1.一种双神经网络自学习的IPMSM自抗扰控制方法，其特征在于，包括以下步骤：步骤1，建立内置式永磁同步电机在同步旋转坐标系d轴和q轴下的电压方程、电磁转矩方程和机械运动方程；

步骤2，设计三阶跟踪‑微分器得到转子位置跟踪信号v1、一阶微分信号v2和二阶微分信号v3；

步骤3，设计三阶非线性扩张状态观测器对转子位置角度θm、转子位置角的一阶微分信号、二阶微分信号及扰动进行观测；

步骤4，根据步骤2和步骤3设计非线性状态误差反馈控制率；

步骤5，根据步骤3，设计RBF神经网络对非线性扩张状态观测器进行在线参数整定；

步骤6，根据步骤4，设计BP神经网络对非线性状态误差反馈控制率进行在线参数整定；

步骤1中电机在同步旋转坐标系下的电压方程为：其中：id和iq分别是定子电流的直、交轴分量；Rs为定子电阻；p为微分运算；ud和uq分别为定子电压直、交轴分量；Ld和Lq分别为定子电感的直、交轴分量；ψf为转子永磁体磁链，ωe是电机旋转的电角速度；

同步旋转坐标系下的电机电磁转矩方程为：Te＝1.5pniq[ψf+id(Ld‑Lq)]    (2)根据转子位置和转速的关系：

当采用id＝0矢量控制时，同步旋转坐标系下电机机械运动方程为：式(2)‑(4)中：pn为电机的极对数；TL为负载转矩；B为阻尼系数；θm为电机的转子机械角度，ωm为电机的转子机械角速度；

步骤2中：

定义跟踪函数：

3 2

fst＝‑r[v1(k)‑vref(k)]‑3rv2(k)‑3rv3(k)     (5)三阶跟踪微分器的离散形式如下：

式中：v1(k+1)为原信号的跟踪信号，v2(k+1)为原信号的一阶微分信号，v3(k+1)为原信号二阶微分信号，h0为系统采样周期；

通过式(6)求得v1、v2和v3；

步骤3中设计的三阶非线性扩张状态观测器如下：其中：

式中：z1，z2，z3分别为转子位置θm、ωm以及扰动的估计值；fal(ek，α，δ)是原点附近具有线性段的连续幂次函数，作为误差反馈函数；δ为线性段的区间长度，且δ∈(0，1)；β01、β02、β03为观测器增益；a为非线性段区间的幂次，为待确定常数；

对应离散形式的ESO表示为：

步骤4中非线性状态误差反馈离散方程表示为：式中，β1和β2分别为比例增益和微分增益；α1和α2为非线性因子，δ1为滤波因子；

经过补偿后的控制量为：

步骤5设计RBF神经网络对非线性扩张状态观测器中的β01、β02、β03进行在线整定，T取x＝[uc(k)，y0(k)，y0(k‑1)] 作为RBF神经网络输入向量，其中uc(k)和y0(k)分别为系统的控制量和系统输出量；隐含层取6个节点，即q的取值为6；所构造的误差逼近函数en(k)及误差目标函数J0如下：利用最速梯度下降法，得输出权系数wj(k)、节点基宽参数σj(k)和节点中心cij(k)的迭代算法分别为：式中η0为学习速率，取值范围为[0，1]，α1为动量因子，取值范围为[0，1]；

定义：

式中，a1，a2，a3为常数，且取值范围都是(0，1]；n为大于1的正整数，则原网络变为优化a1，a2，a3这三个常数；

若控制器的参考输入为θmr，反馈输入为θmf，则定义：erf＝θmr‑θmf       (16)根据系统输入与输出间的误差，a1，a2，a3增量系数分别为：a1，a2，a3三参数整定公式如下：式中 为被控对象Jacobian信息，Jacobian矩阵为：经过RBF神经网络及修正学习算法输出的控制量修正值和实际输出值为：步骤6设计BP神经网络对非线性状态误差反馈控制率中的参数β1和β2进行在线整定：构造目标函数：

根据最速梯度下降法得输出层神经元权系数的修正公式为：式中，η为学习速率，η>0；βg(g＝1,2)为隐含层与输出层的权系数；

结合单神经元算法，构造符号函数L(k)使得：则调整后的加权系数公式为：