1.基于磁链的开关磁阻电机转矩脉动抑制控制方法，其特征是，包括步骤如下：步骤1、采集开关磁阻电机的电压u、电流i和转子位置角θ；

*

步骤2、对转子位置角θ进行求导后得到转速控制量ω；

*

步骤3、将转速控制量ω与设定的参考转速ωref的转速偏差e进行PI调节后得到参考转矩Tref；

步骤4、在转子位置角θ的控制下，对参考转矩Tref进行转矩分配，得到相参考转矩Tk；

步骤5、计算电磁转矩预处理值F(i,θ)：其中，A和B为拟合系数，A＝ψm‑LdastIm， ψm为开关磁阻电机最大磁链值，Im为开关磁阻电机最大磁链下的电流值，Ldast为开关磁阻电机转子凸极中心位置完全对齐时的饱和电感，Ld为开关磁阻电机定子凸极与转子凹槽中对齐时的饱和电感，Lq为开关磁阻电机定子凸极与转子凹槽中心对齐时的饱和电感，Nr为开关磁阻电机转子极数，i为电流，θ为转子位置角；

步骤6、将电压u、电流i和电磁转矩预处理值F(i,θ)输入神经网络转矩估计模型，将神经网络转矩估计模型输出的转矩估计值 与参考转矩Tref的第一转矩偏差uf作为神经网络转矩估计模型的误差，通过误差反向传播算法对神经网络转矩估计模型进行在线学习训练，实现对转矩的估计，神经网络转矩估计模型输出转矩估计值步骤7、将转矩估计值 与相参考转矩Tk的第二转矩偏差ut进行PD运算后得到磁链补偿量Δψk；

步骤8、将相参考转矩Tk输入动态RBF神经网络转矩‑磁链模型，将动态RBF神经网络转矩‑磁链模型相参考转矩Tk与转矩估计值 的第二转矩偏差ut作为动态RBF神经网络转矩‑磁链模型的误差，通过误差反向传播算法对动态RBF神经网络转矩‑磁链模型进行在线学习训练，实现相参考转矩到磁链的转换，动态RBF神经网络转矩‑磁链模型输出相磁链控制量ψk；

步骤9、利用磁链补偿量Δψk对相磁链控制量ψk进行补偿，得到补偿后的相磁链步骤10、根据电压u和电流i计算参考磁链ψref，并计算补偿后的相磁链 与参考磁链*

ψref的磁链偏差Δψ；

*

步骤11、对磁链偏差Δψ进行磁链滞环控制和功率变换后去驱动开关磁阻电机，以实现对开关磁阻电机的转矩控制。

2.根据权利要求1所述基于磁链的开关磁阻电机转矩脉动抑制控制方法，其特征是，步骤6中，神经网络转矩估计模型的第j隐含节点的激励函数hj为：其中，X为神经网络转矩估计模型的输入向量，X＝[i,θ,F(i,θ)]，i为电流，θ为转子位置角，F(i,θ)为电磁转矩预处理值，k为设定的形状调节因子，0＜k＜1，c为设定的中心位置调节因子，0＜c＜1，bj代表第j隐含节点的基宽值，j＝1,2.3。

3.根据权利要求1所述基于磁链的开关磁阻电机转矩脉动抑制控制方法，其特征是，步骤3中，转速偏差e为：

*

e＝ω‑ωref

*

式中，ω为转速控制量，ωref为参考转速。

4.根据权利要求1所述基于磁链的开关磁阻电机转矩脉动抑制控制方法，其特征是，步骤6中，第一转矩偏差uf为：

式中， 为转矩估计值，Tref为参考转矩。

5.根据权利要求1所述基于磁链的开关磁阻电机转矩脉动抑制控制方法，其特征是，步骤7和8中，第二转矩偏差ut为：式中， 为转矩估计值，Tk为相参考转矩。

6.根据权利要求1所述基于磁链的开关磁阻电机转矩脉动抑制控制方法，其特征是，步骤9中，补偿后的相磁链 为：

式中，ψk为相磁链控制量，Δψk为磁链补偿量。

7.根据权利要求1所述基于磁链的开关磁阻电机转矩脉动抑制控制方法，其特征是，步*

骤10中，磁链偏差Δψ为：

式中， 为补偿后的相磁链，ψref为参考磁链。

8.基于磁链的开关磁阻电机转矩脉动抑制控制系统，包括电机电压检测模块、电机电流检测模块、电机转子位置检测模块、求导模块、转速减法器、PI调节器、转矩分配模块、动态RBF神经网络转矩‑磁链模型、磁链加法器、磁链减法器、磁链计算模块、磁链滞环控制器、功率变换器、第一转矩减法器、预处理函数模块、神经网络转矩估计模型、第二转矩减法器和PD运算模块；

电机电压检测模块、电机电流检测模块和电机转子位置检测模块的输入端与开关磁阻电机连接；

电机转子位置检测模块的输出端连接求导模块的输入端，求导模块的输出端连接转矩分配模块的控制端和转速减法器的一个输入端，转速减法器的另一个输入端输入参考转速；转速减法器的输出端连接PI调节器的输入端，PI调节器的输出端连接转矩分配模块的输入端和第一转矩减法器的一个输入端；转矩分配模块的输出端连接动态RBF神经网络转矩‑磁链模型的输入端和第二转矩减法器的一个输入端；

电机电流检测模块的输出端分别连接预处理函数模块的输入端和神经网络转矩估计模型的一个输入端；电机转子位置检测模块的输出端分别连接预处理函数模块的输入端和神经网络转矩估计模型的一个输入端；预处理函数模块的输出端连接神经网络转矩估计模型的一个输入端；神经网络转矩估计模型的输出端连接第一转矩减法器的另一个输入端和第二转矩减法器的另一个输入端；

第一转矩减法器的输出端连接神经网络转矩估计模型的学习端；第二转矩减法器的输出端连接PD运算模块的输入端和动态RBF神经网络转矩‑磁链模型的学习端；

动态RBF神经网络转矩‑磁链模型的输出端和PD运算模块的输出端分别连接磁链加法器的两个输入端；磁链加法器的输出端连接磁链减法器的一个输入端；

电机电压检测模块的输出端和电机电流检测模块的输出端连接磁链计算模块的两个输入端；磁链计算模块的输出端连接磁链减法器的另一个输入端；

磁链减法器的输出端连接磁链滞环控制器的输入端，磁链滞环控制器的输出端经由功率变换器连接开关磁阻电机的控制端。