1.一种交流径向磁轴承用神经网络自抗扰控制器的构造方法,该神经网络自抗扰控制器由串接于含有交流径向磁轴承(3)的复合被控对象(6)前端的第一自适应自抗扰控制器(7)和第二自适应自抗扰控制器(8)组成,其特征是:第一自适应自抗扰控制器(7)输入的是* *给定径向位移x、输出的是控制电流ix ;第二自适应自抗扰控制器(8)输入的是给定径向位* *移y 、输出的是控制电流iy ;第一自适应自抗扰控制器(7)是由第一跟踪微分器(71)、第一自适应扩张状态观测器(72)、第一非线性状态误差反馈控制律(73)、第一BP神经网络(74)、第二BP神经网络(75)、第一补偿因子(76)和第二补偿因子构成;第一跟踪微分器(71)的输*入是给定径向位移x 、输出是跟踪信号x1和微分信号x2;第一自适应扩张状态观测器(72)的输入是控制量u、径向位移x和三个可调参数β01、β02、β03、输出是跟踪信号x1的估计值z1、微分信号x2的估计值z2和x方向总扰动的估计值z3;第一非线性状态误差反馈控制律(73)和第一BP神经网络(74)的两个输入是误差e1=x1‑z1和e2=x2‑z2,第二BP神经网络(75)的输入是给*定径向位移x和径向位移x、输出是两个参数β1和β2,第一非线性状态误差反馈控制律(73)的另两个输入是参数β1和β2,第一非线性状态误差反馈控制律(73)输出的是控制量u0;控制量u0与估计值z3的差值为第一补偿因子(76)的输入,第一补偿因子(76)的输出是控制电流* *ix ,该电流ix分别为复合被控对象(6)和第二补偿因子(77)的输入,第二补偿因子(77)的输出是控制量u,此控制量u作为第一自适应自抗扰控制器(7)的一个输入;第一BP神经网络(74)的输入是误差e1、e2、径向位移x和偏置值1,输出的是三个可调参数β01、β02、β03,该三个可调参数β01、β02、β03为第一自适应扩张状态观测器(72)的输入;第二自适应自抗扰控制器(8)的内部结构与第一自适应自抗扰控制器(7)相同,其特征是包括:*
步骤A)第一跟踪微分器(71)根据给定径向位移x提取出跟踪信号x1和微分信号x2:
*
fhan(x1(k)‑x (k),x2(k),r0,h0)为最速综合函数,h0为积分步长,r0为速度因子,h为采* *样周期,x (k)为给定径向位移x在k时刻的值,x1(k)为跟踪信号x1在k时刻的值,x1(k+1)为跟踪信号x1在k+1时刻的值,x2(k)为微分信号x2在k时刻的值,x2(k+1)为微分信号x2在k+1时刻的值;
*
步骤B)第一补偿因子(76)输出电流ix (k)=(u0‑z3)/b0,第二补偿因子(77)输出控制量u=u0‑z3,第一补偿因子(76)的值为1/b0,第二补偿因子(77)为b0,第一自适应扩张状态观测器(72)采用下式得到其输出:e为误差,fal为非线性函数, a1、a2、δ1为可调参
数,a为a1或a2,a1取0.5,a2取0.25,δ1取采样周期的5~10倍,z1(k)、z2(k)、z3(k)分别为z1、z2、z3在k时刻的值,z1(k+1)、z2(k+1)、z3(k+1)分别为z1、z2、z3在k+1时刻的值,x(k)为x在k时刻的值,u(k)为u在k时刻的值,h为采样周期,b0为第二补偿因子的值;
步骤C)第一非线性状态误差反馈控制律(73)采用式u0=β1fal(e1,a3,δ2)+β2fal(e2,a4,δ2)得到其输出控制量u0,fal为非线性函数,e1、e2为误差,e1=x1‑z1,e2=x2‑z2,a3取0.5,a4取0.25,δ2取采样周期的5~10倍;
步骤D)基于第一BP神经网络(74)自整定参数β01、β02、β03,基于第二BP神经网络(75)自整定参数β3、β4。
2.根据权利要求1所述的交流径向磁轴承用神经网络自抗扰控制器的构造方法,其特征是:步骤D)中,第一BP神经网络(74)输入层的输入 in为输入层,j为输入层的四个节点;隐含层的输入 输出 im为隐含层, 为隐含层加权系数k时刻的值,i为隐含层的五个节点;输出层的输入
输出 out为输出层, 为隐含层加权系数k时刻的值,l为输出层的
三个节点。
3.根据权利要求2所述的交流径向磁轴承用神经网络自抗扰控制器的构造方法,其特征是:第一BP神经网络(74)的网络连接权的迭代关系为n为调整权的次数,E为指标函数,w为加
权系数,η为学习速率,a、b、c为动量因子,均大于0小于1,调整(n‑2)和(n‑3)次时的权值变化量;确定第一BP神经网络(74)的结构,给出各层加权系数的初始值,采样得到k时刻的误差,计算神经网络各层神经元的输入和输出,其输出层的输出即为三个参数β01、β02和β03,对k时刻的加权系数进行在线调整,整定三个参数β01、β02、β03。
4.根据权利要求3所述的交流径向磁轴承用神经网络自抗扰控制器的构造方法,其特征是:第二BP神经网络(75)采用三层结构,输入层具有2个节点,隐含层具有5个节点,输出层具有2个节点,第二BP神经网络(75)输出的两个参数β1、β2的整定方法与三个参数β01、β02和β03的整定方法相同。