转子磁场定向控制使交流调速系统的性能产生了质的飞跃，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，这种系统需解决两个问题：转速的估计和转子磁链的观测。在前人研究的基础上，本文应用基于超稳定性理论的模型参考自适应系统，对无速度传感器矢量控制系统的转速估计和转子磁链观测进行研究，考虑电机定转子参数的时变性，对电机的一些定转子参数进行实时辨识，以保持系统的动态性能。对系统的仿真实验表明，基于模型参考自适应系统的矢量控制系统具有较好的静态和动态性能。 矢量控制系统的性能很大程度上依赖于电机参数的准确测量，利用空载、堵转实验只能得到电机定转子参数的初值，而电机的一些参数会随着温升和磁路饱和发生变化，需进行在线实时辨识。本文提出仅用电机的定子电流、电压和转速进行电机参数的辨识方法，它利用递推最小二乘法进行在线参数辨识，该方法不需要观测得到的磁链信号，消除了磁链观测和参数辨识的耦合。在电机参数进行辨识以后，电机状态方程由于存在状态变量的乘积项，仍然是非线性方程，为了对电机状态方程进行状态估计，得到电机的转子磁链和转速信号，本文采用扩展卡尔曼滤波进行状态估计。对以上方法的仿真实验得到了满意的结果。 人工神经网络具有很强的学习能力，经过训练的多层神经网络能以任意精度逼近非线性函数，因此为非线性系统辨识提供了一个强有力的工具。本文分别对多层前向网络和动态递归网络进行了研究，提出基于动态递归网络的异步电机的转速估计和磁链观测，针对采用的动态神经网络模型，推导了离线动态BP算法，以便利用动态递归网络进行状态观测。对采用多层前向网络和动态递归网络的矢量控制系统分别进行了仿真实验，比较了两种学习算法收敛的快速性和逼近程度。 实验部分基于数字电机控制专用DSP(F243)开发系统，通过软件实现扩展卡尔曼滤波对磁链和转速的估计， 以及空间矢量调制算法，并对软件的一些局部算法过程做了改进，获得了令人满意的实验结果。证明扩展卡尔曼滤波算法对磁链和转速的实时估计是非常准确的，由此构成的无速度传感器系统具有良好的静、动态性能。