永磁同步电机（PMSM）因其具有高功率密度、高效率以及控制性能好等特点，在高性能伺服系统以及其他工业场合中得到大量应用。但功率密度和控制性能会受到电机温度上升以及磁饱和等引起的电机参数变化影响，因此，电机参数在线辨识成为了电机研究领域的热点。电机参数在线辨识方法主要有三大类，分别是基于扩展卡尔曼滤波(EKF)的参数辨识方法，基于神经网络（NN）的参数辨识算方法以及基于模型参考自适应(MRAS)的参数辨识方法。目前永磁同步电机参数辨识主要存在的问题包括：实际应用中参数辨识结果不准确、辨识算法的形式过于复杂以及多参数同时辨识的相互耦合问题。本文针对同步电机参数在线辨识的几类基本辨识方法以及参数辨识中存在的主要的问题，进行了系统和深入的理论分析；对已有的辨识方法进行改进，在保证算法的有效性的前提下，减小了方法的计算量；此外对目前参数辨识中存在的问题给出了解决方案，并对它们进行了仿真研究和实验验证。　　 研究利用有限元方法进行电机参数辨识，从电机设计的角度辨识出电机参数。　　 作为基于控制算法参数辨识的补充，通过有限元方法可以辨识出反电势、齿槽转矩、电机磁场分布以及电机的输出转矩等参数。　　 由于已有的EKF 辨识方法形式复杂计算量大，提出一种改进的EKF 辨识方法，对电机的定子电阻和转子磁链进行同时辨识。在保证辨识参数数目和效果都不变的前提条件下，将以前的四维矩阵运算拆分为二维矩阵运算，简少方法的运算量，有利于方法的实际应用。　　 设计了基于Lyapunov 稳定理论和Popov 超稳定性的模型参考自适应（MRAS）　　 电机参数辨识方法，实现对定子电阻、转子磁链和绕组电感这三项电机参数的同时辨识。通过对比基于Lyapunov 稳定理论和Popov 超稳定性的自适应率设计过程和两种算法的辨识实验结果，发现基于Popov 超稳定性的自适应规则设计规则化更高，不需要构造经验方程；而实验结果也表明，基于Popov 超稳定性的辨识方法的表现更好。通过短时间注入负值的d 轴电流来实现多参数同时辨识的解耦，并以Adaline 神经网络为载体，引入多参数解耦方法，设计了基于Adaline 神经网络的辨识方法，实现对电机定子电阻、转子磁链和d-q 轴电感的同时辨识。对解耦方法中产生的辨识误差进行详细的理论推导和分析，得出了辨识误差大小与注入的d 轴电流取值之间的关系，为选取注入的d 轴电流值提供了依据。　　 分析实际系统中辨识误差产生的原因，提出在实际系统中进行参数辨识需要对逆变器的非线性因素进行补偿，消除其影响。逆变器非线性因素主要包括开关延时、开关死区时间以及开关器件的管压降等，补偿方法是基于逆变器死区补偿的方法，只需要依据本文推导的补偿量计算公式合理的选择补偿量大小。