1.一种多维一体的车载磁悬浮飞轮电池控制系统，其特征在于，包括线性闭环控制器(1)、模糊PID交叉反馈控制模块(12)、神经网络逆解耦控制模块(14)、改进零功率控制模块(15)、坐标系转换模块(241)、累加和坐标系转换模块(242)、复合被控对象(2)和支持向量机位移预测模块(3)，线性闭环控制器(1)包括控制方式切换模块(11)；所述线性闭环控制器(1)的输出分别作为模糊PID交叉反馈控制模块(12)、神经网络逆解耦控制模块(14)的输入，所述模糊PID交叉反馈控制模块(12)的输出以及神经网络逆解耦控制模块(14)经坐标系转换模块(241)的输出作为控制复合被控对象(2)的输入，经复合被控对象(2)变换复用，作为支持向量机位移预测模块(3)的输入；模糊PID交叉反馈控制模块(12)、神经网络逆解耦控制模块(14)的输出经累加和坐标系转换模块(242)处理，与支持向量机位移预测模块(3)的输出复用，作为改进零功率控制模块(15)的输入；改进零功率控制模块(15)产生参考位移输出，与支持向量机位移预测模块(3)的实际位移输出一同作为线性闭环控制器(1)的输入。

2.根据权利要求1所述的车载磁悬浮飞轮电池控制系统，其特征在于，所述复合被控对象(2)包括第一Clark逆变换模块(211)、第二Clark逆变换模块(212)、第三Clark逆变换模块(213)、第一开关功率放大器(221)、第二开关功率放大器(222)、电流传感器(23)、电流归整模块(25)和实际被控对象，所述实际被控对象包括轴向磁轴承a2、前径向磁轴承a1和后径向磁轴承b1；

所述第一Clark逆变换模块(211)的输入为：模糊PID交叉反馈控制模块(12)输出的径向控制电流信号{itax*、itay*}；

所述第一开关功率放大器(221)的输入为：模糊PID交叉反馈控制模块(12)输出的径向控制电流信号itz*；

所述第三Clark逆变换模块(213)的输入为：模糊PID交叉反馈控制模块(12)输出的径向控制电流信号{itbx*、itby*}；

所述第二Clark逆变换模块(212)的输入为：神经网络逆解耦控制模块(14)输出的径向控制电流信号{ikax*、ikay*、ikbx*、ikby*}；

所述第二开关功率放大器(222)的输入为：神经网络逆解耦控制模块(14)输出的径向控制电流信号ikz*；

所述第一Clark逆变换模块(211)、第一开关功率放大器(221)、第三Clark逆变换模块(213)、第二Clark逆变换模块(212)和第二开关功率放大器(222)的输出均通过电流传感器(23)后，再输入电流归整模块(25)；所述电流归整模块(25)处理后获取电流信号{iau、iav、iaw、ibu、ibv、ibw、iz}作为支持向量机位移预测模块(3)的输入；

所述iz作为轴向磁轴承a2的输入，{iav、iaw、iau}作为前径向磁轴承a1的输入，所述{ibv、ibw、ibu}作为后径向磁轴承b1的输入。

3.根据权利要求2所述的车载磁悬浮飞轮电池控制系统，其特征在于，所述iau＝itau+ikau、iav＝itav+ikav、iaw＝itaw+ikaw、ibu＝itbu+ikbu、ibv＝itbv+ikbv、ibw＝itbw+ikbw、iz＝itz+ikz，所述itau、itav、itaw是第一Clark逆变换模块(211)的输出，所述ikau、ikav、ikaw是第二Clark逆变换模块(212)的输出，所述itbu、itbv、itbw是第三Clark逆变换模块(213)的输出，所述ikbu、ikbv、ikbw是第二Clark逆变换模块(212)的输出，所述itz是第一开关功率放大模块(221)的输出，所述ikz是第二开关功率放大模块(222)的输出。

4.根据权利要求1所述的车载磁悬浮飞轮电池控制系统，其特征在于，所述累加和坐标系转换模块(242)对神经网络逆解耦控制模块(14)输出的电流信号{ikz*、ikx*、iky*、ikθx*、ikθy*}、模糊PID交叉反馈控制模块(12)输出的电流信号{itz*、itax*、itay*、itbx*、itby*}进行如下处理：

将电流信号{itz*、itax*、itay*、itbx*、itby*}线性转换为质心坐标系下的控制电流信号itx*、ity*、itz*、itθx*、itθy*；

质心坐标系下五自由度控制电流信号为：

ix*＝ikx*+itx*，iy*＝iky*+ity*，iθx*＝ikθx*+itθx*，iθy*＝ikθy*+itθy*，iz*＝ikz*+itz*。

5.根据权利要求1所述的车载磁悬浮飞轮电池控制系统，其特征在于，所述控制方式切换模块(11)包括5个PD控制器切换模块，所述PD控制器切换模块包括5个PD控制器，所述5个PD控制器分别对应转弯、爬坡、横向振动、纵向振动、俯仰振动五种工况；所述五种工况下的磁悬浮飞轮电池数学模型为：

式中，m为转子质量，J为转子绕x轴及y轴的转动惯量，且J＝Jx＝Jy，Jz为转子绕z轴的转动惯量，ω为转子自转角速度，FAx、FBx分别为前径向磁轴承a1和后径向磁轴承b1在x方向上的电磁力，FAy、FBy分别为前径向磁轴承a1和后径向磁轴承b1在y方向上的电磁力，Fz为轴向磁轴承a2在z方向上的电磁力，fx、fy、fz为扰动力，la为前径向轴承轴心到质心O的距离，lb为后径向轴承轴心到质心O的距离， 和 为耦合项，κ1、κ2、κ3、κ4、κ5为由多次坐标转换、线性放大和抗干扰环节引起的偏差值，偏差值通过仿真获取；所述PD控制器采用自适应模糊控制算法，位移偏差信号e、位移偏差变化率de/dt作为PD控制器输入，PD控制器输出位移信号二阶导数φ1、φ2、φ3、φ4、φ5，在不同工况的磁悬浮飞轮电池数学模型下，在线调节比例系数kp和微分系数kd。

6.根据权利要求5所述的车载磁悬浮飞轮电池控制系统，其特征在于，所述神经网络逆解耦控制模块(14)包括神经网络逆系统(141)，模糊神经网络逆系统(141)的构建，具体为：对(x、y、z、θx、θy)及其对应的一阶导数和二阶导数进行预处理，再归一化处理，构建模糊神经网络训练样本集；

采用自适应学习速率的BP算法离线训练模糊神经网络；模糊神经网络第一层为输入层，输入模糊神经网络训练样本集；模糊神经网络第二层为隶属函数输入层，输入隶属函数的中心值α、宽度σ和后件参数；模糊神经网络第三层为决策层，形成模糊规则来在线调节神经网络权值；第四层为去模糊层，进行清晰化运算。

7.根据权利要求5所述的车载磁悬浮飞轮电池控制系统，其特征在于，对平稳运行、启动加速、刹车减速三种工况，引入模糊PID交叉反馈控制模块(12)，模糊PID交叉反馈控制模块(12)包括5个模糊控制器和5个不完全微分PID控制器；位移偏差信号e和位移偏差变化率de/dt作为模糊控制器的输入，经模糊化处理、模糊推理和去模糊化，输出比例参数调节量ΔKp、积分参数调节量ΔTi、微分参数调节量ΔKd，不完全微分PID控制器对比例系数Kp、积分时间系数Ti、微分系数Kd进行在线修改。

8.根据权利要求7所述的车载磁悬浮飞轮电池控制系统，其特征在于，对所述支持向量机位移预测模块(3)实际位移输出(xa、xb、ya、yb)对应的不完全微分PID控制器，引入交叉反馈环节，形成的PID‑交叉反馈控制器，径向位移偏差信号(eax、eay、ebx、eby)作为PID‑交叉反馈控制器的位移交叉反馈项，得到交叉反馈增益。

9.根据权利要求1所述的车载磁悬浮飞轮电池控制系统，其特征在于，所述支持向量机位移预测模块(3)包括4个支持向量机径向位移预测模块和1个支持向量机轴向位移预测模块，前径向磁轴承a1的控制电流信号iau、iav、iaw输入第一支持向量机径向位移预测模块(31)，输出径向位移xa；前径向磁轴承a1的控制电流信号iau、iav、iaw输入第二支持向量机径向位移预测模块(32)，输出径向位移ya；后径向磁轴承b1的控制电流信号ibu、ibv、ibw输入第三支持向量机径向位移预测模块(33)，输出径向位移xb；后径向磁轴承b1的控制电流信号ibu、ibv、ibw输入第四支持向量机径向位移预测模块(34)，输出径向位移yb；轴向磁轴承a2的控制电流信号iz作为支持向量机轴向位移预测模块(35)的输入，输出轴向位移z。

10.根据权利要求9所述的车载磁悬浮飞轮电池控制系统，其特征在于，所述改进零功率控制模块(15)的输入还包括：复用位移量x、y、z、θx、θy的一小段位移量ps，所述x、y、z、θx、θy由位移量xa、ya、z、xb、yb经坐标系转换模块A(244)转换得到。