随着电动汽车产业的快速发展,电机速度控制成为近年来的研究热点,引起了广泛关注。在众多电机中,PMSM以其高效率、低损耗、节能环保等优点越来越受到人们的重视。在电机控制领域,仍然采用比例-积分-微分（PID）控制策略。PID控制策略结构简单,运行可靠,但在负荷波动大、精度高的情况下,传统的PID控制策略难以满足需求。本文首先介绍了永磁同步电机的物理模型和数学模型,阐述了矢量控制技术和空间矢量控制的原理。然后介绍并分析了传统的PID控制战略。基于传统PID的缺点,本文在矢量控制的基础上,将径向基函数（RBF）神经网络与传统PID控制相结合,对永磁同步电机的参数进行控制。利用神经网络的自学习能力,可以根据电机的实际运行情况在线实时调整PID的参数。然后,根据结构和学习RBF神经网络算法梯度下降法修改RBF神经网络的参数,积分项采用变速积分来提高控制精度。针对上述理论,本文在Matlab/Simulink中建立了仿真模型,比较了传统PID控制和RBF-PID控制策略下永磁同步电机的转速、转矩和电流参数波形。为了进一步验证RBFPID控制战略的可行性,该算法是在Keil5软件开发环境下在C语言编写的,并以STM32F407IGT6为主控芯片搭建了相关的软硬件实验平台。实验验证了RBF-PID控制算法的正反转、加减速等性能。仿真和实验结果证明了RBF神经网络在电机控制系统中的可行性和有效性,对实际工程中的速度控制具有重要的参考意义。