1.基于滑模神经网络的磁悬浮垂直轴风电机组悬浮控制方法，所述磁悬浮垂直轴风电机组，包括磁悬浮垂直轴风力发电机、悬浮控制系统、气隙传感器、风轮、外壳和塔架；所述磁悬浮垂直轴风力发电机包括永磁直驱型风力发电机和磁悬浮盘式电机；所述永磁直驱型风力发电机包括定子和转子；所述磁悬浮盘式电机包括盘式定子和盘式转子；所述盘式定子由盘式定子铁芯和悬浮绕组组成，所述悬浮绕组为直流励磁绕组；所述悬浮控制系统由悬浮变流器及其悬浮控制器组成，所述悬浮变流器与所述悬浮绕组连接，所述悬浮控制器包括外环气隙跟踪控制器和内环悬浮电流跟踪控制器，所述外环气隙跟踪控制器为径向基神经网络滑模控制器；所述永磁直驱型风力发电机的转子、所述磁悬浮盘式电机的盘式转子、所述风轮和所述外壳统称为旋转体；其特征在于，包括以下步骤：步骤1，设计滑模面为：

式中，e(t)为悬浮气隙跟踪误差，有：e(t)＝δref(t)‑δ(t)，δref(t)为悬浮平衡点处的悬浮气隙参考值，δ(t)为所述盘式定子和所述盘式转子之间的悬浮气隙测量值，c1、c2为常数；

对式(1)求导，则有：

将所述旋转体在垂直方向上的力学方程：代入式(2)，则有

2

其中，d＝g+(Fd(t)/m)， uNNSMC(t)＝i (t)，三者分别为未知有界项、已知项和所述径向基神经网络滑模控制器的输出；m为所述旋转体的质量，g为重力加速度；Fd(t)为外界随机扰动力； 为δ(t)对时间t的二阶导数；i(t)为所述盘式定子的2

电流；k＝μ0N S/4，其中，μ0为真空磁导率，N为所述悬浮绕组的匝数，S为所述盘式定子铁芯的磁极表面有效面积；

步骤2，采用径向基神经网络来估计式(3)中的未知有界项d，具体方法是：

21)确定所述径向基神经网络的层数：所述径向基神经网络包括1个输入层、1个隐含层、1个输出层，其中，所述输入层的输入向量定义为： 所述隐含层有n个神经元；所述输出层有1个神经元；

22)选择高斯函数作为所述隐含层的激励函数，则所述隐含层的输出为：T

其中，hj是隐含层第j个节点的输出，zj＝[zj1,zj2]是第j个隐节点高斯函数的中心向量，||x‑zj||是衡量输入向量x和第j个隐节点中心向量的欧式范数，bj是第j个隐节点的标准化常数；

23)以所述隐含层输出值的加权值总和计算所述输出层的输出，则所述输出层的输出y为式(3)中的未知有界项d的估计值T

式中， 表示所述输出层的权值向量，h＝[h1,h2,…,hn]表示所述隐含层的输出向量，其中，hj(j＝1,2,…n)由式(4)求得；

则未知有界项d可表示为：

*

其中， 为估计误差， 是神经网络实现完美逼近的理想输出值，ε是理想逼近误差，* *

满足|ε|≤εω，εω是ε的最小上确界，是一个有界正实数； 是神经网络实现完美逼近的理想输出权值，即 满足：

n

式中，R为n维实数；

步骤3，求所述径向基神经网络滑模控制器的输出：基于双曲正切函数的指数趋近律，将滑模面s(t)的导数取为：其中，K、W为正实数，双曲正切函数利用式(3)和式(7)，求得所述径向基神经网络滑模控制器的输出为：uNNSMC(t)＝uISMC(t)+uR(t)                                          (8)式中，uISMC(t)为所述径向基神经网络滑模控制器的智能滑模控制项，令：而uR(t)是鲁棒补偿器，用于保证控制系统的稳定性，令：将式(9)、式(18)代入式(8)，可得所述径向基神经网络滑模控制器的输出为：步骤4，将步骤3得到的uNNSMC(t)进行开方，得到所述盘式定子的电流参考值iref(t)：然后将此iref(t)与所述盘式定子的电流测量值作差，经PID控制器送入PWM模块，产生所述悬浮变流器的驱动信号，从而控制所述盘式定子的电流i(t)，使所述旋转体在悬浮平衡点处保持稳定悬浮。

2.根据权利要求1所述的基于滑模神经网络的磁悬浮垂直轴风电机组悬浮控制方法，其特征在于，所述步骤3中的鲁棒补偿器uR(t)按如下方法求得：构造Lyapunov函数为：其中， γ、η是正常数；

对式(10)求导，得到：

将式(3)、式(8)和式(9)代入式(11)，可得：令

则式(12)可表达为：

把式(5)、式(6)代入式(13)，可得：取所述径向基神经网络的权值自适应律为：则式(15)可表达为：

所述鲁棒补偿器uR(t)按下式选取：则式(17)可改为：

取

则式(19)可表达为：

V1(t)＝‑s(t)tanh(s(t))≤0                                           (21)因为式(14)恒成立，所以这表明系统是稳定的，也即说明按式(18)选取的鲁棒补偿器uR(t)是合理的。