磁悬浮系统神经网络模型预测控制仿真与快速计算数据集

本数据集面向磁悬浮系统高性能控制中模型预测控制（MPC）算法在线求解速度受限的关键瓶颈，通过将MPC优化问题转化为神经网络近似求解的方式，系统性地构建了磁悬浮系统智能MPC控制仿真与快速计算数据集。数据集涵盖两类核心场景：一是面向单点电磁悬浮（EMS）系统的神经网络MPC仿真数据，包括基于MATLAB的MPC样本生成、PyTorch神经网络训练及闭环控制仿真；二是面向一般线性系统的神经网络MPC快速计算数据，包括基于CVXPY的MPC样本并行生成、PyTorch神经网络训练与推理性能测试。数据生产时间为2024年至2025年，全部样本通过严格的稳定性验证与精度评估，仿真场景下磁悬浮系统稳态跟踪误差优于10^−4 m量级，快速计算场景下闭环稳定率达100%、推理频率达kHz量级。本数据集为MPC神经网络近似方法的算法研究、性能对比与教学实践提供了完整的可复现数据支撑，对推动智能控制技术在资源受限平台上的应用具有重要参考价值。