1.基于增量式宽度学习系统的永磁同步电机控制方法，其特征在于，包括以下步骤：S1、获取永磁同步直线电机某段时间内的输入与输出数据，作为宽度学习系统的初始训练样本集；

S2、采用模糊粗糙集对初始训练样本集进行数据预处理，得到永磁同步直线电机的训练数据样本集；

S3、将所述训练数据样本集输入到宽度学习系统模型中进行训练，所述宽度学习系统模型采用增强节点增量式宽度学习系统；

S4、利用训练完的宽度学习系统模型对永磁同步直线电机进行控制。

2.如权利要求1所述的基于增量式宽度学习系统的永磁同步电机控制方法，其特征在于，步骤S1中，所述初始训练样本集为X，其表达式为：*

其中，V是反馈速度，V 是参考速度，iabc是三相电流，iq是q轴电流，是q轴参考电流，id是d轴电流，是d轴参考电流， 是d轴参考电压， 是d轴参考电压，Sabc是开关量。

3.如权利要求2所述的基于增量式宽度学习系统的永磁同步电机控制方法，其特征在于，步骤S2包括：

S21、确定初始决策表，把 和 作为决策变量，将可能影响预测结果的变量作为条件变量；

S22、确定各属性模糊隶属度函数及模糊化初始决策表，根据属性的物理特点，选择合适的模糊隶属度函数对各属性模糊划分，得到模糊化的决策表；

S23、根据Quick Reduct约简算法及模糊粗糙集理论的理论定义对影响宽度学习模型结果的多种属性进行约简，并计算每个条件属性占决策属性重要性的百分比，以此作为约简条件，并确定最终条件训练样本集X′。

4.如权利要求3所述的基于增量式宽度学习系统的永磁同步电机控制方法，其特征在于，所述增强节点增量式宽度学习系统包括：特征节点和增强节点，步骤S3包括：n

S31、对所述特征节点，根据训练样本集X′生成特征节点Zi，并构建特征节点组Z；如下：n

Z＝[Z1,Z2,…,Zn]其中， 为线性或非线性激活函数，Wei和βei分别为随机权重和偏置，n为特征节点组个数；

m

S32、对所述增强节点，根据特征节点Zi生成增强节点Hj，并构建增强节点组H：n

Hj＝ξj(ZWhj+βhj),j＝1,2,3,…mm

H＝[H1,H2,…,Hm]其中，ξj为非线性激活函数，Whj和βhj分别为随机权重和偏置；

m

S33、对所述宽度学习系统模型，通过输入数据学习合适的输出权重W ，宽度学习系统模m

型通过使用伪逆算法快速求解输出权重W：m T ‑1 T

W＝(AA+λI) AY+

其中， A表示A的伪逆，I为单位矩阵，Y是训练样本输出；

S34、对所述增强节点增量式宽度学习系统，包含特征节点和增强节点，并构成宽度学m

习系统的隐藏层，通过输出权重W得到最终输出结果S35、对所述增强节点增量式宽度学习系统，使用平均绝对百分比误差评价准确度，公式如下：

式中， 代表真实值，yi代表预测值，n代表样本数， 当MAPE为0％表示该预测模型为完美模型，当MAPE值大于100％则表示该预测模型为劣质模型；

S36、对所述增强节点增量式宽度学习系统，使用增强节点增量式算法更新模型准确度。

5.如权利要求1所述的基于增量式宽度学习系统的永磁同步电机控制方法，其特征在于，还包括以下步骤：

S5、通过PI控制与所述宽度学习系统模型控制速度对比分析所述宽度学习系统模型控制性能。

6.基于增量式宽度学习系统的永磁同步电机控制系统，其特征在于，包括以下模块：样本获取模块，用于获取永磁同步直线电机某段时间内的输入与输出数据，作为宽度学习系统的初始训练样本集；

数据预处理模块，用于采用模糊粗糙集对初始训练样本集进行数据预处理，得到永磁同步直线电机的训练数据样本集；

模型训练模块，用于将所述训练数据样本集输入到宽度学习系统模型中进行训练，所述宽度学习系统模型采用增强节点增量式宽度学习系统；

控制模块，用于利用训练完的宽度学习系统模型对永磁同步直线电机进行控制。

7.如权利要求6所述的基于增量式宽度学习系统的永磁同步电机控制系统，其特征在于，所述初始训练样本集为X，其表达式为：*

其中，V是反馈速度，V是参考速度，iabc是三相电流，iq是q轴电流，是q轴参考电流，id是d轴电流，是d轴参考电流， 是d轴参考电压， 是d轴参考电压，Sabc是开关量。

8.如权利要求7所述的基于增量式宽度学习系统的永磁同步电机控制系统，其特征在于，所述数据预处理模块用于执行以下步骤：S21、确定初始决策表，把 和 作为决策变量，将可能影响预测结果的变量作为条件变量；

S22、确定各属性模糊隶属度函数及模糊化初始决策表，根据属性的物理特点，选择合适的模糊隶属度函数对各属性模糊划分，得到模糊化的决策表；

S23、根据Quick Reduct约简算法及模糊粗糙集理论的理论定义对影响宽度学习模型结果的多种属性进行约简，并计算每个条件属性占决策属性重要性的百分比，以此作为约简条件，并确定最终条件训练样本集X′。

9.如权利要求8所述的基于增量式宽度学习系统的永磁同步电机控制系统，其特征在于，所述增强节点增量式宽度学习系统包括：特征节点和增强节点，所述模型训练模块用于执行以下步骤：

n

S31、对所述特征节点，根据训练样本集X′生成特征节点Zi，并构建特征节点组Z；如下：n

Z＝[Z1,Z2,…,Zn]其中， 为线性或非线性激活函数，Wei和βei分别为随机权重和偏置，n为特征节点组个数；

m

S32、对所述增强节点，根据特征节点Zi生成增强节点Hj，并构建增强节点组H：n

Hj＝ξj(ZWhj+βhj),j＝1,2,3,…mm

H＝[H1,H2,…,Hm]其中，ξj为非线性激活函数，Whj和βhj分别为随机权重和偏置；

m

S33、对所述宽度学习系统模型，通过输入数据学习合适的输出权重W ，宽度学习系统模m

型通过使用伪逆算法快速求解输出权重W：m T ‑1 T

W＝(AA+λI) AY+

其中， A表示A的伪逆，I为单位矩阵，Y是训练样本输出；

S34、对所述增强节点增量式宽度学习系统，包含特征节点和增强节点，并构成宽度学m

习系统的隐藏层，通过输出权重W得到最终输出结果S35、对所述增强节点增量式宽度学习系统，使用平均绝对百分比误差评价准确度，公式如下：

式中， 代表真实值，yi代表预测值，n代表样本数， 当MAPE为0％表示该预测模型为完美模型，当MAPE值大于100％则表示该预测模型为劣质模型；

S36、对所述增强节点增量式宽度学习系统，使用增强节点增量式算法更新模型准确度。

10.如权利要求6所述的基于增量式宽度学习系统的永磁同步电机控制系统，其特征在于，还包括以下模块：

对比分析模块，用于通过PI控制与所述宽度学习系统模型控制速度对比分析所述宽度学习系统模型控制性能。