永磁同步电机具有功率密度大、运行效率高、动态响应快等诸多优点,被广泛用于航空航天、船舶推进、轨道交通、精密仪器等高端装备制造业。电机系统中的电机模型参数误差以及包括电机转子磁链谐波、齿槽转矩、变流器死区效应和电流采样误差在内的各种周期性扰动会降低系统的动态和稳态性能,限制永磁同步电机在高性能场合的应用。本文旨在提升永磁同步电机的控制性能,针对电机模型参数误差和各种周期性扰动的影响,分别进行了参数辨识和转矩波动抑制的研究。针对逆变器死区效应等非线性特性造成的电机参数在线辨识误差问题,通过建立死区效应引起的逆变器扰动电压数学模型,提出了考虑扰动电压的永磁同步电机参数在线辨识策略。针对在线辨识过程中因忽略电流谐波而引起扰动电压辨识误差的问题,提出了两种扰动电压在线辨识的改进措施。一种针对引起辨识误差的来源,在电流环采用迭代学习控制器来抑制电流谐波;另一种则利用电压模型的平均值方程来辨识扰动电压,使辨识结果免受电流谐波的影响。在不依赖任何电机或逆变器参数的前提下,提高了扰动电压的辨识精度,并最终提高了电机参数的辨识精度。将在线辨识策略与预测电流控制相结合,利用参数辨识结果调节控制器参数,消除了预测电流控制的稳态误差,改善了系统的稳态性能。针对逆变器非线性特性造成的电机参数静态辨识误差问题,通过建立电机静止状态下的逆变器扰动电压数学模型,提出了考虑扰动电压的永磁同步电机参数静态辨识策略。通过选择合适的电压激励,在既不需要任何模型参数,也不需要增加堵转装置等设备的前提下,有效排除了扰动电压的影响,提高了参数辨识精度。将静态辨识策略引入传统矢量控制,用于整定控制器参数,有效提升了传统矢量控制的起动性能。针对周期性扰动造成的永磁同步电机转矩波动问题,提出了基于参数自适应迭代学习控制的转矩波动抑制策略。依据奈奎斯特稳定判据推导出迭代学习控制器参数的可行域,解决系统的稳定性问题;同时构建控制器参数的自适应机制,依据自适应率在可行域内对控制器参数进行在线调节,解决迭代学习控制下系统动态性能下降的问题。研究结果表明,本文提出的参数自适应迭代学习控制策略在电机稳态运行时有效抑制了转矩波动,并且相比于固定参数的迭代学习控制策略,缩短了系统动态响应调节时间,改善了系统的动态性能。