1.一种新颖的无刷直流电机模糊神经网络pi控制器，其特征在于：包括新型模糊神经网络和传统pi控制器两部分组成，新型模糊神经网络包括模糊控制与神经网络两部分，利用有限的模糊规则信息进行逻辑推理，对无刷直流电机的非线性特点进行逼近，并采用一种自适应动量调谐方法对nfnn-pi的网络权值、隶属度函数的中心和宽度进行调整,利用边缘稳定性来获得较高的跟踪性能和对外界负载扰动和参数变化的鲁棒性;最终，pi控制器对无刷直流电机进行闭环控制。
2.根据权利要求1所述的新颖的无刷直流电机模糊神经网络pi控制器，其特征在于：包括如下步骤：
s1：设p是一个线性系统，确定系统的稳定裕度为bp,c，其中c是p的稳定控制器,bp,c被用来表示对非结构扰动的鲁棒性，值大于0.3的控制器通常表明具有良好的鲁棒性裕度；
s2:模糊逻辑设计：nfnn-pi控制器将电机的实际转速测量值wm(t)和参考转速值wr(t)的误差值e和误差变化率ec作为系统输入变量，系统输出变量为将pi控制器比例系数kp和积分系数ki；模糊控制根据系统的输入与输出变量关系建立一个模糊条件语句构成的模糊规则库；
s3:新型模糊神经网络设计，其结构有5层前馈网络，具体包括输入层、隶属度函数生成层、推理层、归一化层和输出层；将无刷直流端机控制系统的转速误差e和误差变化率ec作为输入神经元，输出神经元为kp和ki，即为pi控制器的增益，文中将对归一化层与输出层之间的权值进行了修正，其他连接层权值均定义为1;
s4：新型模糊神经网络的结构确定之后，可以由模糊规则确定输入量对应的语言变量，确定第(ⅱ)层中隶属度函数的参数以及第(ⅴ)层中的权值;
s5:将最终新型模糊控制神经网络输出的kp和ki输入到pi控制器中，用以实现无刷直流电机的转速控制。
3.如权利要求2所述的新颖的无刷直流电机模糊神经网络pi控制器，其特征在于：所述步骤s3中新型模糊神经网络5层结构具体包括：
(ⅰ)层为输入层，将输入转速误差e和误差变化率ec对应该层节点；
(ⅱ)层为隶属度函数层，该层是新型模糊神经网络的第1隐层，其中每个神经元均代表模糊集中的语言变量;误差e和误差变化率ec分别定义为5个模糊变量，因此该层有10个神经元;该层的主要作用是是计算各输入量相对于各个语言变量值模糊集合的隶属度函数,该层的隶属度函数选为高斯函数，定义隶属度函数hj；
(ⅲ)层为模糊推理层，该层是新型模糊神经网络的第2隐层，其中每个神经元均代表已知模糊规则库中的一条模糊规则，根据模糊规则数确定该层含有神经元个数,该层主要作用是确定模糊规则的相关匹配，并计算出各个模糊规则的适应度；
(ⅳ)层为归一化层，该层的神经元数与第(ⅲ)层相同，该层主要作用是实现归一化运算；
(ⅴ)层为输出层，该层主要作用是进行清晰化运算。
4.如权利要求2所述的新颖的无刷直流电机模糊神经网络pi控制器，其特征在于：所述步骤s4中新型模糊神经网络的结构确定之后，定义误差函数的性能指标为j，其中(ⅴ)层网络权值的修正算法如下：
ɷj(k)=ɷj(k-1)+α[wm(k)-wr(k)]hj+β(k)[ɷj(k-1)-ɷj(k-2)]
式中：ɷj为(ⅴ)层网络权值，j为(ⅳ)层神经元个数，α为学习速率，β(k)动量调谐函数：
β(k)=β0exp(-bp,c)
式中：β0为初始系数；修正权值后，利用误差反向传播法计算隶属度函数的中心和宽度的调整变化量，再利用梯度寻优算法来调整中心和宽度。