无刷直流电机(BLDCM)体积小、重量轻、效率高,又克服了有刷直流电机机械换向带来的一系列缺点,因此在各个领域得到广泛应用。针对本身具有时变性、非线性、强耦合等特征的无刷直流电机,高性能的调速控制方法成为一个重要的研究方向,本文研究了粒子群优化算法在无刷直流电机控制系统中的应用。首先介绍无刷直流电机控制系统,对应用于该控制系统中的先进优化算法粒子群优化算法(PSO)的原理和及其标准算法进行了详细的介绍。针对PSO在高维复杂问题寻优时仍有相当可能陷入局部极小和粒子多样性损失过快的现象,提出一种改进的自适应粒子群优化算法。在算法进化过程中引入种群分布嫡和平均粒距两个测度指标,调节算法的探测和开发能力,达到跳出局部极小点,获得全局最优的目的。采用标准测试函数和XOR神经网络对算法测试表明,改进后的自适应粒子群优化算法优化效率较高,稳健性强。然后,分析了无刷直流电机的数学模型,并在MATLAB7.0下建立了无刷直流电机的仿真模型。传统PID控制器的对具有复杂非线性特性的对象或过程进行控制难以达到满意的效果,基于种群搜索策略的自适应随机优化算法PSO是一种有效的仿生优化方法,因此采用粒子群优化算法(PSO)对PID控制器参数进行优化的方法来实现对无刷直流电机控制系统的控制,提高了系统的动态响应性能。MATLAB仿真结果表明,该方法响应速度快、控制精度高,同时具有响应性好、鲁棒性强等优点。