随着工业自动化程度的不断提高,永磁同步电机(PMSM)因其具有重量轻、效率高、运行可靠稳定等优势而在工控行业里占据着越来越大的比重。目前,工业控制领域大部分仍采用比例-积分-微分(PID)控制,PID控制结构简单,运行可靠性高,因而受到了大多数自动化控制方面专家学者的青睐。但PID控制在面对复杂的工业环境下,在负载波动大且对电机转速精度要求比较高的情况下,传统的PID控制将无法满足高精度控制要求。为了获得电机控制系统更好地控制性能,本文在矢量控制的基础上,结合径向基函数(RBF)神经网络对永磁同步电机进行控制,利用神经网络的自学习能力,根据电机的实际运行状况,在线实时整定PID的参数。本文首先介绍了永磁同步电机的数学模型,并阐述了矢量控制技术和空间矢量脉宽调制的原理。然后根据RBF神经网络的结构和学习算法,采用梯度下降法修正RBF神经网络的参数,积分项采用变速积分以提高控制精度。最后RBF神经网络经过训练学习之后,得到被控对象的雅克比(Jacobian)信息,进一步调节PID的参数,来满足对永磁同步电机系统的高性能控制要求。本文针对上述理论,在MATLAB/SIMULINK中搭建了各模块的仿真模型,对永磁同步电机在空载启动、突加负载及加减速等情况下进行了仿真试验,同时以TMS320F28335为主控芯片,利用C语言在CCS6.0的软件开发环境下编写算法,搭建相关的硬软件实验平台,对RBF神经网络PID控制器算法部分进行了实验验证,仿真和实验结果证明了RBF神经网络在电机控制系统中的可行性和有效性。