永磁同步电机(pmsm)由于其优异的性能广泛应用于工业自动化、数控机床、机器人、航空航天等领域。但是在电机控制系统中，由于系统具有严重的非线性、时变性、复杂性,并受各种干扰,难以建立其精确的数学模型，以常规的pid控制算法或现代的控制理论都难以达到满意的控制效果。神经网络作为一种不依赖模型的控制方法，在非线性控制研究领域得到了广泛的应用;但是多数的神经网络训练都需要大量的数据进行离线训练，训练时间较长且收敛慢。rbf神经网络是一种两层局部收敛的网络，比起前项多层神经网络具有更快的收敛速度。又考虑到工业系统的惯性，系统的控制通常存在过渡过程，直接利用反馈控制器的输出信号来训练神经网络，会导致神经网络的学习产生震荡或进入饱和状态。故本文利用神经网络的并行运算能力来实现模糊规则的快速推理,并用学习算法在线调整权值, 有效的消除了参数扰动和负载扰动。使其具有自学习、自适应能力,以获取满意的控制效果。
