一种无轴承永磁同步电机无径向位移传感器的构造方法与流程

本发明属于无轴承永磁同步电机领域，具体是基于神经网络的无轴承永磁同步电机无径向位移传感器的构造方法，所构造的无径向位移传感器用于检测电机转子的径向位移。

背景技术：

无轴承永磁同步电机是一种新型结构的交流同步电机，在定子槽内嵌入极对数相差1的转矩和悬浮两套绕组，通过控制两套绕组中的电流大小可同时产生电磁转矩和径向悬浮力，实现转子的稳定悬浮和旋转。实现无轴承永磁同步电机转子稳定运行的关键在于对转子位置和径向位移的精确检测，目前对于转子位移检测通常采用的是机械式电涡流传感器，但机械式电涡流传感器增加了电机的体积，降低了电机的功率密度，影响电机结构整体性，维护困难，同时高速高精度的传感器造价不菲，增加电机运行控制的成本，并制约了无轴承永磁同步电机的推广应用。

中国专利公开号为cn101667799a的文献中公开了一种永磁型无轴承永磁同步电机无径向位移传感器控制方法，其采用了模型参考自适应的方法实现对径向位移的检测，但是模型参考自适应方法所需要采集的变量多，并且其工作原理和构建的数学模型复杂，因此很难保证其稳定性。中国专利公开号为cn101777a的文献中公开了一种无轴承同步磁阻电机的位移估算方法、无位移传感器控制方法和装置，采用了高频注入法实现位移检测，但是高频注入法检测的信号杂波较多，极易受到电机参数和外界因素的干扰，同时对于滤波电路的精度要求较高。

技术实现要素：

本发明的目的在于提出一种无轴承永磁同步电机的无径向位移传感器的构造方法，所构造的位移传感器可以有效准确地实现无轴承永磁同步电机转子的位移检测，减少电机体积和制造成本，提高控制精度。

本发明采用的技术方案是具有以下步骤：

a、对无轴承永磁同步电机进行采样得到悬浮绕组在d-q坐标系下的电压分量ubd、ubq和电流分量ibd、ibq，将电压分量ubd、ubq和电流分量ibd、ibq均输入至计算模块，计算模块对输入量分别进行计算得到磁链分量ψbd、ψbq，将磁链分量ψbd输入至第一个微分器得到一阶微分值将磁链分量ψbq输入至第二个微分器得到一阶微分值组成磁链观测模块；

b、构造神经网络左逆模块，将磁链观测模块与神经网络左逆模块相串接组成无径向位移传感器，磁链分量ψbd、ψbq和一阶微分值共同输出至神经网络左逆模块，神经网络左逆模块输出无轴承永磁同步电机的转子在x、y方向上的径向位移；

c、将无径向位移传感器与无轴承永磁同步电机相串接。

进一步地，计算模块经公式对输入量分别进行计算得到磁链分量ψbd、ψbq，rb为无轴承永磁同步电机的悬浮绕组的电阻值。

进一步地，先建立无轴承永磁同步电机的转子径向位移的数学模型，以磁链为状态变量x＝[ψbd，ψbq]，以径向位移为输出变量y＝[x,y]，以电压量为输入量u＝[ubd，ubq]，得到径向位移的数学模型是可逆的；然后采用具有6个输入、2个输出和10个隐含节点的神经网络构造神经网络左逆模块并训练神经网络左逆模块。

本发明的有益效果是：

1、本发明采用的神经网络构建左逆系统，相比于高频注入法等方法，不仅工作原理简单，而且采用神经网络的泛化能力强，可以有效实现对非线性强耦合系统的逼近拟合，同时不需要经过信号提取分离等一系列复杂操作，所构建的神经网络左逆系统可以简单的由数字控制芯片编程得到，实现很方便，避免了传统电涡流传感器的安装与维护。

2、本发明采用的神经网络左逆系统以电机磁链和电压为控制信号，通过神经网络拟合得到电机转子位移信号，从而实现对无轴承永磁同步电机转子位移的无传感器检测，相比于以电流为控制信号，响应更加迅速，可以更加直接的实现对悬浮力的控制，减少电机转子的波动，提高稳定性。

3、本发明降低了无轴承永磁同步电机的体积结构与制作成本，同时也使无轴承永磁同步电机位移检测更加简单方便，从而实现无轴承永磁同步电机在高速超高速运行下的稳定悬浮运行与控制。

附图说明

图1是无轴承永磁同步电机1和无径向位移传感器2的串联结构图；

图2是图1中磁链观测模块4的结构图；

图中：1.无轴承永磁同步电机；2.无径向位移传感器；3.神经网络左逆模块；4.磁链观测模块；5.计算模块。

具体实施方式

参见图1，本发明先构造磁链观测模块4，磁链观测模块4的作用在于对无轴承永磁同步电机1进行电压、电流信号采样，经计算得到无轴承永磁同步电机1的磁链信号。再构造神经网络左逆模块3，然后将磁链观测模块4与神经网络左逆模块3相串接组成无径向位移传感器2，将无径向位移传感器2与无轴承永磁同步电机1相串接，以检测无轴承永磁同步电机1的转子位移。具体步骤如下：

步骤一：参见图2，构造磁链观测模块4。磁链观测模块4由计算模块5和两个微分器s串接而成。首先对无轴承永磁同步电机1进行采样，得到无轴承永磁同步电机1的悬浮绕组在d-q坐标系下的电压分量ubd、ubq和电流分量ibd、ibq，将电压分量ubd、ubq和电流分量ibd、ibq均输入至磁链观测模块4。因此，磁链观测模块4的输入量有4个，分别是无轴承永磁同步电机1的悬浮绕组在d-q坐标系下的电压分量ubd、ubq和电流分量ibd、ibq。磁链观测模块4的输出量有4个，分别是悬浮绕组在d-q坐标系下的磁链分量ψbd、ψbq和磁链分量ψbd、ψbq的一阶微分值

采样得到的电压分量ubd、ubq和电流分量ibd、ibq首先输入计算模块5，计算模块5对输入量分别进行计算得到磁链分量ψbd、ψbq，计算公式为：

其中，rb为无轴承永磁同步电机1的悬浮绕组的电阻值。

将得到的磁链分量ψbd输入至第一个微分器s，得到一阶微分值将磁链分量ψbq输入至第二个微分器s得到一阶微分值磁链分量ψbd、ψbq和一阶微分值共同输出至神经网络左逆模块3。

步骤二：构造神经网络左逆模块3。神经网络左逆模块3采用具有6个输入、2个输出以及10个隐含节点的神经网络。6个输入分别是电压分量ubd、ubq、磁链分量ψbd、ψbq和一阶微分值神经网络左逆模块3的输出为无轴承永磁同步电机1的转子在x、y方向上的径向位移x，y。

首先建立无轴承永磁同步电机1的转子径向位移的数学模型：

式中：fb是悬浮绕组的电流频率；lbd和lbq是悬浮绕组在d-q坐标系下的电感分量；lbd＝lbq，md和mq是电机d轴q轴之间的互感系数；imd和imq是转矩绕组电流在d-q坐标系下的分量；if是永磁体在转矩绕组上的等效电流；x和y分别是转子在x、y方向的径向位移。

然后，以磁链为状态变量x＝[ψbd，ψbq]，以径向位移为输出变量y＝[x,y]，以电压量为输入量u＝[ubd，ubq]。由式(1)可知，状态变量的一阶导数已经显含输出变量，所以其jacobi(雅可比矩阵)矩阵为：

由式(2)可知，其秩rank(a)≠0，即该径向位移模型是可左逆的，表达式为：

虽然径向位移数学模型是可逆的，这意味着可以通过构建左逆系统来观测径向位移x，y的大小，但是，直接构造径向位移模型的左逆系统是十分复杂的，因为其表达式求解困难，并且变量繁多，因此，可以采用神经网络来构建左逆系统，神经网络不需要具体表达式，同时具有良好的鲁棒性。因此采用具有6输入，2输出和10个隐含节点的神经网络来构建神经网络左逆模块3并训练神经网络左逆模块3。通过建立无轴承永磁同步电机1的仿真模型，输入随机的电压信号ubd，ubq，得到磁链信号ψbd，ψbq，然后通过数值微分法求其一阶导数，保证其精度，得到磁链一阶微分信号将得到样本信号归一化处理后对神经网络左逆模块3进行线下训练，以样本数据数量的70％作为训练样本，剩余的30％作为检测样本，直至神经网络左逆模块3的训练误差不超过0.001，满足精度要求，此时神经网络左逆模块3的训练是成功的，训练之后的神经网络左逆模块3可以用来构建无径向位移传感器2。

步骤三：构建无径向位移传感器2。将构建的磁链观测模块4和得到的神经网络左逆模块3串联便得到了无径向位移传感器2。其中电压信号ubd，ubq为无径向位移传感器2的第一，二个输入信号，同时也为磁链观测模块4和神经网络左逆模块3的第一，二个输入信号；电流信号ibd，ibq为无径向位移传感器2的第三，四个输入信号，同时也为磁链观测模块4的第三，四个输入信号。磁链观测模块4的输出信号分别为神经网络左逆模块3的第三，四，五和六个输入信号，神经网络左逆模块3的输出信号x，y也同样分别为无径向位移传感器2的输出信号。

最后，将无径向位移传感器2左串联与无轴承永磁同步电机1，通过磁链观测模块4计算悬浮绕组电压电流信号，得到磁链信号，然后将磁链信号和电压信号输入至神经网络左逆模块3中，通过神经网络左逆模块3，得到无轴承永磁同步电机1的径向位移值，最终实现了无轴承永磁同步电机1在无机械式径向位移传感器下的转子径向位移检测。