無速度傳感器控制技術的發展始于常規帶速度傳感器的傳動控制系統，解決問題的出發點是利用檢測的定子電壓、電流等容易檢測到的物理量進行速度估計以取代速度傳感器。今天小編給大家介紹一下無速度傳感器的控制方法吧！
（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，這種方法算法簡單、直觀性強。由于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，一種采用的是轉矩電流的誤差項；另一種采用了轉子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。轉子磁通法由于采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；后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是基于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。但是由于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量，考慮電機的五階非線性模型，采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噪聲，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）神經網絡法　利用神經網絡替代電流模型轉子磁鏈觀測器，用誤差反向傳播算法的自適應律進行轉速估計，網絡的權值為電機的參數。神經網絡法在理論研究還不成熟，其硬件的實現有一定的難度，使得這一方法的應用還處于起步階段。