开关磁阻电机（简称：SRM）因其诸多优点被广泛应用，是一种高效节能一体化产品。在20世纪80年代，一种新型开关磁阻电机调速系统（SRD）以其独特的优势：效率高、可靠性好、成本低等优点。显示了强大的生命力，其调速范围广性能优越，引起了国内外学者的广泛关注。但是由于开关磁阻电机自身的结构和运行特点，不可避免的拥有磁路饱和、涡流、磁滞效应等高度非线性特征，使用传统的控制系统难以对开关磁阻电机起到理想的控制效果。所以为了充分发挥开关磁阻电机的优势，需从精确建模和高性能控制策略入手。首先应用MATLAB/Simlink仿真环境，建立开关磁阻电机的驱动系统的动态仿真模型，样机采用的是四相（8/6极）开关磁阻发电机。在原有的仿真模型的基础上，根据仿真结果可以看到开关磁阻电机的转矩脉动很大，为了减小这种转矩脉动文中提出了一种用神经网络方法控制的开关磁阻电机转矩脉动抑制的方法，文中选用BP神经网络实现，但是BP网络又有自己的缺点和不足，故选用一种双链结构的量子粒子群优化算法对BP神经网络的权值和阈值进行优化，然后用优化后的神经网络对SRM动态仿真产生的数据进行离线训练，通过离线训练使其学习优化的电流波形，最后就是将经过训练的优化网络用于开关磁阻电机的转矩控制中，最后在不同的T、θ、i情况下完成非线性映射。利用电流滞环控制方法，使得绕组电流跟随参考电流的变化而变化，最终实现开关磁阻电机的转矩脉动抑制控制。