[发明专利]一种磁悬浮精密运动定位平台的解耦控制方法

摘要

本发明提供一种用于精密磁悬浮直线运动定位平台的解耦控制方法，本方法运用气隙反馈与力反馈控制相结合的方法实现四个支承力之间的解耦。为存在于f1、f2、f3和f4之间的耦合，本发明通过采用实时计算反馈f1、f2和f3的大小来反推f4的控制电压大小以保证既能提高运动平台的刚度又能不至于对其它三个力产生耦合干扰。本发明实现了四个支承力之间的解耦，在不改变原悬浮体设计悬浮刚度的同时大大简化了悬浮体的控制和调试的复杂度，具有很好的控制效果。

主权项

一种磁悬浮精密运动定位平台的解耦控制方法，f1、f2、f3及f4分别为磁悬浮精密运动定位平台上悬浮体内部关于悬浮体几何中心对称分布的第一电磁铁、第二电磁铁、第三电磁铁和第四电磁铁所对应的电磁力，其特征在于，包括以下步骤：1)测量f1、f2和f3：f1、f2和f3通过传感器测得或者用以下方法测得：先实时检测第一电磁铁、第二电磁铁、第三电磁铁的磁极表面与定子之间的气隙z1、z2及z3，再测量第一电磁铁、第二电磁铁、第三电磁铁当前的控制电流i1、i2及i3；采用下列方法之一计算得到f1、f2和f3的值：A)运用公式电磁力公式fk＝Fk(ik，zk)(k＝1～3)计算f1、f2和f3的值；公式fk＝Fk(ik，zk)为根据电磁力动力学计算中电磁铁电磁力与电流及气隙关系式；B)运用神经网络建立平台的电磁力与电流及气隙之间的关系模型，采集一系列气隙值z1、z2、z3分别和气隙值z1、z2、z3、相对应的i1、i2、i3、以及传感器所测到相应的电磁力f1、f2、f3对神经网络进行学习和训练而得到基于神经网络的模型f1＝N1(i1，z1)、f2＝N2(i2，z2)、f3＝N3(i3，z3)，再根据当前的气隙值z1、z2、z3和相对应的i1、i2、i3、，结合基于神经网络的电磁力模型得到当前的电磁力f1、f2、f3；2)计算f4：利用公式f4＝f2+f3-f1求出f4；3)获得f4对应的电流i4值：实测第四电磁铁所处磁极表面与定子之间的气隙z4，采用下列方法之一获得电流i4值：A)运用公式i4＝g(f4，z4)计算电流i4值；公式i4＝g(f4，z4)为根据电磁力动力学计算中电磁铁电流与电磁力及气隙关系式；B)运用神经网络建立平台的电流与电磁力及气隙之间的关系模型，采集一系列气隙值z4和气隙值z4相对应的f4对神经网络进行学习和训练而得到基于神经网络的线圈电流模型，再根据当前的气隙值z4和f4，结合基于神经网络的线圈电流模型得到当前的电流i4值。