伺服系统已被广泛应用于国民经济的各个部门,随着经济的发展与社会的进步,对于伺服系统控制品质的要求不断提高,故研究高性能的伺服控制算法具有重要的理论及实际意义。本文以永磁同步电机为研究对象,从其矢量控制原理出发,研究其非线性问题,使用BP人工神经网络的方法进行永磁同步电动机控制,所做的主要工作如下:(1)分析永磁同步电机的数学模型,阐明永磁同步电机是一个非线性系统。电机参数的变化、外部负载扰动以及实际应用中的未建模动态等都会影响永磁同步电机伺服的性能。紧接着对常见的伺服控制方案进行了分析与总结,发现常用的伺服控制方案并不完全适用于非线性系统控制。因此,引入人工神经网络算法解决非线性控制问题。(2)通过研究矢量控制方法,分析永磁同步电机d、q坐标系下的数学表达式,得到离散时间下永磁同步电机矢量控制的逆动力学模型,进而根据该逆动力学模型构建人工神经网络控制器。该人工神经网络控制器利用反向传播(BP)算法进行训练,其输入输出量为电机转速、q轴电流及它们相邻采样时刻的值,用离线学习的方法加快训练速度,在线学习的方法提高鲁棒性。(3)搭建了伺服控制实验平台,平台功能完整,能以220V交流电供电运行,可同时驱动两个电机;平台软件齐全,自制上位机软件与调试软件。在实验平台上进行速度跟踪实验发现:所提出的控制算法速度跟踪效果好、鲁棒性强。在转速输入、负载、转动惯量和定子电路电阻等发生突变的情况下,均能实现转速无静差跟踪,说明该方法具有可行性与优越性。