無速度感測器

在近20年來，各國學者致力於無速度感測器控制系統的研究，重要的方面是如何準確地獲取轉速的信息，且保持較高的控制精度，滿足實時控制的要求。無速度感測器的控制系統無需檢測硬體，免去了速度感測器帶來的種種麻煩，提高了系統的可靠性，降低了系統的成本；另一方面，使得系統的體積小、重量輕，而且減少了電機與控制器的連線，使得採用無速度感測器的非同步電機的調速系統在工程中的應用更加廣泛。

（1）動態速度估計法　主要包括轉子磁通估計和轉子反電勢估計。都是以電機模型為基礎，這種方法演演算法簡單、直觀性強。由於缺少無誤差校正環節，抗干擾的能力差，對電機的參數變化敏感，在實際實現時，加上參數辨識和誤差校正環節來提高系統抗參數變化和抗干擾的魯棒性，才能使系統獲得良好的控制效果。

（2）PI自適應控制器法　其基本思想是利用某些量的誤差項，通過PI自適應控制器獲得轉速的信息，一種採用的是轉矩電流的誤差項；另一種採用了轉子q軸磁通的誤差項。此方法利用了自適應思想，是一種演演算法結構簡單、效果良好的速度估計方法。

（3）模型參考自適應法（MRAS）將不含轉速的方程作為參考模型，將含有轉速的模型作為可調模型，2個模型具有相同物理意義的輸出量，利用2個模型輸出量的誤差構成合適的自適應律實時調節可調模型的參數（轉速），以達到控制對象的輸出跟蹤參考模型的目的。根據模型的輸出量的不同，可分為轉子磁通估計法、反電勢估計法和無功功率法。轉子磁通法由於採用電壓模型法為參考模型，引入了純積分，低速時轉子磁通估計法的改進，前者去掉了純積分環節，改善了估計性能，但是定子電阻的影響依然存在；後者消去了定子電阻的影響，獲得了更好的低速性能和更強的魯棒性。總的說來，MRAS是基於穩定性設計的參數辨識方法，保證了參數估計的漸進收斂性。但是由於MRAS的速度觀測是以參考模型準確為基礎的，參考模型本身的參數準確程度就直接影響到速度辨識和控制系統的成效。

（4）擴展卡爾曼濾波器法　將電機的轉速看作一個狀態變數，考慮電機的五階非線性模型，採用擴展卡爾曼濾波器法在每一估計點將模型線性化來估計轉速，這種方法可有效地抑制雜訊，提高轉速估計的精確度。但是估計精度受到電機參數變化的影響，而且卡爾曼濾波器法的計算量太大。

（5）神經網路法　利用神經網路替代電流模型轉子磁鏈觀測器，用誤差反向傳播演演算法的自適應律進行轉速估計，網路的權值為電機的參數。神經網路法在理論研究還不成熟，其硬體的實現有一定的難度，使得這一方法的應用還處於起步階段。