[发明专利]三自由度六极混合磁轴承转子位移自检测系统及方法

说明书

本发明公开一种三自由度六极混合磁轴承转子位移自检测系统及方法，由依次串接在复合被控对象的输出和输入端的模糊支持向量机位移预测模块、线性闭环控制器和力/电流变换模块组成，两个模糊支持向量机径向位移预测模块和一个模糊支持向量机轴向位移预测模块均由训练样本集模块、数据预处理模块、模糊化数据模块、确定最佳性能参数模块和模糊支持向量机模块组成，模糊化数据模块将重要程度不一样的样本赋予不一样的隶属度值，采用核模糊聚类算法计算模糊隶属度值，确定最佳性能参数模块采用简化粒子群优化算法确定出最佳的惩罚参数和核宽度，模糊支持向量机训练模块计算出预测位移，减小了磁轴承的轴向尺寸，提高了系统的动态性能。

技术领域

本发明涉及三自由度六极径向-轴向混合磁轴承的控制技术，具体是基于简化粒子群算法优化模糊支持向量机的转子位移自检测技术，属于高速及超高速电机传动领域，广泛应用在航空航天、真空技术、机械工业及能源交通等领域。

背景技术

磁悬浮轴承(简称磁轴承)是利用线圈中的电流或者永磁体产生电磁力，使转子悬浮于空间中，实现转子和定子之间没有任何机械接触的一种新型高性能轴承。由于磁轴承具有无摩擦、无损耗、无需润滑和密封、可支承转速高、回转精度高、无污染、使用寿命长等优点，从根本上改变了传统的支承形式，特别适用于高速、超洁净、真空等要求非常高的场合。目前，关于磁轴承转子位移的检测多采用电涡流式或霍尔式位移传感器，所用传感器不仅价格昂贵、安装复杂，而且增加悬浮系统轴向长度，降低系统动态性能和可靠性。因此，探索磁轴承位移自检测技术，实现无传感器控制，对优化系统结构、降低成本和提高系统可靠性很有帮助。

目前常见的自检测技术主要包括参数估计法、状态估计法、智能控制方法等。参数估计法和状态估计法依赖精确的数学模型，由于交流混合磁轴承的非线性、强耦合、参数不稳定等本质特征，难以建立精确的数学模型。智能控制方法主要包括神经网络法和支持向量机法。神经网络法避免了传统方法对模型和参数的依赖，不需要外加电流和信号处理，提高了系统鲁棒性和抗干扰能力，但是，神经网络目前还存在过拟合、易陷入局部极值、结构设计依赖于经验等缺陷。支持向量机(SVM)是继神经网络之后机器学习领域又一重要成果，其遵循结构风险最小化准则，结构参数在训练过程中根据样本数据自动确定，不存在过拟合现象，它将学习问题转化为解线性方程组问题，加快了求解速度，克服了神经网络的缺陷，具有表达任意非线性的映射能力，可根据有限的样本信息得到当前的全局最优解，其训练速度快、拓扑结构固定，泛化能力强，能较好地解决非线性、高维数、局部极小等问题。在传统支持向量机中，每个输入样本的重要程度相同，但由于不同样本的损失函数值不同，经验风险的贡献也不同。为了减小支持向量机的预测误差，增加其灵活性，将模糊理论引入支持向量机中，形成模糊支持向量机。模糊支持向量机利用模糊隶属度函数对输入样本数据进行模糊化，不同重要程度的样本被赋予不同的隶属度值，可以有效克服支持向量机在复杂非线性样本预测过程中存在的过拟合问题。

发明内容

本发明的目的是克服现有的几种常用磁轴承自检测技术的不足，针对磁轴承的本质非线性和参数不稳定性，难以建立转子位移的准确计算模型的特点，提供一种基于模糊支持向量机位移预测模型的三自由度六极混合磁轴承转子位移自检测系统及方法，利用模糊支持向量机建立磁轴承转子位移与控制电流之间的非线性预测模型，实现三自由度六极混合磁轴承转子的稳定悬浮，避免了位移传感器的使用，达到系统无传感自检测的运行目的，提高磁轴承的控制性能。