PID控制器是一种结构简单,操作容易的控制器,在许多领域应用广泛。但是对于数学模型不确定和非线性的系统,传统的PID控制器不能取得很好的控制效果,随着控制目标的日益复杂,传统的PID控制器越来越不能满足人们对控制精度的要求。人工神经网络具有自组织,自学习和记忆功能,能够实现控制器参数的在线调整。异步电动机是一个非线性的系统,在运行过程中其参数也会发生变化,而在控制器中加入神经网络可以维持系统的控制精度和响应速度。在深入研究神经网络的理论基础及其学习规则的基础上,本文提出了基于神经网络的PI混合速度控制器,设计了一个三层的BP网络,按照PI控制器的结构,隐含层有两个神经元,分别为比例神经元和积分神经元,输入层到隐含层的权值保持不变,通过隐含层到输出层权值的改变来实现学习功能,因而具有结构简单,计算量小的优点。它可以根据被控系统的实际运行情况,来调整控制器的参数,从而得到很好的跟踪效果。本文建立了异步电动机的数学模型,对矢量控制原理进行了分析。在理论分析的基础上,建立了基于Matlab的仿真平台,仿真结果表明混合控制器的算法是有效的,它不仅具有PI控制器的优点还具有神经网络自学习的特点,可以改善系统的控制性能。本文在控制回路使用TI公司的TMS320F2812芯片,主回路采用智能功率模块IPM的基础上,设计了一套全数字异步电动机矢量控制系统,完成了软件的设计和程序的编写。通过实验比较混合控制器和传统PID控制器的控制效果,实验研究表明:混合控制器可以克服不确定因素和外部干扰,取得快速的动态响应,因此可以得到更好的鲁棒性和控制效果。