(2)瞬时转速估计法，主要包括基于转子磁通估计和基于转子反电势估计。它们都以电机模型为基础，而且以完全知道电机参数为前提。这种方法算法简单，但无任何误差校正环节，抗干扰性能差，对电机参数变化敏感，尤其是低速时定子电阻变化的影响较为严重。

(3)PI控制器法，利用电机某些量的误差项，通过PI调节器获得转速信息。T．Ohtani采用了转矩电流的误差项，而M．Tsuji则采用了转子q轴磁通的误差项。此方法利用了自适应思想，鲁棒性上较瞬时转速估计法强，是一种结构简单、性能良好的速度估计法。

(4)扩展卡尔曼滤波法[9]，是将电机转速视为一个状态变量，将原状态向量增广，得到一个新的5阶非线性状态方程表示的电机模型，采用扩展卡尔曼滤波法在每一估计点将模型线性化来估计转速。这种方法可有效抑制噪声干扰，提高转速估计的准确度。但是, 估计精度同样受电机参数变化的影响，而且存在计算量太大的缺点，即使在采用降阶模型的情况下这一问题仍然突出。

(5)基于神经网络的方法[10]，主要是受MRAS速度估计的启发，用神经网络替代电流模型转子磁链观测器，用误差反传算法取代比例积分自适应律进行转速估计，网络的权值为电机参数。网络无需事先离线学习与训练，在线学习的过程就是速度估计过程。目前，基于神经网络的转速估计方法尚处于起步阶段，其理论研究和企业应用尚不成熟，各种方法仍处在不断探索与完善之中。

尽管目前已有很多方法可以实现速度辨识，但仍存在许多问题待解决，如系统精度、复杂性和可靠性之间的矛盾，低速性能的提高等。今后，无速度传感器控制的研究方向应为：提高转速估计精度的同时改进控制性能，增强系统抗参数变化、抗噪声干扰的鲁棒性，降低系统的复杂性，追求简单性和可靠性。

3 同步电动机传动系统的控制策略

同步电动机的特点是转速与电源频率严格同步，其转子的转速等于旋转磁场的转速，转差Δω恒等于零，没有转差功率。因此，改变同步电动机转速的主要方法是改变供电电源的频率，即变频调速，从控制方式上又可分为他控式变频调速和自控式变频调速。

同步电动机控制策略是异步电动机控制策略的一种特例，其变压变频的原理、方法和装置均与异步电动机基本相同。它也可以象异步电动机那样采用开环恒压频比控制，用和异步电动机传动系统一样的独立的变压变频装置供电。这种控制方式多用于化纺工业的小容量多电机传动系统，但存在同步电动机转子振荡和失步的隐患，用途