滑模变结构控制本质上是一类特殊的非线性控制,当系统状态处在滑模面上时,系统对内部参数变化和外部扰动具有很强的鲁棒性。但是实际上状态轨迹到达滑模面后,很难严格地沿着滑模面向平衡点滑动,而是在滑模面两侧来回穿越,从而产生抖振现象。首先为了解决常规滑模控制器的鲁棒性不理想和抖振问题,本文将模糊控制、滑模变结构控制和自适应控制三者的优点结合起来,设计了一种自适应模糊滑模控制方法。该方法设计了二个不同的自适应模糊控制器,第一个自适应模糊控制器用来逼近滑模等效控制中的非线性系统内部不确定参数,使系统对内部参数变化不敏感;第二个自适应模糊控制器用来连续逼近滑模切换控制中的高频切换函数,消除了外部扰动对系统的影响和抖振现象。仿真结果证明了自适应模糊滑模控制系统比常规滑模控制系统具有更好的鲁棒性和自适应性,系统抖振现象也得到了抑制。然后利用免疫算法具有较强的全局收敛能力和鲁棒性,设计了一种RBF网络在线混合训练算法,该方法对网络隐单元的“中心”和“宽度”采用免疫遗传算法进行训练,对网络权值采用最小二乘法进行寻优,提高了网络学习效率和辨识精度。仿真结果表明该方法对非线性系统的逼近精度明显高于常用的梯度下降法。最后利用滑模变结构控制理论设计矢量控制系统中的速度控制器,以改善系统的超调和抗干扰性能。为了抑制滑模控制在系统中造成的抖振现象,利用上面提出的基于免疫遗传算法的RBF网络代替滑模切换控制。将该方法与PI控制器矢量控制方法进行比较,仿真结果证明了使用RBF神经网络滑模变结构控制的异步电机矢量控制系统具有更好的控制性能。