无轴承异步电机的最小二乘支持向量机逆解耦控制策略

"这篇论文探讨了无轴承异步电机的非线性动态解耦控制问题，提出了一种基于最小二乘支持向量机逆的解耦控制策略。通过分析无轴承异步电机的可逆性，利用最小二乘支持向量机来逼近原系统的逆模型，构建伪线性复合系统，将电机的径向悬浮力、转速和磁链解耦为独立的子系统。进而，设计了闭环控制器以提升整个控制系统的性能。仿真结果证明了该方法能有效实现系统的非线性解耦控制，并且具有良好的鲁棒性和动态、静态性能，弥补了传统解析逆解耦控制对系统模型过度依赖的不足。该研究受到多项基金项目的资助，并由多名专家进行研究。" 这篇论文主要关注的是无轴承异步电机的控制技术，特别是针对其径向悬浮力、转速和磁链的非线性动态解耦控制。无轴承异步电机在无需机械轴承的情况下，能够实现轴的悬浮，广泛应用于高精度定位和高速旋转设备中。然而，由于其动态特性复杂，非线性强，解耦控制成为一个挑战。 最小二乘支持向量机（Least Squares Support Vector Machine, LSSVM）是一种机器学习算法，它可以用于非线性函数的拟合和预测。在此研究中，LSSVM被用来近似原系统的逆模型，解决了传统逆系统模型建立困难的问题。通过将逆模型与原系统串联，形成伪线性复合系统，可以将电机的非线性动力学转化为一系列线性子系统，即径向二自由度位移子系统、转速子系统和磁链子系统，从而实现解耦控制。 接着，论文设计了一个闭环控制器以优化整个控制系统的性能。这一设计考虑了系统的稳定性、动态响应和静态精度，确保在各种运行条件下都能保持良好的控制效果。Matlab仿真验证了这种方法的有效性，结果显示，该方法不仅成功地实现了无轴承异步电机的非线性解耦，还表现出优良的鲁棒性，即使在系统参数变化或存在干扰的情况下也能稳定运行。 相比于传统的解析逆解耦控制，该方法的一个显著优点是减少了对精确系统模型的依赖。这使得该控制策略在实际应用中更具适应性和实用性，尤其是在系统参数难以精确获取或发生变化的场景下。 该研究得到了国家自然科学基金和江苏省多个科研项目的资助，由多领域的专家共同完成，展示了在无轴承电机、特种电力传动、运动控制等领域的深度探索。论文的作者包括杨泽斌、孙晓东等人，他们在无轴承电机和非线性智能控制方面有着丰富的研究经验。