[实用新型]一种五自由度磁悬浮电主轴转子位移自检测系统

说明书

本实用新型公开一种五自由度磁悬浮电主轴转子位移自检测系统，由一个模糊支持向量机位移预测模块、两个线性闭环控制器和两个力/电流变换器组成，模糊支持向量机位移预测模块由四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组成，径向位移预测模块和轴向位移预测模块各自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训练模块组成，模糊化数据模块对训练样本集利用模糊隶属度函数模糊化，确定最佳性能参数模块利用简化粒子群优化算法，对惩罚参数和核宽度进行优化，获得性能指标最好的一组惩罚参数和核宽度；简化了系统结构，提高了磁轴承的控制性能。

技术领域

本实用新型涉及五自由度磁悬浮电主轴转子位移的检测技术，广泛应用于航空航天、真空技术、机械工业及能源交通等高速切削领域。

背景技术

随着高速切削技术的发展，电主轴要求更高速、高精度，传统的机械轴承由于存在摩擦，越来越不能满足其高速运行的要求，而磁悬浮轴承支承的电主轴能够大大提高电主轴的性能。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。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，探索磁轴承转子位移自检测技术，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，但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，神经网络方法目前还存在过拟合、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，给转子位移的准确预测带来了新的可能性。

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

本实用新型的目的是提供一种基于简化粒子群算法优化模糊支持向量机的五自由度磁悬浮电主轴转子位移自检测系统，针对磁轴承的本质非线性和参数不稳定性、难以建立转子位移准确计算模型的问题，克服现有的几种常用磁轴承自检测技术的不足，降低磁轴承系统的成本，减小磁轴承的轴向尺寸，提高系统的动态性能。