开关磁阻电机(SwitchedReluctanceMotor，简称SRM)是一种新型电机，具有结构简单、成本低、调速性能优良等特点。在应用开关磁阻电机构成的闭环调速系统中，位置传感器担负着传递转子位置和速度等信号的任务，是转速闭环控制的基础。目前实际应用中普遍采用外装光电式或磁敏式等轴位置检测器，这不仅增加了系统的体积和成本。尤其是在某些应用环境比较恶劣的场合，位置传感器的存在还会使系统的可靠性降低。因此，目前无位置传感器检测技术成为了开关磁阻电机研究的一大热点。基于上述研究背景，本文研究基于神经网络控制的开关磁阻电机无位置检测技术。　　针对开关磁阻电机非线性运行的特点，本文首先建立了开关磁阻电机非线性数学模型，由数学模型仿真得到电机的磁链、电流和转子位置角等信息，来训练BP神经网络，从而取代位置传感器的作用。　　其次，选用误差反向传播算法的多层前馈网络（Backpropagation,简称BP网络）来离线训练样本。区别于研究网络结构的一般思路，绕开追求改进修正网络的方向，着眼于对大样本本身进行数据处理，即用主成份分析方法代替位置传感器，从电机的固有信息方面间接确定转子位置。该方法不仅增加了网络精确度和可靠性，也加快了训练的速度和缩短训练时间。仿真结果表明，用神经网络控制替代位置传感器同样可以完成位置检测的功能，并且具有较好的精度。　　最后，设计了以数字信号处理器TMS320F2812为控制中心的硬件开发系统，对基于神经网络无位置控制方案以及电机运行特性进行实验研究。