無(wú)刷直流電機(jī)的多模型最小二乘支持向量機(jī)建模方法技術(shù)

本發(fā)明專(zhuān)利技術(shù)公布了一種無(wú)軸承無(wú)刷直流電機(jī)的多模型最小二乘支持向量機(jī)建模方法，根據(jù)數(shù)據(jù)驅(qū)動(dòng)原理，利用合適的信號(hào)對(duì)無(wú)軸承無(wú)刷直流電機(jī)進(jìn)行激勵(lì)，取得輸入輸出樣本，利用仿射傳播聚類(lèi)將樣本按輸入集、輸出集聚類(lèi)，對(duì)二次聚類(lèi)后得到的子類(lèi)進(jìn)行最小二乘支持向量機(jī)擬合，建立局部LSSVM模型，繼而采用加權(quán)和形式構(gòu)造無(wú)軸承無(wú)刷直流電機(jī)的系統(tǒng)模型。本發(fā)明專(zhuān)利技術(shù)不依賴(lài)系統(tǒng)機(jī)理和具體參數(shù)，對(duì)無(wú)軸承無(wú)刷直流電機(jī)系統(tǒng)進(jìn)行分解，降低了建模難度，提高了建模精度。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專(zhuān)利技術(shù)涉及無(wú)軸承無(wú)刷直流電機(jī)的一種多模型最小二乘支持向量機(jī)建模方法，適用于電力傳動(dòng)控制的

技術(shù)介紹
無(wú)刷直流電機(jī)具有優(yōu)良的調(diào)速性能、效率高、便于控制、結(jié)構(gòu)簡(jiǎn)單、運(yùn)行可靠、維護(hù)方便，在工業(yè)領(lǐng)域得到了廣泛應(yīng)用。然而，傳統(tǒng)機(jī)械軸承會(huì)引發(fā)電機(jī)震動(dòng)、噪聲、磨損、發(fā)熱、壽命短等問(wèn)題，嚴(yán)重影響電機(jī)的高速和超高速可靠運(yùn)轉(zhuǎn)。為解決傳統(tǒng)機(jī)械軸承帶來(lái)的問(wèn)題，在磁懸浮軸承基礎(chǔ)上發(fā)展起來(lái)的無(wú)軸承技術(shù)，利用磁懸浮軸承與電機(jī)結(jié)構(gòu)的相似性，將產(chǎn)生懸浮力的磁懸浮軸承繞組置入電機(jī)定子，通過(guò)對(duì)轉(zhuǎn)矩繞組和懸浮力繞組的解耦控制，實(shí)現(xiàn)轉(zhuǎn)子的穩(wěn)定懸浮，使電機(jī)轉(zhuǎn)子同時(shí)具有產(chǎn)生轉(zhuǎn)矩和自懸浮的功能。除了具有轉(zhuǎn)子在運(yùn)行過(guò)程中不需機(jī)械軸承支撐外，還繼承了磁軸承電機(jī)無(wú)潤(rùn)滑、無(wú)磨損、無(wú)機(jī)械噪聲等優(yōu)點(diǎn)。 將無(wú)刷直流電機(jī)和無(wú)軸承技術(shù)相結(jié)合構(gòu)成的無(wú)軸承無(wú)刷直流電機(jī)，是在傳統(tǒng)無(wú)刷直流電機(jī)的基礎(chǔ)上，在定子中加入懸浮繞組，通過(guò)對(duì)轉(zhuǎn)矩繞組和懸浮繞組電流進(jìn)行控制，實(shí)現(xiàn)電機(jī)的懸浮運(yùn)行。其優(yōu)點(diǎn)在于1)轉(zhuǎn)速高，功率密度高，體積??；2)可與高速原動(dòng)機(jī)直接相連，取消了減速機(jī)構(gòu)，傳動(dòng)效率高；3)轉(zhuǎn)動(dòng)慣量小，動(dòng)態(tài)響應(yīng)快；4)無(wú)機(jī)械摩擦，使用壽命長(zhǎng)，功耗低。這些優(yōu)點(diǎn)使得無(wú)軸承無(wú)刷直流電機(jī)在航空航天、生物醫(yī)藥、半導(dǎo)體制造等領(lǐng)域具有廣泛的應(yīng)用前景。建立準(zhǔn)確的系統(tǒng)模型，對(duì)無(wú)軸承無(wú)刷直流電機(jī)控制系統(tǒng)的設(shè)計(jì)具有重要意義。無(wú)軸承無(wú)刷直流電機(jī)除了轉(zhuǎn)矩繞組外還附加了懸浮力繞組，自身的結(jié)構(gòu)特點(diǎn)決定了其為一個(gè)復(fù)雜的非線性系統(tǒng)。電機(jī)轉(zhuǎn)矩繞組產(chǎn)生的轉(zhuǎn)矩和懸浮繞組產(chǎn)生的懸浮力之間存在耦合，并且磁懸浮力的分量之間也存在耦合。因此，無(wú)軸承無(wú)刷直流電機(jī)具有多變量、非線性、強(qiáng)耦合和工況范圍廣的特點(diǎn)，難以建立準(zhǔn)確的機(jī)理模型。考慮輸入、輸出數(shù)據(jù)之間的聯(lián)系和差異，及實(shí)際工業(yè)生產(chǎn)中現(xiàn)場(chǎng)樣本數(shù)據(jù)多且按工作點(diǎn)呈聚類(lèi)和遷移特性，從輸入輸出數(shù)據(jù)入手，對(duì)樣本數(shù)據(jù)聚類(lèi)，采用多模型方法建模是解決這一問(wèn)題的有效途徑?，F(xiàn)有的聚類(lèi)方法有基于條件正定核函數(shù)的核模糊C均值聚類(lèi)算法，能實(shí)現(xiàn)對(duì)不規(guī)則形狀數(shù)據(jù)的聚類(lèi)；基于減法聚類(lèi)的多模型在線辨識(shí)算法，根據(jù)最小二乘遞推算法在線更新模型參數(shù)；基于粒子群優(yōu)化的聚類(lèi)算法，可緩解傳統(tǒng)聚類(lèi)方法對(duì)初始值敏感、易陷入局部最優(yōu)的問(wèn)題。但這些聚類(lèi)算法普遍存在聚類(lèi)數(shù)目需事先給定，精度依賴(lài)數(shù)據(jù)分布和收斂速度慢等問(wèn)題；而且，傳統(tǒng)聚類(lèi)方法僅利用了樣本數(shù)據(jù)的輸入部分，由于數(shù)據(jù)的不一致性和不完備性，不利于模型精度的提高。
技術(shù)實(shí)現(xiàn)思路
本專(zhuān)利技術(shù)的目的，是提供一種適用于無(wú)軸承，為無(wú)軸承無(wú)刷直流電機(jī)的高效控制創(chuàng)造條件。本專(zhuān)利技術(shù)采用的技術(shù)方案是，其特征在于包括如下步驟I)以懸浮力Fa、Fe及電流Is為輸入,轉(zhuǎn)子徑向位移α、β及轉(zhuǎn)速為輸出構(gòu)建無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)；2)采用隨機(jī)方波來(lái)激勵(lì)無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)，采集相應(yīng)的輸入數(shù)據(jù)集X= {Fa, F0, Is}、輸出數(shù)據(jù)集y={a，β，ωΓ};采集m組輸入、輸出數(shù)據(jù)，輸入數(shù)據(jù)樣本為X=Lx1, x2, L，xm]T，輸出數(shù)據(jù)樣本為Y=T，其中xk為第k組輸入數(shù)據(jù)集(k為自然數(shù),I彡k彡m), Xk= {Fa, F0, Ijk, yk為第k組輸出數(shù)據(jù)集，yk= { a , β，ω Jk ;選擇η組數(shù)據(jù)樣本作為訓(xùn)練樣本集Xtaain, Ytrain，其余m-n組數(shù)據(jù)樣本為檢驗(yàn)樣本集Xtest，Ytest (η和m為大于I的自然數(shù)，n<m)；3)設(shè)定仿射傳播聚類(lèi)算法中的參數(shù)阻尼因子λ，偏向參數(shù)P和最大迭代次數(shù)，利用仿射傳播聚類(lèi)對(duì)訓(xùn)練樣本集中的x2, L，xn]τ進(jìn)行一次聚類(lèi)，確定聚類(lèi)數(shù)目IC(1C為大于I的自然數(shù))，將訓(xùn)練樣本集XtMin，Ytrain劃分為若干類(lèi)=X11, Y11 ；X12, Y12 ；……；X1C，YlC ；4)對(duì)一次聚類(lèi)后得到的子類(lèi)集Xlj, Ylj (Ij為自然數(shù)，I彡Ij彡10，按1進(jìn)行二次仿射傳播聚類(lèi)，確定總的聚類(lèi)數(shù)目C (C為大于I的自然數(shù))；5)以{Fa，F(xiàn)e，Is}為輸入、{a，β，ωΓ}為輸出，利用二次聚類(lèi)后的每一子類(lèi)Xi, Yi的數(shù)據(jù)建立局部LSSVM模型(i為自然數(shù)，I彡i ( C);選擇高斯函數(shù)作為L(zhǎng)SSVM核函數(shù)，采用常用的交叉驗(yàn)證法獲取合適的正則化參數(shù)Y和核參數(shù)σ，分別得到LSSVM1,……,LSSVMc(i = I, L, C)；6)將各局部LSSVM模型的輸出加權(quán)，權(quán)值為待測(cè)樣本對(duì)每個(gè)子類(lèi)的模糊隸屬度，得到無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)的輸出即乓，其中&為第i個(gè)子LSSVM的輸出 i=l值，μ j為對(duì)應(yīng)的隸屬度值。本專(zhuān)利技術(shù)的有益效果是I、采用二次仿射傳播聚類(lèi)，解決了聚類(lèi)數(shù)目需事先給定和分類(lèi)精度依賴(lài)數(shù)據(jù)分布的問(wèn)題，二次聚類(lèi)有利于樣本空間的進(jìn)一步劃分。2、最小二乘支持向量機(jī)具有能精確逼近任意非線性函數(shù)的特點(diǎn)、計(jì)算效率高，將其用于子模型的構(gòu)建，使每個(gè)局部模型能很好地反映系統(tǒng)局部特征。3、多模型最小二乘支持向量機(jī)建模方法不依賴(lài)系統(tǒng)機(jī)理和具體參數(shù)，對(duì)無(wú)軸承無(wú)刷直流電機(jī)系統(tǒng)進(jìn)行分解，降低了建模難度，提高了建模精度。附圖說(shuō)明圖I為無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)4的構(gòu)建框圖,有無(wú)軸承無(wú)刷直流電機(jī)I、電流控制PWM變頻器2、電流控制PWM變頻器3。圖2為無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)4的多模型LSSVM建模流程圖。具體實(shí)施例方式本專(zhuān)利技術(shù)根據(jù)數(shù)據(jù)驅(qū)動(dòng)原理，利用合適的信號(hào)對(duì)無(wú)軸承無(wú)刷直流電機(jī)進(jìn)行激勵(lì)，取得輸入輸出樣本，利用仿射傳播聚類(lèi)將樣本按輸入集、輸出集聚類(lèi)，對(duì)二次聚類(lèi)后得到的子類(lèi)進(jìn)行最小二乘支持向量機(jī)擬合，建立局部LSSVM模型，繼而采用加權(quán)和形式構(gòu)造無(wú)軸承無(wú)刷直流電機(jī)的系統(tǒng)模型。具體實(shí)施如下I、如圖I所示，將無(wú)軸承無(wú)刷直流電機(jī)I和電流控制PWM變頻器2、電流控制PWM變頻器3看成一個(gè)整體，按磁場(chǎng)定向原理設(shè)置懸浮力變頻器2，按無(wú)刷直流電機(jī)的控制設(shè)置轉(zhuǎn)矩變頻器3，以懸浮力Fa、Fe及電流Is為輸入，轉(zhuǎn)子徑向位移α、β及轉(zhuǎn)速為輸出，其整體等效為無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)4。2、采用符合實(shí)際運(yùn)行的隨機(jī)方波來(lái)激勵(lì)無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)4，采集相應(yīng)的輸入數(shù)據(jù)集x={Fa，F(xiàn)e，Is}、輸出數(shù)據(jù)集y={a，β，coj。采集100組輸入、輸出數(shù)據(jù)，令輸入數(shù)據(jù)樣本為X=Iix1, X2 L, xm]T,輸出數(shù)據(jù)樣本為Y=Iiy1, I2, L, ym]T, m=100。選擇60組數(shù)據(jù)樣本作為訓(xùn)練樣本集Xtain，Yttain，其余40組數(shù)據(jù)樣本為檢驗(yàn)樣本集Xtest，Ytest。3、設(shè)定仿射傳播聚類(lèi)算法中的參數(shù)阻尼因子λ，偏向參數(shù)P和最大迭代次數(shù)，利 用仿射傳播聚類(lèi)對(duì)訓(xùn)練樣本集中的X2, L，X6Jt進(jìn)行一次聚類(lèi)，確定聚類(lèi)數(shù)目1C，將訓(xùn)練樣本集Xt_，Yt_劃分為若干類(lèi):Xn，Yn，X12, Y12,……，X1C，Y1C。4、對(duì)一次聚類(lèi)后得到的子類(lèi)集XpYiQ = 11，L，1C)，按1進(jìn)行二次仿射傳播聚類(lèi)，確定總的聚類(lèi)數(shù)目C。5、以{Fa, Fe, Ij為輸入、{ a , β , ωΓ}為輸出，利用二次聚類(lèi)后的每一子類(lèi)Xi,Yi (i = I, L,C)的數(shù)據(jù)建立局部LSSVM模型。選擇高斯函數(shù)作為L(zhǎng)SSVM核函數(shù)，采用常用的交叉驗(yàn)證法獲取合適的正則化參數(shù)Y和核參數(shù)σ，分別得到LSSVM1,……，LSSVMC。6、將各局部LSSVM模型的輸出加權(quán)，權(quán)值為待測(cè)樣本本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種無(wú)刷直流電機(jī)的多模型最小二乘支持向量機(jī)建模方法，其特征在于包括如下步驟：1）以懸浮力Fα、Fβ及電流Is為輸入，轉(zhuǎn)子徑向位移α、β及轉(zhuǎn)速ωr為輸出構(gòu)建無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)；2）采用隨機(jī)方波來(lái)激勵(lì)無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)，采集相應(yīng)的輸入數(shù)據(jù)集x={Fα，F(xiàn)β，Is}、輸出數(shù)據(jù)集y={α，β，ωr}；采集m組輸入、輸出數(shù)據(jù)，輸入數(shù)據(jù)樣本為X=[x1，x2，L，xm]T，輸出數(shù)據(jù)樣本為Y=[y1，y2，L，ym]T，其中xk為第k組輸入數(shù)據(jù)集，xk={Fα，F(xiàn)β，Is}k，yk為第k組輸出數(shù)據(jù)集，yk={α，β，ωr}k；選擇n組數(shù)據(jù)樣本作為訓(xùn)練樣本集Xtrain，Ytrain，其余m?n組數(shù)據(jù)樣本為檢驗(yàn)樣本集Xtest，Ytest，其中k為自然數(shù)，1≤k≤m，n和m為大于1的自然數(shù)，n大于1的自然數(shù)；4）對(duì)一次聚類(lèi)后得到的子類(lèi)集X1j，Y1j，按Yi進(jìn)行二次仿射傳播聚類(lèi)，確定總的聚類(lèi)數(shù)目C，1j為自然數(shù)，1≤1j≤1C，C為大于1的自然數(shù)；5）以{Fα，F(xiàn)β，Is}為輸入、{α，β，ωr}為輸出，利用二次聚類(lèi)后的每一子類(lèi)Xi，Yi的數(shù)據(jù)建立局部LSSVM模型；選擇高斯函數(shù)作為L(zhǎng)SSVM核函數(shù)，采用常用的交叉驗(yàn)證法獲取合適的正則化參數(shù)γ和核參數(shù)σ，分別得到LSSVM1，……，LSSVMC，i=1,L，C；6）將各局部LSSVM模型的輸出加權(quán)，權(quán)值為待測(cè)樣本對(duì)每個(gè)子類(lèi)的模糊隸屬度，得到無(wú)軸承無(wú)刷直流電機(jī)調(diào)速系統(tǒng)的輸出即其中fi為第i個(gè)子LSSVM的輸出值，μi為對(duì)應(yīng)的隸屬度值。FDA00002394059000011.jpg...

【技術(shù)特征摘要】

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：魏海峰，張懿，馮友兵，王玉龍，朱志宇，
申請(qǐng)(專(zhuān)利權(quán))人：江蘇科技大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：