近年来,随着电力电子技术、微电子技术、计算机技术、传感器技术、新型电机控制理论和稀土永磁材料的快速发展,永磁同步电机伺服技术得以迅速的推广应用。永磁同步电机具有体积小、损耗低、效率高、易保养等优点,在节约能源和环境保护日益受到重视的今天,对永磁同步电机伺服系统技术要求越来越高。因此,研究开发出高性能的永磁同步电机伺服系统控制策略就显得非常必要。　　 在以往的经典控制策略和现代控制策略中,永磁同步电机伺服系统控制算法都依赖于永磁同步电机数学模型。而永磁同步电机伺服控制系统是一个多变量、强耦合的非线性、时变系统,很难得出其精确的数学模型。当系统参数变化或受外界环境因素干扰时,系统性能将受到影响,使控制品质下降,如何抑制这种影响、提高控制品质一直以来是电机控制领域研究的热点。近年来,广大科研工作者提出的各种智能控制策略,由于其不依赖被控对象数学模型,在处理不精确性和不确定性系统中具有较强的鲁棒性,而被广泛应用到永磁同步电机伺服控制系统中。由于各种智能控制策略算法处理的数据量非常大,故对数据的处理速度要求非常高。而在现有的微处理技术条件下,处理器的处理速度很难满足其要求。　　 针对以上问题,本文在对永磁同步电机数学模型详细分析的基础上,根据比例、积分、微分三个增益参数随误差变化曲线构造了基于二次多项式的三个非线性复合增益函数,从而得到非线性复合PID控制律,并以非线性复合PID控制律为神经网络模型,构造了非线性复合PID神经网络控制器。通过神经网络在线实时训练产生非线性复合PID控制信号,对非线性被控对象实施动态控制。仿真结果表明,非线性复合PID神经网络算法具有较强的鲁棒性。　　 文中介绍了三相电流型PWM逆变器工作原理,推导出了永磁同步电机静、动态特性下三相电流型PWM逆变器的数学模型和状态关系,以及在开关函数下的逆变器数学模型,给出了交流侧LC滤波器的参数设计。通过在MATLAB/Simulink中设计了三相电流型PWM逆变器模型,仿真了三相电流型PWM逆变器的性能。　　 最后,本文探讨将非线性复合PID神经网络算法运用到永磁同步电机调速控制系统中,与传统PID控制比较。仿真结果表明,本文控制算法能有效地抑制由非线性和参数时变引起的系统控制不稳定的情况,提高了系统的鲁棒性和动静态性能,效果优于传统PI控制。