一种应用于磁悬浮反作用飞轮的自适应神经网络控制方法

摘要

一种应用于磁悬浮反作用飞轮的自适应神经网络控制算法，包括以下四个基本步骤：(1)建立自适应机构模型；(2)建立神经网络机构模型；(3)训练BP神经网络；(4)补偿磁悬浮反作用飞轮的输出误差。本发明实现了对磁悬浮反作用飞轮的稳定控制，并利用其能够逼近复杂的非线性函数和自学能力等特点，实现了对磁悬浮反作用飞轮系统的噪声抑制作用及非线性补偿。本发明可有效消除磁悬浮反作用飞轮系统的干扰噪声，抑制控制对象的非线性，实现飞轮在整个转速范围内高精度控制。

主权项

1、一种应用于磁悬浮反作用飞轮的自适应神经网络控制方法，其特征在于步骤如下：第一步，建立自适应机构模型取PID控制器和功率放大器模块(4)的输出电流信号i作为输入量，以飞轮位置自适应校正信号ye作为输出量来构建自适应机构模块(2)；第二步，建立神经网络机构模型考虑干扰噪声信号η后的磁悬浮反作用飞轮转子模块(1)输出的位置信号y，与自适应机构模块(2)产生的飞轮位置自适应校正信号ye之差的误差信号e通过转换器转换为三路信号Ke、Δe、∑e，以这三路信号作为输入量，飞轮位置神经网络校正信号yN作为输出量来构建三输入单输出的神经网络机构模块(3)；第三步，训练BP神经网络在所述第二步得到的神经网络机构模块(3)的基础上，采用BP算法训练神经网络并得到最优的模型参数；第四步，补偿磁悬浮反作用飞轮的输出误差将第三步训练好的神经网络模块(3)输出的飞轮位置神经网络校正信号yN和自适应机构模块(2)的飞轮位置自适应校正信号ye共同作为补偿信号反馈至磁悬浮反作用飞轮的参考输入位置信号r即可实现误差补偿。