以智能制造为主导的“工业4.0”成为了世界技术发展的新风向标,机器人与高档数控机床被大量应用到传统工业与高科技领域中。伺服系统作为关键零部件之一,直接决定了机器人与数控机床的性能。伺服系统控制器设计往往依赖精确的电机参数,但电机的定子电感、定子电阻、转子永磁体磁链与转动惯量等都会随着电机工况与负载的改变而发生变化。目前仅靠改进控制方法还无法完全消除参数变化的影响,因此对电机进行准确的参数辨识尤为重要。针对上述问题,本文主要对伺服电机的参数在线辨识以及辨识系统的误差补偿进行研究。本文首先分析了伺服电机多参数辨识的欠秩问题,提出了分步式参数辨识算法,通过向d轴施加一个负电流提高系统模型的秩,并采用模型参考自适应法对电机的电参数与机械参数进行在线辨识。基于Popov超稳定性理论与朗道离散递推算法分别设计了电机电参数的自适应律与转动惯量的自适应律,利用Matlab仿真平台验证算法的有效性,并对其辨识速度、精度、动态过程以及自适应律参数的选取等进行了分析。实际离散系统中存在的各种扰动,都将对辨识精度产生影响。本文针对死区效应、相位误差以及电流反馈误差三方面的系统误差,深入分析了误差产生的原因以及其对电机参数辨识的影响。针对死区效应,提出一种基于Lyapunov定理的自适应死区补偿算法,有效抑制了死区效应带来的误差;针对编码器通信延迟以及矢量控制延迟导致的相位误差,采用超前相位补偿法进行校正;针对电流反馈误差,使用软件算法去除电流传感器的零漂电流以及偏移误差。通过Matlab对误差抑制算法进行仿真验证,证明上述算法能有效抑制系统误差,提高辨识精度。最后设计基于DSP+FPGA的软硬件平台,在DSP上完成速度环控制算法、辨识算法以及误差补偿算法,在FPGA上完成电流环控制算法。通过实验验证系统误差补偿算法以及在线辨识算法的有效性,并对实验结果进行分析。