王德成， 林辉

(西北工业大学自动化学院，陕西西安710072)

0 引言

永磁同步电机(permanent magnet synchronous motor，PMSM)采用永久磁铁产生气隙磁通而不需要外部励磁，具有极好效率特性、极高的功率密度以及转矩/惯量比等优点，成为伺服控制系统驱动电机的首选［1］。矢量控制以转子磁链矢量为参考坐标，将定子电流分为励磁分量和转矩分量分别进行独立控制，不论在电机低速运行区还是在电机高速运行区具有较好的抗扰动性能、启动制动性能和稳定性能，是永磁同步电机的主要驱动控制策略［2］。

矢量控制需要借助于三角函数计算进行坐标变换，但由于微控制器尚不具备直接进行三角函数计算的能力，限制了矢量控制在微控制器中应用的灵活性。目前普遍采用查表法来实现三角函数的计算［3］。表的容量太大，需要大的存储空间;表的容量太小会产生较大的电流谐波畸变和脉动转矩。文献［4－9］提出采用神经网络实现三角函数运算。神经网络的高精度学习是建立在大量训练样本基础之上，具有较多的权重因子，在线计算三角函数时需要大量的运算，限制功率器件的开关频率。而且，为了实现高精度的三角函数计算，传递函数中含有指数项，不适合直接在微控制器中应用。

支持向量机(support vector machine，SVM)是一种基于结构风险最小原理的机器学习方法［10］。它通过非线性映射将输入向量映射到高维特征空间中，然后在此构建最优分类面。该分类面不仅能够尽可能多的将两类数据点正确的分开，同时使分开的两类数据点距离分类面最远。……