永磁同步电机因其具有高性能及易于控制等优点,被广泛用于诸多领域中。在实际的系统中,电机参数会随着工况的不同而发生变化,参数的变化将会影响电机的控制性能,因此准确获得电机参数具有重要意义。在对电机的多参数进行辨识时,由于辨识模型非满秩,因此各个参数无法被独立辨识。逆变器的非线性因素会导致定子电压参考值与实际值不一致,这会影响电机参数的辨识精度。本文针对如何解决上述影响电机参数辨识的问题,展开相关的研究。首先,本文建立了永磁同步电机在自然坐标系下的数学模型,并由坐标变换技术推导得到两相旋转坐标系下的数学模型。在此基础上对电机的矢量控制原理及SVPWM的实现进行了阐述,并且在MATLAB上搭建用于实现电机多参数在线辨识的电机矢量控制模型。其次,本文针对逆变器非线性因素导致的电机参数辨识精度下降问题,建立了含有逆变器非线性压降的离散数学模型。针对辨识方程非满秩的问题,通过往d轴注入弱磁电流的方式增加新的定子电压方程,实现各个电机参数的解耦。基于Adaline神经网络建立电机参数的辨识系统,并且分别采用了变步长最小均方算法及变步长仿射投影算法来作为神经网络的权值调整算法,以解决辨识算法中辨识结果稳态误差及收敛速度之间的矛盾。随后对电机参数在线辨识进行仿真实验,验证本文所提的变步长仿射投影算法的有效性。最后对永磁同步电机控制系统的硬件平台及软件流程设计进行了讲解,并且对采用变步长仿射投影算法更新权值的Adaline神经网络辨识算法进行实验验证。实验结果表明,采用本文提出的算法,能够有效提高电机参数辨识结果的收敛速度,且一定程度上降低稳态误差。