本文系统的介绍了直接转矩控制的现状及发展情况,并对直接转矩控制的基木理论进行了详细的介绍,进而提出了基于群体智能算法的参数辨识方法,通过仿真和实验证明了其有效性。直接转矩控制技术作为一种新颖高效的交流调速技术,具有结构简单、动态转矩好、鲁棒性好和易于数字化控制等优点,但还是存在着理论和实践上的不成熟,如低速性能差、转矩脉动大等缺陷。其中系统关键参数的观测对改善系统的性能尤为重要,而智能控制方法的发展为系统参数辨识提供了一条新的途径。论文结合智能控制理论和直接转矩控制技术,提出了基于改进粒子群优化算法优化的BP神经网络构造的磁链观测器和转速辨识器,改进了直接转矩控制系统中的参数观测方法。BP神经网络以往的算法存在着收敛速度慢、精度低等缺点,粒子群优化算法作为一种新兴的群体智能优化算法,用来优化BP神经网络的权值、阈值,可以明显提高神经网络的收敛速度及精度,优化后的神经网络能够快速有效地辨识系统参数。实验采用电动机控制专用DSP芯片TMS320F240,功率器件采用目前最先进的智能功率驱动模块IPM,其内置的保护电路大大提高了系统的可靠性。对构造的磁链观测器进行实验验证,结果证明了该方案对直接转矩控制系统参数辨识的可行性和有效性。