磁悬浮直线同步电动机满足高端数控领域对高精度高速度的需求,但磁悬浮系统是一个典型的强非线性系统,并存在耦合性问题。为了实现对磁悬浮直线同步电动机进给平台的精确控制,本文研究了一种RBF-PID自学习控制器。为了提高系统抗外界扰动的能力,引入线性扩张状态观测器Linear Extended State Observer（LESO）。论文“磁悬浮直线同步电动机RBF-PID控制的研究”,在国家自然科学基金项目“磁悬浮直线同步电动机磁悬浮进给平台运行机理与控制策略研究”的资助下完成。论文的主要研究内容如下:研究磁悬浮直线同步电动机的结构及其工作机理。建立其数学模型,推导出电磁推力和磁悬浮力的表达式,并推导出对应的运动方程。由于进给子系统和悬浮子系统中间存在耦合问题,影响着电磁推力与磁悬浮力,为了解决上述问题,本文采取di=0的控制方法,很大程度上削弱了耦合项,为后续进给子系统控制器的设计带来便利。RBF-PID自学习控制器的设计。由于系统内部的强非线性特性影响着控制精度,因此设计RBF-PID自学习控制器。为了使RBF网络的学习时间缩短,并加快网络训练的收敛速度,本文在梯度法的基础上再引入动量因子项,将RBF作为辨识器在线识别磁悬浮直线同步电动机的雅克比信息,采用增量式的PID控制算法,利用RBF辨识出的雅克比信息,对三个参数进行实时的调整,使PID控制器有了自学习的能力。搭建磁悬浮直线同步电动机进给子系统的仿真模型,对RBF-PID自学习控制器进行仿真建模,并用s函数编写控制器子程序,最后分析仿真结果,证明RBF-PID自学习控制器的可靠性。线性扩张状态观测器（LESO）的设计。为了提高系统抗不确定性扰动的能力,引入LESO。设计LESO的表达式,并对LESO进行稳定性分析,构造其Lyapunov函数,得到LESO的有界收敛条件,为了提高其观测收敛效果,设计ε,搭建控制系统仿真模型,用s函数编写LESO的程序,利用LESO对不确定性扰动进行观测,将观测结果反馈到RBF-PID自学习控制器中提高控制精度,分析LESO的正确性和有效性。