A neural network-based control solution for an axial active magnetic bearing

Abstract

Neural network based solutions across various application fields has increased. This can be described with substantial advancements in computational power and significant innovations in algorithms. One such application field is control solution. Neural networks can adopt control laws and dynamics of the system from data, which makes it quite interesting in implementing them in control problems.

This thesis contributes to neural network research and to neural network based control solutions. During this work, the existing PID-type controller will be replaced with a neural network based structure. The system under consideration is an AMB-rotor system, which is a complex open-loop unstable system that requires feedback control for normal operation. This work will address a SISO-control problem of an AMB-rotor system with a neural network based solution, where an existing controller is treated as a black-box. For comparison and validation, both frequency and time domain analysis are carried out, where the results of the existing controller are used as a benchmark.

In total, four neural network based solutions were created, two of which succeeded in tests during the experimental phase, one of which showed improved results compared to the existing controller.

Neuroverkkopohjaiset ratkaisut eri sovellusaloilla ovat lisääntyneet. Tätä voidaan perustella huomattavalla kasvulla laskentatehossa ja innovaatioilla algoritmien parissa. Yhdeksi sovellusalueeksi, joissa neuroverkkopohjaisia ratkaisuja on käytetty tehokkaasti, ovat erilaiset säätöratkaisut. Neuroverkot voivat toimia säätölakeina sekä ”matkia” säätölakeja ja toisaalta oppia systeemin dynamiikkaa datasta, mikä tekee niiden soveltamisesta erilaisiin säätöongelmiin varsin mielenkiintoista.

Tämän diplomityön tarkoitus on tarkastella neuroverkkopohjaisia säätöratkaisuja korvaamalla olemassa oleva PID-tyyppinen säädin neuroverkkoon perustuvalla rakenteella. Kyseinen säätöratkaisu implementoidaan aktiivimagneettilaakerisysteemille, joka on epästabiili järjestelmä ja vaatii takaisinkytkettyä säätörakennetta toimiakseen. Tämä diplomityö lähestyy aksiaalisuunnan aktiivimagneettilaakerisysteemin SISO-ohjausongelmaa neuroverkkopohjaisella ratkaisulla, jossa olemassa olevaa PID-tyyppistä säädintä käsitellään mustana laatikona (black-box). Koulutetun neuroverkko-säätimen ja lähtökohtana olevan PID-säätimen vertailua ja validointia varten suoritetaan sekä taajuus- että aikatason analyysi.

Tämän diplomityön aikana luotiin yhteensä neljä neuroverkkopohjaista ratkaisua, joista kaksi implementoitua onnistuivat kokeellisen vaiheen aikana suoritetuissa testeissä. Näistä yksi verkko osoitti parempia tuloksia verrattuna olemassa olevaan PID-säätimeen.