1.基于神经网络模型预测控制的磁悬浮偏航电机控制方法，所述磁悬浮偏航电机为一种隐极式同步盘式电机，包括定子、转子、悬浮架、负载平台、气隙传感器；所述定子与所述转子相对上下垂直同心放置；所述转子与所述悬浮架固定；所述悬浮架还与所述负载平台固定；所述负载平台与风电机组的机舱固定；所述气隙传感器与所述转子固定；所述定子包括定子铁心和三相绕组，所述三相绕组与定子变流器连接；所述转子包括转子铁心和直流励磁绕组，所述直流励磁绕组与转子变流器连接；其特征在于，包括以下步骤：步骤1，当风向改变需要偏航时，由所述转子变流器采用PID控制算法控制所述转子的电流大小，使所述磁悬浮偏航电机的转子向上悬浮至并保持在悬浮平衡点处实现稳定悬浮；

步骤2，当实现稳定悬浮后，所述转子变流器改用神经网络模型预测控制策略，控制所述转子电流，使所述磁悬浮偏航电机的转子在悬浮平衡点处保持稳定悬浮，具体方法是：

21)根据所述磁悬浮偏航电机的悬浮动态数学模型，对悬浮神经网络模型进行训练；

22)将训练好的所述悬浮神经网络模型移植入所述转子变流器的主控芯片，建立基于所述转子变流器的主控芯片的实际悬浮神经网络模型预测控制系统；

23)将所述悬浮神经网络模型的响应输出值δm及悬浮气隙期望值δ*输入悬浮非线性优化模块，所述悬浮非线性优化模块通过使悬浮代价函数最小化确定最优控制输入信号，即最优转子电流ir_opt，将所述最优转子电流ir_opt和悬浮气隙测量值δ作为所述悬浮神经网络模型的输入，同时将所述最优转子电流ir_opt与实际转子电流ir作差，经PID控制器送入PWM模块，产生所述转子变流器的驱动信号，从而控制所述转子电流ir，使所述磁悬浮偏航电机的转子在悬浮平衡点处保持稳定悬浮；

步骤3，由所述定子变流器采用神经网络模型预测控制策略，控制所述定子的电流，使所述磁悬浮偏航电机按转速期望值ω*旋转至对风位置，具体方法是：

31)根据所述磁悬浮偏航电机的偏航动态数学模型，对偏航神经网络模型进行训练；

32)将训练好的所述偏航神经网络模型移植入所述定子变流器的主控芯片，建立基于所述定子变流器主控芯片的实际偏航神经网络模型预测控制系统；

33)将所述偏航神经网络模型的响应输出值ωm及转速期望值ω*输入偏航非线性优化模块，所述偏航非线性优化模块通过使偏航代价函数最小化确定最优控制输入信号，即最优定子电流的d轴分量isd_opt和q轴分量isq_opt，将所述最优定子电流的d轴分量isd_opt、q轴分量isq_opt以及转速测量值ω作为所述偏航神经网络模型的输入，同时将所述最优定子电流的d轴分量isd_opt和q轴分量isq_opt分别与各自的实际测量值作差后输入带限幅的PI控制器，得到所述定子电压控制量usd*和usq*，经dq/αβ坐标变换后得到usα*和usβ*，经SVPWM模块调制后产生驱动信号，控制所述定子变流器产生所需的励磁电压和电流，使所述磁悬浮偏航电*机按转速期望值ω旋转至对风位置；

步骤4，在偏航的同时，由所述转子变流器采用神经网络模型预测控制策略，控制所述转子的电流，使所述磁悬浮偏航电机的转子在整个偏航过程中保持在悬浮平衡点处，具体方法是：

41)根据所述磁悬浮偏航电机的偏航悬浮动态数学模型，对偏航悬浮神经网络模型进行训练；

42)将训练好的所述偏航悬浮神经网络模型移植入所述转子变流器的主控芯片，建立基于所述转子变流器的主控芯片的实际偏航悬浮神经网络模型预测控制系统；

43)将所述偏航悬浮神经网络模型的响应输出值δym及悬浮气隙期望值δ*输入悬浮非线性优化模块，所述偏航悬浮非线性优化模块通过使偏航悬浮代价函数最小化确定最优控制输入信号，即最优转子电流iyr_opt，将所述最优转子电流iyr_opt和悬浮气隙测量值δ作为所述偏航悬浮神经网络模型的输入，同时将所述最优转子电流iyr_opt与实际转子电流ir作差，经PID控制器送入PWM模块，产生所述转子变流器的驱动信号，从而控制所述转子电流ir，使所述磁悬浮偏航电机的转子在整个偏航过程中保持在悬浮平衡点处。

2.根据权利要求1所述的基于神经网络模型预测控制的磁悬浮偏航电机控制方法，其特征在于，所述步骤2中的悬浮代价函数为：式中，J为悬浮代价函数，Np为预测时域长度，Nu为控制时域长度，ir为控制输入信号，即所述转子电流，δ*为悬浮气隙期望值，δm为所述悬浮神经网络模型的响应输出值，ρ为加权系数，k为当前时刻。

3.根据权利要求1所述的基于神经网络模型预测控制的磁悬浮偏航电机控制方法，其特征在于，所述步骤3中的偏航代价函数为：式中，JY为偏航代价函数，Npy为预测时域长度，Nuy为控制时域长度，isd、isq为控制输入信号，即分别为所述定子电流的d轴分量和q轴分量，ω*为转速期望值，ωm为所述偏航神经网络模型的响应输出值，ρ1、ρ2为加权系数，k为当前时刻。

4.根据权利要求1所述的基于神经网络模型预测控制的磁悬浮偏航电机控制方法，其特征在于，所述步骤4中的偏航悬浮代价函数为：式中，JYM为偏航悬浮代价函数，Npm为预测时域长度，Num为控制时域长度，ir为控制输入信号，即所述转子电流，δ*为悬浮气隙期望值，δym为所述偏航悬浮神经网络模型的响应输出值，ρ3为加权系数，k为当前时刻。