[发明专利]基于神经网络-模型预测控制的磁悬浮偏航电机控制方法

权利要求书

1.基于神经网络-模型预测控制的磁悬浮偏航电机控制方法，所述磁悬浮偏航电机为一种隐极式同步盘式电机，包括定子、转子、悬浮架、负载平台、气隙传感器；所述定子与所述转子相对上下垂直同心放置；所述转子与所述悬浮架固定；所述悬浮架还与所述负载平台固定；所述负载平台与风电机组的机舱固定；所述气隙传感器与所述转子固定；所述定子包括定子铁心和三相绕组，所述三相绕组与定子变流器连接；所述转子包括转子铁心和直流励磁绕组，所述直流励磁绕组与转子变流器连接；其特征在于，包括以下步骤：

步骤1，当风向改变需要偏航时，由所述转子变流器采用PID控制算法控制转子电流，使所述磁悬浮偏航电机的转子向上悬浮至并保持在悬浮平衡点处实现稳定悬浮；

步骤2，当实现稳定悬浮后，所述转子变流器改用神经网络-模型预测控制策略，控制所述转子电流，使所述磁悬浮偏航电机的转子在悬浮平衡点处保持稳定悬浮，具体方法是：

21)根据所述磁悬浮偏航电机的悬浮动态数学模型，对悬浮神经网络模型进行训练；

22)将训练好的所述悬浮神经网络模型移植入所述转子变流器的主控芯片，建立基于所述转子变流器的主控芯片的实际悬浮神经网络模型预测控制系统；

23)将所述悬浮神经网络模型的响应输出值δ_m及悬浮气隙期望值δ^*输入悬浮非线性优化模块，所述悬浮非线性优化模块通过使悬浮代价函数最小化确定最优控制输入信号，即最优转子电流i_{r_opt}，将所述最优转子电流i_{r_opt}和悬浮气隙测量值δ作为所述悬浮神经网络模型的输入，同时将所述最优转子电流i_{r_opt}与所述转子电流作差，经PID控制器送入PWM模块，产生所述转子变流器的驱动信号，从而控制所述转子电流，使所述磁悬浮偏航电机的转子在悬浮平衡点处保持稳定悬浮；

步骤3，由所述定子变流器采用神经网络-模型预测控制策略，控制定子电流，使所述磁悬浮偏航电机按转速期望值ω^*旋转至对风位置，具体方法是：

31)根据所述磁悬浮偏航电机的偏航动态数学模型，对偏航神经网络模型进行训练；

32)将训练好的所述偏航神经网络模型移植入所述定子变流器的主控芯片，建立基于所述定子变流器主控芯片的实际偏航神经网络模型预测控制系统；

33)将所述偏航神经网络模型的响应输出值ω_m及转速期望值ω^*输入偏航非线性优化模块，所述偏航非线性优化模块通过使偏航代价函数最小化确定最优控制输入信号，即所述定子电流的最优值之d轴分量i_{sd_opt}和q轴分量i_{sq_opt}，将所述i_{sd_opt}、i_{sq_opt}以及转速测量值ω作为所述偏航神经网络模型的输入，同时将所述i_{sd_opt}和i_{sq_opt}分别与所述定子电流的d轴分量i_sd和q轴分量i_sq作差后输入带限幅的PI控制器，得到定子电压控制量u_sd^*和u_sq^*，经dq/αβ坐标变换后得到u_sα^*和u_sβ^*，经SVPWM模块调制后产生驱动信号，控制所述定子变流器产生所需的励磁电压和电流，使所述磁悬浮偏航电机按转速期望值ω^*旋转至对风位置；

步骤4，在偏航的同时，由所述转子变流器采用神经网络-模型预测控制策略，控制所述转子电流，使所述磁悬浮偏航电机的转子在整个偏航过程中保持在悬浮平衡点处，具体方法是：

41)根据所述磁悬浮偏航电机的偏航悬浮动态数学模型，对偏航悬浮神经网络模型进行训练；

42)将训练好的所述偏航悬浮神经网络模型移植入所述转子变流器的主控芯片，建立基于所述转子变流器的主控芯片的实际偏航悬浮神经网络模型预测控制系统；

43)将所述偏航悬浮神经网络模型的响应输出值δ_ym及悬浮气隙期望值δ^*输入悬浮非线性优化模块，所述悬浮非线性优化模块通过使偏航悬浮代价函数最小化确定最优控制输入信号，即最优转子电流i_{yr_opt}，将所述最优转子电流i_{yr_opt}和悬浮气隙测量值δ作为所述偏航悬浮神经网络模型的输入，同时将所述最优转子电流i_{yr_opt}与所述转子电流作差，经PID控制器送入PWM模块，产生所述转子变流器的驱动信号，从而控制所述转子电流，使所述磁悬浮偏航电机的转子在整个偏航过程中保持在悬浮平衡点处。