1.一种在线整定永磁同步电动机自抗扰控制器参数的神经网络，其特征在于，具体按照以下步骤实施：
步骤1：设计一个由跟踪微分器、扩张状态观测器和非线性状态误差反馈控制率三部分构成的一阶自抗扰控制器；
步骤2：将光电编码器得到的实时转速信号、速度信号作一步延迟在信号和自抗扰控制器的输出信号给到神经网络的输入层中，作为神经网络的输入。
步骤3：将一个三个输入层、三个隐含层、一个输出层结构的径向基神经网络与自抗扰控制器相结合，设计一个参数调节器；
步骤4：将上述设计的神经网络自抗扰控制器作为速度控制器来对系统进行实时调节。
2.根据权利要求1所述的在线整定永磁同步电动机自抗扰控制器参数的神经网络，其特征在于，在所述步骤1中，跟踪微分器的形式如下：
其中：v1(k)是跟踪微分器的输出信号，v(k)是系统的输入指令信号，r为速度因子，δ是起滤波作用的滤波因子，α是值为0‑1内的非线性因子；
fal函数为特定的非线性函数，表达式如下所示：
3.根据权利要求2所述的在线整定永磁同步电动机自抗扰控制器参数的神经网络，其特征在于，在所述步骤1中，扩张状态观测器的形式如下：
其中：β1、β2为误差系数，y(k)为系统的输出信号，z1(k)、z2(k)分别是观测器对系统输出的观测值和对扰动的观测值。
4.根据权利要求3所述的在线整定永磁同步电动机自抗扰控制器参数的神经网络，其特征在于，在所述步骤1中，非线性状态误差反馈控制率的形式如下：
其中：β为控制器参数，z1(k)、z2(k)分别是观测器对系统输出的观测值和对扰动的观测值，b为系统的补偿因子。
5.根据权利要求4所述的在线整定永磁同步电动机自抗扰控制器参数的神经网络，其特征在于，在所述步骤2中，首先利用性能指标函数来实时修正神经网络隐含层函数中的基宽向量、中心坐标和权值等变量，进一步对自抗扰控制器控制率中的关键参数进行修正，从而实现参数的自调节。
6.根据权利要求5所述的在线整定永磁同步电动机自抗扰控制器参数的神经网络，其特征在于，在所述步骤3中，参数调节器的设计步骤如下：
步骤a：构建一个三层神经网络，得到神经网络的输出ym(k)；
径向基神经网络是一种三层神经网络，输入层节点个数为3，隐含层节点个数为3，输出层节点个数为；隐含层神经元采用高斯函数，其表达式如下：
其中：X＝[x1,x2,…xn]为网络输入向量，Cj＝[cj1,cj2,…cjn]为网络中第j个节点的中心矢量，|| ||表示输入向量与中心向量间的距离，bj为第j个节点的基宽向量；
隐含层到输出层采用线性加权，表达式如下：
T
ym＝ωh＝ω1h1+ω2h2+...+ωmhm (6)
T
其中ω＝[ω1,ω2,...ωm]为网络输出层的权值向量；
步骤b：对神经网络隐含层的网络参数中心矢量、基宽向量与权值向量进行优化；
选取性能指标函数为：
其中：y(k)为系统的实际输出，ym(k)为径向基神经网络的输出；采用的优化方法为梯度下降法，其算法表达式分别如下：
T
其中：X＝[u(k),y(k),y(k‑1)] 为径向基神经网络的输入向量，η为学习速率，α为动量因子；
径向基神经网络输出的雅可比信息表达式为：
步骤c：利用步骤b中得到的雅可比信息来实时调整自抗扰控制器中非线性误差反馈控制模块中的权值系数；
这里选取性能指标函数为：
其中：r(k)为系统的输入信号，y(k)为系统的输出信号；
权值系数β的调整采用梯度下降法，公式如下：
其中： 为步骤b中得到的雅可比信息，η为学习速率。