随着工业自动化的飞速发展,电机控制技术在自动化领域就显得尤为重要。在电机调速领域中,永磁同步电机因高效率、高功率密度、大转矩惯量比等优点受到了越来越多的关注。矢量控制理论自提出之后使交流调速系统迈入了新的发展阶段,也逐步取代了直流调速系统的主导地位。与此同时,矢量控制仍有许多技术问题亟待解决。在传统工业电机的矢量控制策略中,速度外环和电流内环采用的都是线性PI控制器。但PI控制器无法同时满足快速性和小超调量的要求,在工作点发生变化时会产生静态误差,且在电机不同速度段下经常需要采用多组PI参数来回切换,而电机作为一个强耦合、非线性的控制对象,采用PI控制等经典控制理论难以得到理想的控制性能。因此,本文根据非线性自抗扰控制器不依赖于被控对象数学模型的特性以及实时估计扰动并进行补偿的优势,对传统二阶自抗扰控制器进行简化,设计了一阶自抗扰控制器,代替了传统矢量控制中的PI控制器。同时针对自抗扰控制器中参数整定的难题,对神经网络控制算法进行了深入分析,设计了基于径向基神经网络的参数调节器,利用神经网络强大的拟合能力辨识电机对象的转速输出,获得控制器参数的实时动态信息,从而实现对自抗扰控制器参数的实时整定。最后在仿真环境和实验平台中对所提出的神经网络在线整定自抗扰控制器参数的控制方案进行了验证。结果表明,本文方案在转速变化和负载扰动时具有更好的动静态性能,同时有效增强了电机调速系统的抗干扰能力和鲁棒性。