伺服驱动器的电机参数自学习模糊控制方法及系统

本发明提供了一种伺服驱动器的电机参数自学习模糊控制方法及系统，该方法包括：对工业现场内的多源运行数据进行联合采样与干扰剔除处理，从中获取电机结构与负载变化的关联信息。基于关联信息，进行模糊推理规则库的多层级约简与动态扩展，得到可变隶属函数配置。依据该配置对电机在高速运行和局部负载突变阶段的扭矩浮动数据进行迭代矫正，得到更新后的关键电机参数。根据更新的电机参数触发伺服驱动器的闭环控制信号，并进行多路径输出处理，以得到实时的控制指令。本方法通过自适应调整伺服驱动器的控制策略，提升电机在不同负载与运行状态下的稳定性与响应精度，解决了传统控制方法中电机参数不精准、适应性差的问题。