Все статьи автора в журнале: Ершов Р.В.

1. Интеллектуальное управление электромеханическими системами с предиктивным прогнозированием

   Intelligent control of electromechanical systems with predictive forecasting

   Номер: 2026 / 08

   Кожубаев Ю.Н. | Kojubaev YU.N. | Королев М.П. | Korolev M.P. | Ершов Р.В. | Ershov R.V. | Сараджишвили С.Э. | Saradjishvili S.E. | kozhubaev_yun@spbstu.ru, korolev.mp@edu.spbstu.ru, saradzh_se@spbstu.ru_, um-urii@rambler.rukozhubaev_yun@spbstu.ru, korolev.mp@edu.spbstu.ru, saradzh_se@spbstu.ru_, um-urii@rambler.ru

   Авторы статьи

   Authors

   Кожубаев Ю.Н.

   Kojubaev YU.N.

   Королев М.П.

   Korolev M.P.

   Ершов Р.В.

   Ershov R.V.

   Сараджишвили С.Э.

   Saradjishvili S.E.

   kozhubaev_yun@spbstu.ru, korolev.mp@edu.spbstu.ru, saradzh_se@spbstu.ru_, um-urii@rambler.ru

   kozhubaev_yun@spbstu.ru, korolev.mp@edu.spbstu.ru, saradzh_se@spbstu.ru_, um-urii@rambler.ru

   ---

   Интеллектуальное управление электромеханическими системами с предиктивным прогнозированием

    

   УДК 681.513:62

   DOI: 10.36652/0869-4931-2026-80-8-408-416

    

   Разработаны и исследованы интеллектуальные методы управления электромеханическими системами на основе предиктивного прогнозирования. Рассмотрены ограничения традиционных подходов с использованием ПИД-регуляторов и FOC-контроллеров при работе с нелинейными объектами, подверженными изменениям нагрузки, и обоснована необходимость применения модельно-предиктивного управления (Model predictive control — MPC). Представлена математическая база MPC, включающая модель в пространстве состояний, горизонт предсказаний, целевую функцию и учет физических ограничений. Описаны причины и последствия внутренних и внешних неисправностей электродвигателей, подчеркнута значимость раннего прогнозирования отказов. Выполнено моделирование различных систем управления в среде Python, включая разработку нейросетевого MPC-контроллера на базе LSTM. Результаты показали, что NN-MPC обеспечивает лучшую динамику и более высокое качество управления по сравнению с PID, FOC и классическим MPC, сокращение времени установления и повышение точности регулирования. Сделан вывод о перспективности интеграции MPC и нейросетевых моделей для повышения надежности и эффективности электроприводов.

   ---

   Ключевые слова

   модельно-предиктивное управление, электродвигатели, предиктивная диагностика, нейронные сети LSTM, интеллектуальные системы управления

   Intelligent control of electromechanical systems with predictive forecasting

   Intelligent control methods for electromechanical systems based on predictive forecasting are developed and studied. The limitations of traditional approaches using PID and FOC controllers when working with nonlinear systems subject to load variations are considered, and the need for model-predictive control (MPC) is substantiated. The mathematical base of MPC, including a state-space model, a prediction horizon, an objective function, and consideration of physical constraints is presented. The causes and consequences of internal and external faults in electric motors are described; the significance of early failure prediction is indicated. Various control systems are modeled in Python, including the development of an LSTM-based neural network MPC controller. The results demonstrate that NN-MPC provides improved dynamics and higher control quality compared to PID, FOC, and classical MPC, reducing settling time and improving control accuracy. It is concluded that integrating MPC and neural network models offers potential for improving the reliability and efficiency of electric drives.

   ---

   Keywords

   model-predictive control, electric motors, predictive diagnostics, LSTM neural networks, intelligent control systems