[0025] 如图1所示,由PI控制器一11、PI控制器二12、PI控制器三12、PI控制器四14、PARK逆变换模块一15、PARK逆变换模块二16、SVPWM模块一17、SVPWM模块二18、电压源逆变器模块一19、电压源逆变器模块二110、CLARK变换模块一111、CLARK变换模块二112、PARK变换模块一113、PARK变换模块二114和定子无铁心无轴承永磁同步电动机115作为一个整体组成复合被控对象116。复合被控对象116等效为一个5阶微分方程模型,系统向量的相对阶为{2,2,1}。如图3,采用10个输入节点、4个输出节点的最小二乘支持向量机31加二阶标准传递函数 二阶标准传递函数 一阶传递函数 以及‑1
两个积分器s 构造具有3个输入节点、4个输出节点的遗传算法优化的最小二乘支持向量机广义逆32。如图4,再将遗传算法优化的最小二乘支持向量机广义逆32串接在复合被控对象
116之前,遗传算法优化的最小二乘支持向量机广义逆32与复合被控对象116合成为由两个位移积分型伪线性子系统42、43和一个转速积分型伪线性子系统44组成的伪线性系统41,从而将一个多变量、强耦合的非线性时变系统转化为对两个位移积分型伪线性子系统42、
43和一个转速积分型伪线性子系统44的控制。如图5,对于已经线性解耦的两个位移积分型伪线性子系统42、43和一个转速积分型伪线性子系统44,采用PID调节器设计方法,分别设计两个位移调节器51、52和一个速度控制器53,由位移调节器51、52和速度调节器53共同组成线性闭环控制器54。如图6和图7所示,最终构成由线性闭环控制器54、遗传算法优化的最小二乘支持向量机广义逆32和PI控制器一、PI控制器二、PI控制器三、PI控制器四、PARK逆变换模块一、PARK逆变换模块二、SVPWM模块一、SVPWM模块二、电压源逆变器模块一、电压源逆变器模块二、CLARK变换模块一、CLARK变换模块二以及PARK变换模块一、PARK变换模块二共同构成本发明外转子定子无铁心无轴承永磁同步电动机控制器,即基于遗传算法优化的最小二乘支持向量机广义逆控制器61,对外转子定子无铁心无轴承永磁同步电动机进行非线性动态解耦控制。具体实施分为以下8步:
[0026] 1、先将PI控制器一11和PI控制器二12串接在的PARK逆变换模块一15之前,PI控制器三13和PI控制器四14串接在的PARK逆变换模块二16输入端,再将PARK逆变换模块一15的输出端依次串接SVPWM模块一17、电压源逆变器模块一19和定子无铁心无轴承永磁同步电动机模型115,将PARK逆变换模块二16的输出端依次串接SVPWM模块二18、电压源逆变器模块二110和定子无铁心无轴承永磁同步电动机模型115。SVPWM模块一17输出的开关信号SM以及直流母线电压uDC输入到电压源逆变器模块一19,SVPWM模块二18输出的开关信号SB以及直流母线电压uDC输入到电压源逆变器模块二110中。再将电压源逆变器模块一19输出的三相转矩控制电流iMa、iMb、iMc以及电压源逆变器模块二110输出的三相悬浮力控制电流iBa、iBb、iBc反馈到相对应的CLARK变换模块一111、CLARK变换模块二112中,CLARK变换模块一111的输出端串联PARK变换模块一113,CLARK变换模块二112的输出端串联PARK变换模块二
114。PARK变换模块一113输出的是电流iMd、iMq,PARK变换模块二114输出的是电流iBd、iBq。将* *
参考电流iMd 、iMq与PARK变换模块一113输出的电流iMd、iMq作差,得到的电流差输入到对应* *
的PI控制器一11、PI控制器二12中。将参考电流iBd 、iBq 与PARK变换模块二114输出的是电流iBd、iBq作差,得到的电流差输入到对应的PI控制器三13、PI控制器四14中。在电压源逆变器模块一19、电压源逆变器模块二110输出反馈的同时,将他们串接在定子无铁心无轴承永磁同步电动机115之前,共同作为一个整体组成复合被控对象116,该复合被控对象116以* * * *
{iMd、iMq、iBd、iBq}四个参考电流信号作为输入,以位移信号x,y以及转速ω作为输出。
[0027] 2、构造GA遗传算法优化模块24,参见图2,以随机生成20个核函数参数σ2与惩罚因2
子γ的随机组合作为初始种群21。σ的取值范围为0‑1,γ的取值范围为0‑1000。将初始种
2
群21经二进制编码操作形成染色体P(t),二进制编码位数nC为14,7位用于表示σ,7位用于
2
表示γ,核函数参数σ以及惩罚因子γ的求解精度E1,E2可表示为:
[0028]
[0029] 将σ2与γ的实际值分别除以各自的求解精度E1、E2得到各自的十进制数编码,将各2
自的十进制编码转换为二进制,得到σ与γ的二进制编码值。再将染色体经交叉、变异操作形成子染色体一CC(t)、子染色体二CM(t)。将染色体P(t)、子染色体一CC(t)、子染色体二CM(t)共同输入到适值计算模块22中作计算评价,得到每个个体对应的适应度Fk,个体数k=
2
1……20。先将二进制编码解码为σ与γ的实际值,得到解集,计算每个个体对应的适应度Fk:
[0030]
[0031] 式中,Fk为第k个个体的适应度;n为测试集样本数;i为测试集样本序号;yi为第i个样本的测试集结果,f(xi)为第i个测试集样本的拟合结果;xi为第i个测试集样本;E(f(x))为n个测试集样本拟合结果的标准差。
[0032] 将适值计算模块22串接在改进轮盘赌模型23之前,传统轮盘赌模型在种群规模为20时,通常在0‑1区间内等概率随机生成20个数,将这20个数从小到大排列。将计算出的个体适应度值Fk求和,进行归一化处理。从第一个个体的适应度开始,与20个数的第一个点比较,若适应度大于第一个数,保留个体,并将下一个个体适应度值与前一个个体适应度相加,并与第二个数比较;若适应度小于第一个数,淘汰个体,并将下一个个体适应度与第一个数比较,以此类推。但由于种群规模较小,轮盘赌模型生成的随机数往往不能均匀分布在(0,1)空间内,导致某两个随机数区间大于最优个体归一化后的适应度值,因此本发明提出一种的改进轮盘赌模型23,使其生成等间隔区间,即生成20个0‑1区间内等间隔排布的20个数,有效保留了每代种群中适应度最高的个体。经过选择操作得到新一代染色体P(t+1),在
2
迭代N代种群之前不停更新原染色体,反复进行,最终输出优化后的最优值σ与γ,从而形
2
成GA遗传算法优化模块24,如图2所示,该GA遗传算法优化模块24输出为核函数参数σ以及惩罚因子γ。
[0033] 3、如图3所示,通过分析、等效与推导,为遗传算法优化的最小二乘支持向量机广义逆32的构造与学习训练提供方法上的根据。首先建立复合被控对象116的数学模型,基于外转子无铁心无轴承永磁同步电动机的工作原理,建立外转子无铁心无轴承永磁同步电动机的数学模型,结合图1中的控制框图,得到复合被控对象116的数学模型,即一个5阶微分方程,其向量相对阶为{2,2,1}。经推导可证明该5阶微分方程可逆,即逆系统存在,可以确定该逆系统的输入为两个位移的二阶导数 和一个转速的一阶导数 四个输出分别为* * * *复合被控对象116的四个输入iMd 、iMq、iBd、iBq 。从而可以构造出遗传算法优化的最小二乘支持向量机广义逆32,如图3所示,为学习训练提供了方法上的依据。
[0034] 4、采用最小二乘支持向量机31加初始种群21配合GA遗传算法优化模块28以及二阶标准传递函数 二阶标准传递函数 一阶传递函数‑1
以及两个积分器s 构造遗传算法优化的最小二乘支持向量机广义逆32,s为复空间变量。其中,初始种群21输出的染色体P(t)输入到GA遗传算法优化模块28,GA遗传算法优
2
化模块28将最终输出的优化后的最优值σ与γ输入到最小二乘支持向量机31。最小二乘支持向量机31的输入节点数为10,输出节点数为4,其中:最小二乘支持向量机31的第一个输
2
入与第二个输入分别为GA遗传算法优化模块24的第一个输出σ以及第二个输出γ;最小二乘支持向量机31的第五个输入为遗传算法优化的最小二乘支持向量机广义逆32的第一个输入 其经二阶标准传递函数 的输出为最小二乘支持向量机31的第三个
‑1
输入 再经第一个积分器s 的输出为最小二乘支持向量机31的第四个输入x;最小二乘支持向量机31的第八个输入为遗传算法优化的最小二乘支持向量机广义逆32的第二个输入其经二阶标准传递函数 的输出为最小二乘支持向量机31的第六个输入
‑1
再经第二个积分器s 的输出为最小二乘支持向量机31的第七个输入y;最小二乘支持向量机31的第十个输入为遗传算法优化的最小二乘支持向量机广义逆32的第三个输入 其经一阶传递函数 的输出为最小二乘支持向量机31的第九个输入ω;最小二乘支持向量机31的输出是遗传算法优化的最小二乘支持向量机广义逆32输出的四个参考电流* * * *
iMd、iMq、iBd、iBq。
[0035] 5、按以下方法确定最小二乘支持向量机31的向量系数和阈值:1)将阶跃激励信号* * * *{iMd ,iMq ,iBd ,iBq}加到复合被控对象116的输入端,采集外转子定子无铁心无轴承永磁同步电动机的位移x、y,转子的转速ω。2)离线计算位移的二阶导数 以及位移和转速的一阶导数 并对信号进行归一化处理,得到最小二乘支持向量机31的训练样本集
2
3)将GA遗传算法优化模块24得到的核函数参数σ
以及惩罚因子γ的全局最优解以及离线提取的训练样本集
代入最小二乘支持向量机算法中进行逆系统回归训练,得到最小二乘支持向
量机31。
[0036] 6、形成两个位移子系统和一个转速子系统。最小二乘支持向量机广义逆32与复合被控对象116串接组成伪线性系统41,该伪线性系统41由第一个位移积分型伪线性子系统42、第二个位移积分型伪线性子系统43和一个转速积分型伪线性子系统44组成,从而实现径向两自由度悬浮力之间、径向悬浮力与电磁转矩之间的非线性动态解耦,把复杂非线性系统控制转化为简单的三个单变量线性系统的控制,如图4所示,并为下述线性闭环控制器的设计提供了思路。
[0037] 7、设计线性闭环控制器。如图5所示,对两个位移积分型伪线性子系统42、43和一个转速积分型伪线性子系统44分别设计调节器,对两个位移积分型伪线性子系统42、43设计相对应的两个位移调节器51、52,对一个转速积分型伪线性子系统44设计一个速度调节器53,由两个位移调节器51、52和一个速度调节器53构成线性闭环控制器54,如图5所示。在本发明实施过程中,根据外转子无铁心无轴承永磁同步电动机参数来选择和调整调节器参数,两个位移调节器51、52均采用了PD调节器,速度调节器53选用了PI调节器。位移调节器51、52中的比例系数kp设置为1200,微分系数kd设置为20,速度调节器(53)中的比例系数kp设置为120,积分系数ki设置为255。整定后两个位移调节器51、52传递函数为:G(s)=1200+
20s,速度调节器53传递函数为: 其中,s为复空间变量。整个控制器如图6、图7所示。
[0038] 8、构成遗传算法优化的最小二乘支持向量机广义逆控制器。将线性闭环控制器54串接在伪线性系统41之前,共同构成外转子无铁心无轴承永磁同步电动机遗传算法优化的最小二乘支持向量机广义逆控制器61,如图7所示。
[0039] 根据以上所述,便可实现本发明。