基于PSO优化的模糊神经网络的直接转矩控制

为了克服传统直接转矩控制(DTC)转矩和磁链脉动大的缺点,提出一种T-S模型与神经网络控制相结合的控制方法,将其引入传统DTC中,该方法融合模糊逻辑容易表达人类知识和神经网络自适应学习能力强的特点,能够有效减小转矩和磁链脉动,提高系统的稳定性。仿真结果表明,与传统DTC对比,转矩和磁链脉动显著减小,具有良好的稳态性能。