永磁同步电机(Permanent Magnet Synchronous Motor)以其体积小、功率密度高、过载能力强和控制性能优良等优点在高精度控制场合得到了广泛的应用和发展。近年来,由于化石能源紧缺和低碳的背景,电动汽车发展前景相当看好。永磁同步电机在电动汽车驱动方面受到了高度重视。这就使得对永磁同步电机的控制研究成为重要的内容和热点。永磁同步电机具有强非线性、时变和强耦合的特性,难以建立精确的系统数学模型,传统PID控制器无法取得很好的控制效果。随着智能控制技术的发展,神经网络控制成为新型的控制方案。人工神经网络具有自学习、自适应和自组织的能力,它与PID控制器相结合,弥补了传统PID控制器不能实时调参数和鲁棒性不强等缺点。文中提出了基于超闭球小脑模型(HCMAC)神经网络的永磁同步电机自适应调速控制策略,该网络结构简单,无需反复学习,学习收敛速度较快。在MATLAB/SIMULINK环境下仿真结果与PID进行对比,不难发现,在空载启动和突加负载的情况下采用HCMAC神经网络与PID结合控制的方法进行实时控制时,转速误差更小、控制精度更高、动静态响应更快。文中对遗传算法优化神经网络作了进一步的研究,遗传算法在整定PID参数中具有操作方便、速度快,多点并行操作,多目标寻优等优点,是一种全局优化算法。选用的神经网络为小脑模型(CMAC)神经网络,也用PID控制器作为参照,同样验证了该方法的有效性和合理性。可见,对于高精度和实时性要求较高的场合,该方法具有很强的学术价值和可预期的应用前景。