一种无轴承无刷直流电机神经网络α阶逆控制器制造技术

本实用新型专利技术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。（*该技术在2021年保护过期，可自由使用*）

【技术实现步骤摘要】

本技术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

技术介绍
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。
技术实现思路
本技术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。本技术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。本技术的有益效果是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技术作进一步详细说明附图说明图1是本技术的结构框图；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，本技术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。实现本技术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的输入本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：朱熀秋，张婷婷，潘伟，
申请(专利权)人：江苏大学，
类型：实用新型
国别省市：32