永磁同步电机由于高功率密度、体积小、高可靠性的特点,被广泛应用于高性能控制领域中,如工业机器人、CNC数控机床、混合动力汽车等。其中转动惯量是永磁同步电机中一个十分重要的参数。一般情况下,若负载变化,转动惯量也会变化。当电机转动惯量变化较大时,若伺服系统控制器参数不变,则会导致伺服电机的控制精度变低,甚至会引起控制系统不稳定。因此,需要辨识永磁同步电机伺服系统转动惯量,并且根据辨识的结果对电机控制器的PI参数进行整定。这样才能提高伺服系统的控制性能,并增强控制系统的抗干扰能力和鲁棒性。由于现有的辨识算法,如减速法、人工轨迹法等,都是属于离线辨识。虽然其算法简单,但是其辨识精度低,以及辨识时间长。而现有的在线辨识算法,如最小二乘法、模型参考自适应算法等,虽然有一些学者在进行研究,但是仍然不能得出令人满意的结果。因此在线辨识仍然处于研究阶段,值得深入研究。本文首先介绍了永磁同步电机的数学模型和矢量控制基本原理;其次深入研究了积分法、改进的最小二乘法、模型参考自适应辨识算法原理,并在Matlab中搭建了电机控制系统仿真模型,并采用上述不同的算法在该模型基础上进行仿真,并得出各个算法的辨识结果。再次针对不同的辨识算法结果进行分析,并根据辨识结果对各种算法进行相应地改进,再次仿真并与之前的结果进行比较,得出结论。针对传统最小二乘法辨识产生的数据饱和的现象,引入遗忘因子。仿真结果表明,利用遗忘因子最小二乘法能够有效防止数据饱和并能够使辨识时间缩短。同时针对传统模型参考自适应原理辨识误差较大的现象,引入了加权递推平均滤波算法。仿真结果表明,引入加权平均滤波算法后,不仅可以减小辨识的误差,同时也能让辨识误差和辨识时间有一个较好的折衷选择。最后根据电机控制系统的要求,选取最适合的算法进行实验的验证。并在永磁同步电机伺服控制系统中加入参数自整定功能。仿真和实验结果表明,模型参考自适应算法辨识效果较好,且基于转动惯量的控制器PI参数自整定可以显著地提高控制系统的抗干扰能力。