随着不可再生能源开采量不断缩减、现代化技术的不断进步,电动汽车成为当今的研究热点。内嵌式永磁同步电动机(IPMSM)之所以能广泛应用于电动汽车的驱动系统,是因为其具有小体积、高效率、高可靠性等优势。由于电动汽车经常处于频繁的启动、制动、加减速状态,温度的变化以及磁路饱和会引起易变参数的变化,需要准确辨识电动机的参数以建立精确的实时损耗模型,并在此基础上求解出电机的优化电流,实现精确矢量控制才能保证电机时刻处于最优运行状态。本文对IPMSM的基本结构、数学模型进行了简单的介绍和分析。研究了电机的定子绕组电阻损耗(铜耗)、涡流和磁滞损耗(铁耗)、杂散损耗、风阻和摩擦损耗(机械损耗)等。分别建立了各种损耗的数学模型,整合得到了IPMSM的电可控损耗模型,确定了电机效率优化需要估计的参数。进一步分析电动机的数学模型建立了电动机的电感、电阻等参数与损耗模型中待估计系数的数学关系,估计得到电机的参数值就可以换算出损耗模型中的系数。文章介绍了最小绝对值偏差法的理论和简单应用,并通过简单系统仿真对比了四种参数估计方法的准确率和鲁棒性。分析发现,无参数估计法、卡尔曼滤波法、最小二乘法等方法都有共同的缺点,鲁棒性不足。然而最小绝对值偏差法(LAD)不敏感于个别异常测量值,同时对测量噪声分布没有任何要求,鲁棒性比较强。经过实例仿真发现,LAD方法虽然对测量噪声分布没有要求但该方法用于参数估计的正确率仍然受有色噪声的影响很大。为弥补传统LAD方法的缺陷,提出了增强型最小绝对值偏差法。采用改变传统LAD方法目标函数的方法,可以使得用该方法估计系统参数的鲁棒性得到明显增强。由于求解增强型LAD目标函数的运算非常繁琐很难实现,所以在优化理论和变分理论的基础上将增强LAD方法估计参数转换为优化问题,进一步推导出了求解待估计参数的方程组,求解方程组得到电机的参数估计值。该方法的数值计算比较复杂,计算速度慢,实际应用中可以利用递归神经网络在硬件FPGA上实现快速求解。建立了IPMSM控制系统和增强型LAD方法求解电机待估计参数的仿真模型。并通过输出电流、转矩等波形验证了控制系统模型的正确性,仿真求出电机的待估计参数值,并分析对比验证其精确性和鲁棒性。