开关磁阻电机(SwitchedReluctanceMotor,SRM)驱动系统是上世纪80年代发展起来的新型电机驱动系统。SRM的特性和控制策略由于其自身的结构及运行特点而与传统电机有着明显不同。建立SRM精确的模型有利于电机的优化设计、电机动态性能分析,同时有利于电机的高性能控制。　　 本文从建模和控制两个方面对SRM进行了研究,主要研究内容如下:　　 首先,研究了SRM的数学模型和工作原理,同时对支持向量机(supportVectorMachine,SVM)回归原理进行了研究,包括不敏感支持向量机(ε-SupportVectorMachine,ε-SVM)、改进型支持向量机(ν-SupportVectorMachine,ν-SVM)以及最小二乘支持向量机(LeastSquaresSupportVectorMachine,LSSVM),还研究了核函数参数的两种优化算法。　　 其次,研究了SRM的非线性特性,根据SRM相电流、转子位置角和磁链的实测数据,在不同核函数情况下,基于ε-SVM、ν-SVM以及LSSVM,对SRM进行了非线性建模,分析了SVM及LSSVM在不同核函数下对SRM的建模能力,并且与神经网络建模方法进行了比较。结果表明,针对SRM的静态非线性特性,不同核函数的SVM及LSSVM均具有较好的建模性能;针对径向基核函数的LSSVM方法,采用蚁群优化算法优化核参数后,其建模性能最优。　　 最后,针对SRM的转速控制,以三相6/4极SRM为实验对象,给出一种神经网络PID复合控制策略,实验结果验证了该方法的有效性。针对SRM的转矩控制,为了有效地抑制SRM在运行过程中产生的转矩脉动,在现有的异步电机的直接转矩控制(DirectTorqueControl,DTC)策略的基础上,研究了SRM的DTC策略,从转矩脉动、调速、抗干扰能力等三个方面分析了神经网络PID复合控制策略以及SRM的DTC策略的性能。由于DTC策略引入转矩反馈环节,所以能够很好地调整转矩,实验结果表明,应用DTC策略能有效解决SRM的转矩脉动问题。