实用化步伐,而且为其它无轴承电机控制系统,以及适合磁轴承支承的各种类型的电机控制的非线性系统线性化和解耦控制提供了一条有效途径。3.采用静态神经网络加积分器来实现复合被控对象的逆系统,并构造神经网络α 阶逆控制器来实现对无轴承无刷直流电机的控制,神经网络α阶逆控制方法不依赖于被控系统的精确数学模型,只需要很少的先验知识,因而适用于常规的非线性系统,能够很好实现被控系统的解耦线性化。完全摆脱了传统的微分几何控制方法对数学模型的依赖性, 弥补了基于微分几何控制方法中对无轴承无刷直流电机的数学模型要求严格的缺陷,避免了由于系统参数不稳定所导致的系统控制误差,能有效地减小电机参数变化与负载扰动对无轴承无刷直流电机性能的影响,显著地提高了无轴承无刷直流电机的性能指标。
以下结合附图和具体实施方式
对本实用新型作进一步详细说明
图1是本实用新型的结构框图;图2是图1中复合被控对象4的组成图;图3是图1中神经网络逆6的结构示意图;图4是图1中伪线性系统7的示意图及其等效图;图5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结构图;图中1.无轴承无刷直流电机;2、3. PWM逆变器;4.复合被控对象;5.静态神经网络;6.神经网络逆;7.伪线性系统;8.线性闭环控制器;9.无轴承无刷直流电机神经网络 α阶逆控制器;81、82.位置控制器;83.速度控制器。
具体实施方式
参见图1,本实用新型无轴承无刷直流电机神经网络α阶逆控制器9由线性闭环控制器8、神经网络逆6和复合被控对象4依次串接组成。神经网络逆6置于复合被控对象 4之前,为复合被控对象4的神经网络逆6,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4的逆系统功能。复合被控对象4由两个PWM逆变器2、3及无轴承无刷直流电机1作为一个整体组成,由两个PWM逆变器2、3分别串接于无轴承无刷直流电机1之前。神经网络逆6由静态神经网络5和6个积分器组成。神经网络逆6与复合被控对象4串接组成伪线性系统7,伪线性系统7等效为两个位置二阶积分线性子系统和一个速度二阶积分线性子系统。线性闭环控制器8由两个位置控制器81、82和一个速度控制器83 来构成。两个位置控制器81、82和一个速度控制器83分别两个位置二阶积分线性子系统和一个速度二阶积分线性子系统设计,实现无轴承无刷直流电机转子径向位移、转速之间的独立控制,确保电机转子稳定悬浮和运行。根据无轴承无刷直流电机不同的控制要求,可选择不同的硬件和软件来实现。实现本实用新型无轴承无刷直流电机神经网络α阶逆控制器9的具体方法如下1.参见图2,形成复合被控对象4。由两个PWM逆变器2、3以及无轴承无刷直流电机1作为一个整体组成复合被控对象4 ;复合被控对象4的期望输出为
= Kuf ,其中输出信号①为电机转速,输出信号υ分别为电机转子在X、Y 轴方向上的位移;复合被控对象4的输入为;^㈣ 屮 為判判]1 = !;^^;^^^^^ ,其中输入信号P *为PWM逆变器2的输入占空比,输入信号C1、。分别为U相悬浮绕组 suUsu2的给定电流,输入信号4、4分别为V相悬浮绕组svl、sv2的给定电流,输入信号 C4、&分别为W相悬浮绕组swl、sw2的给定电流。2.参见图3,构建神经网络逆6的结构。根据无轴承无刷直流电机1的原理建立复合被控对象4的数学模型,在此基础上求出系统的向量相对阶为{2,2,幻,则复合被控对象4分段可逆。采用静态神经网络5加6个积分器来构造神经网络逆6,将复合被控对象4
的期望输出.ν=[Λ,Λ,Λ]Τ =的α阶导数JHA Λ Λ]Τ = [ X #作为神经网络逆6
的输入,神经网络逆6的输出为a==。静态神经
网络5采用三层前馈网络结构,其具有9个输入节点、7个输出节点,M个隐含节点,隐层神经元激活函数使用s型函数,输出层的神经元采用纯线性函数。神经网
络逆6的第一个输入J作为静态神经网络5的第一个输入,其经第一个积分器的输出作为静态神经网络5的第二个输入,再经第二个积分器的输出作为静态神经网络5的第三个输入;神经网络逆6的第二个输入A'作为静态神经网络5的第四个输入,其经第三个积分器的输出作为静态神经网络5的第五个输入,再经第四个积分器的输出作为静态神经网络5的第六个输入;神经网络逆6的第三个输入Jf作为静态神经网络5的第七个输入,
5其经第五个积分器的输出作为静态神经网络5的第八个输入;再经第六个积分器的输出作为静态神经网络5的第九个输入;静态神经网络5的输出就是神经网络逆6的输出。3.参见图4,静态神经网络5权系数确定。在无轴承无刷直流电机1的工作区域内,将P *、C、C、4、C、C、G这7个为随机方波信号作为阶跃激励信号施加于复
合被控对象4的输入端,并对该输入信号《^[崎為…抖湖斗而f = 1^,4,4,4,4,01^
及输出响应=进行采集,得到10000组原始数据样本
W1^2, ^4^5^6^7^1^2,^};采用高阶数值微分方法离线计算的各阶导数{ A,Λ
,Λ,. , J3 , Λ ,从而得到神经网络逆6的训练样本集,其中输入样本集取为{艿,λ
,>:2,Λ,5 ,Λ i,输出样本集取为{^, , , , , 丨,并且对训练样本集做归一
化处理;从归一化后的训练样本中选取7000组数据,利用变步长加动量项的BP算法离线训练静态神经网络5,使神经网络输出均方误差小于0. 001,从而确定静态神经网络5的各个权系数。4.参见图4,形成伪线性系统7。将神经网络逆6置于复合被控对象4之前,神经网络逆6与复合被控对象4串联组成伪线性系统7,伪线性系统7包括三个单输入单输出子系统,分别为两个转子位置二阶积分线性子系统和一个速度二阶积分线性子系统。5.参见图5,设计线性闭环控制器8。分别对两个转子位置二阶积分线性子系统和一个速度二阶积分线性子系统设计两个位置控制器81、82和一个速度控制器83,并由上述两个位置控制器81、82和一个速度控制器83来构成线性闭环控制器8,如图4所示。其中线性闭环控制器8可以采用线性系统理论中的PID控制、极点配置、线性最优二次型调节器、鲁棒伺服调节器等方法来设计。其中线性二次型最优控制器不仅能够克服测量噪声,并能处理非线性干扰,是反馈系统设计的一种重要工具,在本发明给出的实施例中,两个位置控制器81、82和一个速度控制器83均选用线性二次型最优控制理论设计,控制器的参数根据实际控制对象需进行调整。最后构成图1所示的无轴承无刷直流电机神经网络α阶逆控制器9。将线性闭环控制器8、神经网络逆6和复合被控对象4中的两个PWM逆变器2、3依次串接共同构成无轴承无刷直流电机神经网络α阶逆控制器9。
权利要求1.一种无轴承无刷直流电机神经网络α阶逆控制器,其特征是由线性闭环控制器 (8)、神经网络逆(6)和复合被控对象(4)依次串接组成;所述复合被控对象(4)由两个PWM 逆变器(2、3)分别串接于无轴承无刷直流电机(1)之前组成,所述神经网络逆(6)由静态神经网络(5)和6个积分器组成;神经网络逆(6)与复合被控对象(4)串接组成伪线性系统 (7),伪线性系统(7)等效为两个位置二阶积分线性子系统和一个速度二阶积分线性子系统;所述线性闭环控制器(8)由两个位置控制器(81、82)和一个速度控制器(83)组成。
2.根据权利要求1所述的一种无轴承无刷直流电机神经网络α阶逆控制器,其特征是所述静态神经网络(5)具有9个输入节点、7个输出节点二4个隐含节点;神经网络逆 (6)的第一个输入是静态神经网络(5)的第一个输入,其经第一个积分器的输出是静态神经网络(5)的第二个输入,再经第二个积分器的输出是静态神经网络(5)的第三个输入;神经网络逆(6)的第二个输入是静态神经网络(5)的第四个输入,其经第三个积分器的输出是静态神经网络(5)的第五个输入,再经第四个积分器的输出是静态神经网络(5)的第六个输入;神经网络逆(6)的第三个输入是静态神经网络(5)的第七个输入,其经第五个积分器的输出是静态神经网络(5)的第八个输入;再经第六个积分器的输出是静态神经网络(5) 的第九个输入;静态神经网络(5)的输出是神经网络逆(6)的输出。
专利摘要本实用新型公开一种无轴承无刷直流电机神经网络α阶逆控制器,由线性闭环控制器、神经网络逆和复合被控对象依次串接组成;复合被控对象由两个PWM逆变器分别串接于无轴承无刷直流电机之前组成,神经网络逆由静态神经网络和6个积分器组成;神经网络逆与复合被控对象串接组成伪线性系统,伪线性系统等效为两个位置二阶积分线性子系统和一个速度二阶积分线性子系统;线性闭环控制器由两个位置控制器和一个速度控制器组成。能实现无轴承无刷直流电机转子径向位移、转速之间的独立控制,确保电机转子稳定悬浮和运行,使无轴承无刷直流电机获得良好的动静态性能以及抗负载扰动能力。
文档编号H02P21/00GK202004708SQ20112000516
公开日2011年10月5日 申请日期2011年1月10日 优先权日2011年1月10日
发明者张婷婷, 朱熀秋, 潘伟 申请人:江苏大学