开关磁阻电机驱动系统(Switched Reluctance Motor Drive, SRD)以其结构简单、成本低廉、在宽广的调速范围内均具有高效率等诸多优点,成为普通交流传动系统和直流传动系统强有力的竞争者。但开关磁阻电机(Switched ReluctanceMotor,SRM)严重的非线性以及变结构、变参数特性增加了它的控制难度,传统的线性控制方法往往难以取得令人满意的效果。因此,对于SRD控制策略的研究一直是近年来开关磁阻电机研究领域的热点之一。模糊神经网络融合了模糊逻辑和神经网络的双重优点,在保持模糊逻辑系统较强的知识表达和推理能力的同时又具有强大的自适应能力,因此非常适合于SRD的控制。本文着重研究模糊神经网络在开关磁阻电机控制系统中的应用。论文从开关磁阻电机驱动系统仿真平台的建立开始,在对开关磁阻电机的基本理论及其非线性数学模型进行充分研究的基础上,应用Matlab/Simulink仿真环境建立了四相(8/6极)开关磁阻电机及其驱动系统的动态仿真模型,为进一步研究控制策略打下基础。为与模糊神经网络控制进行比较,论文首先建立了开关磁阻电机模糊控制系统。通过对模糊控制、神经网络和模糊神经网络理论的分析与综合,论文提出一种基于模糊神经网络的开关磁阻电机自适应控制新方法。该方法将嵌入专家知识的模糊神经网络应用于SRM的速度闭环控制,根据速度偏差在线调整控制规则,使之适应参数、结构不断变化的系统;又增加了BP神经网络在线辨识机构,利用BP神经网络强大的非线性映射能力实时观测系统输出,给出难以直接得到而又为控制器所需的系统信息。该方法对于解决SRM由于非线性严重而导致控制困难的问题具有较强的针对性。仿真结果表明,该系统较模糊控制系统适应性强,稳定性好,控制精度及响应速度均令人满意。