随着科学技术的快速发展,永磁直线同步电动机(PMLSM)凭借其推力大、响应快、精度高等优点,被广泛应用于工业机器人、数控加工和半导体制造系统等现代制造业中。PMLSM伺服系统直接驱动进给机构做直线运动,在结构上省去了中间传动装置,但系统跟踪精度易受参数变化、摩擦力和负载扰动等不确定性因素的影响,因此为提高系统的跟踪性能和鲁棒性能,本文采用了将神经网络和反推控制将结合的方案来控制PMLSM伺服系统。首先,综述了PMLSM伺服系统以及反推控制方法的研究现状,介绍了PMLSM的结构特点和工作原理,分析了系统中不确定性因素产生的原因以及对系统跟踪性能造成的影响,建立了含有不确定性因素的PMLSM数学模型。在阐述了矢量控制原理的基础上,建立了PMLSM矢量控制系统。然后,针对PMLSM伺服系统位置跟踪问题,设计了反推控制方案,通过逐步修正算法来设计虚拟控制函数,每个反推阶段利用上一阶段的控制律产生新的虚拟控制律,直到获得实际控制输入。同时,每个反推阶段利用李雅普诺夫函数的稳定性理论保证系统的稳定性。仿真结果表明,所提出的控制方案明显提高了系统的跟踪性能。最后,为进一步提高PMLSM伺服系统的跟踪性能和鲁棒性能,针对系统中存在的不确定性因素在设计过程中是未知且难得到的这一问题,分别采用了静态自适应径向基(RBF)神经网络反推控制、动态自适应Elman神经网络反推控制的方案,对系统动态方程进行综合分析和理论推导,利用神经网络对不确定性进行估计,克服不确定性对系统的影响,提高系统的鲁棒性能。对比仿真结果可知,智能反推控制能够进一步提高系统的鲁棒性能和跟踪性能,而动态Elman神经网络反推控制比静态RBF神经网络反推控制有更快的收敛速度和更好的跟踪性能。