1.一种转矩-电流神经网络开关磁阻电机控制方法，包括以下步骤：步骤I SRM各相转矩分配

采用最佳分配函数：立方分配函数，其表达式为：

式中f(θ)表示立方分配函数；θ为转子位置角；θon为开通角；θov为换相重叠角；

根据公式(1)，将给定总转矩 分配作为各相参考转矩Tkk，转矩分配公式如下：式中 为设定参考转矩；Tkk(θ)为随θ变化的相参考转矩；θoff为关断角；kk＝1,2,3表示SRM的A、B及C三相；

步骤Ⅱ、基于转矩-电流关系构造的神经网络前馈控制器

Ⅱ-1 SRM的转矩-电流逆模型与神经网络前馈控制器激励函数

采用转矩-电流逆模型表达式：

公式(3)中Te(θ)为随θ变化的相参考转矩，取值为转矩分配函数输出Tkk；a(θ)、b(θ)参数分别由转子位置角θ与固定的权值向量Wa、Wb确定；i(θ)为随θ变化相电流；

转矩-电流逆模型表达式为神经网络前馈控制器的隐含层激励函数；

Ⅱ-2、神经网络前馈控制器

SRM三相中的每一相配置一个神经网络前馈控制器，其为转矩-电流逆模型神经网络；

某一相的神经网络前馈控制器为包括输入层、隐含层和输出层的神经网络；参考转矩Tkk和转子位置角θ作为神经网络前馈控制器的输入，Tkk为相参考转矩由步骤I的转矩分配函数TSF得到；θ为SRM转子位置角，由SRM上的位置传感器所测得；神经网络前馈控制器的隐含层H＝[O1,O2,O3…Oj…,Om]，Oj为隐含层节点的输出，j为隐含层节点数，j＝1,2,3，.......m,m为6～200；输出层为求和线性函数；

神经网络前馈控制器运行过程如下：

Ⅱ-21、隐含层权值向量

隐含层激励函数中神经网络学习之前参数确定：固定权值向量Wa＝[wa1,wa2,…,waj,…,wam]T、Wb＝[wb1,wb2,…,wbj,…wbm]T随机初始化为10～30之间的任意数值；输出层权值向量Wout＝[w1,w2,…wj…wm]T初始化，取值大于零；

Ⅱ-22、转子位置角θ

SRM上的位置传感器所测得的转子位置角θ经三角函数归一化为0至1之间周期变化的数值；

Ⅱ-23、隐含层各节点的输出

按转矩-电流逆模型表达式计算，得到i(θ)值作为隐含层各节点的输出值Oj；

Ⅱ-24、神经网络前馈控制器输出

式中 表示某个神经网络前馈控制器的输出电流，称为某相神经网络输出电流，wj为加权系数，j为隐含层节点数，j＝1,2,3，...m；

Ⅱ-25、根据学习信号ierror调整输出权值

由SRM上安装的转矩传感器得到当前转矩值Tc与给定总转矩 的差为转矩偏差△T，作为外环PID控制器的输入，外环PID控制器得到随θ变化的PID输出电流ierror，ierror经电流分配得到某相的PID控制电流 为本方法所得的某相参考电流；

Ⅱ-3、神经网络前馈控制器的反馈误差学习

本发明神经网络前馈控制器输入层采用固定的权值，输出层的权值的性能指标函数为：步骤Ⅱ-21确定神经网络前馈控制器隐含层权值向量Wa和Wb的数值后，根据梯度下降法，调整神经网络前馈控制器的输出权值；

式中wj(k)为k时刻的输出层权值，wj(k-1)是k时刻的前一时刻的输出层权值，wj(k-2)是(k-1)时刻的前一时刻的输出层权值，△wj(k)为调整权值增量；ierror(k)为k时刻的PID输出电流值；Oj(k)为隐含层k时刻的输出量；α为动量因子，α取值为0.01～0.1，η为参数调整学习率，η取值0～1；

步骤Ⅲ、电流滞环控制

神经网络前馈控制器的输出的神经网络控制电流与PID控制器输出PID控制电流 叠加后得到的参考控制电流 作为内环电流迟滞环控制器的输入电流，同时SRM上安装的电流传感器也将当前三相的电流值Ikk.mear送入内环电流迟滞环控制器，内环电流迟滞环控制器经功率驱动器控制SRM运行，实现转矩控制，抑制SRM的转矩脉动。

2.根据权利要求1所述的一种转矩-电流神经网络开关磁阻电机控制方法，其特征在于：所述步骤Ⅱ-2中神经网络前馈控制器的神经网络加权系数学习采用动量梯度法学习。

3.根据权利要求1所述的一种转矩-电流神经网络开关磁阻电机控制方法，其特征在于：在SRM启动时，神经网络前馈控制器与PID控制器共同作用，得到参考控制电流 使系统稳定工作；神经网络前馈控制器经过充分学习后，ierror趋于零， 趋于零， 趋于 并使得Tc趋于T*ref，转矩偏差△T趋于零，PID控制器维持稳定输出，SRM在神经网络前馈控制器与PID控制器的控制下处于动态平衡状态。

4.根据权利要求1至3中任一项所述的一种转矩-电流神经网络开关磁阻电机控制方法设计的一种转矩-电流神经网络开关磁阻电机控制系统，包括信号处理器、功率驱动器、电流传感器、位置传感器、转矩传感器、显示器及开关磁阻电机SRM，开关磁阻电机的输出轴上安装转矩传感器，输出SRM的当前转矩信号Tc；磁阻电机转子上安装位置传感器，输出当前转子位置角θ；SRM的三相输入端分别安装电流传感器，输出当前各相的电流值；其特征在于：所述信号处理器含有与SRM三相配合的三个神经网络前馈控制器，其为转矩-电流逆模型神经网络，还有转矩分配模块、PID控制模块、电流迟滞环控制模块；转矩分配模块将给定总转矩 分配为各相参考转矩Tkk、和转子位置角θ一起，分别输入三个神经网络前馈控制器，输出各相的神经网络控制电流 分别送入三个电流加法器；

SRM上安装的转矩传感器得到的当前转矩值Tc和给定总转矩 接入转矩减法器，输出的转矩偏差△T接入外环PID控制器，外环PID控制器据此得到PID输出电流ierror，ierror接入电流分配模块，电流分配模块根据当前转子位置角θ得到各相的PID控制电流 接入上述的三个电流加法器；同时PID输出的ierror作为三个神经网络前馈控制器的神经网络的学习信号；

三个电流加法器分别实现各相神经网络控制电流 和PID控制电流 叠加，得到三相的参考电流 接入电流迟滞环控制模块，同时SRM上安装的电流传感器也将当前三相的电流值作为电流反馈信号送入内环电流迟滞环控制器，内环电流迟滞环控制器的输出经功率驱动器控制SRM运行。

5.根据权利要求4所述的一种转矩-电流神经网络开关磁阻电机控制系统，其特征在于：所述信号处理器与显示器连接，显示控制状态和控制结果。

6.根据权利要求4所述的一种转矩-电流神经网络开关磁阻电机控制系统，其特征在于：所述信号处理器配置CAN接口。