当前环境污染、能源短缺是社会发展面临的严重问题,节能、环保的开关磁阻电机(Switched Reluctance Motor,SRM)因此成为电机领域的研究热点。SRM因结构简单、成本低和效率高等优点在社会经济发展中具有广阔的应用前景。转矩作为SRM的主要控制变量,其精确计算意义重大。但是由于SRM的固有特性如双凸极结构、非线性磁路和高度磁饱和等使得转矩计算十分复杂,进而导致SRM建模困难和较大的转矩脉动,限制了 SRM的应用范围。本文在分析SRM现有转矩计算方法的基础上,针对基于传统BP神经网络(Back Propagation Neural Network,BPNN)构造的SRM转矩观测器存在的缺陷,提出了一种基于蝙蝠算法(Bat Algorithm,BA)优化BPNN的SRM转矩观测器。该方法将BA算法在寻找全局最优解中的优势用来优化BPNN的初始权值和阈值,达到了提高BPNN收敛速度和预测精度的目的。随后利用BA-BPNN映射出SRM电流、转子位置角与转矩间的非线性关系,构建了基于BA-BP神经网络的SRM转矩观测器。在构建完成转矩观测器后,首先将其应用于SRM非线性建模中,同电流查表模块一起构建了 SRM本体模型。其次为了验证更为精确的转矩值有助于转矩脉动的进一步减小,将它应用到直接转矩控制策略中对SRM进行控制。通过在MATLAB/Simulink上搭建对应的仿真系统来验证所提转矩观测器应用的可行性。仿真结果表明建模方法可行且转矩控制方法可进一步抑制SRM转矩脉动。最后通过搭建SRM实验平台来对BA-BPNN转矩观测器的应用进行实验验证。通过比较和分析实验波形,验证了所提转矩观测器方法在SRM非线性建模和转矩脉动抑制上应用的正确性和可行性。