随着世界汽车数量快速增加,人类面临的环境问题和能源问题越来越严重。电动汽车具有无噪声、零污染的优点,将会成为汽车工业的主要潮流。如何研制安全可靠、高性能电动汽车成为汽车发展的焦点,而电动汽车驱动系统的优劣是电动汽车快速发展的重要因素。永磁同步电机(PMSM)具有驱动性能好、结构简单、体积小、重量轻、损耗低和效率高等优点,因此永磁同步电机在车用驱动系统中获得广泛应用。由于PMSM是一种强耦合、非线性时变系统,在运行过程中速度的控制性能极易受到电机参数变化和负载波动的影响,所以目前对电动汽车PMSM关键技术和先进控制理论的研究成为研究热点。在阐述智能控制优越性的基础上,深入研究了电动汽车车用永磁同步电机驱动控制系统的速度控制问题。PMSM是非线性控制对象,传统PID线性控制方法不适应参数变化和负载波动的影响,难以满足电动汽车在复杂路况下安全可靠行驶的要求。为了解决以上问题,提高电动汽车驱动系统效率,加快速度响应,增强系统抗干扰性和鲁棒性,本文提出了一种基于递归chebyshev神经网络自校正速度控制方法,该控制方法包含了递归chebyshev神经网络控制和估计补偿控制,递归chebyshev神经网络的在线参数调整是基于lyapunov稳定定律,同时基于此定律算出的最佳学习率能够更快速地跟踪误差。与传统的PID速度控制器相比,基于递归chebyshev神经网络速度控制器响应快、超调量小、调节时间短、受外部变化和电机参数变化的影响小。为了验证本方案的可行性和正确性,在MATLAB/Simulink平台上,搭建了基于递归chebyshev神经网络的矢量控制和传统PID矢量控制系统的仿真模型。在负载扰动和参数变化的情况下,进行仿真实验。仿真实验结果对比发现,基于递归chebyshev神经网络控制器能有效地提高系统的动态性,增强系统的抗扰动能力和鲁棒性。设计了以TI公司TMS320F28335芯片为核心的PMSM矢量控制系统,并且进行了相关实验研究,进一步验证基于递归chebyshev神经网络自校正的电动汽车驱动控制系统受负载波动和电机参数变化影响小,能自动调节控制器参数适应复杂工况。