[发明专利]无轴承异步电动机RBF神经网络自适应逆解耦控制及参数辨识方法

说明书

技术领域

本发明是一种多变量非线性的无轴承异步电动机RBF神经网络自适应逆控制及参数辨识方法，适用于无轴承异步电动机的高性能控制。无轴承异步电动机继承了磁轴承电机优点，具有无摩擦、无磨损、不需润滑和密封、无菌、无污染、寿命长等特点，非常适合在注入高速精密数控机床、高压密封泵、特种机器人、高速陀螺、卫星飞轮、高速飞行器及控制装置、高速离心机、高速飞轮储能等高速驱动的高新技术领域，应用前景广泛，属于电力传动控制设备的技术领域。

背景技术

无轴承异步电动机内部具有复杂的电磁关系，因此它是一类多变量、非线性、强耦合的被控对象，要实现对其径向位移、转速准确的控制非常困难。若要实现对无轴承异步电动机转子的稳定悬浮和跟随给定转速运行，就必须对电机的转矩力和悬浮力进行解耦控制。

但是，动态解耦控制的控制策略一直是实现无轴承异步电动机稳定工作的难点。常见控制有气隙磁场定向和转子磁场定向控制，实验证明这两种方法都能对无轴承异步电动机实现较为稳定控制。气隙磁场定向控制方法虽然可以实现电磁转矩和径向悬浮力之间解耦控制，但这种算法受电机参数(如转子电阻、转子漏感等)的影响较大，且存在是稳转矩，适用范围受限；转子磁场定向控制方法，能做到转矩电流和励磁电流之间的解耦，但只有转子磁链达到稳定并保持恒定时才能实现电磁转矩和转子磁链解耦，属于稳态解耦并不能实现动态解耦。BP神经网络应用于无轴承异步电动机控制并取得较好的控制效果，但BP神经网络在函数逼近方面存在收敛速度慢、易陷入局部极小等缺点，且理论上与生物背景不相符。

为进一步提高无轴承异步电动机的动态工作性能，需要考虑无轴承异步电动机的动态解耦和多变量协调控制相结合，进而需要结构更加紧凑、性能更优良的无轴承异步电动机解耦控制器。

国内现有得相关专利申请：1)专利申请号CN20061038711.3，名称为：无轴承交流异步电动机神经网络逆解耦控制器的控制方法，此发明专利针对无轴承交流异步电动机设计神经网络逆解耦控制器；2)专利申请号CN200510038099.5，名称为：无轴承开关磁阻电动机径向神经网络逆解耦控制器及构造方法，此发明针对磁悬浮开关磁阻电机设计径向神经网络逆解耦控制器；3)专利申请号CN200510040065.X，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，此发明针对五自由度无轴承永磁同步电机设计的控制方法；4)文章编号0258-8013(2004)07-0117-05基于RBF神经网络的超声波电机参数辨识是针对超声波电机参数辨识的方法；以上三个发明所用神经网络逆控制器控制电机思想与本专利有一定的相关性，但是本文中神经网络采用的是RBF神经网络，与它们采用的BP网络不同；对比文章4本发明在电机的结构、数学模型、控制方法、控制难度和要求存在本质区别，对无轴承异步电动机的RBF神经网络自适应逆控制系统的设计目前无相关专利和文献资料。

发明内容

本发明的目的是针对无轴承异步电动机的非线性、强耦合复杂系统，对悬浮力、转矩力以及转子磁链采用RBF神经网络自适应逆控制器进行非线性动态解耦控制，提供一种即可使无轴承异步电动机具有优良的动静态性能，而且具有抵抗电机参数变化以及抗负载扰动的强鲁棒性，又能有效地提高无轴承异步电动机的各项控制性能指标；此外采用RBF神经网络自适应辨识器实现在线辨识无轴承异步电动机的输出如径向位移、转速和磁链。

本发明的技术方案为：一种无轴承异步电动机RBF神经网络自适应逆解耦控制及参数辨识方法，包括步骤：

步骤1，用常用传感器检测电压、电流、转速信号，信号经过3s/2r坐标变换后送入磁链观测模型，来获得磁链闭环控制以及神经网络训练所需要的磁链信息；

步骤2，将SVPWM算法模块一和电压型逆变器模块一串接组成扩展的SVPWM电压型逆变器模块一，将SVPWM算法模块二和电压型逆变器模块二串接组成扩展的SVPWM电压型逆变器模块二；

步骤3，构建无轴承异步电动机及其负载模型，将扩展的SVPWM电压型逆变器模块一、扩展的SVPWM电压型逆变器模块二以及无轴承异步电动机及其负载模型作为一个整体组成复合被控对象；

步骤4，通过RBF神经网络RBFNNC构建复合被控对象的逆控制器，利用离线和在线相结合的方法训练并获得RBF神经网络RBFNNC的结构和参数，将训练好的RBF神经网络RBFNNC置于复合被控对象之前构成线性控制系统，从而实现对无轴承异步电动机的解耦控制；