本文主要探讨了一种基于神经网络和分数阶滑模控制的无轴承永磁同步电机(BPMSM)悬浮控制系统的设计方法。在无轴承永磁同步电机的悬浮力控制中,由于系统的强耦合特性,往往会导致系统运行时出现抖动问题。为了解决这一问题,文章首先建立了BPMSM的径向悬浮力模型,这是理解电机悬浮行为的基础。
接着,研究者运用微分几何控制理论对强耦合悬浮系统进行了精确线性化处理。这种方法能够将复杂的非线性系统转化为两个独立的子系统,从而简化控制策略的设计。随后,文章引入了滑模控制技术来实现子系统的解耦,滑模控制具有良好的鲁棒性和快速响应特性,能够有效地减少系统的耦合效应。
然而,滑模控制在切换过程中可能会导致抖振现象。为解决这个问题,研究者结合了神经网络,利用神经网络的自适应学习能力来平滑滑模切换过程,减少了抖振的产生。此外,他们还设计了一种基于分数阶的神经网络滑模控制器,分数阶控制可以更好地捕捉系统的动态特性,提高控制精度,并进一步增强了系统的抗干扰能力和鲁棒性。
通过仿真验证,这种基于分数阶的神经网络滑模控制系统表现出了快速的响应速度、强大的抗干扰性能以及优良的鲁棒性。这表明该控制策略在无轴承永磁同步电机的悬浮控制中具有显著的优势。
综上所述,本文提出的方法是针对无轴承永磁同步电机悬浮控制中强耦合问题的一种创新解决方案。它融合了神经网络的智能学习和分数阶滑模控制的理论,有效提高了系统的稳定性和控制性能。这一研究对于无轴承电机技术的发展和实际应用具有重要的理论指导意义,特别是在高精度、高稳定性要求的场合,如精密定位、磁悬浮运输等领域具有广阔的应用前景。