1.一种基于极限学习机的逆变器反步模糊神经网络控制方法，其特征在于，所述逆变器为三相全桥式LC型逆变器，所述控制方法包括如下步骤：步骤1：根据三相全桥式LC型逆变器的滤波电感电流和滤波电容电压，构建三相逆变器的α-β坐标系上系统动力学模型；

α-β坐标系上系统动力学模型为：其中：

步骤2：根据步骤1构建的系统动力学模型，将其转换为二阶系统，选择系统状态变量，并加入集总不确定项，构建新的三相逆变器等效系统模型；

二阶系统为：

选择交流输出电压

其中：u(t)＝[u

这里的扰动项d

||d

其中：||·||

步骤3：根据步骤2构建的三相逆变器等效系统模型，运用反步法来设计控制器，引入稳定函数和虚拟误差，构建反步控制器；

反步控制器设计为：

其中：k

e

α为稳定函数：

e

步骤4：根据步骤3构建的反步控制器，利用模糊神经网络对反步控制器进行优化，构建反步模糊神经网络控制器，并加入自适应律来调整控制器参数；

反步模糊神经网络控制器设计为：其中：N

FNN参数的自适应律设计为：如果

如果

如果

如果

如果

如果

其中：||·||是欧几里德范数；η步骤5：根据步骤4构建的反步模糊神经网络控制器，通过极限学习机算法，对系统的集总不确定性进行估计，并补偿扰动，构建基于极限学习机的反步模糊神经网络控制器；

基于极限学习机的反步模糊神经网络控制器设计为：其中：H(x,w,b)是隐藏层函数，x为极限学习机的输入向量，w和b分别为隐藏神经元的输入权重和偏差的向量，他们由高斯分布生成，步骤6：根据步骤5构建的基于极限学习机的反步模糊神经网络控制器，获取控制器的输出，通过SVPWM来对三相逆变器的全桥开关进行信号控制。

2.根据权利要求1所述的基于极限学习机的逆变器反步模糊神经网络控制方法，其特征在于，所述步骤6获取控制器的三相逆变器全桥开关控制信号为：将u