21世纪,随着永磁材料的相关研究得到持续发展,永磁同步电机(PMSM)在工业生产、航空航天及军民领域应用广泛。然而,由于PMSM是一个非线性、变量多、耦合强的系统,同时存在强外部干扰及参数扰动等问题,导致其参数较难被辨识、抗干扰能力差、速度跟踪精度不高等。本文运用基于波波夫(Popov)超稳定理论的模型参考自适应(MRAS)、基于径向基函数(RBF)神经网络的分数阶滑模等方法,研究了PMSM的参数辨识及速度跟踪控制问题。论文工作如下:(1)针对PMSM运行过程中电气参数易被磁路饱和、外部温度变化等条件影响,造成电机运行可靠性下降这一问题,研究一种基于Popov超稳定理论的MRAS参数辨识策略。首先,对PMSM进行数学建模,然后,建立合适的参考模型以及可调模型,利用Popov超稳定理论设计参数自适应律,对PMSM进行参数辨识,快速有效辨识出PMSM的电感、永磁体磁链、定子电阻等电气参数。最后,仿真验证该控制策略的有效性,且辨识误差低于2%,为后文进行调速控制提供保障。(2)针对PMSM驱动系统容易遭受参数时变、外部干扰等影响,研究一种基于RBF神经网络的分数阶滑模控制方法。首先,结合分数阶系统构建分数阶滑模面。然后,为更好增强系统动静态性能,选取饱和函数作为滑模面切换函数,以改善系统抖振;同时,引入RBF神经网络对外部干扰进行逼近估计,将估计到的不确定性干扰引入所设计的分数阶滑模控制器中。最后,通过仿真验证该控制策略的有效性,结果表明,所提方法能较好地抑制干扰,提高系统跟踪精度。(3)为进一步削弱系统抖振,提高系统的跟踪精度,研究一种改进型分数阶滑模控制方法。首先,构造传统广义滑模面以及互补滑模面,结合成一种新的滑模面。然后,引入RBF神经网络逼近干扰,组成新的复合控制器。最后,通过软件仿真及实验验证该新型复合控制器的有效性,结果表明,相比于分数阶滑模,该方法明显抑制了超调,进一步削弱抖振,增强了系统鲁棒性,提高了跟踪精度。本课题通过对以上控制策略的研究,为电机控制领域工程师解决PMSM调速控制等问题提供了一种新的途径。