一种基于深度神经网络的磁饱和状态径向磁悬浮轴承建模方法

本发明涉及一种基于深度神经网络的磁饱和状态径向磁悬浮轴承建模方法，包括以下步骤：步骤1、通过磁路模型和磁阻理论计算磁悬浮轴承定子磁轭、转子、定子磁极、气隙和漏磁磁阻表达式，建立静态磁阻方程；步骤2、利用深度神经网络学习定子和转子铁磁材料的磁饱和数据，用来进行磁饱和时绝对磁导率变化的数学建模；步骤3、利用含神经网络的磁导率重新计算铁磁材料的磁阻，求解更换磁阻表达式的非线性磁阻方程。步骤4、利用神经网络更新增量磁导率，冻结并替换绝对磁导率求解静态磁阻方程，计算增量电感。本发明通过改进动态磁路法，将定转子磁阻、漏磁等纳入模型，实现了对复杂工况下磁拉力和磁通密度的建模，显著提高了模型精度与实用性。