1.一种飞轮储能用混合磁轴承LM神经网络逆解耦控制器，LM神经网络逆系统(5)的输出端连接包含有飞轮储能用六极径向‑轴向混合磁轴承的复合被控对象，其特征是：两个动态预测模块(61、62)的输出端均串接LM神经网络逆系统(5)的输入端，第一个动态预测模块(61)由第一、第二个串联支路组成，第二个动态预测模块(62)由第三、第四、第五个串联支路和一个复合信号计算模块(620)组成，第一、第二个串联支路均由一个反馈校正模块、一个控制增量计算模块、一个预测值计算模块和一个最优值计算模块依次串接组成，第三、第四、第五个串联支路均由一个反馈校正模块、一个控制增量计算模块和一个预测值计算模*块；第一个串联支路的输入是权值ω和参考权值ω ，输出是最优初始权值ωc；第二个串联*支路的输入是阈值θ和参考阈值θ，输出是最优初始阈值θc；第三个串联支路的输入是径向*位移x和径向位移给定值x，输出是最终径向位移预测值xac(k+1)；第四个串联支路的输入*是径向位移y和径向位移给定值y ，输出是径向位移预测值yac(k+1)；第五个串联支路的输*入轴向位移z和轴向位移给定值z，输出是轴向位移预测值zac(k+1)；最终径向位移预测值xac(k+1)、yac(k+1)和最终轴向位移预测值zac(k+1)作为复合信号计算模块(620)的输入，复合信号计算模块(620)计算出复合控制信号ja；LM神经网络逆系统(5)以所述的最优初始权* * *值ωc、最优初始阈值θc和复合控制信号ja作为输入，输出等效控制电流期望值iz、ix 、iy 给复合被控对象；

所述的LM神经网络逆系统(5)由一个二阶差分处理器(52)与一个LM神经网络模型(51)串联组成，二阶差分处理器(52)的输入是复合控制信号ja，输出是复合控制信号ja及其一阶、二阶差分信号 所述的最优初始权值ωc、最优初始阈值θc和复合控制信号ja及其一阶、二阶差分信号 共同输入LM神经网络模型(51)，LM神经网络模型(51)输出等效* * *控制电流期望值ix、iy、iz；

*

所述的第一个串联支路，其中的反馈校正模块将权值ω和参考权值ω 比较得到当前时刻k的权值误差e1(k)，采用权值误差e1(k)对k+1时刻的权值进行校正得到k+1时刻的校正权’ ’值ω (k+1)，根据k+1时刻的权值ω (k+1)移位设置k+1时刻的权值初始预测值 权值初始预测值 分别输入所述的控制增量计算模块和所述的预测值计算模块，所述的控制增量计算模块计算出权值控制增量Δuω(k)，所述的预测值计算模块根据权值初始预测值 和权值控制增量Δuω(k)计算出最终预测值ω(k+1)，最终预测值ω(k+1)输入所述的最优值计算模块，所述的最优值计算模块输出权值最优解ωc：其余四个串联支路的原理与第一个串联支路相同；

所述的复合被控对象由轴向的一个直流功率放大器(3)、径向的扩展的电流滞环三相功率逆变器(4)以及飞轮储能用六极径向‑轴向混合磁轴承组成，直流功率放大器(3)和扩展的电流滞环三相功率逆变器(4)的输出端串接六极径向‑轴向混合磁轴承的输入端；

所述的扩展的电流滞环三相功率逆变器(4)由径向的一个Clark逆变换(41)与电流滞环三相功率逆变器(42)串联组成，飞轮储能用六极径向‑轴向混合磁轴承的径向等效控制* * * * *电流期望值ix 、iy经Clark逆变换(41)变换为三相电流期望值iA、iB 、iC，电流滞环三相功率逆变器(42)跟踪三相电流期望值，输出飞轮储能用六极径向‑轴向混合磁轴承的径向控制电流iA、iB、iC。

2.根据权利要求1所述的飞轮储能用混合磁轴承LM神经网络逆解耦控制器，其特征是：’ *

所述的k+1时刻的校正权值ω (k+1)＝ω +σe1(k)，所述的权值初始预测值所述的权值控制增量 所述的最终预测值2

所述的权值最优解ωc＝α|ω(k+1)|+(1‑α)ω (k+1)；α为优化因子，取值范围为0～1；σ为反馈校正系数，取0.55；s为移位系数；i＝0,1,…,k；di为误差系数；a为增量系数，取值范围为0～1。

3.根据权利要求1所述的飞轮储能用混合磁轴承LM神经网络逆解耦控制器，其特征是：所述的复合信号计算模块(620)根据式

计算出复合控制信号ja；α1、α2为优化系数，取值范围是0～1。

4.根据权利要求1所述的飞轮储能用混合磁轴承LM神经网络逆解耦控制器，其特征是：所述的LM神经网络模型(51)采用LM算法滚动优化，滚动优化的目标函数*

ir为k+1时刻参考输出值，ip为k+1时刻预

测输出值，u(k)为k时刻的控制量、u(k‑1)为k‑1时刻的控制量，λ是正则化参数，取值范围为

0～1。

5.根据权利要求4所述的飞轮储能用混合磁轴承LM神经网络逆解耦控制器，其特征是：LM神经网络拓扑结构包括输入层、隐含层和输出层，采用双曲正切S型tansig函数作为隐含层节点转移函数，采用线性purelin函数作为输出层节点转移函数。