The implementation of automated systems in manufacturing industries increases efficiency, precision, and safety by reducing human intervention, errors, and waste. Variable loads can cause several problems for automation systems. One of the most significant challenges is maintaining the stability and precision of the production process despite changing load conditions. These variable loads can lead to unstable systems or failures, causing an increase in errors, reduced efficiency, and lower product quality. It is essential to design control systems that can adapt to changing load conditions and maintain stable and precise operation under all circumstances. To address this problem, this thesis presents an adaptive controller based on load identification and gain scheduling, to replace the standard FOC consisting of regular PI-controllers. The load estimator is used to estimate the external load with relatively small RMSD values, while the ain scheduler adjusts the controller gains based on the estimated load. Other controllers are also explored, such as an angular velocity error-based adaptive controller. The results shows that both proposed controllers perform better than the standard controller when the system is subject to variable external loads, however, the load estimator paired with the gain scheduled PI-controller performs best. / Automatiseringen, inom framförallt tillverkningsindustrin, ökar effektivitet, precision och säkerheten genom att minska den mänskliga faktorn, fel och kassationer. System som utsätts för variabel belastning kan orsaka flera olika problem för automationssystem. En av de största utmaningarna är att bibehålla stabilitet och precision i produktionsprocessen trots förändrade belastningsförhållanden. Dessa variabla belastningar kan leda till instabila system eller fel, vilket ökar felmängden, minskar effektiviteten och sänker produktkvaliteten. Därför är det viktigt att utforma styrsystem som kan anpassa sig till förändrade lastförhållanden och samtidigt upprätthålla stabil och precis drift under oavsett förutsättningar. För att lösa detta problem presenterar denna avhandling en adaptiv regulator baserad på lastidentifiering och gain-scheduling, för att ersätta den vanliga FOC som består av klassiska PI-regulatorer. Lastestimatorn används för att uppskatta den externa lasten med ett relativt litet RMSD, medan gain-scheduling justerar regulatorns förstärkning baserat på den uppskattade belastningen. Andra regulatorer utforskas också, såsom en adaptiv regulator baserad på fel i vinkelhastighet. Resultaten visar att båda föreslagna regulatorer presterar bättre än standardregulatorn när systemet utsätts för variabla externa belastningar, men att lastestimatorn tillsammans med gainscheduled PI-regulatorer presterar bäst.