永磁同步直线电机(Permanent Magnet Linear Synchronous Motor,PMLSM)具有加速度大、精度高、响应快、噪声低和结构简单等优点,被广泛用于民用、工业、军事等领域。为了实现PMLSM精确控制,获得准确的电机速度和位置信息至关重要。传统的采用光栅尺或磁栅尺等机械传感器的测速方法会给伺服系统带来诸如成本增加、可靠性降低和维修困难等系列问题,阻碍了PMLSM的高精密化发展。速度观测技术可以不借助机械传感器而实现对速度和位置的估计,一方面可以用以辅助机械传感器,对速度测量精度进行补偿,或者作为机械传感器失效后的冗余控制;另一方面也可以完全替代传感器,实现电机的无速度传感器控制,因此成了近年来的研究热点。本文旨在设计基于BRF神经网络的速度观测方法,实现对PMLSM控制系统的速度和位置估计,所做的主要工作有:首先,介绍了永磁同步直线电机的结构和工作原理,基于坐标变换原理建立了PMLSM在三种坐标系下的数学模型,并选择的矢量控制策略作为本文的电机主要控制方法。其次,介绍了RBF神经网络的基本结构和工作原理,在研究分析神经网络学习算法的基础上,明确了本文采用的神经网络学习方式为:初始化神经网络各项参数后,采用梯度下降法对各项参数进行在线动态调整。根据Lyapunov理论对神经网络进行收敛性分析,得到了学习率取值范围。在MATLAB/Simulink仿真软件上建立了仿真实例,通过实例对神经网络学习方式进行演示,并对比分析了不同大小的学习率对神经网络收敛性影响,证明了通过收敛性分析得到的学习率是一个较为理想的选择。然后,研究分析PMLSM动态模型存在的非线性关系,并基于此设计了基于RBF神经网络的速度观测器。采用由电流方程得到的电流观测值作为间接反馈量实现了对速度观测器观测误差的实时修正。针对如何获得速度观测器的Jacobian矩阵问题,提出了采用开关函数和构建参数辨识器来近似代替Jacobian矩阵的两种方法。将速度观测器运用于PMLSM的无速度传感器控制当中,在MATLAB/Simulink仿真软件中建立了相应的仿真模型。根据仿真结果对这两种方法进行对比分析,通过对比结果确定了含有参数辨识器的速度观测方法为本文最终方法。最后,在实验平台上完成了控制系统软件的设计,建立了速度观测器的动静态特性和抗扰动性实验,实验结果与仿真结果相互印证,证明了所提方法的有效性。