[發明專利]一種磁懸浮轉子控制方法、裝置、計算機設備及介質

在審

• 申請號: 202310793392.0
• 申請日: 2023-06-29
• 公開（公告）號: CN116658521A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 高峻澤;楊靜;孫勇;王方政;李鵬;馬哲;邱彥靚
• 申請（專利權）人: 中國長江三峽集團有限公司
• 主分類號: F16C32/04
• 分類號: F16C32/04
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 祁金梅

1.一種磁懸浮轉子控制方法，其特征在于，所述方法包括：

獲取磁懸浮轉子的位置誤差數據；

將所述位置誤差數據輸入至預構建的控制器中，通過所述控制器中的控制律得到當前時刻的線圈電流，所述控制律通過第一參數和第二參數計算線圈電流，所述第一參數和所述第二參數是通過預構建的徑向基函數神經網絡模型得到的，所述預構建的徑向基函數神經網絡模型通過電磁軸承非線性電磁力數學模型和被懸浮轉子動力學模型，模擬電磁軸承電磁力的剛度系數的非線性變化，所述第一參數和所述第二參數是通過所述剛度系數計算得到的；

根據當前時刻的線圈電流控制所述磁懸浮轉子。

2.根據權利要求1所述的方法，其特征在于，所述徑向基函數神經網絡模型的構建步驟包括：

獲取電磁軸承非線性電磁力數學模型和被懸浮轉子動力學模型；

根據所述電磁軸承非線性電磁力數學模型和所述被懸浮轉子動力學模型，得到磁懸浮轉子非線性數學模型，所述磁懸浮轉子非線性數學模型中包括所述第一參數和所述第二參數；

根據所述磁懸浮轉子非線性數學模型，構建所述徑向基函數神經網絡模型，使得所述徑向基函數神經網絡模型輸出的第一參數和第二參數滿足所述磁懸浮轉子非線性數學模型。

3.根據權利要求1或2所述的方法，其特征在于，所述徑向基函數神經網絡模型中包含多個高斯核函數，所述高斯核函數用于模擬電磁軸承電磁力的剛度系數的非線性變化，所述徑向基函數神經網絡模型輸出所述第一參數和所述第二參數的步驟包括：

根據所述位置誤差數據和多個高斯核函數得到多個高斯核函數值；

根據各所述高斯核函數值及各所述高斯核函數值對應的權值，計算所述第一參數和所述第二參數，所述權值是根據所述位置誤差數據和前一時刻的線圈電流，利用自適應算法確定的。

4.根據權利要求1所述的方法，其特征在于，所述控制器包括比例微分控制器和滑模控制器中的任意一種。

5.一種磁懸浮轉子控制裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取磁懸浮轉子的位置誤差數據；

計算模塊，用于將所述位置誤差數據輸入至預構建的控制器中，通過所述控制器中的控制律得到當前時刻的線圈電流，所述控制律通過第一參數和第二參數計算線圈電流，所述第一參數和所述第二參數是通過預構建的徑向基函數神經網絡模型得到的，所述預構建的徑向基函數神經網絡模型通過電磁軸承非線性電磁力數學模型和被懸浮轉子動力學模型，模擬電磁軸承電磁力的剛度系數的非線性變化，所述第一參數和所述第二參數是通過所述剛度系數計算得到的；

控制模塊，用于根據當前時刻的線圈電流控制所述磁懸浮轉子。

6.根據權利要求5所述的裝置，其特征在于，所述計算模塊通過如下子模塊構建所述徑向基函數神經網絡模型，包括：

獲取子模塊，用于獲取電磁軸承非線性電磁力數學模型和被懸浮轉子動力學模型；

確定子模塊，用于根據所述電磁軸承非線性電磁力數學模型和所述被懸浮轉子動力學模型，得到磁懸浮轉子非線性數學模型，所述磁懸浮轉子非線性數學模型中包括所述第一參數和所述第二參數；

構建子模塊，用于根據所述磁懸浮轉子非線性數學模型，構建所述徑向基函數神經網絡模型，使得所述徑向基函數神經網絡模型輸出的第一參數和第二參數滿足所述磁懸浮轉子非線性數學模型。

7.根據權利要求5或6所述的裝置，其特征在于，在所述計算模塊中，所述徑向基函數神經網絡模型中包含多個高斯核函數，所述高斯核函數用于模擬電磁軸承電磁力的剛度系數的非線性變化，所述計算模塊通過如下子模塊輸出所述第一參數和所述第二參數，包括：

第一計算子模塊，用于根據所述位置誤差數據和多個高斯核函數得到多個高斯核函數值；

第二計算子模塊，用于根據各所述高斯核函數值及各所述高斯核函數值對應的權值，計算所述第一參數和所述第二參數，所述權值是根據所述位置誤差數據和前一時刻的線圈電流，利用自適應算法確定的。