[發明專利]徑向六極混合磁軸承無位移傳感器控制系統的構造方法在審
| 申請號: | 202310187826.2 | 申請日: | 2023-02-28 |
| 公開(公告)號: | CN116164039A | 公開(公告)日: | 2023-05-26 |
| 發明(設計)人: | 朱熀秋;章健 | 申請(專利權)人: | 江蘇大學 |
| 主分類號: | F16C32/04 | 分類號: | F16C32/04 |
| 代理公司: | 南京智造力知識產權代理有限公司 32382 | 代理人: | 張明明 |
| 地址: | 212013 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 徑向 混合 磁軸 位移 傳感器 控制系統 構造 方法 | ||
1.一種徑向六極混合磁軸承無位移傳感器控制系統的構造方法,其特征是包括以下步驟:
步驟1):采集徑向六極混合磁軸承的多組徑向控制電流ia,ib,ic組成初始樣本集,對初始樣本集預處理,得到訓練樣本集和測試樣本集;
步驟2):確定BP神經網絡的結構,初始化BP神經網絡的遺傳參數和編碼長度,隨機設置N個種群個體,種群中的每個個體包含BP神經網絡的全部權值w和閾值b,并確定適應度函數,根據適應度函數計算出種群中所有個體的適應度;
步驟3):將每代種群中適應度值最高的個體保留為精英個體直接遺傳給下一代,對剩下的N-1個個體采用輪盤賭法進行選擇操作,按照種群中個體適應度值來選擇父代染色體,被選中概率fm為第m個個體的適應度,N是種群的個體數,1≤m≤N-1;
步驟4):計算出自適應交叉概率Pc和自適應變異概率Pb,再經迭代后輸出最優權值w和閾值b:
n為當前的迭代次數,nmax最大迭代次數,Pcmax為最大交叉概率0.8,Pcmin為最小交叉概率0.3,Fmean為當前種群的平均適應度值,Fmax為要進行交叉操作的兩個個體中較大的適應度值,F為父代染色體的適應度值,Pbmax為最大變異概率0.1,Pbmin為最小變異概率0.001。
步驟5):基于所述的最優權值w和閾值b,采用所述的訓練樣本集對BP神經網絡進行訓練,得到位移預測模型;
步驟6):將所述的位移預測模塊的輸出端依次串聯線性閉環控制器、力/電流變換模塊、Clark逆變換模塊、電流滯環三相功率逆變器以及徑向六極混合磁軸承,采用電流傳感器測得所述的徑向控制電流ia,ib,ic并輸入所述的位移預測模塊,構成徑向六極混合磁軸承無位移傳感器控制系統。
2.根據權利要求1所述的徑向六極混合磁軸承無位移傳感器控制系統的構造方法,其特征是:訓練BP神經網絡的方法包括:采用Sigmiod函數作為神經元的激活函數,分別計算隱含層輸出和輸出層輸出,確定誤差函數,更新權值w和閾值b,不斷調整輸入層、隱含層和輸出層各層間權值w和閾值b,在誤差滿足精度要求或達到最大迭代次數時停止迭代,建立徑向控制電流ia,ib,ic和x,y方向的位移xa,ya的非線性映射關系,獲得訓練好的BP神經網絡。
3.根據權利要求2所述的徑向六極混合磁軸承無位移傳感器控制系統的構造方法,其特征是:將所述的將測試樣本集輸入到所述的訓練好的BP神經網絡模型中,采用所述的的誤差函數檢驗模型的精準度。
4.根據權利要求2所述的徑向六極混合磁軸承無位移傳感器控制系統的構造方法,其特征是:所述的Sigmiod函數表達式為:x為函數自變量,e為自然底數。
5.根據權利要求4所述的徑向六極混合磁軸承無位移傳感器控制系統的構造方法,其特征是:所述的隱含層輸出所述的輸出層輸出所述的誤差函數wij為輸入層到隱含層的權值,xi為輸入層的輸入值,bij為輸入層到隱含層的閾值,i為輸入層節點數,j為隱含層節點數,wjk為隱含層到輸出層的權值,bjk為隱含層到輸出層的閾值。
6.根據權利要求5所述的徑向六極混合磁軸承無位移傳感器控制系統的構造方法,其特征是:按以下表達式更新權值w和閾值b:
wjk'和bjk'分別為更新后隱含層到輸出層的權值和閾值,wij'和bij'分別為更新后輸入層到隱含層的權值和閾值,η為學習效率。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于江蘇大學,未經江蘇大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310187826.2/1.html,轉載請聲明來源鉆瓜專利網。





