韩明文，刘 军

(1.上海电机学院，上海200237;2.华东理工大学，上海200240)

0 引 言

直线电动机从结构上看是把旋转电机沿径向剖开拉直而形成的。其工作原理与普通旋转电机类似，都可以认为是由绕组电流产生气隙磁场进而与励磁磁场相互作用产生电磁推力。直线电动机相比于旋转电机省去了中间传动装置，具有结构简单、噪声低、速度快、精度高、组合灵活等优点，从而逐渐广泛应用于现代工业中［1］。

然而正是由于其没有中间传动装置，导致在结构上少了缓冲环节，使得参数摄动、负载变化等不确定因素的影响直接作用于电机，给系统控制带来一定的难度。传统PID控制具有结构简单、输出稳定、易实现等优点而至今被沿用，但在以高速高精、负载扰动大的加工场合，简单PID控制不能达到理想的控制效果［2－3］。针对以上现状，本文提出了RBF神经网络PID的控制策略，基于神经网络具有很强的自学习能力，能对各种扰动和模型的参数摄动进行实时学习，将RBF神经网络与传统PID相结合形成RBF神经网络整定PID控制，能在一定程度上改进传统PID控制器的性能。

1 永磁同步直线电动机模型

直线电动机只是旋转电机结构上的一种演变，其原理基本类似，因此采取与旋转电机相同的分析方法，由于直线电动机初级永磁体产生的磁动势为定值及在次极上无阻尼绕组，可以建立直线电动机的数学模型。仅考虑电流基波分量，做以下假设［4］:

(1)忽略铁心饱和;

(2)不计涡流和磁滞损耗;

(3)初……