转子磁场定向控制使交流调速系统产生了质的飞跃,异步电机无速度传感器矢量控制更是增加了系统的简易性和鲁棒性。这种系统需要解决两个问题:转速的估计和转子磁链的观测。本文用三种方法,分别对异步电机无速度传感器矢量控制系统的速度估计和磁链观测进行了研究。 确定自适应算法是设计模型参考自适应系统的关键。本文采用超稳定性理论和正性动态系统来设计自适应规律,并结合矢量控制系统推导了估计转速的模型参考自适应算法。将此模型作为转速估计器对异步电机无速度传感器矢量控制系统进行仿真研究,结果表明该系统具有较好的动态和稳态性能。 异步电机的数学模型是一组非线性方程,按照系统辨识的方法,对非线性方程进行状态估计的有效方法是扩展卡尔曼滤波算法,因此本文对应用扩展卡尔曼滤波算法估计转速和观测磁链的方法进行了研究。通过对电机非线性状态方程的研究,发现仅用电机的定子电流、电压信号,就可以利用扩展卡尔曼滤波算法对电机状态方程进行状态估计,得到电机的转子转速和磁链信号。对上述方法进行仿真实验,结果相当满意。 小波网络是近年来研究较多的一种非线性函数逼近器,具有很强的学习能力,经过训练的小波网络能以任意精度逼近非线性函数。在研究基于小波网络转速估计方法时,对常规的BP算法进行了改进,并提出了基于PID控制思想的BP算法,且就两者的收敛速度和逼近能力进行了比较。利用PID型BP算法对多层前向小波网络进行离线训练,将训练好的小波网络应用到异步电机矢量控制仿真系统中,得到了很好的结果。 最后,论文对上述三种方法在不同工况、电机参数变化及引入干扰和噪声情况下的转速估计性能进行了详细的比较和分析,指出了各自的优点和缺陷,提出了在实际应用当中的改进意见。