永磁同步电机（Permanent Magnet Synchronous Motor，PMSM）具有重量小、转矩脉动小、效率高、结构简单等优点，在医学器械、航海、航空航天、数控机床等控制精度要求较高的场合，得到了广泛的应用。但是永磁同步电机具有强耦合、非线性等特性，在参数发生变化时，采用传统的控制方法很难得到满意的控制效果，难以实现永磁同步电机的自适应解耦控制和参数的在线调整。　　 神经网络控制方法和神经网络逆控制方法虽已经取得了诸多的研究成果，但是在实际的复杂工业过程控制中，自适应解耦控制和参数在线调整的控制性能仍需进一步提高。本文提出基于神经网络逆的模型参考自适应解耦控制方法和基于神经网络在线学习的前馈解耦控制方法，并分别在Matlab上得到了验证。本文主要的研究工作如下:　　 1、提出一种基于神经网络逆的模型参考自适应解耦控制方法。针对因神经网络逆系统有开环不稳定、模型失配及对参数变化适应能力差等不足，导致解耦效果不理想的问题，引入模型参考自适应控制方法设计自适应控制器。通过PMSM的输出与参考模型输出的误差，基于Lyapunov稳定性理论设计自适应律。当定子电阻或负载发生变化时，使输出可以较好的踉踪给定信号，提高了PMSM的自适应解耦控制性能。　　 2、提出一种基于神经网络在线学习的前馈解耦控制方法。根据前馈控制方法，设计前馈解耦补偿控制器来近似逆系统，采用神经网络逼近前馈解耦控制器。通过Levenberg-Marquardt算法设计神经网络在线学习算法，根据PMSM的输出与参考模型输出的误差在线调整神经网络连接权值，在PMSM在定子电阻或负载发生变化时，无需重新训练神经网络，通过对神经网络的连接权值在线调整，使PMSM可以适应参数变化的影响，保持良好的自适应解耦控制性能。　　 3、将PID控制方法、神经网络逆控制方法与文中提出的基于神经网络逆的模型参考自适应解耦控制方法和基于神经网络在线学习的自适应解耦控制方法分别应用于永磁同步电机的解耦控制中，通过Matlab仿真软件进行仿真，证明了方法的有效性。