在日常的生产生活中，交流电机应用广泛，所以对电机控制系统的研究是非常有意义的。交流电机是一个多变量、非线性强耦合的时变参数系统，虽然矢量控制技术在一定程度上能使异步电动机得以解耦控制，但是这并不能改变其非线性且具有时变参数的特点。况且在交流调速控制系统实际运行过程中不可预测的干扰信号很多，所以系统中调节器的设计一直是人们研究的焦点。 常规的PID调节器以其结构简单、可靠性高，易于工程实现等优点被广泛应用于各个控制领域，但其参数整定方法一直是人们在研究的问题，因为在系统模型参数变化不大的情况下，参数易于整定，控制效果优良。但是当被控对象具有高度非线性和不确定性时，参数整定就比较困难，调节器很难达到理想的控制性能指标。在近二十年来，为了解决调节器设计问题，不少专家学者利用模糊逻辑理论、遗传算法等智能算法优化整定交流调速控制系统中调节器的参数。 本文采用一种RBF神经网络来整定调节器参数的。相比BP网络等，RBF神经网络具有对被控对象的模型要求不严格、运算速度快、快速局部逼近等优点。针对按转子磁链定向的交流矢量控制问题，本文给出一种采用RBF神经网络来整定调节器参数的方法。 在交流电机的实际运行过程中，电机参数是时变的，尤其是转子电阻的变化，而且转子电阻的变化对采用矢量控制方法来说影响很大。本文以异步鼠笼电机为被控对象。首先，分析异步电机的数学模型，通过坐标变换和按转子磁场定向，将定子电流矢量分解为励磁分量和转矩分量，实现解耦控制。然后，研究如何采用BP网络进行转子电阻的辨识，为后面的调节器设计提供准确的参数。接着，给出用RBF网络来整定调节器参数的方法。采用matlab仿真工具包进行相应的仿真实验，并对仿真结果进行了分析。