本发明是电力传动控制设备领域中的无轴承永磁同步电机,具体是基于模糊神经网络的无轴承永磁同步电机的解耦控制器,适用于非线性、多变量的五自由度无轴承永磁同步电机高速高精度控制。
背景技术:
永磁同步电机不仅结构简单、体积小、成本低、运行可靠,同时还具有效率高、功率因数高、响应快速和调速范围宽等优点,非常适用于高速高精度的工业领域。无轴承永磁同步电机是将无轴承技术及磁轴承技术与永磁同步电机相结合,即通过额外增加一套悬浮绕组使永磁同步电机转子悬浮于电机中心,避免转子和定子之间出现机械接触。因此无轴承永磁同步电机不仅具有永磁同步电机的优点,同时还具有无磨损、无噪声、不需润滑和工作寿命长等优点,这不仅满足了众多工业领域所需要的高速或超高速电气传动要求,而且还在半导体制造、工业制药和航天航空等特殊工业领域有应用。
五自由度无轴承永磁同步电机是将二自由度无轴承永磁同步电机与三自由主动磁轴承相结合的新型电机,是一个强耦合、非线性及多变量的复杂控制系统,因此,实现五自由度无轴承永磁同步电机稳定悬浮运行的关键在于实现电机转子旋转和悬浮的动态解耦控制。传统的解耦控制方法有矢量控制方法、逆系统控制方法和神经网络逆控制方法等,其中矢量控制方法可以实现转矩和悬浮力的静态解耦,但是其动态解耦性能不能令人满意;逆系统控制方法虽然数学意义明确,原理简单,也可以实现电机的动态解耦,但是,构建逆系统的前提是需要被控对象精确的数学模型,在实际中,五自由度无轴承永磁同步电机系统复杂,参数变化易受工作环境干扰,因此,难以求得逆系统的精确解析式;神经网络逆控制方法虽然不需要精确的数学模型,但是神经网络自身还存在一定的缺陷,例如,权值调整受训练样本影响大,学习速度慢,工作原理不明确等。
中国专利号为zl201210275853.7、名称为“一种五自由度无轴承永磁同步电机解耦控制器的构造方法”的文献中公开的控制器是采用支持向量机逆复合控制器对五自由度无轴承永磁同步电机进行解耦控制,但是支持向量机结构复杂,处理大样本数据能力较差,控制效果受核函数影响较大。中国专利号为zl200510040065.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”的文献中公开的控制方法是采用神经网络逆解耦控制器对五自由度无轴承永磁同步电机进行解耦控制,但是该方法对数据样本精度要求较高,同时学习速率较慢,输出结果难以解释,也无法解决神经网络参数可信度问题。
技术实现要素:
本发明的目的为解决现有五自由度无轴承永磁同步电机的控制技术存在的问题,提出一种模糊神经网络解耦控制器,结合模糊逻辑控制、神经网络控制和预测控制的的优点,能简单和可靠地实现五自由度无轴承永磁同步电机的转子径向悬浮力、电磁转矩、磁轴承径向悬浮力和轴向悬浮力之间的解耦控制。
本发明所采用的技术方案是:本发明由两个动态预测模块的输出端串接模糊神经网络系统的输入端组成,模糊神经网络系统的输出端连接包含有五自由度无轴承永磁同步电机的复合被控对象;第一个动态预测模块的输入是径向位移{xa,ya}、轴向位移za、径向位移给定值
进一步地,模糊神经网络系统由模糊神经网络及与之相串接的两个二阶差分处理器和一个一阶差分处理器组成,模糊神经网络的输出是模糊神经网络系统的输出,第一个二阶差分处理器的输入端连接第一个动态预测模块,第一个二阶差分处理器的输入是复合控制信号ja、输出是复合控制信号ja及其一阶、二阶差分信号
进一步地,两个动态预测模块分别各由三个预测值校正模块、三个控制增量计算模块、三个预测值计算模块以及一个复合信号计算模块组成,每个动态预测模块中各由一个预测值校正模块、一个控制增量计算模块和一个预测值计算模块分别依次串接组成三个串联支路,每个动态预测模块中的三个预测值计算模块的输出端各连接同一个动态预测模块中的复合信号计算模块的输入端,每个动态预测模块中的每个预测值计算模块的输出端各连接同一个串联支路上的预测值校正模块的输入端。
本发明的优点在于;
1、本发明结合了模糊逻辑控制对样本要求低、神经网络对系统学习能力及预测控制良好的动态性能的优点,因此,在处理五自由度无轴承永磁同步电机非线性,强耦合和多变量的复杂系统上,具有巨大的优势,鲁棒性强,可获得良好的转子径向位置,电机速度控制等各种静动态性能。
2、本发明采用的模糊神经网络解耦控制器,以径向位移的复合信号及转速作为控制信号,以电压信号作为输出信号。与以单独径向位移作为输入信号相比,复合信号不仅能更好的反映电机整体运行状态,同时可以通过调节权值参数对其中任一方向的径向位移进行针对性的控制,提高控制的灵活性;以电压信号作为输出信号,与以电流信号为控制信号相比,电压信号可实现对转矩及悬浮力的直接控制,具有更快的响应速度和更好的动态性能。
3、本发明采用的模糊神经网络解耦控制器具有原理简单易懂、数学方法易操作的优点,同时省去了大量的坐标变换模块和反馈模块,可有效降低控制成本,提高控制效率。
4、本发明采用的动态预测模块,利用当前及过去的误差值,结合预测模块,预测未来的误差值,与对当前误差进行pid控制相比,动态预测模块对系统的误差具有更强的鲁棒性及跟踪性能。
附图说明
图1是本发明结构框图;
图2是图1中复合被控对象的结构框图;
图3是图1中模糊神经网络系统的结构框图;
图4是图1中第一个动态预测模块的结构框图;
图5是图1中第二个动态预测模块的结构框图;
图中:1.五自由度无轴承永磁同步电机;2.复合被控对象;3.模糊神经网络系统;4、5.动态预测模块;6、7、8.模拟开关信号调制模块;9.开关功率放大器;10、11、12.igbt三相逆变器;13、14.二阶差分处理器;15.一阶差分处理器;16.模糊神经网络;17.模糊神经网络解耦控制器;20、21、22、30、31、32.预测值校正模块;23、24、25、33、34、35.控制增量计算模块;26、27、28、36、37、38.预测值计算;29、39.复合信号计算模块。
具体实施方式
如图1所示,本发明模糊神经网络解耦控制器17由两个动态预测模块4、5和一个模糊神经网络系统3串接组成,两个动态预测模块4、5的输出端串接模糊神经网络系统3的输入端,模糊神经网络系统3的输出端连接包含了五自由度无轴承永磁同步电机的复合被控对象2。
复合被控对象2的输出是五自由度无轴承永磁同步电机的四个径向位移{xa,ya,xb,yb}、一个轴向位移za和一个转速ω。第一个动态预测模块4的输入是径向位移{xa,ya}、轴向位移za、径向位移给定值
如图2所示,复合被控对象2包括五自由度无轴承永磁同步电机1、三个模拟开关信号调制模块6、7、8和三个igbt三相逆变器10、11、12及一个开关功率放大器9,三个igbt三相逆变器10、11、12和一个开关功率放大器9的输出端均连接五自由度无轴承永磁同步电机1。一个模拟开关信号调制模块的输出端串接一个igbt三相逆变器,第一个模拟开关信号调制模块6的输出端串接第一个igbt三相逆变器10,第二个模拟开关信号调制模块7的输出端串接第二个igbt三相逆变器11,第三个模拟开关信号调制模块8的输出端串接第三个igbt三相逆变器12。
第一个和第二模拟开关信号调制模块6、7的输入信号分别为转子两端悬浮绕组电压在α-β坐标系下的电压控制信号
三个模拟开关信号调制模块6、7、8对各自的输入信号分别进行处理,分别得到开关信号s3、s2、s1。处理方法以第一个模拟开关信号调制模块6为例:首先通过输入的电压控制信号
如图3所示,模糊神经网络系统3由模糊神经网络16以及与模糊神经网络16相串接的两个二阶差分处理器13、14和一个一阶差分处理器15组成,模糊神经网络16的输出是模糊神经网络系统3的输出。第一个二阶差分处理器13的输入端连接第一个动态预测模块4,第一个二阶差分处理器13的输入是复合控制信号ja,输出是复合信号ja以及该复合信号ja的一阶、二阶差分信号
将复合控制信号ja、jb、转子转速控制信号ωc、一阶差分信号
二阶差分处理器13对输入的复合控制信号ja进行处理,信号进行处理方法如下:t时刻的复合控制信号ja的一阶差分信号
一阶差分处理器15对输入的转子转速控制信号ωc进行处理,信号进行处理方法如下:t时刻的一阶差分信号
如图4所示,第一个动态预测模块4由三个预测值校正模块20、21、22、三个控制增量计算模块23、24、25、三个预测值计算模块26、27、28以及一个复合信号计算模块29组成。其中,由一个预测值校正模块20、21、22、一个控制增量计算模块23、24、25和一个预测值计算模块26、27、28分别依次串接组成三个串联支路。三个预测值计算模块26、27、28的输出端均连接复合信号计算模块29的输入端,并且每个预测值计算模块26、27、28的输出端都连接对应的同一个串联支路上的预测值校正模块20、21、22的输入端。
径向位移xa、ya和轴向位移za各自与对应的径向位移给定值
如图5所示,第二个动态预测模块5由三个预测值校正模块30、31、32、三个控制增量计算模块33、34、35、三个预测值计算模块36、37、38以及一个复合信号计算模块39组成。其中,由一个预测值校正模块30、31、32、一个控制增量计算模块33、34、35和一个预测值计算模块36、37、38分别依次串接组成了三个串联支路。所有的预测值计算模块36、37、38的输出端均连接复合信号计算模块39的输入端,并且每个预测值计算模块36、37、38的输出端都连接对应于同一个串联支路上的预测值校正模块30、31、32的输入端。
径向位移xb、yb和转速ω各自与对应的径向位移给定值
构造本发明时,首先建立图2所示的复合被控对象2,再建立图3所示的模糊神经网络系统3,对模糊神经网络系统3中的模糊神经网络16进行学习训练,学习训练过程如下:将电压分量