大型带式输送机在启制动工况或非均匀负载条件下，双转子永磁传动系统易受周期性激励和扰动产生较大振动，特别是该系统磁场呈现非正弦分布以及存在涡电流谐波等因素，使得该系统运行中的振动控制变得尤为重要。双转子永磁传动系统具有调速高效、运行成本低、适应能力强且等优势，但其非线性特征明显。神经网络迭代学习控制算法通过引入非线性激活函数和深度结构，使得网络能够拟合系统的非线性特征，在迭代学习过程中，网络根据系统的实时振动数据不断调整参数，以实现振动抑制的目标。故采用该算法对转子系统的振动抑制开展研究，对提升系统整体的稳定性，确保其安全高效运行有着重要意义。针对双转子永磁传动系统中磁场非正弦分布及涡电流谐波等因素诱发的传动不平衡与失准耦合振动问题，提出一种改进的神经网络迭代学习控制算法（MNN-ILC），创新性引入了基于误差值的自适应因子σ和正则化的权重衰减系数λ，以快速响应系统变化并减少误差，旨在有效抑制振动。采用多物理场有限元仿真，模拟系统在不对中不平衡状态下的振动特性。为验证所提算法的有效性，以一台55kW的双转子永磁传动系统为研究对象，测试其在不同转速下的实时缓振能力。结果显示，未施加控制时测量点的最大振幅约为18.7μm；施加MNN-ILC算法后，振幅最大值降低至3.1μm，减幅达到约83.4%。通过对比MNN-ILC算法与传统ILC算法、现有改进的ILC算法，发现施加控制后约10s时，传统ILC算法开始发散，而MNN-ILC算法仍能保持良好的稳定控制性能，将振幅控制在±3.5μm以内。MNN-ILC相较于ILC，振动抑制效果提升了约51.9%、58.1%、61.4%；在响应时间上分别减少了约33.4%、32.0%、32.5%。该研究为双转子永磁传动系统的振动抑制提供了重要的理论参考。

1 主动抑制控制方法
1.1双转子永磁传动系统物理结构
1.2 动力学建模
1.3 控制策略设计
1.3.1神经网络迭代学习控制（MNN-ILC）算法
1.3.2 神经网络迭代学习控制（MNN-ILC）算法的改进点
1.4 收敛性分析
2 多物理场有限元仿真
2.1 不对中振动仿真
2.1.1 平行不对中对系统振动特性的影响
2.1.2 角度不对中对系统振动特性的影响
2.2 不平衡振动仿真
2.3 仿真分析总结
3 数值与实验工作
3.1 实验台描述与建模
3.2 实验测试
3.2.1 MNN-ILC算法控制的实验结果
3.2.2 MNN-ILC算法与传统ILC算法、现有改进的ILC算法对比
4结论

郭永存,马鑫,王爽,等.双转子永磁传动不平衡和失准耦合振动的抑制控制方法[J/OL].煤炭学报,1-17[2025-03-27].https://doi.org/10.13225/j.cnki.jccs.2024.1290.