摘要无刷直流电机运行中参数摄动和换相过程的非线性, 在一定程度上限制了其调速性能.
针对这些特点, 在分析无刷直流电机换相区和传导区数学模型的基础上, 提出了一种基于神经
网络逆的控制策略, 采用静态神经网络加积分器来构造电机的逆系统, 并将该逆系统与原电机
系统串联复合构成伪线性系统, 实现整体的近似线性化, 从而简化了外环控制器的设计难度.
仿真与实验结果均表明神经网络逆控制方法对负载扰动与电机参数摄动有较强的鲁棒性,
且能在减小转速超调的同时保证了响应速度及跟踪精度, 使整个系统具有优良的动静态性能.

在分析无刷直流电机(BLDCM) 数学模型的基础上建立控制系统的仿真模型,
提出了用基本样条函数实现BLDCM 模糊神经网络速度控制器设计的新方法. 在dSPACE
环境中构建了BLDCM 控制系统硬件, 进行了基本样条模糊神经网络调速系统的实时控制实验.
结果表明, 该方法响应快, 超调小, 鲁棒性强, 动, 静态特性均优于传统PI 控制.