1 引言
随着工业生产规模的不断扩大，需要控制的变量常常不止一对，这些变量常以这种或那种形式互相关联着，对某一个参数的控制不可避免地要考虑另一些有关联的参数或操纵变量的影响，在设计时就不应像单变量控制系统那样逐一进行，而须从整体上考虑。为了使系统能独立进行控制，应对多变量系统进行解耦研究。传统的单变量控制系统设计方法显然无法满足要求,工程中常常引入多变量的解耦设计。
2 多变量体统的分析
2.2 三相电压型PWM 整流器耦合性分析为了提高功率因数，抑制谐波污染，结合PWM 技术的新型整流器—PWM 整流器倍受关注。这种整流器克服了传统整流器输入电流谐波含量高，功率因数低的缺点，可获得可控的升压型AC/DC 变换性能，实现网侧单位功率因数和正弦波电流控制及电能的双向传输，实现PWM 整流器三相电压和电流的解耦控制，是近年来学术界关注和研究的热点。对于多变量、非线性、强耦合的控制对象，诸多文献提出了多种不同的解耦控制策略，其中利用旋转坐标变换方法的矢量控制，是一种比较成功的解耦控制策略，但矢量变换后仍存在有功电流分量和无功电流分量之间交义耦合电势的作用。
三相电压型PWM 整流器拓扑结构如下。
多变量解耦控制随着被控系统越来越复杂，多变量系统应用越来越多，多个变量之间相互关联，即耦合，传统的单变量控制系统设计方法显然无法满足要求，工程中常引入多变量的解耦设计。在工程实际中，往往由于算法太复杂而难以实现较好的解耦， 因而，寻求简单易行的有效解耦方法是目前普通关注的问题，同时，将各种解耦方法有效融合也是实现解耦的好途径。本章将对多变量的各种解耦方法进行简单的介绍和比较。近而找出方便易行的解偶方法。
3.1 传统解耦控制
3.1.1 前馈解耦
以PWM 整流器为例介绍前馈解耦方法，由图2 可知d 轴和q 轴分量间存在交叉耦合,使得两分量不能独立调节。前馈补偿即在输入给定电压中补偿系统产生的耦合电动势，以消除输入交流电流交叉耦合影响，前馈解耦控制原理。
在PWM 整流器中，对角矩阵的主对角线元素为PWM 整流器的d 轴和q 轴上的传递函数。
3.3 智能解耦控制
3.3.1 神经网络解耦法
智能解耦方法以神经元网络解耦方法为代表。由于神经网络可实现多输入到多输出的映射，以任意精度逼近任意函数，并具有自学习功能，因此适用于时变、非线性、特性未知的对象。目前，神经网络解耦在非线性系统中的应用已有了一些研究成果，但更多的解耦策略带有尝试性，通常依靠大量仿真实验来研究。
神经网络解耦控制系统的结构通常采用以下三种形式：
（1）神经网络解耦补偿器置于被控制对象与控制器之间；
（2）神经网络解耦补偿器置于控制器之前；
（3）神经网络解耦补偿器置于反馈回路。
以上解耦方法在理论上是成立的，但是在实际的控制系统中应用难度很大，其主要问题是解耦器的设计依赖被控对象的数学模型，要求被控对象的数学模型已知且为线性时不变。
多变量的控制系统，由于回路之间的耦合，数学模型就比较复杂，且参数的测量和计算就比较复杂，这样则导致解耦器和控制器无法设计。为了克服解耦效果依赖于被控对象准确数学模型的不足，可寻求一些对模型精度要求不高的智能解耦方法。内模控制(IMC internal modelcontrol)不过分依赖于被控对象的准确数学模型，对模型精度要求低，工程上容易实现，是一种先进控制技术。
4 多变量系统的内模解耦控制
4.1 多变量内模控制的基本结构
所谓内模控制，其设计思路就是将对象模型与实际对象相并联，控制器逼近模型的动态逆，内模控制器取为模型最小相部分的逆，并通过附加低通滤波器以增强系统的鲁棒性，其基本结构图。
4.2 三相电压型PWM 整流器的内模解耦控制 内模解耦控制作用采用电流内模解耦控制，可有效抑制干扰及模型失配对输出的影响，并增强系统对给定信号的跟踪能力。
可见，基于内模控制的PWM 整流器，当模型数和实际模型失配时，对阶跃输入和常值干扰不存在稳态偏差。
5 对三相电压型PWM 整流器解耦控制的仿真分析
6 结论
本文首先介绍了多变量系统的各种特点以及其耦合特性并在其基础上对PWM 整流器进行了解耦分析。基于感应电动机定子电流解耦控制思想，提出了三相电压型PWM 整流器电流内模解耦控制策略，给出了内模解耦控制器的设计及实现方案，并进行了仿真实验。通过把内模解耦控制与反馈解耦控制的仿真结果进行了对比，可以看出：在参数一致时，两种控制方法都能对系统进行有效解耦，但内模控制比反馈解耦控制复现效果更好。当参数不一致时，反馈解耦控制失去了解耦的性能，但内模控制仍然可对系统进行解耦。输出信号复现输入的性能与λ 取值有关，λ 在一定范围内越大，复现效果越好。了解组合楼板的纵向抗剪。
