磁悬浮转子预测模型构建方法及磁轴承物理仿真平台与流程

本发明涉及转子仿真测试，具体涉及一种磁悬浮转子预测模型构建方法及磁轴承物理仿真平台。

背景技术：

1、磁悬浮电机是指利用磁悬浮轴承将电机转子悬浮，采用磁悬浮轴承支撑技术后，电机的转子与轴承之间实现了无接触，在鼓风机、空压机、真空泵、制冷压缩机、orc等磁悬浮流体机械领域有了越来越广泛的应用。

2、磁悬浮电机在其设计与验证阶段，通常通过构建物理机理模型来模拟磁悬浮电机系统的运行状态，并验证控制器参数。但在机理模型的构建过程中，常常会忽略真实情况下转子质量不平衡、传感器出厂误差、环境温度影响等因素，在这些情况下构建的理想机理模型置信度较低，难以准确反映磁悬浮电机系统的真实运行状态，从而限制了其在新型磁悬浮电机系统验证中的实际应用价值。

技术实现思路

1、技术目的：针对现有磁悬浮电机仿真验证过程存在的不足，本发明公开了一种磁悬浮转子预测模型构建方法及磁轴承物理仿真平台。

2、技术方案：为实现上述技术目的，本发明采用了如下技术方案：

3、一种磁悬浮转子运行预测模型构建方法，包括步骤：

4、s01、基于实测的磁悬浮转子运行数据，构建涵盖转子动力学特征的数据集；

5、s02、以数据集中控制电流信号和转速信号为输入特征，以转子位移信号为预测目标建立磁轴承转子的基础数据驱动模型；

6、s03、在基础数据驱动模型基础上，融合时序、频域特征，搭配峰值加权损失构建时频域lstm-cnn混合模型；

7、s04、以时频域lstm-cnn混合模型作为物理信息神经网络的基础骨架模型，嵌入转子动力学方程，构建磁悬浮转子的动力学模型，得到物理约束分支；以控制电流信号、转速信号为特征，构建前馈神经网络预测输出位移信号，得到数据驱动分支；基于物理约束分支和数据驱动分支构建复合损失函数，对物理信息神经网络进行联合优化训练，得到物理信息神经网络模型；其中，为根据磁悬浮转子的动力学模型计算的物理残差损失，为前馈神经网络预测输出与真实观测值之间的均方误差，、为权重系数；

8、s05、基于物理信息神经网络模型，对新转子运行状态进行预测。

9、本发明公开一种磁轴承物理仿真平台，使用上述的磁悬浮转子运行预测模型构建方法构建物理信息神经网络模型进行转子运行工况预测。

10、有益效果：本发明所公开的磁悬浮转子预测模型构建方法及磁轴承物理仿真平台具有如下有益效果：

11、1、与传统的纯数据驱动模型相比，本发明在保证建模精度基本不降低的前提下，显著增强了模型的物理可解释性与跨工况泛化能力，尤其在系统动态剧烈变化或边界条件复杂的区域，展现出更强的稳定性与物理一致性，模型构建增加物理约束分支，加入转子关键物理参数后，使用该方法在不同工况下对实验机型的建模误差维持在0.54%～1.48%，提高预测精度。

12、2、本发明能够适用不同的转子工况预测，在无任何新转子实验数据的情况下，即可对其运行状态进行初步预测，缩短新转子建模周期，实现跨平台泛化应用；针对存在实验数据的新转子，使用迁移学习方法无需完全重训，能够仅对模型的高层全连接部分或物理残差分支进行微调进行短期训练，即可实现对新型号转子的运行状态预测，显著降低数据依赖与开发周期。

1.一种磁悬浮转子运行预测模型构建方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种磁悬浮转子运行预测模型构建方法，其特征在于，在步骤s01中，磁悬浮转子运行数据包括控制器pwm输出信号、磁轴承控制电流信号、位置信号和转速信号；控制器pwm输出信号记录控制器作用于磁轴承的脉宽调制指令信号；磁轴承控制电流信号反映磁轴承在闭环控制过程中的实时驱动电流；位置信号包括转子在径向和轴向五自由度的位移，转速信号记载转子旋转速度变化；在不同转速情况下，获取磁悬浮转子的运行数据；并根据采集的运行数据划分训练集和测试集，构建模型所需的数据集。

3.根据权利要求1所述的一种磁悬浮转子运行预测模型构建方法，其特征在于，在步骤s04中，转子动力学方程为：，，，，和分别为表征转子特征的质量矩阵、陀螺矩阵、广义力矩阵、广义扰动力矩阵和表征转子位置的广义坐标矩阵，为控制电流，为转子位移；根据转子动力学方程代入转子物理参数磁悬浮转子的动力学模型，所述转子物理参数包括转子质量、转子转动惯量、转子两端的磁轴承电磁铁中心到转子中心的水平距离、转子两端的位移传感器到转子中心的水平距离、转子径向位移刚度、转子径向电磁刚度、真空磁导率、线圈匝数和极面面积。

4.根据权利要求3所述的一种磁悬浮转子运行预测模型构建方法，其特征在于，在步骤s04中，前馈神经网络预测输出位移信号的优化目标为数据残差，即以预测位移与实测转子位移的均方误差mse最小为目标。

5.根据权利要求3所述的一种磁悬浮转子运行预测模型构建方法，其特征在于，权重取值为0.1-10；权重根据实验数据情况进行选取，实验数据充足时强化物理约束，取值范围为0.1-1；实验数据不足时，优先保证数据拟合，取值范围为0.0001～0.01。

6.根据权利要求1所述的一种磁悬浮转子运行预测模型构建方法，其特征在于，在步骤s05中，对新转子运行状态进行预测时，构建面向转子物理参数的迁移建模方法，在无任何新转子实验数据的情况下，直接基于新转子的已知物理参数向量，输入到物理信息神经网络模型中，进行新转子全工况位移预测；

7.一种磁轴承物理仿真平台，其特征在于，使用权利要求1-6任意一项所述的磁悬浮转子运行预测模型构建方法构建物理信息神经网络模型进行转子运行工况预测。