[发明专利]无轴承无刷直流电机神经网络α阶逆控制器的构造方法

权利要求书

1.一种无轴承无刷直流电机神经网络α阶逆控制器的构造方法，其特征是依次采用如下步骤：

1）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）；

2）建立复合被控对象（4）的数学模型，采用静态神经网络（5）加6个积分器来构造复合被控对象（4）的神经网络逆（6）；  

3）调整并确定静态神经网络（5）的各个权系数，将神经网络逆（6）置于复合被控对象（4）之前串联组成伪线性系统（7），伪线性系统（7）等效为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；

4）分别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设计两个位置控制器（81、82）和一个速度控制器（83），并由两个位置控制器（81、82）和一个速度控制器（83）来构成线性闭环控制器（8）； 

5）将线性闭环控制器（8）、神经网络逆（6）和两个PWM逆变器（2、3）依次串接共同构成无轴承无刷直流电机神经网络α阶逆控制器（9）。

2.根据权利要求1所述的无轴承无刷直流电机神经网络α阶逆控制器的构造方法，其特征是：步骤2）中，将复合被控对象（4）的期望输出                                               的α阶导数作为神经网络逆（6）的输入，神经网络逆（6）的输出为；），ω为电机转速输出信号， x、y分别为电机转子在X、Y轴方向上的位移输出信号；ρ*为PWM逆变器（2）输入占空比信号，、分别为U相悬浮绕组su1、su2的给定电流输入信号，、分别为V相悬浮绕组sv1、sv2的给定电流输入信号，、分别为W相悬浮绕组sw1、sw2的给定电流输入信号；

静态神经网络（5）具有9个输入节点、7个输出节点，24个隐含节点；将神经网络逆（6）的第一个输入作为静态神经网络（5）的第一个输入，其经第一个积分器的输出作为静态神经网络（5）的第二个输入，再经第二个积分器的输出作为静态神经网络（5）的第三个输入；将神经网络逆（6）的第二个输入作为静态神经网络（5）的第四个输入，其经第三个积分器的输出作为静态神经网络（5）的第五个输入，再经第四个积分器的输出作为静态神经网络（5）的第六个输入；将神经网络逆（6）的第三个输入作为静态神经网络（5）的第七个输入，其经第五个积分器的输出作为静态神经网络（5）的第八个输入；再经第六个积分器的输出作为静态神经网络（5）的第九个输入；静态神经网络（5）的输出即神经网络逆（6）的输出。

3.根据权利要求2所述的无轴承无刷直流电机神经网络α阶逆控制器的构造方法，其特征是：将ρ*、、、、、、这7个信号作为阶跃激励信号施加于复合被控对象（4）的输入端，并对输入信号u及输出响应y进行采集得到原始数据样本；采用高阶数值微分方法离线计算y的各阶导数得到神经网络逆（6）的训练样本集；对训练样本集做归一化处理后利用变步长加动量项的BP算法离线训练静态神经网络（5），使神经网络输出均方误差小于0.001以确定静态神经网络（5）的各个权系数。