随着科技制造水平的提高及办公自动化的发展,人们对日常电器等设备要求越来越趋向于智能化、小型化、便携化,而电机作为其中的重要组成部分,其高效、稳定、小型化等特点越来越受到业界的重视。相对于传统的有刷直流电机与有感无刷直流电机,噪声小、成本低、稳定性好的无感无刷直流电机近年来得到了越来越广泛的应用。自无感无刷直流电机发明以来,使用最为广泛的换相方法是基于电机反电动势的过零点检测法。该方法设计简单且实现成本低,在电机匀速运转时有着较为稳定的控制效果。但在电机加速、减速或负载变化时,实际换相点与理想换相点之间会存在偏差,导致电机运行功耗变高,工作稳定性变差,甚至出现堵转、反转等运行错误。针对这一问题,本文提出在反电动势过零点检测算法的基础上,结合BP神经网络对电机换相延迟时间进行精确预测,并以此为核心搭建了一套无感无刷直流电机的驱动平台。本文首先通过在Simulink中对无刷直流电机进行建模仿真,采集了电机运行数据后进行训练得到了性能最好的神经网络控制结构。通过在系统中对比测试不同换相策略下电机的性能,在理论上验证了所提出的基于反电动势神经网络的换相方法相比于传统换相策略在运行功耗、系统稳定性、超调量等方面的性能都有较大提升,与理想情况下电机转速曲线的均方差只有15.906。为验证该控制策略在实际工作时下的性能,本文基于GD32F103的MCU制作了无刷直流电机驱动板,并搭建了完整的无刷直流电机实验系统。利用增量式编码器实现电机工作状态的精确采集,并利用FPGA作为中转模块,通过MCU将电机工作数据上传至PC端,并在PC端完成了神经网络的训练。另一方面,利用FPGA实现了神经网络的运算加速以满足无感无刷电机控制的实时性需求。实验结果表明所提出的基于反电动势神经网络的换相策略可降低系统运行功耗约11.3%,有效提高系统运行稳定性,所搭建的无感无刷直流电机驱动系统针对实验中所用的7对极电机也实现了1500-8000rpm的较宽的电机调速范围。