Издательство
Каталог
Авторам
Рекламодателям
КонтактыВНИМАНИЕ!
Новый адрес редакций журналов Колодезный пер., 2 А.
ООО «Издательство «Инновационное машиностроение»
- КНИГИ Прайс-лист
- ЖУРНАЛЫ Прайс-лист
Книги и журналы, просмотренные ранее
Статьи автора
К последнему номеру журналаВсе статьи автора в журнале: Королев М.П.
- Интеллектуальное управление электромеханическими системами с предиктивным прогнозированиемIntelligent control of electromechanical systems with predictive forecastingАвторы статьиAuthorsКожубаев 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
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
- Интеллектуальные системы управления электромеханическими системами ленточных конвейеровIntelligent control systems for electromechanical turns of belt conveyorsАвторы статьиAuthorsКожубаев Ю.Н.Kojubaev YU.N.Хохловский В.Н.Hohlovskiy V.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, um-urii@rambler.rukozhubaev_yun@spbstu.ru, korolev.mp@edu.spbstu.ru, um-urii@rambler.ru
Интеллектуальные системы управления электромеханическими системами ленточных конвейеров
УДК 621.316.71:622.647.2
DOI: 10.36652/0869 -4931-2026-80-10-515-525
Предложен новый метод управления синхронным двигателем с постоянными магнитами (PMSM) ленточного конвейера. Эффективная работа и точное управление двигателем достигаются за счет использования метода векторного управления. В управлении контуром скорости применяется саморегулируемое управление (ADRC) для повышения устойчивости системы к возмущениям и улучшения динамических характеристик, а в управлении контуром тока — модельное прогнозирующее управление (MPC) для достижения точности выполнения команд и быстрого отклика на изменения тока. Имитационная модель PMSM построена в среде MatLab/Simulink, а предложенная стратегия управления проверена путем детального моделирования. Результаты моделирования показывают, что сочетание ADRC и MPC значительно улучшает эксплуатационную стабильность PMSM.
Ключевые слова
ленточный конвейер, синхронный двигатель с постоянными магнитами, векторное управление, модельное прогнозирующее управление
Intelligent control systems for electromechanical turns of belt conveyors
A new method for controlling a belt conveyor’s synchronous motor with variable magnets (PMSM) is proposed. Efficient operation and precise motor control are realized through the use of vector control methods. In the speed loop control the self-regulating control (ADRC) is used to improve the system tolerance to deviations and improve the performance, and in the current loop control, the model predictive control (MPC) is usrd to achieve the accuracy of command execution and response to current changes. PMSM simulation model, built in MatLab/Simulink, and the proposed control strategy were validated through detailed simulations. The results of the study show that the combination of ADRC and MPC significantly improves the operational stability of the PMSM.
Keywords
belt conveyor, permanent magnet synchronous motor, vector control, model predictive control
