欢迎来到天天文库
浏览记录
ID:32468498
大小:2.26 MB
页数:69页
时间:2019-02-06
《基于神经网络的主动磁轴承控制研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要主动磁轴承(以下简称磁轴承)具有无摩擦、无磨损、无需润滑及寿命长等一系列传统滚动轴承和滑动轴承所无法比拟的优点,它在航空航天、真空技术、高速旋转机械及能源交通等领域有着广阔的应用前景。在磁轴承系统的研究中,控制器的设计是其中至关重要的一环,控制器性能的好坏直接影响到转子的动态性能和控制精度,直接关系到磁轴承技术能否成功应用于实践。目前,磁轴承的控制器设计通常是在平衡点附近将模型进行线性化,然后按照线性理论设计传统PID控制器。但是,由于磁轴承具有本质不稳定性、非线性和参数不确定性,当转子偏离平衡位置较远时,线性化模型与
2、磁轴承实际模型之间存在较大的模型误差,同时,未知的负载扰动也会影响控制系统的性能,最终导致传统PID控制器很难取得理想的控制效果,甚至是控制失败。本文试图采用神经网络手段直接对磁轴承非线性特性进行建模,同时提出了基于神经网络的控制手段,直接对磁轴承非线性系统进行控制。文章深入分析了神经网络的工作原理及学习算法,利用神经网络能逼近任意非线性函数的特点,对磁轴承系统进行辨识。由于磁轴承的本质不稳定性,在开环状态下转子位移发散,因而无法在开环状态下获取实际系统的输入输出数据。本文采取在PID闭环控制作用下,在轴承转予位移不发散的
3、前提下加入随机扰动量,以获得持续充分激励的输入信号,同时获得转子输出位移数据的方案,然后以这些数据为基础训练磁轴承的神经网络模型。利用神经网络高度的非线性映射能力,本文设计了BP神经网络补偿控制器,该控制器输出为P、I、D信号的非线性组合,同时并联传统PID控制器,以减小磁轴承非线性特性对控制效果的影响,仿真表明,该控制器确实能使磁轴承转子在更宽范围内稳定地悬浮。为改善轴承转子悬浮的动态性能,特别是增强抗负载扰动的能力,用前馈控制和反馈控制相结合的方案,本文设计了磁轴承的CMAC神经网络自适应控制器,仿真表明了该控制器能取
4、得比传统PID控制器更好的控制效果。关键词:磁轴承,神经网络,系统辨识,非线性,自适应控制AbstractActiveMagneticBearing(AUB)hasthepropertiesofnofriction,nofray,dispensewithlubricating,lastinglife,alloutstandingexcellenceabovecan’tbeseenintraditionalrollbearingandslidingbearing.AMBwillbeappliedtothesefieldsfa
5、randwide:aviationandspaceflight,vacuumtechnology,tail—waggingengine,energysource,traffic,andsoon.ThemostimportantfieldofAMBresearchistheresearchoftheAMBcontroller.TheperformanceofthecontrolleraffectsthedynamicperformanceoftheAMBsystemandthecontrolprecisionoftherot
6、or,whichareveryimportanttotheapplicationoftheAMB.Atpresent,theusualmethodistogetthelinearizationmodelatthebalancepointoftheAMB,thentodesignthetraditionalPIDcontrollerbasedonlineartheory.But,AMBhasthecharacteristicsofinstability,non—linearityandparameterincertitude
7、.TherewillbemuchseriousmodelerrorbetweenthelineartzationmodelandtheactualAMBwhentherotorkeepsawayfromthebalancepoint.What’smore,theunknownandtime—varyingloaddisturbancesmuchaffectthecontroleffect.Thus,thecontroleffectofthetraditionalPIDcontrollerisfarawayfromsatis
8、faction.Thispapertriestoidentifythenonlinearmodelandtocontrolitbasedonneuralnetworks.ThispaperidentifiesthenonlinearmodeloftheAMBbasedonthenonlinearmapa
此文档下载收益归作者所有