近年来，随着电力电子的发展，各种各样的电机在人类生产和生活中扮演了越来越重要的角色，而永磁同步电机（PMSM）具有体积小、结构简单、转动惯量低,但效率高、功率密度高、转矩电流比高、低速力矩特性好和易于散热和维护保养等诸多优点。尤其是伴随着电力电子技术、微电子微机技术、传感器技术、稀土永磁材料和电机控制理论的发展，永磁同步电机控制系统的研究与推广应用得到了人们的普遍重视。由于永磁同步电机（PMSM）是一个严重非线性、多变量、参数时变及参数之间强耦合的被控对象，难以确定其精确的数学模型。传统的PID控制器不具备非线性适应能力，在系统自身参数改变或者受到外界环境变化干扰的情况下，控制效果会急剧下降，因而在永磁同步电机控制上表现不尽如人意。为此国内外学者做了大量工作，将神经网络算法、模糊控制、专家控制、滑膜控制等智能控制应用于永磁同步电机的控制。这些智能控制方法一般都不依赖被控对象的精确数学模型，且在应对永磁同步电机这种具有非线性和不稳定性的被控对象时拥有较强的鲁棒性和控制精度。但是，这些控制方法一般算法结构都很复杂，需要处理大量的数据，因而对数据处理速度要求非常高，然而目前的微处理器的处理速度较难满足这一要求。针对上述问题，本文在分析研究了永磁同步电机数学模型和控制策略原理以及PID控制技术和神经网络算法的相关理论知识的基础下，设计了一种动态非线性PID神经网络控制器。它是利用非线性三角函数，按照PID控制器三个参数随着误差e (k)变换的规律曲线，将比例、积分、微分设计成关于误差e(k)的非线性函数来作为神经元激励函数。从而得出权值和神经元激励函数都可随误差变化的动态非线性PID神经网络控制器。在MATLAB仿真软件，使用最速下降法对动态非线性神经网络权值和激励函数进行调整，产生控制信号对非线性时变系统进行控制。仿真结果表明，动态非线性PID神经网络控制器在应对非线性、时变系统的控制时，表现出了快速的响应速度和较好的稳定性，且调节精度高，跟踪性能好。最后，利用本文设计的动态非线性PID神经网络控制器，将其与传统PID控制器相并联构成并行控制器，对永磁同步电机进行速度控制。并在MATLAB/Simulink仿真软件中，对永磁同步电机在负载增加、参数改变等情况下进行仿真研究，并与传统PID控制进行比较。仿真结果表明，动态非线性PID神经网络与传统PID并行控制器表现出了良好的控制效果，其超调小、稳态误差小、鲁棒性和抗干扰能力强，控制效果明显优于传统PID控制。