随着微电子技术、电力电子技术、传感器技术、永磁材料与控制理论的发展,交流伺服系统被广泛适用于CNC和工业机器人等场合,目前交流伺服技术已成为工业自动化的支撑性技术之一。然而作为交流伺服电机中最主要的永磁同步电机,是一个非线性的被控对象,参数常常变化与非线性特征,使得线性不变的PID控制在永磁同步电机的控制中常常不尽人意。近年来,围绕着这些问题国内外专家进行了深入的研究,提出了各种各样的解决方法,其中有基于电机磁场理论的磁场轨迹控制法、直接转矩控制法等等。这些方法使系统性能获得改善,但它们仍然是建立在对象的精确数学模型的基础上,有的需要大量的传感器、观测器因而结构复杂,有的甚至还无法摆脱非线性电机参数变化的影响。随着近年来智能控制方法的发展,许多学者开始将智能控制引入永磁同步电机伺服系统的控制用于克服这些缺点。智能控制无需对象的精确模型,且其本身具有非线性、变结构、自学习等特点,从而可以有效地克服永磁同步电机伺服系统中的变参数和非线性因素的影响,提高系统的性能,这为智能控制技术在永磁交流伺服系统中的应用提供了广阔的天地。本文首先对永磁同步电机的数学模型简单介绍,然后对当前使用最广泛的矢量控制理论进行了系统的分析研究。矢量控制可以实现对电机三相交流电之间的解耦,具有转矩控制线性特点,能够获得比较平稳的输出转矩,达到比较宽的调速范围。从理论上解决了交流电动机的调速问题,使得交流电动机的控制跟直流电动机控制一样方便可行,并且可以获得与直流调速系统相媲美的动态性能。并介绍了传统PID控制器的特点及原理。接着对现在应用最广泛之一的智能PID控制算法―神经网络PID控制,进行了深入探讨,从而了解一般智能PID控制流程,以及所要解决的问题,智能PID控制器确实能够有效地克服永磁同步电机伺服系统中的变参数和非线性因素的影响,提高系统的性能。然后介绍了一种根据神经网络演变出来的PID神经元网络,它简化了用神经网络来学习PID参数的结构,更适合需要在线自学习的控制系统,对当前的神经网络PID控制器是一个极大的补充。最后,本文提出了一种PSO-BP神经网络的控制算法,利用PSO的优异的寻找性能,对BP神经网络的学习样本空间的搜索及连接权值进行学习,并将该算法应用于以TI的TMS320F2812 DSP为控制芯片的永磁同步电机控制系统上,并取得了不错的效果。虽然PSO-BP神经网络PID控制器对永磁同步电机具有很好的控制效果,但BP神经网络有一个无法避免的缺陷就是需要学习样本空间。为了解决这个问题,本文还提出了SPIDNN控制器对永磁同步电机的控制方法,并也将该方法进行了实验,虽然该算法比用样本学习好了的PSO-BP神经网络控制性能要稍差一些,但该算法可以进行在线学习,因此这种控制算法很适应于那些因很难甚至无法找到学习样本空间而不能使用PSO-BP神经网络控制算法的控制系统,并且这种控制算法与传统的PID控制算法相比起到了更好的控制效果。