永磁同步電動機智能自適應積分反推控制*

魏惠芳

(沈陽城市建設學院信息與控制工程系，沈陽 110167)

0 引言

永磁同步電動機(permanent magnet synchronous motor,PMSM)廣泛應用于機器人、電動汽車和機床等中低功率和高性能驅動領域。然而，PMSM系統是由參數時變的高階復雜動力學組成的非線性系統[1-2]。PMSM的高性能應用要求其控制器具有響應速度快、跟蹤精度高、超調量小、抗干擾能力強等特點。盡管線性控制算法已廣泛應用于PMSM的控制中，但在跟蹤能力和魯棒性方面的性能還不盡人意[3]。因此，學者們提出了魯棒非線性控制方法來提高PMSM的控制性能，包括反推控制，自適應控制，智能控制等[4-6]。

反推控制能夠實現控制系統的全局跟蹤與穩定，但存在“微分爆炸”問題，從而影響控制性能[7-8]。俞沛宙等[9]將自適應反推控制應用于PMSM的速度控制中，采用自適應算法調整參數，有效提高了速度跟蹤性能和抗擾性，但自適應律容易產生控制死區。GALLEGOS 等[10]設計魯棒反推控制器，但并沒有提出任何誤差補償機制。

模糊神經網絡(fuzzy neural network,FNN)的設計不需要數學模型，并且具有逼近非線性和不確定性系統的能力[11]。為簡化FNN的設計，在實際應用中通常采用對稱隸屬函數。然而，采用對稱隸屬函數的FNN則需要應用大量的規則，從而增加計算復雜度。為此，學者們利用非對稱隸屬函數直接擴展標準高斯或三角隸屬函數的維數，不僅可以提高網絡的學習能力，還可優化模糊規則的數目[12]。此外，小波神經網絡也因收斂精度高和收斂速度快受到了廣泛的關注。鑒于FNN和小波神經網絡的上述優點，若將二者結合，設計一種小波模糊神經網絡(wavelet fuzzy neural network,WFNN)，并應用于PMSM系統中，則可以進一步增強控制性能。……