近年来,初级永磁直线电机（Primary Permanent Magnet Linear Motor,PPMLM）以其结构简单、制造维护成本低以及推力大的优点成为轨道交通领域的研究热点。本文以初级永磁直线电机为研究对象,搭建考虑边端效应的初级永磁直线电机数学模型。并且以直接推力控制作为基础控制策略,在此基础上使用自适应反步控制对电机的位移及速度进行控制。论文的主要研究工作包括以下三个部分:（1）针对于初级永磁直线电机数学模型中存在高阶非线性以及参数时变的特点,设计自适应反步控制器。确保系统在运行过程中发生参数时变的情况下对电机的速度与位移进行有效的控制,并通过仿真实验进行了验证,通过自适应反步控制器可以令电机实际位移有效的趋近于期望位移。（2）由于反步控制过程中产生的虚拟控制系数对控制器性能有着直接影响,而且传统自适应反步控制中的虚拟控制系数通常采取试凑法,有着一定的盲目性。因此,本文中采用混合粒子群协同优化算法,结合遗传粒子群算法与自组织粒子群算法的优点,采用改进的粒子群算法对反步控制中的虚拟控制系数进行整定,从而提高控制器控制精度。经过仿真实验进行了验证,优化后的控制器的控制性能明显优于未优化之前。（3）为了防止反步控制中出现的微分展开现象对控制系统造成影响,在反步控制中加入命令滤波器,并引入滤波补偿信号对由滤波器引起的滤波误差进行补偿。对于系统中可能出现的未建模负载扰动,使用神经网络反步控制对其进行补偿。提出了自适应RBF神经网络命令滤波器反步控制（Adaptive Neural Network Command Filter Backstepping Control,ANNCFBC）,并且通过仿真实验进行验证,控制器可以更快的趋近到期望位移。并且对于系统中的未建模负载扰动有良好的抑制作用,使控制器具有更好的稳定性与鲁棒性。