彭 辉，曾 碧

(1.广西工业职业技术学院,南宁530001;2.广东工业大学,广州510006)

0 引 言

磁轴承(以下简称MB)利用磁力作用将转子悬浮于空中,使转子与定子之间没有机械接触,因此具有更长的寿命、更低的摩损、较高的转速以及无需润滑等特性[1]。但由于MB中的转子通过电磁力控制,当转子负载变化或存在外部干扰时,会由平衡位置发生偏移[2]。所以,MB中需要精确地对转子位置进行控制。

目前,对于MB转子稳定性的控制,常用的有比例-积分-微分(以下简称PID)技术[3],根据位置传感器检测到的偏移量实现反馈控制。然而PID存在参数整定困难,无法处理随时间变化的干扰[4]。为此,文献[5]提出了一种PID与神经网络(以下简称NN)相结合的控制方案(以下简称PIDNN),用来稳定全悬浮式五自由度MB转子,通过神经网络的自学习来调整最优PID参数。但其设定固定的学习率,在非线性系统中严重影响了学习性能。

在基于神经网络的控制技术中,可将小波函数与NN相结合形成小波神经网络(以下简称WNN)[6],其通过小波函数将信号分解到不同尺度上,然后利用时间序列和神经网络进行预测,最后将信号重构成完整预测信号。WNN具有收敛速度快,能够较好地解决非线性控制问题[7]。但是神经网络拓扑结构的选择缺乏理论分析,连接权重物理意义不明确。为此,学者引入模糊逻辑技术构建了模糊神经网络(以下简称FNN)[8]。

本文将WNN与FNN相结合,形成一种模糊-小波神经网络(以下简称F-WNN),并结合遗传算法(以下简称GA)构建一种MB控制系统。……