相较于传统的径向磁通永磁电机,轴向磁通电机由于设计紧凑、功率密度高等优势使得其在电动汽车领域得到广泛研究和应用。然而,包括电机磁链谐波、齿槽转矩、逆变器非线性、参数变化及外界干扰在内的扰动信号会严重影响电机系统的控制性能,尤其在控制系统鲁棒性、抗扰性能方面亟待提升。自抗扰控制是将被控对象等效为积分串联模型,其他所有信息定义为集中扰动通过前馈补偿,由于其普适性强而得到广泛应用。文章从自抗扰控制的角度出发,旨在提升轴向磁通电机的控制性能,开展了对速度控制优化、转矩脉动抑制、速度检测算法的研究。为了解决非线性自抗扰控制方法参数整定困难这一问题,提出了基于反向传播神经网络和基于多目标优化的轴向磁通电机自抗扰控制方法。其中,基于反向传播神经网络的参数整定方法可以通过反向传播算法实时计算当前时刻的控制参数,在线参数整定降低了控制器对参数的依赖性;对于具有多种时域指标要求的应用场合,采用多目标优化对电机驱动系统的快速性、平稳性、准确性3个方面建立多级评价指标体系,重点讨论了目标函数的建立以及参数优化的流程,通过实验对比智能算法整定轴向磁通电机自抗扰控制系统的与传统方法的控制效果,突出前者具有更高的优化效率和收敛性。针对周期性扰动造成的轴向磁通电机转矩脉动问题,提出了基于自抗扰迭代学习控制算法的转矩脉动抑制策略。首先通过对数稳定判据对自抗扰迭代学习轴向磁通电机控制系统进行稳定性分析,并根据系统稳定裕度和参数选取的映射关系,推导出控制器参数可行域,并通过最优化理论设计了迭代学习的参数自适应率,解决传统迭代学习控制系统动态性能下降的问题。实验结果表明,本文提出的自抗扰迭代学习控制策略在电机稳态运行时可以减小约50%的转矩脉动,同时保留了自抗扰控制系统良好的动态性能。针对传统的旋转变压器解码专用芯片成本高,不含正余弦绕组信号预处理等问题,提出了基于旋转变压器的软解码方案。用最小二乘曲线拟合的方法补偿零点偏移误差和幅值误差,减小系统周期性扰动。同时,利用自抗扰的思想对集中扰动进行估计,提出一种基于扩张状态观测器的角度观测方法,通过实验验证了算法相较于二阶角度观测器具有更高的动态解码精度。本文以一台轴向磁通电机为控制对象,搭建了以Matlab/Simulink为核心的d SPACE实时仿真硬件实验平台。分别对基于智能算法的自抗扰控制方法、自抗扰迭代学习转矩脉动抑制研究和基于扩张状态观测器的旋变软解码控制策略进行了仿真和实验验证,结果表明轴向磁通电机驱动系统的转速和转矩控制性能在各方面均得到有效提升。