近年来,随着稀土永磁材料、电力电子器件、微处理器、变频器设计技术和控制理论的飞速发展,永磁同步电机在中、低容量的运动控制中得到了广泛应用。然而,由于永磁同步电机驱动系统受电机参数变化、外部负载扰动、对象未建模和非线性动态等不确定性的影响,要获得高性能的永磁同步电机驱动系统,必须研究先进的控制策略以解决这些不确定性的影响,使系统具有较强的自适应能力和抗干扰能力。本文在对神经网络结构及算法研究的基础上,利用神经网络在非线性、不确定性系统控制和辨识方面优越的性能,结合PID控制、自适应控制、滑模变结构控制等方法的优点,对永磁同步电机速度、位置控制问题以及无传感器控制问题进行了研究,克服了永磁同步电机系统参数变化和外界扰动等不确定性的不良影响。理论分析和实验仿真结果证明了所提出方法的有效性。主要内容概括如下:1.对永磁同步电机的矢量控制技术进行了系统的分析,深入地剖析了i_d=0控制的机理,指出矢量控制只是一种静态解耦,并非完全解耦,永磁同步电机的i_d=0控制实质是一种矢量解耦控制,可以实现转矩线性化控制。2.对递归神经网络的学习算法进行了研究。首先对对角递归神经网络的BP算法进行了修正,简化了算法。然后在尽量保留对角递归神经网络结构简单的优点的基础上,根据生物神经元之间连接的特点,提出一种准对角递归神经网络结构,该结构的神经网络性能优于对角递归神经网络。再后对对角递归神经网络和准对角递归神经网络提出了递推预报误差学习算法,并且针对递推预报误差学习算法的不足进行了改进,改进的递推预报误差学习算法提高了收敛速度,但增加了计算的复杂性,并且权的训练需要集中运算,没有发挥神经网络并行结构的优点。最后,提出了并行递推预报误差学习算法,在收敛性变化不大的情况下,把计算分配到网络的每个神经元,完全符合神经网络并行结构的特点,而且计算量也只是改进的递推预报误差学习算法的一小部分。3.对永磁同步电机传动系统提出了两种基于神经网络的自适应控制方法。一