摘要：传统的直接转矩控制存在较大的转矩脉动。为了减小转矩脉动，提高控制性能，将模糊神经网络算法引入到直接转矩控制当中，设计了基于模糊神经网络的直接转矩控制系统。所采用的Takagi--Sugeno型模糊神经网络充分融合了模糊逻辑和神经网络两者的优点。在模糊神经网络的训练过程中，采用了一种最小二乘算法和BP算法相结合的混合算法进行学习，提高了学习速度。为了验证该算法有效性和可行性，在MATLAB／Simulink环境下建立了基于模糊神经网络的直接转矩控制系统仿真模型，进行了仿真研究。仿真结果表明采用Takagi—Sugeno型的模糊神经网络算法使直接转矩控制系统的转矩脉动明显变小，控制性能明显改善。

关键词：模糊神经网络 直接转矩控制 转矩脉动 混合学习算法 

单位：西南交通大学电气工程学院 成都610031