为提高同步电机参数在线辨识的速度和可靠性, 减少辨识计算量, 提出了一种基于神经网络的同步电机参数动态跟踪辨识方法。针对同步电机暂态、次暂态参数的非线性和动态特性, 在多层前向BP 网络中引入特殊关联层, 形成有“记忆”能力的Elman 神经网络, 因而可以映射系统的非线性和动态特性。在网络训练算法中, 提出一种自适应修正步长和矩量因子的算法, 显著提高了训练的收敛速度。训练样本集以同步电机在各种典型运行模式下的检测数据经卡尔曼滤波、状态空间有限元等基于模型的辨识算法离线计算得到。文中还给出了由工控机、智能数据采集卡和传感器锁相环控制接口电路构成的在线辨识硬件电路设计。数字仿真和动模实验机组辨识算例证明, 这种Elman 神经网络模型能够实现同步电机动态参数的在线跟踪辨识。关键词: 同步电机; 动态参数; Elman 神经网络; 关联层; 在线辨识