找到 1 条结果
基于深度模糊推理的六极径轴向混合磁轴承神经网络逆系统解耦控制
Neural Network Inverse System Decoupling Control for Six-Pole Radial-Axial Hybrid Magnetic Bearing Based on Deep Fuzzy Inference
Haiming Li · Huangqiu Zhu · Jintao Ju · IEEE Transactions on Power Electronics · 2026年4月
针对磁悬浮电主轴中六极径轴向混合磁轴承（HMB）的强耦合与非线性问题，本文提出了一种深度模糊神经网络逆系统（DFNNIS）解耦控制策略。通过建立HMB悬浮力数学模型，利用深度模糊推理实现非线性系统的精确解耦，有效提升了磁轴承系统的动态响应性能与控制精度。
解读: 该技术主要应用于高速旋转机械的磁悬浮控制，与阳光电源的核心业务（光伏、储能、风电）直接关联度较低。但其核心算法——深度模糊神经网络逆系统解耦控制，在处理复杂非线性系统时具有参考价值。建议研发团队关注该类算法在阳光电源风电变流器或大功率电机驱动控制中的潜在应用，特别是针对高频、高精度控制场景下的非线性...