电机调速的根本问题是转矩控制。直接转矩控制以定子为定向，结构简单，对转矩直接进行控制。本文对传统的直接转矩控制作详细的分析，指出实现直接转矩控制的关键是根据磁链和转矩的要求，合理地选择定子电压矢量；并对各个区段内的电压矢量的具体作用作了透彻的分析。 为了合理地将智能控制方法和直接转矩控制有机地结合起来，本文分析了智能控制中的模糊、神经网络控制器的设计和具体算法，并就直接转矩控制中一些难于解决的问题提出了智能方法的解决方案。 针对低速情况下磁链观测不准，而最终导致转矩调节性能差的结果，本文提出了在线模糊电阻观测器以改善直接转矩低速性能。 为了解决Bang-Bang控制器的不足，提出了新型模糊电压矢量决策策略，详细给出设计方法、推理规则等。针对模糊方法中隶属函数的选取过于取决人的经验的缺点，提出使用模糊神经网络来优化隶属度函数，为了解决模糊神经网络的学习问题，巧妙地采用了“软最大”算子。 本文提出了一种基于神经网络的感应电机速度估计策略。应用反向传播算法的神经网络实时辨识电机速度，其目标函数是目标模型和神经网络模型输出之间差的平方和。速度作为神经网络的一个权值，通过反向传播算法来调节使之精确地跟踪实际的电机速度。本文还提出了采用实时递归网络辨识定子磁链的方法。 为了使智能直接转矩控制闭环调速系统具有良好的动、静态性能，本文提出了一种神经元自适应速度闭环控制策略，给出了自适应神经网络速度调节器的设计方法和具体算法，针对神经网络增益不能自调整的缺陷，提出了改进算法。