在工程实际中,常由于经济成本或安装空间等原因,使得无刷直流电机系统不能添加额外的测速传感器,仅依靠电机内部的霍尔传感器进行数据采样。而无刷直流电机拖动系统利用电机内部霍尔传感器检测转子位置,每当转子达到某一特定位置而触发采样,在这样的事件采样系统中,由于采样的频率较低必然会导致采样数据的稀疏以及非均匀,达不到建立精确模型的需求。针对这一工程实际问题,本文提出了一种基于事件采样数据下的无刷直流电机拖动系统建模方法,该方法利用灰箱建模的原理,首先,设计了非线性的卡尔曼滤波器对原始数据进行降噪处理,再采用指数衰减的最小二乘法对参数模型进行在线辨识,从而建立无刷直流电机拖动系统的精确模型。然后,考虑到变负载的工况普遍存在于无刷直流电机拖动系统应用过程中,设计了一种面向负载扰动的模型参考自适应控制器。经过实验验证,新设计的控制器在变负载,以及突加负载的情况下,相比于传统增量式PID控制器,极大降低了系统的稳态误差,显著提高了系统的抗负载扰动能力。本文主要研究基于事件触发采样的无刷直流电机拖动系统建模以及其自适应控制器设计问题,包括事件采样数据下的模型参数辨识、自适应控制器设计、控制器性能分析等。本文研究内容及创新点如下:第一,从工程实际问题中凝练出学术问题。在工程实践时,无刷直流电机拖动系统利用电机内部霍尔传感器检测转子位置,每当转子达到某一特定位置而触发采样,在这样的事件采样系统中,采样的频率必然会导致采样数据的稀疏以及非均匀,达不到建立精确模型的需求。本文针对这一工程实际问题,凝练出利用事件采样数据下对无刷直流电机拖动系统建立精确模型的新问题。第二,针对基于事件采样的无刷直流电机拖动系统模型建立问题。本文提出了一种基于事件采样数据下的无刷直流电机拖动系统建模方法。该方法采用灰箱建模原理。首先,利用白箱建模的方式建立无刷直流电机的参数模型,然后通过黑箱建模的方式对参数模型进行辨识。在参数辨识过程中,首先设计了非线性卡尔曼滤波器对原始数据进行降噪处理,并推导了非均匀数据下的指数衰减最小二乘法,用来对系统的参数模型进行辨识。最后,通过数值仿真以及真实实验验证了所提出的方法能够对系统进行有效建模,并且对比于传统递推最小二乘法,该方法在时变参数系统中对参数的跟踪性能更好,建立的模型更精确。第三,从无刷直流电机拖动系统的实际应用角度出发,在已有模型的基础上,设计了面向负载扰动的模型参考自适应控制器,并通过数值仿真和真实实验验证了该控制器的可行性。而后对无刷直流电机拖动系统分别应用模型参考自适应控制器和增量式PID控制器,在系统处于空载、恒定负载、突加负载以及变负载的情况下进行控制器性能分析。实验数据表明,在无负载或恒定负载时,模型参考自适应控制器和增量式PID控制器的控制效果相当,采用模型参考自适应控制时,系统的稳态误差要更小,而采用PID控制器时,系统响应速度更快。在对系统突加负载以及加变负载的实验中,当采用模型参考自适应控制器时,系统的鲁棒性能,抗负载扰动能力明显要高于增量式PID,系统性能受负载扰动影响较小。可见,若系统经常处于变负载的工况中,采用模型参考自适应控制器所获得性能更好。而工程实践中,系统常工作于变负载的工况中。因此,该控制器能够更好的扩大无刷直流电机的应用场景,对于促进无刷直流电机的应用具有积极的意义。