永磁无刷直流电动机是一种性能优越、应用前景广阔的电动机,传统的理论分析及设计方法已比较成熟,它的进一步推广应用,在很大程度上有赖于对控制策略的研究.该文提出了一套基于DSP的全数字无刷直流电动机模糊神经网络双模控制系统,将模糊控制和神经网络分别引入到无刷直流电动机的控制中来.充分利用模糊控制对参数变化不敏感,能够提高系统的快速性的特点,构造适用于调节较大速度偏差的模糊调节器,加快系统的调节速度;由于神经网络既具有非线性映射的能力,可逼近任何线性和非线性模型,又具有自学习、自收敛性,对被控对象无须精确建模,对参数变化有较强的鲁棒性的特点,构造三层BP神经网络调节器,来实现消除稳态偏差的精确控制.以速度偏差率为判断依据,实现模糊和神经网络两种控制模式的切换,使系统在不同速度偏差段快速调整、平滑运行.此外充分利用系统硬件构成的特点,采用适当的PWM输出切换策略,最大限度的抑制逆变桥换相死区;通过换相瞬时转矩公式推导和分析,得出在换相过程中保持导通相功率器件为恒通,即令PWM输出占空比D=1,来抑制定子电感对换相电流影响的控制策略.上述抑制换相死区和采用恒通电压的控制方法,减小了换相引起的转矩波动,使系统电流保持平滑、转矩脉动大幅度减小、系统响应更快、并具有较强的鲁棒性和实时性.在这种设计下,系统不仅能实现更精确的定位和更准确的速度调节,而且可以使无刷直流电动机长期工作在低速、大转矩、频繁起动的状态下.该文选用TMS320LF2407作为微控制器,将系统的参数自调整模糊控制算法,BP神经网络控制算法以及PWM输出,转子位置、速度、相电流检测计算等功能模块编程存储于DSP的E2PROM,实现了对无刷直流电动机的全数字实时控制,并得到了良好的实验结果的结果.