无刷直流电机以其结构简单、运行可靠、维护方便、运行效率高、无励磁损耗以及调速性能好等诸多优点广泛应用于国民生产的各个领域。传统的无刷直流电机的换相信号是通过转子位置传感器获得的,而位置传感器的存在直接影响了电机的体积、成本及运行的可靠性,使其应用受到了限制。因此,研究无刷直流电机无位置传感器控制技术具有重要理论和实用价值。不依靠转子位置传感器,直接由电机本体的某些参数来获得换相信号,可以看作是一个非线性系统辨识的过程,可以用系统辨识的方法来解决这一问题。人工神经网络因具有对函数良好的逼近能力,自我学习以适应环境变化及并行分布式处理与存储信息等特点,成为了非线性系统辨识的一种重要方法。而BP神经网络不仅具备人工神经网络的一般特点,更具备算法简单、便于实时实现等优点,使其在非线性系统辨识中被广泛应用。首先,本文在对无刷直流电机结构和工作原理及BP网络结构和学习算法进行分析的基础上,利用BP神经网络针对转速对无刷直流电机进行模型辨识,并通过仿真证实了BP神经网络用于系统辨识的可行性;其次,针对传统的一些无位置传感器控制方式对转速的依赖,本文推导出一种检测无刷直流电机转子位置的新方法,该方法是基于与速度无关的位置函数而形成的,由电机的线电压及相电流差值映射出电机的转子位置信号,从而实现从零转速到高转速宽转速范围的转子位置检测;针对无刷直流电机本身的非线性和参数不确定性,本文利用BP神经网络实现了该无刷直流电机无位置传感器的控制策略,为解决传统BP算法存在的收敛速度慢及局部最小的问题,采用了动态全参数自适应学习算法,同时本文采用离线训练确定BP网络的参数初始值,采用在线训练调整神经网络的权值,保证了网络良好的函数逼近能力,提高了环境适应能力;最后,论文对基于BP网络的无刷直流电机宽转速范围无位置传感器控制方案进行了仿真,论证了该方法的可行性。设计并搭建了以TMS320F2812为核心的无刷直流电机的控制系统,对本文提出的方法进行了实验。实验结果表明该方法能够提供准确的电机换相信号,从而实现无位置传感器控制,同时具有控制精度高、适应性好、鲁棒性强等优点。