随着各领域对直线运动控制精度要求的不断提高,永磁直线同步电动机（PMLSM）作为直线运动系统的核心组成部分,因具有高速度、高精度、高功率密度、结构简单等优点已越来越广泛地被应用在精密数控加工、半导体制造、轨道交通、精密仪器等领域。但同时也因为缺少中间传动机构的缓冲,使得PMLSM受到系统内、外部扰动影响的程度大大增加,进而影响其控制精度。因此本文提出一种与基于神经网络的扰动估计器相结合的且具有有限时间收敛特性的递归型非奇异终端滑模控制（RNTSMC）方法,以增强系统鲁棒性能,提高位置跟踪精度。首先,对PMLSM的组成与工作原理予以阐述,详细介绍并建立了PMLSM在dq坐标系下包含不确定性因素的数学模型。接下来在此模型基础上建立起PMLSM矢量控制系统,并对系统中存在的扰动的产生原因以及扰动对系统的影响进行具体分析。其次,针对传统滑模控制抖振大且不能在有限时间收敛的问题设计了PMLSM非奇异终端滑模控制器,同时设计了一种兼具指数趋近律和幂次趋近律优点的幂次型趋近律,以保证快速收敛并抑制抖振。但仿真结果表明,在受到较大扰动时,非奇异终端滑模控制器的跟踪精度较差。于是将控制器的滑动面作为内层滑动面,并以其为变量,在此基础上设计了积分形式的外层非奇异终端滑动面,两者形成具有双层滑动面结构的RNTSMC,外层、内层滑动面依次收敛,保证了在扰动存在的条件下跟踪误差能够在理论上的有限时间内收敛至零。仿真结果表明,RNTSMC能够有效提高动子位置跟踪精度,并使系统具备具有较好的控制性能。最后,由于实际应用中会存在诸多扰动从而不可避免地影响系统跟踪精度,为尽可能消除RNTSMC在实际应用中产生的误差,分别设计了基于双隐层径向基函数神经网络和连续径向基情感神经网络的扰动估计器用于估计并补偿集总扰动带来的影响,通过自适应更新连接权重进一步提高神经网络逼近效果,并在理论上验证了两种方法的稳定性。仿真结果表明,所提出的两种方法均能提高系统位置跟踪精度,相比之下,加入连续径向基情感神经网络对扰动进行补偿的系统具有更好的控制性能。