有许多复杂的系统是无法用传统方法对它定义,特别是那些非线性的动态时变系统,还不能建立有效的数学模型和控制方法。目前,模糊技术和神经网络是智能控制理论中的一个十分活跃的分支,具有处理抽象信息、强大的自学习和自整定功能。同时,小波分析技术由于对信号具有时频局部化性质和多分辨率功能,一出现便得到了迅速的发展。为此,本文研究了基于小波分析、模糊逻辑技术和神经网络相结合的一种新的模型—模糊小波网络。 永磁同步电动机内部是参数变化、非线性、强耦合和多变量高阶复杂系统。利用矢量控制可以简化电机模型,解耦控制,保持快速响应。然而高性能控制系统,不仅要求快速和准确性,而且要求在未知扰动和参数变化时具有快的恢复能力。因此,本文在模糊小波网络基础上,提出了几种永磁同步电动机的高性能控制方法。 本文的研究工作主要包括以下几个方面: 首先将小波技术与模糊神经网络结合,研究了一种隶属函数为小波函数的模糊小波网络模型和一种模糊后件为小波函数的模糊小波网络模型。建立了这两种模型的基本结构及对小波函数的要求,分析了模型的特性,提出了拓展出的三种典型的网络模型及在B样条函数下三种典型模型在结构上等效性。从网络泛化能力的角度,给出了模型结构的初始化设计方法,研究了基于BP的学习算法和扩展卡尔曼滤波器与最小二乘法相结合的混合学习方法。从理论上,证明了该模型对非线性函数的万能逼近能力,使模糊小波网络能以任意精度逼近任意非线性函数。对两种模糊小波网络模型进行静态系统的仿真研究,表明了所研究的模糊小波网络模型在非线性系统建模上,不仅具有多分辨能力,而且逼近精度好和泛化能力强。 然后,将动态递归神经网络与前面所研究的静态模糊小波网络结合,研究了两种动态递归模糊小波网络。证明了其逼近性;该模型采用BP学习算法