專利名稱：無軸承交流異步電機神經網絡逆解耦控制器的控制方法
技術領域：
本發(fā)明是一種多變量非線性的無軸承交流異步電機神經網絡逆解耦控制器的控制方法，適用于無軸承交流異步電機的高性能控制。無軸承交流異步電機繼承了磁軸承支承電機的無潤滑、無磨損、無機械噪聲等特點，在機床電主軸、渦輪分子泵、離心機、壓縮機、機電貯能、航空航天等特殊電氣傳動領域具有廣泛的使用前景，屬于電力傳動控制設備的技術領域。
背景技術：
無軸承交流異步電機是一類多變量、非線性、強耦合的被控對象，其徑向位置、轉速難以通過外加的信號準確地控制。若要實現電機轉子穩(wěn)定懸浮和運行，必須對電機轉矩力和懸浮力進行動態(tài)解耦控制。
動態(tài)解耦控制的控制策略是實現無軸承交流異步電機穩(wěn)定工作的難點。矢量控制是從電機電磁場理論出發(fā)，利用坐標變換，將無軸承交流異步電機模型等效轉化為類似于直流電機的模型來進行控制。然而，理論分析表明，由于電機參數變化，矢量控制只能實現轉矩和懸浮力靜態(tài)解耦控制，其動態(tài)響應性能還不能令人滿意。為提高無軸承交流異步電機控制的動態(tài)性能，微分幾何控制方法也被用于無軸承交流異步電機的控制，但其解耦線性化的實現，要求獲得對象的精確數學模型。而作為一個復雜的非線性對象，無軸承交流異步電機轉子參數隨工況的變化十分明顯，加之存在一些不可預見的干擾和動態(tài)影響，使微分幾何方法與解析逆系統(tǒng)方法難以在實際中真正的應用。
為進一步提高無軸承交流異步電機的動態(tài)工作性能，需要考慮無軸承交流異步電機的動態(tài)解耦以及無軸承電機多變量協(xié)調控制。研制結構緊湊、性能優(yōu)良的無軸承交流異步電機解耦控制器。
國內現有的相關專利申請1)專利申請?zhí)朇N200510038099.5，名稱為磁懸浮開關磁阻電動機徑向神經網絡逆解耦控制器及構造方法，此發(fā)明專利針對磁懸浮開關磁阻電動機設計徑向神經網絡逆解耦控制器；2)專利申請?zhí)朇N200510040065.X，基于神經網絡逆五自由度無軸承永磁同步電機控制系統(tǒng)及控制方法，此發(fā)明專利針對五自由度無軸承永磁同步電機而設計的控制方法。以上二個發(fā)明專利所用的神經網絡逆控制器控制電機的思想與本專利有一定的相關性，但各種電機的結構、數學模型，控制方法、控制難度和要求存在本質區(qū)別，對無軸承異步電機的轉子磁鏈觀測和控制器的設計，目前無相關專利和文獻資料。

發(fā)明內容
本發(fā)明的目的是針對無軸承異步電機非線性、強耦合復雜系統(tǒng)，對懸浮力、轉矩力及轉子磁鏈采用神經網絡逆控制器進行非線性動態(tài)解耦控制，提供一種既可使無軸承交流異步電機具有優(yōu)良的動、靜態(tài)控制性能，抗電機參數變化及抗負載擾動能力強，又能有效地提高無軸承交流異步電機的各項控制性能指標，如動態(tài)響應速度、穩(wěn)態(tài)跟蹤精度及參數魯棒性的無軸承交流異步電機神經網絡逆解耦控制器的控制方法。
神經網絡逆系統(tǒng)控制方法，使用神經網絡直接替代現有解耦控制方法中的對應逆系統(tǒng)模型，從而彌補了基于矢量控制方法、微分幾何控制等方法中無軸承交流異步電機參數的不穩(wěn)定所帶來系統(tǒng)控制有誤差的不足，該方法更好地實現了轉矩力和徑向懸浮力之間的動態(tài)解耦，同時使得無軸承交流異步電機調速系統(tǒng)具有更強的抗干擾性和魯棒性。
無軸承交流異步電機的神經網絡逆解耦控制器的控制方法為首先采用常用的電流、電壓、速度、磁鏈觀測模型及Park變換與Clark變換組成的一個磁鏈觀測器，來獲取磁鏈閉環(huán)控制所需的無軸承電機轉子磁鏈信息?；谏窠浘W絡逆無軸承交流異步電機控制系統(tǒng)由兩個Clark逆變換和兩個電流跟蹤型逆變器，以及無軸承交流異步電機負載模型一起作為一個整體組成復合被控對象，復合被控對象的被控量是無軸承交流異步電機轉子徑向位移、轉速以及磁鏈；接著采用靜態(tài)神經網絡加積分器s-1來構造復合被控對象的神經網絡逆，并通過調整靜態(tài)神經網絡的權系數使神經網絡逆實現復合被控對象的逆系統(tǒng)功能；接下來將神經網絡逆置于復合被控對象之前，神經網絡逆與復合被控對象組成偽線性系統(tǒng)，偽線性系統(tǒng)等效成四個解耦的積分線性子系統(tǒng)，分別為二個位置二階積分型的偽線性子系統(tǒng)、一個速度一階積分型以及一個磁鏈一階積分型的偽線性子系統(tǒng)，從而不僅實現了旋轉力、徑向懸浮力之間的動態(tài)解耦，而且還實現了無軸承交流異步電機在位置子系統(tǒng)之間的動態(tài)解耦；在此基礎上，采用PID調節(jié)器設計方法來綜合四個解耦的積分子系統(tǒng)，分別設計兩個轉子位置控制器、一個速度控制器以及一個磁鏈控制器，并由此兩個轉子位置控制器、速度控制器以及一個磁鏈控制器來構成線性閉環(huán)控制器；最后將線性閉環(huán)控制器、神經網絡逆、兩個Clark逆變換、兩個電流跟蹤型逆變器共同構成神經網絡逆控制器來實現無軸承交流異步電機轉矩力、徑向懸浮力的獨立控制，來實現電機轉子穩(wěn)定懸浮和運行。
其中上述的磁鏈觀測器是由兩個坐標變換、定子磁鏈觀測模型以及轉子磁鏈辨識模型組成；其中一個坐標變換是把無軸承交流異步電機定子繞組相電流i1a、i1b、i1c通過Clark變換以及Park變換來采集無軸承異步電機的轉矩繞組電流i1d、i1q；另一坐標變換是把無軸承交流異步電機定子繞組相電流i1a、i1b、i1c和相電壓u1a、u1b、u1c通過Clark變換以及Park變換來采集無軸承異步電機的轉矩繞組電流i1d、i1q和電壓u1d、u1q；然后通過相應的磁鏈辨識模塊來獲得所需的磁鏈值。
本發(fā)明的原理是改變傳統(tǒng)無軸承交流異步電機采用轉子磁場或氣隙解耦控制的策略，設計了一種采用神經網絡逆系統(tǒng)控制器對無軸承交流異步電機進行了非線性動態(tài)解耦控制。
本發(fā)明的優(yōu)點在于1.無軸承交流異步電機比磁軸承支承的電機具有更加合理，更加實用的結構。1)系統(tǒng)結構緊湊，轉子軸向長度大大縮短，電機轉速、功率可以進一步得到提高，并可以實現高速超高速運行；2)徑向懸浮力控制系統(tǒng)中功率放大電路采用三相功率逆變電路，使得神經網絡逆解耦控制無軸承交流異步電機的控制方法簡單，結構緊湊，功耗低，成本下降，擺脫了傳統(tǒng)磁懸浮軸承支承的無軸承交流異步電機結構復雜，臨界轉速低，控制系統(tǒng)復雜，功放造價高，體積大等缺陷。
2.通過構造神經網絡逆，將無軸承交流異步電機這一多變量、強耦合、非線性時變系統(tǒng)的控制轉化為對兩個轉子位置二階積分線性子系統(tǒng)、一個速度一階積分線性子系統(tǒng)以及一個磁鏈一階積分線性子系統(tǒng)的控制，利用PID調節(jié)器設計方法設計線性閉環(huán)控制器，從而實現了對轉矩力與徑向懸浮力之間的動態(tài)解耦，因而可以實現分別獨立地對無軸承交流異步電機的位置系統(tǒng)、轉子的轉速、以及磁鏈的控制。且進一步采用PID、極點配置、線性最優(yōu)二次型調節(jié)器或魯棒伺服調節(jié)器等設計方法設計線性閉環(huán)控制器，可獲得無軸承交流異步電機的高性能控制以及抗負載擾動的運行性能。
3.用靜態(tài)神經網絡加積分器來實現復合被控對象的逆系統(tǒng)，構造神經網絡逆控制器來實現對無軸承交流異步電機的控制，完全擺脫了傳統(tǒng)的微分幾何控制方法對數學模型的依賴性，彌補了基于微分幾何控制方法中對無軸承交流異步電機的數學模型要求嚴格以及系統(tǒng)參數的不穩(wěn)定所帶來系統(tǒng)控制有誤差的不足，能更好地實現了轉矩力和徑向懸浮力之間的解耦，有效地減小了電機參數變化與負載擾動對無軸承交流異步電機性能的影響，顯著地提高了無軸承交流異步電機的性能指標。
本發(fā)明基于神經網絡逆構造的無軸承交流異步電機神經網絡逆控制器，提高了無軸承交流異步電機控制性能，而且適合其它無軸承電機控制系統(tǒng)，以及適合磁軸承支承的各種類型的電機控制系統(tǒng)。用神經網絡逆控制方法控制的這種無軸承交流異步電機應用前景是非常廣闊的，這種基于神經網絡逆構造的無軸承交流異步電機神經網絡逆控制器在其它類型的無軸承電機中也具有非常廣闊的應用價值。


圖1是由坐標變換11、坐標變換12、定子磁鏈觀測模型13以及轉子磁鏈辨識模型14組成的無軸承交流異步電機轉子磁鏈觀測器10的原理圖。
圖2是由兩個Clark逆變換(21、22)、兩個電流型跟蹤逆變器(23、24)和無軸承交流異步電機及其負載模型25組成的復合被控對象26。
圖3是神經網絡逆32，它有10個輸入節(jié)點、4個輸出節(jié)點的3層靜態(tài)神經網絡31加6個積分器s-1構成。
圖4是神經網絡逆32與復合被控對象26復合構成的偽線性系統(tǒng)41的示意圖及其等效圖。
圖5由線性閉環(huán)控制器51與偽線性系統(tǒng)41組成的閉環(huán)控制系統(tǒng)的結構圖。其中偽線性系統(tǒng)41包括兩個位置子系統(tǒng)、一個速度子系統(tǒng)以及一個磁鏈子系統(tǒng)；線性閉環(huán)控制器包括兩個位置控制器(52、53)、一個速度控制器54以及一個磁鏈控制器55。
圖6、圖7是基于神經網絡逆無軸承交流異步電機控制系統(tǒng)的原理框圖。
具體實施例方式
本發(fā)明的實施方式是首先基于無軸承交流異步電機樣機本體，然后由兩個Clark逆變換、兩個電流跟蹤型逆變器和無軸承交流異步電機負載作為一個整體組成復合被控對象，該復合被控對象等效為靜止坐標系下的6階微分方程模型，系統(tǒng)向量的相對階為{2，2，1，1}。采用10個輸入節(jié)點、4個輸出節(jié)點的靜態(tài)神經網絡(3層網絡)加6個積分器s-1構成具有10個輸入節(jié)點、4個輸出節(jié)點的復合被控對象的神經網絡逆。并通過調整靜態(tài)神經網絡的各個權值使神經網絡逆實現復合被控對象的逆系統(tǒng)功能。再將神經網絡逆串接在復合被控對象之前，神經網絡逆與復合被控對象合成為由兩個二階積分子系統(tǒng)以及兩個一階積分子系統(tǒng)即二個位置子系統(tǒng)、一個速度子系統(tǒng)和一個磁鏈子系統(tǒng)，從而將一個復雜的多變量、非線性、強耦合的控制對象轉化為兩個二階積分子系統(tǒng)和兩個一階積分子系統(tǒng)的控制。對于已經解耦的兩個二階積分子系統(tǒng)和兩個一階積分子系統(tǒng)，采用一種線性系統(tǒng)綜合方法，如PID、極點配置、線性最優(yōu)二次型調節(jié)器或魯棒伺服調節(jié)器設計方法等，分別設計二個位置控制器、一個速度控制器以及一個磁鏈控制器，由位置控制器、速度控制器和磁鏈控制器共同組成線性閉環(huán)控制器。最終構成由線性閉環(huán)控制器、神經網絡逆、兩個Clark逆變換、兩個電流跟蹤逆變器組成的神經網絡逆系統(tǒng)方法控制器，來對無軸承交流異步電機進行動態(tài)解耦控制。
具體的實施分以下7步1.對無軸承交流異步電機構造轉子磁鏈觀測器，如圖1所示。磁鏈觀測器由坐標變換、定子磁鏈觀測模型以及轉子磁鏈辨識模型組成。磁鏈觀測器的輸入為無軸承交流異步電機定子繞組相電流i1a、i1b、i1c，相電壓u1a、u1b、u1c及速度ωr，輸出為轉子磁鏈ψdr、ψqr。根據坐標變換可以分別得到i1d、i1q、u1d、u1q，通過定子磁鏈觀測可以得到ψ1q、ψ1d，忽略徑向力繞組磁場的影響，然后分別與速度ωr及時間常數Tr相乘的乘積，以及i1d、i1q分別與Lm1r相乘的乘積，通過轉子磁鏈辨識模型分別可以得到轉子磁鏈為ψdr、ψqr。磁鏈觀測器為整個神經網絡逆控制器提供了必要的磁鏈信息。
2.由兩個Clark逆變換、兩個電流跟蹤逆變器以及無軸承交流異步電機負載模型作為一個整體組成復合被控對象，如圖2所示。該復合被控對象以{i2α，i2β，i1α，i1β}四個電流信號作為輸入，以轉子的位置、轉速以及磁鏈作為輸出。
3.通過分析、等效與推導，為神經網絡逆的構造與學習訓練提供方法上的根據。首先建立復合被控對象的數學模型，基于無軸承交流異步電機工作原理，建立無軸承交流異步電機數學模型，經過Clark變換和線性放大，得到復合被控對象的數學模型，即靜止坐標系下6階微分方程，其向量相對階為{2，2，1，1}。經推導可以證明該6階微分方程可逆，即逆系統(tǒng)存在，并可確定其逆系統(tǒng)的四個輸入為兩個位置坐標的二階導數、一個速度的一階導數以及一個磁鏈的一階導數，四個輸出分別為復合被控系統(tǒng)的四個輸入。從而可以構造出神經網絡逆，如圖3所示。為學習訓練提供了方法上的根據。
4.采用靜態(tài)神經網絡加6個積分器構造神經網絡逆。其中靜態(tài)神經網絡采用3層MLN網絡，輸入節(jié)點數為10，隱含節(jié)點數為17，輸出層節(jié)點數為4，隱層神經元激活函數使用S型函數f(x)=e2x-e-2xe2x+e-2x]]>，輸出層的神經元采用純線性函數f(x)＝x，x為神經元的輸入，靜態(tài)神經網絡的權系數將在下一步的離線學習中確定。接著采用具有10個輸入節(jié)點、4個輸出節(jié)點的靜態(tài)神經網絡加6個積分器s-1構成，其中靜態(tài)神經網絡的第一個輸入為神經網絡逆的第一個輸入，其經第一個積分器s-1的輸出為靜態(tài)神經網絡的第二個輸入，再經第二個積分器為靜態(tài)神經網絡的第三個輸入；靜態(tài)神經網絡的第四個輸入為神經網絡逆的第二個輸入，其經第三個積分器s-1的輸出為靜態(tài)神經網絡的第五個輸入，再經第四個積分器為靜態(tài)神經網絡的第六個輸入；靜態(tài)神經網絡的第七個輸入為神經網絡逆的第三個輸入，其經第五個積分器s-1的輸出為靜態(tài)神經網絡的第八個輸入；靜態(tài)神經網絡的第九個輸入為神經網絡逆的第四個輸入，其經第六個積分器s-1的輸出為靜態(tài)神經網絡的第十個輸入。靜態(tài)神經網絡與六個積分器一道組成神經網絡逆，靜態(tài)神經網絡的輸出就是神經網絡逆的輸出。
調整靜態(tài)神經網絡的權系數1)將階躍激勵信號{i2α，i2β，i1α，i1β}加到復合被控對象的輸入端，采集無軸承交流異步電機的轉子位移x、y；轉子的轉速ωr；以及磁鏈ψr。2)將轉子的兩個位移x、y離線分別求其一階和二階導數，轉速ωr求其一階導數，磁鏈ψr求其一階導數，并對信號做規(guī)范化處理，組成神經網絡的訓練樣本集{x··,x·,x,y··,y·,y,ω·r,ωr,ψ·r,ψr,i2α,i2β,i1α,i1β}]]>。3)采用帶動量項和變學習率的誤差反傳BP算法對靜態(tài)神經網絡進行訓練，經過500次左右訓練，神經網絡輸出均方誤差小于0.001，滿足要求，從而確定了靜態(tài)神經網絡的各個權系數。
5.形成兩個位置子系統(tǒng)、一個速度子系統(tǒng)和一個磁鏈子系統(tǒng)。由確定各個權系數的靜態(tài)神經網絡與6個積分器構成神經網絡逆，神經網絡逆與復合被控對象串連組成偽線性系統(tǒng)，該偽線性系統(tǒng)由兩個位置二階積分型的偽線性子系統(tǒng)、一個速度一階積分型的偽線性子系統(tǒng)以及一個磁鏈一階積分型的偽線性子系統(tǒng)。從而達到了轉矩力和徑向懸浮力之間、各個位置子系統(tǒng)之間的動態(tài)解耦，把復雜非線性系統(tǒng)控制轉化為簡單的四個單變量線性系統(tǒng)的控制，如圖4所示。
6.設計線性閉環(huán)控制器。對兩個位置子系統(tǒng)、一個速度子系統(tǒng)和一個磁鏈子系統(tǒng)分別設計閉環(huán)控制器，如圖5所示。線性閉環(huán)控制器采用線性系統(tǒng)理論中的比例積分微分PID、極點配置、線性最優(yōu)二次型調節(jié)器或魯棒伺服調節(jié)器設計方法來設計。在本發(fā)明實施過程中，根據無軸承交流異步電機參數來選擇和調整調節(jié)器參數，兩個位置控制器均選用了比例積分微分PID控制器，轉速控制器和磁鏈控制器均選用了比例微分PD控制器。如整定后兩個位置控制器傳遞函數為G(S)=100+5000S+0.045S]]>，轉速控制器和磁鏈控制器傳遞函數為G(S)＝23324.81+41.23S，轉速控制器的閉環(huán)系統(tǒng)的傳遞函數可寫為Φ(s)=2τ-2(τs+1)s2+2τ-1s+2τ-2]]>，其中τ＝0.1。整個控制系統(tǒng)如圖6、圖7所示。
7.構成神經網絡逆控制器。將線性閉環(huán)控制器、神經網絡逆、兩個Clark逆變換、兩個電流跟蹤逆變器共同組成神經網絡逆控制器(圖7)。
根據以上所述，便可實現本發(fā)明。
權利要求
1.基于神經網絡逆無軸承交流異步電機解耦控制器的控制方法，其特征在于首先采用常用的電流、電壓、速度、磁鏈觀測模型及Park變換與Clark變換組成的一個磁鏈觀測器(10)，來獲取磁鏈閉環(huán)控制所需的無軸承電機轉子磁鏈信息；磁鏈觀測器(10)是由坐標變換(11)、坐標變換(12)、定子磁鏈觀測模型(13)以及轉子磁鏈辨識模型(14)組成；然后將兩個Clark逆變換(21、22)、兩個電流跟蹤型逆變器(23、24)及無軸承交流異步電機及其負載模型(25)作為一個整體組成復合被控對象(26)；進而采用靜態(tài)神經網絡(31)加積分器s-1來構造復合被控對象的神經網絡逆(32)，并通過調整神經網絡的權系數使神經網絡逆(32)實現復合被控對象(26)的逆系統(tǒng)功能；然后將神經網絡逆(32)置于復合被控對象(26)之前，神經網絡逆(32)與復合被控對象(26)組成偽線性系統(tǒng)(41)；偽線性系統(tǒng)(41)等效為四個解耦的積分線性子系統(tǒng)，分別為兩個位置二階積分型的偽線性子系統(tǒng)、一個速度一階積分型的偽線性子系統(tǒng)以及一個磁鏈一階積分型的偽線性子系統(tǒng)；在此基礎上，采用PID調節(jié)器設計方法對四個解耦的積分子系統(tǒng)分別設計兩個轉子位置控制器(52、53)、一個速度控制器(54)和一個磁鏈控制器(55)；并由上述兩個轉子位置控制器、一個速度控制器和一個磁鏈控制器來構成線性閉環(huán)控制器(51)；最后將線性閉環(huán)控制器(51)、神經網絡逆(32)和兩個Clark逆變換(21、22)、兩個電流跟蹤型逆變器(23、24)共同構成神經網絡逆無軸承交流異步電機控制器(71)。
2.根據權利要求1所述的基于神經網絡逆無軸承交流異步電機控制器的控制方法，其特征在于所述的磁鏈觀測器(10)是由坐標變換(11)、坐標變換(12)、定子磁鏈觀測模型(13)以及轉子磁鏈辨識模型(14)組成；坐標變換(11)是把無軸承交流異步電機定子繞組相電流i1a、i1b、i1c通過Clark變換以及Park變換來采集無軸承異步電機的轉矩繞組電流i1d、i1q；坐標變換(12)是把無軸承交流異步電機定子繞組相電流i1a、i1b、i1c和相電壓u1a、u1b、u1c通過Clark變換以及Park變換來采集無軸承異步電機的轉矩繞組電流i1d、i1q和電壓u1d、u1q；然后通過相應的磁鏈辨識模塊來獲得所需的磁鏈值。
3.根據權利要求1所述的基于神經網絡逆無軸承交流異步電機控制器的控制方法，其特征在于所述的靜態(tài)神經網絡(31)的各個權系數確定方法將階躍激勵信號{i2α，i2β，i1α，i1β}加到復合被控對象(26)的輸入端；采集無軸承交流異步電機的轉子徑向位移x、y和轉子的轉速ωr以及磁鏈ψr，將兩個轉子位移x、y離線分別求其二階導數，轉速ωr求其一階導數，磁鏈ψr求其一階導數，并對信號做規(guī)范化處理，組成神經網絡的訓練樣本集{ x， y， ωr， ψr，i2α，i2β，i1α，i1β}，對靜態(tài)神經網絡(31)進行訓練，從而確定靜態(tài)神經網絡(31)的各個權系數。
全文摘要
本發(fā)明是一種無軸承交流異步電機神經網絡逆解耦控制器的控制方法，由兩個Clark逆變換、兩個電流跟蹤型逆變器、無軸承交流異步電機及其負載作為一個整體組成復合被控對象；根據其對應的逆系統(tǒng)，用靜態(tài)神經網絡加積分器并通過學習算法構成神經網絡逆；將神經網絡逆串接在復合被控對象之間，復合成由兩個位置子系統(tǒng)、一個速度子系統(tǒng)和一個磁鏈子系統(tǒng)組成的偽線性系統(tǒng)；再依據線性系統(tǒng)的設計方法對偽線性系統(tǒng)設計線性閉環(huán)控制器，最后將線性閉環(huán)控制器與神經網絡逆相串接并與兩個Clark逆變換、兩個電流跟蹤型逆變器一起形成神經網絡逆系統(tǒng)方法控制器，對無軸承交流異步電機進行非線性動態(tài)解耦控制。其控制速度與精度較高，電機結構簡單、控制系統(tǒng)性能優(yōu)良。
文檔編號H02P23/14GK1845449SQ20061003871
公開日2006年10月11日 申請日期2006年3月8日 優(yōu)先權日2006年3月8日
發(fā)明者朱熀秋, 周陽, 劉賢興, 張騰超, 方亮, 趙筱赫 申請人:江蘇大學