针对永磁交流力矩电机转子受载荷之后会引起转子位置偏心误差加大问题,提出一种基于遗传算法(GA)优化BP神经网络永磁力矩电机转子偏心载荷位置误差预测模型的方法。通过测量各种情况下永磁力矩电机在运转过程中的位置变化情况,利用遗传算法优化BP神经网络算法建立预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹数据为测试样本。选取各种情形的正弦波轨迹数据和三角波轨迹数据进行仿真预测和验证。以各种情况的正弦波信号的指令位置、指令速度和电流作为模型的输入,以三角波信号的位置误差作为输出。结果表明,GA优化BP神经网络建立的预测模型优于优化之前的预测模型。

永磁同步直线电机在执行具有重复特性的跟踪控制任务时,系统的位置误差也会出现周期性变化。针对这一问题,提出一种基于离线迭代学习补偿优化直线电机位置输入信号的控制策略。通过离线迭代学习,对直线电机系统的干扰进行迭代学习控制。对凸轮轴轨迹和正弦曲线轨迹进行迭代学习,实现对永磁直线电机运动轨迹的跟踪控制,减小直线电机的跟踪误差。实验结果表明:通过离线迭代学习控制产生的位置输入信号跟随误差较小,能很好地消除由于跟踪滞后造成的位置误差。