CN103595321A - 一种五自由度交流主动磁轴承解耦控制器的构造方法 - Google Patents
一种五自由度交流主动磁轴承解耦控制器的构造方法 Download PDFInfo
- Publication number
- CN103595321A CN103595321A CN201310447962.7A CN201310447962A CN103595321A CN 103595321 A CN103595321 A CN 103595321A CN 201310447962 A CN201310447962 A CN 201310447962A CN 103595321 A CN103595321 A CN 103595321A
- Authority
- CN
- China
- Prior art keywords
- neural network
- fuzzy neural
- controlled object
- active magnetic
- composite controlled
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Magnetic Bearings And Hydrostatic Bearings (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种五自由度交流主动磁轴承解耦控制器的构造方法,先在复合被控对象前串联模糊神经网络逆***共同构成伪线性***,再针对伪线性***设计5个位置控制器组成闭环控制器,最后将闭环控制器串接在模糊神经网络逆***之前共同构成解耦控制器;模糊神经网络逆***的构建是根据复合被控对象的相对阶数用模糊神经网络加10个一阶积分器S -1建立复合被控对象的逆模型,用随机信号对复合被控对象进行充分激励,采用BP算法离线训练模糊神经网络;本发明将非线性、强耦合的五自由度交流主动磁轴承解耦为5个独立的二阶伪线性***,使***具有良好的控制性能及抗扰动能力。
Description
技术领域
本发明涉及一种五自由度交流主动磁轴承解耦控制器,具体是五自由度交流主动磁轴承解耦控制器的构造方法,属于高速电气传动领域,为高速转轴的精密、高效支承提供了条件,适用于飞轮储能装置、高性能机床主轴、离心泵等。
背景技术
随着工业技术的发展,对高速、超高速旋转主轴支承***性能的要求日益增加,但传统的机械轴承存在机械摩擦、需要润滑油等不利因素,因此,磁轴承无摩擦、无需润滑、转子位移精度高、寿命长的优点导致其在高速、超高速场合的应用前景十分广阔。交流磁轴承区别于一般的直流磁轴承,采用技术成熟的三相功率逆变器代替直流功率放大器进行驱动,大大减小了驱动装置的体积,减小了功率损耗及成本。
五自由度交流主动磁轴承是一个自身不稳定的多输入多输出、强耦合、非线性***,因此需要对***进行线性化解耦控制,才能保证***稳定、精确运行。通常的线性化解耦控制方法有:近似线性化法、微分几何法、解析逆***法、神经网络逆等。其中近似线性化法只能对***进行静态解耦,***运行时存在的参数改变、临界转速、干扰及负载等因素会导致控制性能变差。微分几何法使用的数学工具比较抽象,计算复杂,不便推广应用。中国专利申请号为20110003826.X的专利文献公开的“五自由度交流主动磁轴承α阶逆***解耦控制器构造方法”中,采用解析逆方法对五自由度交流磁轴承***进行解耦控制,但解析逆***方法对***模型的精确性要求比较高,实际应用时很难做到,且***运行过程中存在很多不确定因素导致***模型改变,因此控制效果并不理想。神经网络逆方法是为了克服解析逆方法中***精确模型难以建立的问题而提出的,它利用神经网络能以任意精度逼近非线性***的特点建立***逆模型,但神经网络本身存在收敛速度慢,易陷入局部极小的问题。
发明内容
为了克服上述现有技术的不足,本发明提出一种五自由度交流主动磁轴承解耦控制器的构造方法,采用模糊神经网络逆方法实现交流主动磁轴承***五个自由度间的独立控制,克服***参数摄动、干扰、建模误差等带来的控制性能下降问题,使***具有优良的动静态特性。
本发明采用的技术方案是:五自由度交流主动磁轴承由两个径向交流主动磁轴承,一个轴向主动磁轴承和转轴构成,五自由度交流主动磁轴承之前依次串接功率驱动器、坐标变换,三者共同构成复合被控对象,先在复合被控对象前串联模糊神经网络逆***共同构成伪线性***,再针对伪线性***设计5个位置控制器组成闭环控制器,最后将闭环控制器串接在模糊神经网络逆***之前共同构成解耦控制器;其中,所述的模糊神经网络逆***按以下方法构建:
1)采用等效磁路法计算得到复合被控对象的输出位移x a 、y a 、z、x b 、y b 和五自由度交流主动磁轴承的驱动电流i au、i av、i aw、i z 、i bu、i bv、i bw,然后以X= 作为状态变量,以U=( i ax *,i ay *,i z *,i bx *,i by *)T作为输入变量,以Y=(x a ,y a ,z,x b ,y b )T作为输出变量建立复合被控对象的状态方程,计算状态方程的相对阶为α=(α 1,α 2,α 3,α 4,α 5)T=(2,2,2,2,2)T;
2)根据复合被控对象的相对阶数用模糊神经网络加10个一阶积分器S -1建立复合被控对象的逆模型;
3)用随机信号对复合被控对象进行充分激励,采集复合被控对象的输入的等效控制电流期望值i ax *、i ay *、i z *、i bx *、i by *信号和输出位移x a 、y a 、z、x b 、y b 信号,获得复合被控对象的完整动静态特性,采用五阶数值微分法对输出位移x a 、y a 、z、x b 、y b 求一阶及二阶导数,将得到的数据进行归一化处理,构成模糊神经网络的训练样本;
4)选取能充分反映复合被控对象动静态特性的2000组训练样本,以输出位移x a 、y a 、z、x b 、y b 的二阶导数的期望值φ 1、φ 2、φ 3、φ 4、φ 5作为模糊神经网络的输入,以等效控制电流期望值i ax *、i ay *、i z *、i bx *、i by *作为模糊神经网络的期望输出,采用BP算法离线训练模糊神经网络至所述逆模型精度达到0.001。
本发明的优点在于:
1、采用模糊神经网络逼近五自由度交流主动磁轴承的逆***,且串联于复合被控对象前,从而把具有强耦合、非线性特性的五自由度交流主动磁轴承***解耦为五个独立的二阶伪线性***,再应用线性控制方法设计位置控制器,使五自由度交流主动磁轴承***具有良好的控制性能及抗扰动能力,能高性能稳定运行。
2、模糊推理***对参数变化不敏感,适合处理结构化知识,神经网络拥有自学习能力和连接式结构,适合处理非结构化信息,模糊神经网络将两种思想结合,同时具有模糊思维和知识的自学习能力,弥补了各自的不足,解决了解析逆***方法中,***精确模型难以建立的难题,克服了神经网络收敛速度慢、存在局部极小的问题,使模糊神经网络的泛化能力、逼近精度与收敛速度有了较大提高。
附图说明
图1是五自由度交流主动磁轴承结构示意图;
图2是复合被控对象示意图;
图3是模糊神经网络逆***结构示意图;
图4是伪线性***示意图及其等效图;
图5是模糊神经网络逆解耦闭环控制器结构图;
图6是五自由度交流主动磁轴承模糊神经网络逆解耦控制***总体框图;
图中:1. 五自由度交流主动磁轴承;2. 功率驱动器;3. 坐标变换;4. 复合被控对象;5. 模糊神经网络逆***;6. 伪线性***;7. 闭环控制器;8. 模糊神经网络逆解耦控制器;11、12. 径向交流主动磁轴承;13. 轴向主动磁轴承;14. 转轴;21、22. 电流跟踪逆变器;23. 双极性功率放大器;31、32. Clark逆变换;51. 模糊神经网络;71、72、73、74、75. 位置控制器。
具体实施方式
如图1所示,五自由度交流主动磁轴承1由两个径向交流主动磁轴承11、12,一个轴向主动磁轴承13和转轴14构成。径向交流主动磁轴承12置于转轴14的一端,控制转轴14一端的径向位移x b ,y b ,径向交流主动磁轴承11与轴向主动磁轴承13置于转轴14的另一端,径向交流主动磁轴承11控制转轴14另一端的径向位移x a ,y a ,轴向主动磁轴承13控制转轴14的轴向位移z。
如图2所示,由2个电流跟踪逆变器21、22与一个双极性功率放大器23构成功率驱动器2,并串接于五自由度交流主动磁轴承1前,由2个Clark逆变换31、32构成坐标变换3,坐标变换3串接于功率驱动器2之前,其中,Clark逆变换31串接于电流跟踪逆变器21前,Clark逆变换32串接于电流跟踪逆变器22前,坐标变换3、功率驱动器2与五自由度交流主动磁轴承1共同构成复合被控对象4。
径向交流主动磁轴承11的等效控制电流期望值i ax *、i ay *经Clark逆变换31变换为三相电流期望值i au *、i av *、i aw *,径向交流主动磁轴承12的等效控制电流期望值i bx *、i by *经Clark逆变换32变换为三相电流期望值i bu *、i bv *、i bw *。电流跟踪逆变器21跟踪三相电流期望值输出径向交流主动磁轴承11驱动电流i au、i av、i aw,电流跟踪逆变器22跟踪三相电流期望值输出径向交流主动磁轴承12的驱动电流i bu、i bv、i bw。双极性功率放大器23根据轴向控制电流期望值i z *及偏置电流i 0输出轴向主动磁轴承13的驱动电流i 0+i z 、i 0-i z 。径向交流主动磁轴承11由一组三相电流i au、i av、i aw驱动,径向交流主动磁轴承12由一组三相电流i bu、i bv、i bw驱动,轴向主动磁轴承13由轴向控制电流i 0+i z 、i 0-i z 驱动。五自由度交流主动磁轴承1输出转轴14五个方向上的位移x a 、y a 、z、x b 、y b 。即复合被控对象4的输入为等效控制电流期望值i ax *、i ay *、i z *、i bx *、i by *,输出为转轴14五个方向上的位移x a 、y a 、z、x b 、y b 。
如图3所示,模糊神经网络逆***5由模糊神经网络51加10个一阶积分器S -1构成,用于建立复合被控对象4的解析逆模型。位移x a 、y a 、z、x b 、y b 的二阶导数的期望值分别为φ 1、φ 2、φ 3、φ 4、φ 5,以φ 1、φ 2、φ 3、φ 4、φ 5作为模糊神经网络逆***5的输入,模糊神经网络逆***5输出是复合被控对象4的等效控制电流期望值i ax *、i ay *、i z *、i bx *、i by *。模糊神经网络逆***5的构建需要实施以下步骤:
1、建立复合被控对象4的数学模型,采用等效磁路法计算得到转轴14的位移x a 、y a 、z、x b 、y b 、计算得到五自由度交流主动磁轴承1的驱动电流i au、i av、i aw、i z 、i bu、i bv、i bw和转轴14位移的二阶导数之间的数学表达式,然后以X=作为状态变量,以U=( i ax *,i ay *,i z *,i bx *,i by *)T作为输入变量,以Y=(x a ,y a ,z,x b ,y b )T作为输出变量建立复合被控对象4的状态方程,计算状态方程的相对阶为α=(α 1,α 2,α 3,α 4,α 5)T=(2,2,2,2,2)T,由此可知复合被控对象4可逆。
2、根据复合被控对象4的相对阶数可知用模糊神经网络51加10个一阶积分器S -1就能建立复合被控对象4的逆模型。选取模糊神经网络51的输入为,输出为i ax *、i ay *、i z *、i bx *、i by *,输入节点个数为15,输出节点个数为5,采用基于T-S模型(高木-关野模型)的模糊神经网络结构,每个输入的隶属度函数个数为5,隶属度函数为高斯函数,输出函数类型为线性函数。
3、用随机信号对复合被控对象4进行充分激励,采集复合被控对象4的输入i ax *、i ay *、i z *、i bx *、i by *信号和位移输出x a 、y a 、z、x b 、y b 信号,获得复合被控对象4的完整动静态特性,采用五阶数值微分法对输出x a 、y a 、z、x b 、y b 求一阶及二阶导数,将得到的数据进行归一化处理,构成模糊神经网络51的训练样本。
4、选取能充分反映复合被控对象4动静态特性的2000组训练样本,以复合被控对象4的位移输出x a ,y a ,z,x b ,y b 的二阶导数的期望值作为模糊神经网络51的输入,即φ 1、φ 2、φ 3、φ 4、φ 5作为模糊神经网络51的输入,以复合被控对象4的等效控制电流期望值i ax *、i ay *、i z *、i bx *、i by *作为模糊神经网络51训练期望输出值,采用自适应学习速率的BP算法离线训练模糊神经网络51,训练模糊神经网络51中输入变量隶属度函数的中心值α与宽度σ以及后件参数,至构建的逆***模型精度达到0.001。
如图4所示,将构建好的模糊神经网络逆***5串联于复合被控对象4前,构成伪线性***6,该伪线性***6等效于5个独立的二阶线性***,实现了复合被控对象4的线性化解耦。
如图5所示,针对伪线性***6,采用成熟的线性控制理论,设计5个位置控制器71、72、73、74、75,分别控制转轴14的位移x a 、y a 、z、x b 、y b ,5个位置控制器71、72、73、74、75组成闭环控制器7,5个位置控制器可采用极点配置、PID控制、鲁棒控制、线性最优控制等方法设计,其中鲁棒控制对***参数摄动,负载扰动等影响有较强的抑制能力,因此本发明中的闭环控制器7采用鲁棒控制。
如图6所示,闭环控制器7串接在模糊神经网络逆***5之前共同构成模糊神经网络逆解耦控制器8,实现复合被控对象4的线性化解耦控制。
模糊神经网络逆解耦控制器8中,闭环控制器7的输出φ 1、φ 2、φ 3、φ 4、φ 5作为模糊神经网络15个输入中的5个输入,同时,闭环控制器7的输出φ 1、φ 2、φ 3、φ 4、φ 5分别经过1个一阶积分器S -1,得到5个一阶积分,得到的5个一阶积分再分别经过1个一阶积分器S -1,得到5个二阶积分,一阶积分、二阶积分与闭环控制器7的输出φ 1、φ 2、φ 3、φ 4、φ 5共同作为模糊神经网络51的输入,每个输入变量的隶属度函数个数为5,隶属度函数为高斯函数:,式中α为隶属度函数中心值,σ为隶属度宽度。
径向交流主动磁轴承11、12由两组三相电流i au、i av,i aw、i bu、i bv、i bw驱动,轴向主动磁轴承13由轴向控制电流i 0+i z 、i 0-i z 驱动,输出转轴14五个方向上的位移x a 、y a 、z、x b 、y b 。将五自由度交流主动磁轴承1输出的位移信号x a 、y a 、z、x b 、y b 作为反馈信号,与位移给定量的误差作为闭环控制器7的输入,闭环控制器7输出位移的二阶导数期望值φ 1、φ 2、φ 3、φ 4、φ 5作为模糊神经网络逆***5的输入,经过模糊神经网络逆模型的推导,得到期望等效电流值i ax *、i ay *、i z *、i bx *、i by *,经过坐标变换3得到五自由度交流主动磁轴承1的驱动电流期望值i au *、i av *、i aw *、i z *、i bu *、i bv *、i bw *,功率驱动器2根据驱动电流期望值输出五自由度交流主动磁轴承1的驱动电流i au、i av、i aw、i z 、i bu、i bv、i bw,由此实现了五自由度交流主动磁轴承1的解耦控制。其中闭环控制器7、模糊神经网络逆***5、坐标变换3由软件实现,功率驱动器2由硬件实现。
Claims (3)
1.一种五自由度交流主动磁轴承解耦控制器的构造方法,五自由度交流主动磁轴承由两个径向交流主动磁轴承,一个轴向主动磁轴承和转轴构成,五自由度交流主动磁轴承之前依次串接功率驱动器、坐标变换,三者共同构成复合被控对象,其特征是:
先在复合被控对象前串联模糊神经网络逆***共同构成伪线性***,再针对伪线性***设计5个位置控制器组成闭环控制器,最后将闭环控制器串接在模糊神经网络逆***之前共同构成解耦控制器;
其中,所述的模糊神经网络逆***按以下方法构建:
1)采用等效磁路法计算得到复合被控对象的输出位移x a 、y a 、z、x b 、y b 和五自由度交流主动磁轴承的驱动电流i au、i av、i aw、i z 、i bu、i bv、i bw,以X= 作为状态变量,以U=( i ax *,i ay *,i z *,i bx *,i by *)T作为输入变量,以Y=(x a ,y a ,z,x b ,y b )T作为输出变量建立复合被控对象的状态方程,计算状态方程的相对阶为α=(α 1,α 2,α 3,α 4,α 5)T=(2,2,2,2,2)T;
2)根据复合被控对象的相对阶数用模糊神经网络加10个一阶积分器S -1建立复合被控对象的逆模型;
3)用随机信号对复合被控对象进行充分激励,采集复合被控对象的输入的等效控制电流期望值i ax *、i ay *、i z *、i bx *、i by *信号和输出位移x a 、y a 、z、x b 、y b 信号,获得复合被控对象的完整动静态特性,采用五阶数值微分法对输出位移x a 、y a 、z、x b 、y b 求一阶及二阶导数,将得到的数据进行归一化处理,构成模糊神经网络的训练样本;
2.根据权利要求1所述的构造方法,其特征是:模糊神经网络的输入φ 1、φ 2、φ 3、φ 4、φ 5是闭环控制器的输出,φ 1、φ 2、φ 3、φ 4、φ 5分别经过1个一阶积分器S -1,得到的5个一阶积分再分别经过1个一阶积分器S -1,得到5个二阶积分,一阶积分、二阶积分与出φ 1、φ 2、φ 3、φ 4、φ 5共同作为模糊神经网络的输入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310447962.7A CN103595321A (zh) | 2013-09-27 | 2013-09-27 | 一种五自由度交流主动磁轴承解耦控制器的构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310447962.7A CN103595321A (zh) | 2013-09-27 | 2013-09-27 | 一种五自由度交流主动磁轴承解耦控制器的构造方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103595321A true CN103595321A (zh) | 2014-02-19 |
Family
ID=50085336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310447962.7A Pending CN103595321A (zh) | 2013-09-27 | 2013-09-27 | 一种五自由度交流主动磁轴承解耦控制器的构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103595321A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106026828A (zh) * | 2016-05-23 | 2016-10-12 | 江苏理工学院 | 基于容积卡尔曼滤波器的径向磁轴承位移检测方法及*** |
CN107370429A (zh) * | 2017-06-29 | 2017-11-21 | 江苏大学 | 无轴承永磁同步电机模糊神经网络逆解耦控制器 |
CN108909524A (zh) * | 2018-03-16 | 2018-11-30 | 江苏大学 | 基于动态模型的电动汽车用磁悬浮飞轮电池零功耗解耦控制器 |
CN109672380A (zh) * | 2018-11-19 | 2019-04-23 | 江苏大学 | 五自由度无轴承永磁同步电机悬浮力子***解耦控制器 |
CN110705174A (zh) * | 2019-08-21 | 2020-01-17 | 江苏大学 | 一种五自由度磁悬浮电主轴转子位移自检测***及方法 |
CN112857348A (zh) * | 2020-12-31 | 2021-05-28 | 北京航空航天大学 | 一种利用磁悬浮轴承的角速度测量方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1737708A (zh) * | 2005-05-18 | 2006-02-22 | 江苏大学 | 基于神经网络逆五自由度无轴承永磁同步电机控制***及控制方法 |
CN1845449A (zh) * | 2006-03-08 | 2006-10-11 | 江苏大学 | 无轴承交流异步电机神经网络逆解耦控制器的控制方法 |
KR20070073685A (ko) * | 2007-06-12 | 2007-07-10 | 순천대학교 산학협력단 | 유도전동기 최대토크 제어시스템 |
CN102102704A (zh) * | 2011-01-10 | 2011-06-22 | 江苏大学 | 五自由度交流主动磁轴承α阶逆***解耦控制器构造方法 |
CN102121499A (zh) * | 2011-03-23 | 2011-07-13 | 江苏大学 | 五自由度交流磁轴承支持向量机解耦控制器的构造方法 |
CN202251446U (zh) * | 2011-01-10 | 2012-05-30 | 江苏大学 | 一种五自由度交流主动磁轴承α阶逆***解耦控制器 |
CN103076740A (zh) * | 2012-12-18 | 2013-05-01 | 江苏大学 | 交流磁悬浮电主轴控制器的构造方法 |
-
2013
- 2013-09-27 CN CN201310447962.7A patent/CN103595321A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1737708A (zh) * | 2005-05-18 | 2006-02-22 | 江苏大学 | 基于神经网络逆五自由度无轴承永磁同步电机控制***及控制方法 |
CN1845449A (zh) * | 2006-03-08 | 2006-10-11 | 江苏大学 | 无轴承交流异步电机神经网络逆解耦控制器的控制方法 |
KR20070073685A (ko) * | 2007-06-12 | 2007-07-10 | 순천대학교 산학협력단 | 유도전동기 최대토크 제어시스템 |
CN102102704A (zh) * | 2011-01-10 | 2011-06-22 | 江苏大学 | 五自由度交流主动磁轴承α阶逆***解耦控制器构造方法 |
CN202251446U (zh) * | 2011-01-10 | 2012-05-30 | 江苏大学 | 一种五自由度交流主动磁轴承α阶逆***解耦控制器 |
CN102121499A (zh) * | 2011-03-23 | 2011-07-13 | 江苏大学 | 五自由度交流磁轴承支持向量机解耦控制器的构造方法 |
CN103076740A (zh) * | 2012-12-18 | 2013-05-01 | 江苏大学 | 交流磁悬浮电主轴控制器的构造方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106026828A (zh) * | 2016-05-23 | 2016-10-12 | 江苏理工学院 | 基于容积卡尔曼滤波器的径向磁轴承位移检测方法及*** |
CN106026828B (zh) * | 2016-05-23 | 2018-09-28 | 江苏理工学院 | 径向磁轴承位移检测用连续时间***的构建方法 |
CN107370429A (zh) * | 2017-06-29 | 2017-11-21 | 江苏大学 | 无轴承永磁同步电机模糊神经网络逆解耦控制器 |
CN107370429B (zh) * | 2017-06-29 | 2020-03-31 | 江苏大学 | 无轴承永磁同步电机模糊神经网络逆解耦控制器 |
CN108909524A (zh) * | 2018-03-16 | 2018-11-30 | 江苏大学 | 基于动态模型的电动汽车用磁悬浮飞轮电池零功耗解耦控制器 |
CN108909524B (zh) * | 2018-03-16 | 2021-06-22 | 江苏大学 | 基于动态模型的电动汽车用磁悬浮飞轮电池低功耗解耦控制器 |
CN109672380A (zh) * | 2018-11-19 | 2019-04-23 | 江苏大学 | 五自由度无轴承永磁同步电机悬浮力子***解耦控制器 |
CN109672380B (zh) * | 2018-11-19 | 2021-11-23 | 江苏大学 | 五自由度无轴承永磁同步电机悬浮力子***解耦控制器 |
CN110705174A (zh) * | 2019-08-21 | 2020-01-17 | 江苏大学 | 一种五自由度磁悬浮电主轴转子位移自检测***及方法 |
CN110705174B (zh) * | 2019-08-21 | 2023-10-13 | 江苏大学 | 一种五自由度磁悬浮电主轴转子位移自检测***及方法 |
CN112857348A (zh) * | 2020-12-31 | 2021-05-28 | 北京航空航天大学 | 一种利用磁悬浮轴承的角速度测量方法 |
CN112857348B (zh) * | 2020-12-31 | 2021-08-13 | 北京航空航天大学 | 一种利用磁悬浮轴承的角速度测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103595321A (zh) | 一种五自由度交流主动磁轴承解耦控制器的构造方法 | |
CN103076740B (zh) | 交流磁悬浮电主轴控制器的构造方法 | |
CN105375848B (zh) | 一种永磁同步电机自适应辨识控制方法及其控制*** | |
CN101917150A (zh) | 永磁同步电机模糊神经网络广义逆鲁棒控制器及构造方法 | |
CN105577058A (zh) | 基于新型模糊自抗扰控制器的五相容错永磁电机速度控制方法 | |
Lin et al. | Super‐twisting algorithm second‐order sliding mode control for a synchronous reluctance motor speed drive | |
Zhang et al. | Virtual line‐shafting control for permanent magnet synchronous motor systems using sliding‐mode observer | |
Yuanxi et al. | Fuzzy auto-adjust PID controller design of brushless DC motor | |
CN103486134B (zh) | 一种交流混合磁轴承解耦控制器的构造方法 | |
CN102790580B (zh) | 无轴承异步电机支持向量机逆解耦控制器的构造方法 | |
CN102769424A (zh) | 基于支持向量机逆的无轴承异步电机控制*** | |
CN102136822B (zh) | 一种五自由度无轴承同步磁阻电机解耦控制器及构造方法 | |
CN102121499B (zh) | 五自由度交流磁轴承支持向量机解耦控制器的构造方法 | |
CN102790581A (zh) | 一种无轴承异步电机径向位置鲁棒控制器的构造方法 | |
Zhao et al. | Neuroadaptive dynamic surface control for induction motors stochastic system based on reduced-order observer | |
Okoro et al. | Model-based speed control of a DC motor using a combined control scheme | |
CN106019945A (zh) | 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法 | |
Dang et al. | Torque–flux linkage recurrent neural network adaptive inversion control of torque for switched reluctance motor | |
CN102790577A (zh) | 一种无轴承永磁同步电机悬浮子***控制器的构造方法 | |
Okoro et al. | Performance assessment of a model-based DC motor scheme | |
CN102969948A (zh) | 兼顾效率优化的两电机变频调速***及其解耦控制方法 | |
Sun et al. | Artificial neural networks inverse control of 5 degrees of freedom bearingless induction motor | |
CN102790576B (zh) | 一种无轴承永磁同步电机解耦控制器的构造方法 | |
Ananthamoorthy et al. | Modelling, simulation and analysis of fuzzy logic controllers for permanent magnet synchronous motor drive | |
CN102790579B (zh) | 一种五自由度无轴承永磁同步电机解耦控制器的构造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140219 |
|
RJ01 | Rejection of invention patent application after publication |