感应型无轴承电动机的模糊神经网络控制系统 research of induction type bearingless motors magnetic suspension control using fuzzy neural network.pdfVIP

《电气应用》2006年第25卷第12期 感应型无轴承电动机的模糊神经网络控制系统 杨国福 郭芙军 (河北科技大学电气信息学院050054) 摘 要 由于负载、干扰和径向位移检测误差，无轴承电动机悬浮运行时定、转子中心并不 重合，产生偏心，影响了其稳定悬浮控制性能。从运行原理出发，建立了感应型无轴承电动机磁 悬浮力的解析模型，并采用模糊神经网络对其进行控制，有效地提高了感应型无轴承电动机稳定 悬浮运行的动、静态性能。 关键词 感应型无轴承电动机 神经网络 模糊控制 绕组Ⅳ。和Ⅳ8。如果Ⅳ。和Ⅳ8绕组没有电流通过， 1 引言 转距绕组产生的4极磁场均匀对称，图中区域1和 磁悬浮具有无接触的特点，避免了物体之间的 区域2处的气隙磁通密度相等，转子上无悬浮力产 摩擦和磨损，能消除因摩擦而产生的阻力，延长了 生。当在Ⅳ。绕组上通入如图所示方向的电流时， 设备的使用寿命，改善了设备的运行条件，因此具 Ⅳ。绕组产生的2极磁场与原有的4极磁场叠加， 有广泛的应用前景。而磁悬浮轴承本身有负刚度， 使得区域1气隙磁密增加，区域2气隙磁密减少， 是非最小相位系统。如果只采用线性控制规则进行 不平衡的气隙磁密使电动机转子上产生出沿Ot轴 控制，具有许多缺点：当受到较大扰动时，控制输 正方向的磁拉力。相反，如果Ⅳ。在绕组上通入反 出很容易出现积分饱和现象，而且，滞后悬浮的运 方向电流，合成的气隙磁场将产生沿口轴负方向 动[1，2|。为此，本文提出一种改进的模糊神经网络 的磁拉力。同理，如果在Ⅳ。绕组通入电流就可以 自适应控制系统，该系统在线性最优控制器基础上 产生沿p轴方向的磁拉力。因此，通过控制Ⅳ。和 提取模糊变量和模糊规则后，利用神经网络结构来 机绕组的电流就可以控制磁悬浮力的大小和方向， 实现模糊逻辑推理，从而使传统神经网络中没有明 使电动机获得稳定悬浮运行。 确物理含义的权值赋予了模糊逻辑中推理参数的物 理含义。该网络首先可以根据先验知识进行离线训 练，然后在系统实际运行时再进行在线学习。计算 结果表明模糊神经网络控制对静态稳定和暂态稳定 均有良好效果。 2感应型无轴承电动机的运行原理 2．1 感应型无轴承电动机的结构原理 无轴承电动机定子中放置有两套不同极对数的 绕组，极对数为P。的用来产生电磁转距，称之为 转距绕组；极对数为p2的用来产生可控悬浮力， 图1 无轴承电动机磁悬浮力产生原理图 称之为悬浮绕组。当极对数满足P2=Pl±1时， 2．2感应型无轴承电动机控制系统的工作原理 可产生受控的悬浮力。 本文所采用的感应型无轴承电动机控制系统如 图1为一台感应型无轴承电动机，定子上设置 图2所示。该系统由无轴承电动机、位置传感器、 有4极转距绕组Ⅳ^和ⅣB外，还安放有2极悬浮 速度传感器、DSP控制器、驱动器电路和放大器 国家自然科学基金资助项目：项目批准 组成。由位置传感器和速度传感器分别检测出的转 ～29— 万方数据 《电气应用》2006年第25卷第12期 感应型无轴承电动机的模糊神经网络控制系统 子位移和速度的反馈信号，