徐大利 谢青海 崔嵬 王涛 孟凤果

摘要：永磁同步电动机驱动系统速度控制器多采用参数固定的PI控制器。模糊控制推理方式类似于人的思维模式，神经网络具备良好的自适应学习能力，将模糊逻辑与神经网络相结合，设计了一种模糊神经网络速度控制器。通过仿真实验，结果表明，所设计的系统速度控制器性能良好，具有较强的鲁棒性。

关键词：模糊神经网络;永磁同步电动机;鲁棒性

0 引言

传统的永磁同步电动机（PMSM）驱动系统中，速度控制器采用参数固定的控制器，如比例积分控制器（PI）。永磁同步电动机的设计参数对控制系统影响较大，由于模糊控制推理方式类似于人的思维模式，已有相关文献将模糊控制器应用于PMSM驱动系统中[1-2]。同时，神经网络具备良好的自适应学习能力，所以在PMSM驱动系统的理论研究中，相关文献将神经网络控制器应用于永磁同步电动机的控制系统中[3]。神经网络虽然具备良好的自适应学习能力，但是不适于表达基于规则的知识[4]。因此，本文将模糊逻辑与神经网络结合起来，选取其各自的优点，设计了模糊神经网络速度控制器，用于控制PMSM驱动系统。通过仿真实验，结果表明，所设计的系統速度控制器性能良好，具有较强的鲁棒性。

1 自适应模糊神经网络控制器原理

自适应模糊神经网络共分5层：第1层为输入层;第2层为隶属度函数表达层;第3层为模糊规则表达层;第4层实现的是归一化计算;第5层为输出层，实现的是清晰化计算，即：