开关磁阻电机(Switched Reluctance Motor, SRM)结构简单、坚固,工作可靠,效率高,具有很大的应用潜力,但同时由于其双凸极结构及磁路的严重非线性,其精确数学模型很难建立,从而增加了提高和改善电机性能的难度。在此背景下,本文旨在探索一种通过改变开关管的开通、关断角度实现SRM性能优化的控制策略。本文从基本原理和实例说明两个方面分别介绍和分析了基于在线寻优、基于模糊逻辑和基于神经网络的三种SRM角度优化控制方法,并将它们应用在同一SRM上进行仿真,结合仿真结果综合比较它们的优缺点,确定了把基于神经网络的SRM角度优化控制作为本文要采取的方案。以转矩/安培比最大化作为优化指标,选择了径向基(Radial Base Function, RBF)神经网络作为角度优化控制策略的工具,采用了一种启发式搜索算法,运行此算法,通过实验获得了RBF网络离线训练的样本数据。利用MATLAB神经网络工具箱,根据样本数据设计了RBF神经网络。建立了基于RBF神经网络的SRM角度优化控制系统的MATLAB/Simulink仿真模型,验证了RBF神经网络角度优化的可行性。论文设计了基于DSP芯片TMS320F2812的开关磁阻电机角度优化系统的硬件平台,从功率电路和控制器电路两个方面分别进行了详细设计。提出了系统软件的总体结构,然后分析了几个重要程序模块的具体实现,通过TI公司的集成开发环境CCS3.1编写系统程序,并进行了相关实验,得出了实验结果。实验结果表明了本文提出的基于RBF神经网络的角度优化控制方法的优越性,实现了转矩/安培比最大化的角度优化目标。