交流伺服技术的应用越来越广,人们对其要求也越来越高。由于交流伺服系统本质上具有非线性、多变量、参数时变的性质,因此要实现高品质的控制,对控制策略就提出了很高的要求。针对传统控制方法对交流电动机数学模型依赖性强的缺点,本文结合模糊逻辑、神经网络、滑模变结构控制以及反馈线性化控制设计了几种控制器。 首先对交流电动机伺服驱动系统进行了建模,在研究交流电动机物理方程、转矩方程的基础上建立了交流伺服驱动系统的数学模型,然后研究其控制的各种控制算法。 基于反步递推算法的径向基函数神经网络自适应控制器是以径向基函数神经网络控制器代替利用反步递推算法设计的反馈线性化控制律。径向基函数神经网络控制器的学习法则、控制器以及不确定项的边界值的自适应估计律均通过李亚普诺夫稳定性理论推导得出。控制系统不仅满足了渐近稳定的条件,而且对于系统不确定项具有相当好的鲁棒性。 自适应滑模变结构控制器是以李亚普诺夫稳定性理论为基础,结合滑模控制技术和自适应控制律来实现稳定控制的目的。其中的自适应律用来估计受控系统所受未知扰动量的大小,避免了在设计传统滑模变结构控制器时必须要求知道扰动量大小的限制。并且利用遗传算法在线优化理想的切换参数和自适应律的自适应参数,从而降低了电流命令的抖振现象,保证了原来系统的稳定性。 基于神经网络的模糊控制器,利用神经网络调整模糊控制器内部参数,使得模糊控制器能够自适应调整隶属函数,达到智能控制的目的。基于遗传算法优化的模糊神经网络控制器,是利用遗传算法在线调整模糊神经网络的学习速率和隶属函数层与规划层之间的连接权值。设计的控制器不仅具有良好的跟踪性能,且具有较强的鲁棒性,改善了交流伺服驱动系统的响应性能。