随着电力电子器件、变频调速技术和控制理论的飞速发展,尤其是变频技术的广泛应用,弥补了早期同步电机自身存在的许多弱点。近年来,永磁同步电机以其结构简单、效率高、功率因数高、转动惯量低等优点在运动控制中引起了广泛关注。然而,永磁同步电动机是典型的非线性、多变量、耦合系统,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。　　 本文在对模糊神经网络结构及算法研究的基础上,针对传统的矢量控制方法受电机参数的影响较大和受外界扰动大等问题,提出了基于模糊神经网络的永磁同步电机控制方法。该方法利用模糊神经网络在非线性、自学习、自适应以及不确定性知识表达和逻辑推理方面体现的优势,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。　　 本文主要内容如下:　　 (1)对电机的矢量变换进行了系统的分析,详细阐述了PMSM的矢量控制,尤其是id=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id=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PMSM的直接转矩控制进行了分析,指出了直接转矩控制的实质及特点,并指出了矢量控制与直接转矩控制之间的区别与联系。　　 (3)分析了模糊控制、神经网络控制分别单独用于电机运动控制的优缺点。针对这些特点提出了将模糊神经网络用于电机控制的思想,给出了模糊化、解模糊以及模糊推理的方法。给出了用于模糊推理的神经网络学习方法,即BP、RBF、RPE学习算法,并分析了各自的优缺点。　　 (4)对永磁同步电机提出了模糊神经网络控制方法。通过采用BP算法可以进行离线和在线学习。对于BP算法自身的不足进行了分析,并提出一种改进的DFP学习方法,即MDFP学习算法构成了在线模糊神经网络控制器,进而达到精确控制永磁同步电机的目的。　　 (5)用一种带有动量因子的改进型BP学习算法对永磁同步电机进行直接转矩控制。　　 本文通过对理论分析和计算机仿真结果证明了所提出方法的有效性。