异步电动机(Induction Motor-IM)凭借设计结构简单、转换效率高、价格低廉等优点,在工、农业和交通运输动力系统中占据着举足轻重的地位。但IM动力系统又有着高阶数、强耦合和参数不确定的非线性模型,故而IM动力系统极易受到来自参数改变和外部负载扰动的影响,进而减弱系统的动静态性能和降低被控精度。同时,微处理器凭借生产成本低、使用寿命长、运行速度快等诸多优点,很快就被普遍运用到离散控制中。因为离散控制算法在稳定性和可实现性是优于连续算法的,离散系统也能更贴切的描述实际工程系统模型,所以研究IM离散控制具有十分重要的意义。然而,实际工程中又存在着大量的输入饱和非线性约束,这会影响系统稳定性,降低系统的性能指标,增加控制算法的运算量和控制器的复杂程度,故在设计离散控制算法时应考虑这一实际问题。综上所述,本文在考虑输入饱和非线性约束的条件下,将命令滤波控制和自适应神经网络技术相结合,构造了IM离散系统控制器。论文的主要研究成果如下:1.利用Euler公式先将IM连续模型离散化,进而可得离散形式的IM动态系统模型。2.基于IM系统离散模型,结合命令滤波控制和自适应技术,本文构建一种科学有效的离散控制算法用于IM转子速度和位置的控制研究。针对离散控制器设计过程中出现的未知非线性函数,本文采用神经网络技术对其逼近。同时,神经网络自适应技术能够很好地解决离散系统中由于函数高阶性产生的不良影响。针对利用传统反步法设计过程中出现的“计算爆炸”和“因果矛盾”问题,文中引入命令滤波技术,可以有效解决以上两个问题。3.针对IM离散动态系统,本文在设计控制器时,首次考虑输入饱和约束这一实际问题,更加有利于文中提出的控制算法在实际工程中的应用。4.文中采用Lyapunov稳定性分析方法来证明离散系统的稳定性。通过Matlab仿真实验说明了本文的离散控制算法能够对电动机转子速度和位置达到良好的调节和跟踪效果,同时也可以保证输入电压始终维持在饱和输入电压的限定值之间,对比仿真结果说明文中设计出的控制器能够更好地保证速度和位置的控制效果,抑制负载转矩突变的能力更强,进而可以说明该方法的强鲁棒性和优越性。