摘要：针对多电机同步系统具有强烈的非线性和耦合性,难以建立精确数学模型并施加有效控制的缺陷,提出一种多电机多模型动态矩阵预测控制算法.在辨识不同工况子模型的基础上,设计各自的子控制器,并利用加权和形式构造全局控制器,在有约束的条件下,通过滚动优化的策略获得合适的控制增量.控制过程中,无需进行磁链观测.仿真结果验证了该算法的有效性.

摘要：提出了基于最优实验设计与Laplacian正则化的自适应小波神经网络(Wavelet neural network,WNN)的非线性预测控制算法。该方法迭代地从WNN隐含节点候选集选取隐含小波神经元,并使用扩展卡尔曼滤波(Extended Kalman filter,EKF)方法调整该节点参数。为了控制WNN的复杂度,提出采用Laplacian正则化和最优实验设计选择重要的WNN隐含节点,使用最小描述长度(Minimum description length,MDL)准则确定节点数量。使用在线基于Gustafson-kesscl(GK)的模糊满意聚类算法确定WNN初始参数值和权重更新策略,该策略具有直观性和物理意义。最后给出基于WNN线性化模型的预测函数控制方法。对工业焦化装置温度控制进行仿真,结果说明了算法的有效性。

摘要：针对多电机同步系统,建立了按转子磁场定向的物理模型,分析了其多变量、强耦合、非线性的复杂关系。由于该物理模型难以应用于控制器设计,为此以三台电机为研究对象,对系统进行分解,建立了速度和张力输出与各输入量之间的映射关系,进一步将系统简化为速度和张力模型。利用数据驱动原理,对输入输出样本数据进行满意c均值聚类,建立了不同工况下的局部线性子模型及相应的调度函数,系统的全局模型是各个子模型的加权综合,从而得出速度和张力的全局模型。仿真结果表明,采用所建立的简化模型能准确地拟合复杂多电机的非线性特性。