开关磁阻电机(SRM)具有结构简单、体积小、重量轻、工作可靠、制造成本低等诸多优点.由它组成的开关磁阻电机调速系统(SRD)因其调速范围广,调速性能优越而引起了国内外学者的普遍关注.然而,开关磁阻电机电磁关系的高度非线性使得采用常规的线性控制方法很难满足其控制要求,寻求更好的控制策略成为了解决这一问题的根本途径. 神经网络(NN)因其具有在线学习能力,非常适合于解决非线性系统的控制问题,但传统的BP神经网络结构复杂、训练速度慢,且存在局部极小问题,很难满足实时控制要求.径向基函数(RBF)神经网络具有学习速度快、泛化能力强的突出优点,有较强的实时性,结合快速的训练算法和简单、合理的控制方式就能够满足SRD系统对控制器的要求. 本文首先应用MATLAB/SIMULINK仿真环境建立了四相(8/6极)开关磁阻电机及其驱动系统的动态仿真模型,对开关磁阻电机的各种控制方式进行了动态仿真分析,在此基础之上,利用RBF神经网络进行智能控制策略的研究.在开关磁阻电机调速研究中,本文提出一种基于RBF神经网络的开关磁阻电机自适应PWM转速控制方法,该方法利用RBF神经网络极强的逼近能力和快速的收敛性,将离线训练好的RBF神经网络构成转速控制器,并结合在线辨识完成网络的在线训练,让控制器在电机运行中自适应地调节网络参数,使之适应环境的变化.仿真结果表明该方法具有响应速度快、控制精度高、适应性强等优点. 在抑制转矩脉动的研究中,本文提出了一种基于RBF神经网络的开关磁阻电机瞬时转矩控制方法,利用从开关磁阻电机动态模型仿真中产生的数据来对RBF神经网络进行离线训练,学习不同的转矩分配函数对应的电流波形,再将训练好的RBF神经网络用于电机的转矩控制中,完成不同转速下,转矩、位置到电流的非线性映射,最后通过瞬时电流跟踪控制使电机电流跟踪参考电流,完成电机的转矩控制.仿真结果证明,该控制策略能有效减小开关磁阻电机的转矩脉动,具有控制精度高、能适应转速变化等优点. 在硬件试验中,本文以TI公司的TMS320LF2407 DSP为基础,进行了开关磁阻电机控制系统设计,并通过硬件电路和软件编程实现了转子位置检测、转速调节以及电流检测等功能.