针对永磁同步电机转速控制中传统PID控制器参数固定，难以在负载突变和参数摄动工况下保持优良动态品质的问题，提出一种基于BP神经网络在线学习的自适应PID控制策略。该方法将PID控制器参数视为多层前向神经网络的输出，网络输入为转速误差及其变化率，以系统实时误差平方最小化为目标，利用梯度下降法结合动量项和自适应学习率在线调整网络权值，从而动态获取最优的

<math id="M1"><msub><mrow><mi>K</mi></mrow><mrow><mi>p</mi></mrow></msub></math>

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=112647020&type=

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=112647009&type=

3.38666677

3.72533321

、

<math id="M2"><msub><mrow><mi>K</mi></mrow><mrow><mi>i</mi></mrow></msub></math>

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=112647021&type=

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=112646997&type=

3.04800010

3.72533321

、

<math id="M3"><msub><mrow><mi>K</mi></mrow><mrow><mi>d</mi></mrow></msub></math>

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=112647031&type=

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=112647043&type=

3.47133350

3.72533321

组合。建立了PMSM矢量控制仿真模型，分别开展阶跃响应、突加/突卸负载和正弦转速跟踪实验。结果表明，与传统PID和模糊PID相比，所提BP自适应PID控制器超调量减小约15%，调节时间缩短约28%，并能快速补偿负载扰动，证明了机器学习算法在电机转速自适应控制中的有效性和优越性。