对交流传动等快速变化的非线性复杂系统，人们已提出了各种控制方案，这些方案解决了一些问题，但还存在一些不足之处。因此对快速变化的复杂工业系统，研究一种工程实用的有效控制方法是有待解决的问题。 滑模变结构响应快，对系统参数和外部干扰呈不变性，可保证系统是渐近稳定的。尤其可贵的是其算法简单，易于工程实现。其缺点是存在抖动和需知不确定参数上下界等问题。模糊控制无需建立数学模型，控制的机理符合人们对过程控制作用的直观描述和逻辑思维。其缺点是设计缺乏系统性，控制规则的选择多采用试凑法。神经网络具有较强的自学习能力，可以充分逼近任意复杂的非线性。其缺点是学习速度较慢，难以控制较复杂的对象。 由此可见，变结构控制、模糊控制和神经网络控制相互之间具有很强的互补性。而研究这种互补性，实现滑模变结构的智能控制就是本文研究的目的。 本论文的研究内容包括以下方面： 1、研究了模糊系统、神经网络的特点，对滑模变结构的发展现状进行了较为详细的评述，分析了交流传动的控制策略。 2、对电流源逆变器(CSIM)构成的交流变频调速系统，首先分析了CSIM在低速存在的问题，利用滑模变结构对参数变化的不灵敏性，推导出CSIM的简化数学模型，并以常规滑模变结构理论为指导，设计了CSIM控制器。最后利用微型计算机实现了该控制系统，并给出了实验和仿真结果。 3、提出了一种基于模糊神经网络的滑模变结构控制。首先通过模糊神经网络在线调控符号函数项的幅值，利用Lyapunov稳定性定理推出保证控制系统稳定的模糊神经网络学习率取值范围；对于大范围参数摄动，研究了一种全参数调节的模糊神经网络滑模控制；提出了一种神经网络滑模鲁棒控制器设计方法，以使系统在任意初始条件下都处于滑动状态，实现运动过程中的全程滑模控制。 4、针对神经网络学习速度收敛较慢的问题，重点研究了提高神经网络收敛速度的方法。首先采用一种快速的变尺度优化学习算法，对不确定系统进行逼近，提出了一种基于系统辨识的滑模变结构控制方法；结合单层Adaline 划曰大学烬士学馒诀文网络，研究了一种具有滑模变结构的权值训练法，提出了一种神经网络自适应滑模变结构控制，对它的稳定性和收敛性进行了深人探讨；研究了一种基于神经网络的自学习滑模变结构设计方法，对三层自适应神经网络结构、算法进行了分析，最后给出了仿真实验结果。 5、主要研究基于观测器的滑模变结构鲁棒智能控制。针对离散多变量系统，对系统确定性部分设计了一个Luenberger观测器，然后用一个神经网络来动态补偿系统的不确定性。为了进一步提高观测器的观测全局性，设计了一个在线神经网络滑模参数调节器：针对一类仿射非线性系统，本文还提出了一种智能滑模变结构状态观测器的设计方法，并对系统的鲁棒特性进行了研究。