滑模变结构控制具有快速性、鲁棒性和实现简单等优点,但是在切换面上存在着“抖振”现象;神经网络具有学习和适应不确定性系统动态特性的能力。本文以永磁同步直线电机为研究对象,针对滑模控制存在“抖振”的原因,考虑通过神经网络的实时补偿来优化滑模变结构控制,削弱“抖振”,实现系统对给定速度(位移)信号的快速、精确响应,提高系统的鲁棒性。 论文首先在对永磁同步直线电机及矢量控制的工作原理研究分析基础上,在MATLAB/SIMULINK环境下建立了电流滞环跟踪型SPWM矢量控制的永磁同步直线电机通用仿真模型。然后从三个角度出发,用神经网络方法来优化滑模变结构控制:滑模—神经双自由度控制器。滑模控制器的快速性保证系统具有良好的动态跟踪性能;用神经网络方法设计输出反馈控制器,对系统参数摄动和外在阻力进行抑制,并削弱滑模控制引起的系统抖振。基于神经网络观测器的滑模输入控制器。由于普通线性观测器对系统参数摄动的适应性较差,在线性观测器的基础上并联了一个神经网络观测器,两者输出相加作为最终的观测值实现补偿,从而进一步提高伺服精度。基于RBF函数神经网络补偿的滑模位置跟踪控制器。采用RBF函数神经网络来对系统的不确定因素及扰动进行学习,并进行实时补偿控制,消除大幅“抖振”对系统的影响,改善系统的性能。 最后,对每种控制方案都在构建的永磁同步直线电机通用仿真平台上进行了仿真研究,从而验证了各个控制方案的有效性。