1.一种模糊分数阶PID开关磁阻电机转矩控制方法，包括以下步骤：步骤I、外环的模糊分数阶PID转速控制

所述外环的模糊分数阶PID控制器包括分数阶微分和分数阶积分和二维模糊控制器；

分数阶微积分的数学表示为:

式(1)中， 表示分数阶微积分算子，上标α表示分数阶微积分阶次，下标b和t分别表示分数阶微积分的上界和下界；j表示分数阶微积分区间均匀划分的子区间标号；h表示区间均匀划分的子区间长度；α＞0时， 表示分数阶微分，α＜0时， 表示分数阶积分；f(t)是被处理的函数，与其对应f(t-jh)是离散化后函数；

公式(1)中， 的递推公式为：

式(2)中， mm是j的最大取值；

wwjα是中间变量；

当α＝0时，

1 1 1 1

当α＝1时，ww 0＝1,ww 1＝-1,ww2＝ww3＝…＝0，即一阶纯微分，只与当前采样值和前一时刻的采样值有关；

当0＜α＜1时，

wwα1,wwα2,wwα3…≠0，

分数阶微分与历史采样值均有关；

电机转速参考值ω*和根据传感器测得的电机当前转子位置角计算得到的转速ω的差为偏差e1；偏差e1和偏差e1的分数阶微分算子 的输出为二维模糊控制器的输入，0＜μ≤1，μ为分数阶微分阶次；偏差e1的分数阶积分算子 和二维模糊控制器并联，0＜λ≤

1，λ为分数阶积分阶次，分数阶积分系数Kn输入分数阶积分算子；二维模糊控制器的输出uu和分数阶积分算子 的输出叠加为本模糊分数阶PID控制器的输出uc；

所述分数阶积分系数Kn为Kn＝k1+k2/(|e1|+k3)，k1范围是1～5，k2范围是1～8，k3范围是

0～1；

|e1|是转速偏差e1的绝对值，分数阶积分系数Kn依据转速偏差进行自适应调整；

二维模糊控制器的量化因子Ke和Kec分别相当于所述模糊分数阶PID控制器的比例系数和分数阶微分算子的微分系数；

采用最短记忆法把分数阶微分与分数阶积分离散展开，本模糊分数阶PID控制器中k时刻的分数阶微分 与k时刻的分数阶积分 的离散化分别为：k≤mm时

k＞mm时

式(3)至(6)中，qj为分数阶积分离散化系数，dj为分数阶微分离散化系数，q0是为分数阶积分离散化系数的初始值，d0为分数阶微分离散化系数的初始值，且q0＝d0＝1；qj的递推关系为 dj的递推关系为控制量uc由二维模糊控制器的输出uu与分数阶积分算子输出叠加，其中二维模糊控制器的输入和输出变量为{负大、负中、负小、零、正小、正中、正大}，或者表示为{NB、NM、NS、ZE、PS、PM、PB}；其输入和输出变量对应隶属度函数曲线，其中NB，PB采用Z型隶属度函数，其它模糊子集均采用三角型隶属度函数；模糊推理采用Mamdani模糊推理法；

本模糊分数阶PID控制器的输出uc，作为内环的PID转矩控制器的参考转矩Tref；

步骤Ⅱ、基于RBF神经网络的增量PID控制器的的内环转矩滞环控制PID转矩控制器包括增量PID控制器、内环转矩滞环控制器和RBF神经网络；

在内环转矩滞环控制器之前，通过增量PID控制器对转矩偏差进行预处理，PID转矩控制器所用的雅克比信息 通过RBF神经网络建模得到；通过RBF神经网络的输出与SRM转矩之差学习完成RBF神经网络的建模；增量PID控制器的输出作为内环转矩滞环控制器的输入信号；

转矩偏差的预处理包括RBF神经网络建模和增量PID控制器；

以参考转矩Tref与反馈转矩Te的偏差的平方作为性能指标函数自适应地调节增量PID控制器的比例、积分和微分系数kp，ki，kd；

增量PID控制器配置了RBF神经网络；

传感器测得的开关磁阻电机输出转矩Te，Te(k)为当前k时刻的SRM输出转矩值，Te(k-1)是前一时刻即k-1时刻的SRM输出转矩值；Te与参考转矩Tref的偏差为e，e(k)为当前k时刻的Te(k)与Tref的偏差，e(k-1)为k-1时刻Te(k-1)与Tref的偏差，e(k-2)是e(k-1)的前一时刻即k-2时刻的值；u(k)为增量PID控制器当前k时刻的输出，u(k-1)为u(k)前一时刻的值，增量PID控制器k时刻的输出作为转矩滞环控制器的输入，RBF神经网络的输出Tem与SRM转矩Te的偏差作为RBF神经网络的学习信号；

转矩滞环控制器的输出送入功率转换器；

采用查表法得到反馈转矩Te(k)，由当前时刻测得的总电流量与当前位置角进行查表，求得当前反馈转矩转矩Te(k)，所述查表法所用表格由有限元数据分析得到；

u(k)＝u(k-1)+kp(e(k)-e(k-1))+kie(k)+kd(e(k)-2e(k-1)+e(k-2))  (5)kp，ki，kd为增量PID控制器的参数，分别是比例系数、微分系数和积分系数；

增量PID控制器的整定指标为 采用梯度下降法进行调整更新，增量PID控制器三个参数kp，ki和kd的调整如下：

其中：η1为整定的学习速率，取值范围0～1；k时刻的Δkp(k)，Δki(k)和Δkd(k)分别是k时刻的kp(k)，ki(k)和kd(k)的增量，Δu(k)为u(k)的增量， 为被控对象SRM的雅克比信息，通过RBF神经网络建模得到；

所述RBF神经网络包括输入层、隐含层和输出层；

RBF神经网络的输入为u(k-1)、Te(k)和Te(k-1)；隐含层为高斯函数hh＝[hh1,hh2,…,hhm]T，m为隐含层个数，m＝1,2,3,…,6；RBF神经网络的输出为k时刻RBF输出转矩Tem(k)；w1,w2,w3...,wm表示输出层m个加权系数；

RBF神经网络辨识SRM的雅克比信息的性能指标为 RBF神经网络k时刻的输出权值wm(k),m＝1,2,3,…,6,k时刻的节点基宽参数bm(k)，每个k时刻的节点中心cmi(k)，i＝1,2,3；

递推调整算法如下：

式(9)中α1，α2，α3为学习速率；β为动量因子；hhm为隐含层高斯函数；wm(k)为输出层权值k时刻的值，Δwm(k)为wm(k)k时刻的增量，wm(k-1)为wm(k)前一时刻的值，wm(k-2)为wm(k-1)前一时刻的值；bm(k)为基宽参数k时刻的值，Δbm(k)为bm(k)的增量，bm(k-1)为bm(k)前一时刻的值，bm(k-2)为bm(k-1)前一时刻的值；cmi(k)为节点中心k时刻的值，Δcmi(k)为cmi(k)的增量，cmi(k-1)为cmi(k)前一时刻的值，cmi(k-2)为cmi(k-1)前一时刻的值；RBF神经网络的输入向量XX＝[u(k-1),Te(k),Te(k-1)],节点中心向量CCm＝[cm1(k),cm2(k),cm3(k)]；

其中：雅克比矩阵 的计算如下：

Δu(k-1)为k-1时刻的u(k-1)的增量；

外环的模糊分数阶PID控制器，对转速进行调节控制并得到内环的PID转矩控制器的参考转矩Tref；内环的PID转矩控制器采用基于RBF神经网络的增量PID控制器是对转矩偏差预处理的内环转矩滞环控制；外环与内环互相配合下运行，实现了模糊分数阶PID的SRM直接转矩的有效控制。

2.根据权利要求1所述的模糊分数阶PID开关磁阻电机转矩控制方法，其特征在于：所述步骤Ⅰ中分数阶微积分的上界b取值0～1，下界t取值0～1，分数阶微积分区间均匀划分的子区间长度h取值10-2～10-4秒, mm是均匀划分的子区间标号j的最大取值。

3.根据权利要求1所述的模糊分数阶PID开关磁阻电机转矩控制方法，其特征在于：所述步骤Ⅰ中分数阶积分系数Kn为Kn＝k1+k2/(|e1|+k3)，k1取值范围是1～5，k2取值范围是1～8，k3取值范围是0～1。

4.根据权利要求1所述的模糊分数阶PID开关磁阻电机转矩控制方法，其特征在于：所述步骤Ⅰ中模糊分数阶PID控制器中分数阶微分阶次0＜μ≤1，分数阶积分阶次0＜λ≤1。

5.根据权利要求1所述的模糊分数阶PID开关磁阻电机转矩控制方法，其特征在于：步骤ⅡRBF神经网络的递推调整算法中学习速率α1＝α1＝α3，取值范围0～1，动量因子β取值范围0.001～0.1。

6.根据权利要求1至5中任一项所述的模糊分数阶PID开关磁阻电机转矩控制方法设计的一种模糊分数阶PID开关磁阻电机转矩控制系统，包括信号处理器、功率转换器、电流和位置传感器、显示器及开关磁阻电机；其特征在于：所述信号处理器含有转矩计算模块、转速计算模块、模糊分数阶PID控制器模块、基于RBF神经网络的增量PID控制器模块和转矩滞环控制器；

电流传感器信号和SRM电机位置传感器的输出信号接入信号处理器的转矩计算模块和转速计算模块，得到SRM的当前转矩和转速；

模糊分数阶PID控制器模块的输出接入基于RBF神经网络的增量PID控制器模块，基于RBF神经网络的增量PID控制器模块的输出接入转矩滞环控制器，转矩滞环控制器的输出接入功率转换器，在转矩滞环控制器的控制下，功率转换器驱动SRM运行。

7.根据权利要求6所述的模糊分数阶PID开关磁阻电机转矩控制系统，其特征在于：所述信号处理器连接显示器，实时显示控制状态和控制结果。

8.根据权利要求6所述的模糊分数阶PID开关磁阻电机转矩控制系统，其特征在于：所述信号处理器连接CAN接口，提供与外设连接的通信接口。