伺服电机在工业领域主要用于控制机械元件的运转，可实现准确的速度、位置控制。目前交流伺服电机已经取代直流电机，成为了伺服系统的主流，而永磁同步伺服电机(PMSM)因为其优越的性能得到了愈加广泛的应用。永磁同步伺服电机的控制策略直接影响了整个伺服系统的性能，对PMSM的控制一直以来都是研究的重点。但是由于实际的伺服系统中存在着不确定性以及外部干扰、内部扰动，一般的PID控制难以满足控制要求，近年来神经网络控制、滑模变结构控制等控制策略的研究成为热点，以更好的提高系统的工作性能。本文建立了PMSM的数学模型，运用增量式PID与积分可分离结合起来的方法对PMSM的常规PID控制策略进行了仿真分析。随后借助神经网络的学习能力，去调节PID控制器的参数，进一步改善了PID控制器的性能。滑模变结构控制在控制性能上优于常规PID控制，该控制策略能够使系统稳定的工作在滑模面，进一步提高系统的稳定性。由于小脑模型关节控制器(CMAC)是神经网络的一个分支，其具有快速的学习能力，为了使系统更加稳定，构造了基于CMAC网络的滑模控制器，使用CMAC网络去补偿滑模控制，达到加快收敛速度的目的。经过仿真分析，分别得到上述各种控制策略的控制结果，可知神经网络能够提高提高PID控制器以及滑模控制器的性能。并且把基于CMAC网络的滑模控制与常规的PID控制算法、神经网络控制PID以及滑模变结构控制进行仿真对比分析，可以清楚的看到基于CMAC网络滑模控制的系统无论是在收敛速度还是在跟踪精度方面均能得到了明显的改善和加强。