永磁同步电机(Permanent Magnet Synchronous Motor，PMSM)因其结构简单，效率高，功率密度大等优点，近年来在各个领域应用的比重越来越大。传统的PMSM的控制需要通过位置传感器获取电机的转子位置信息，但是会带来成本提高，系统可靠性降低，且受外界环境限制较大等问题。为解决这些问题，近年来无位置传感器技术已成为研究热点，而扩展卡尔曼滤波器(Extended Kalman Filter，EKF)因其将噪声考虑在内，可以有效的降低噪声的影响，具有良好的动态性和鲁棒性而被广泛的应用在PMSM中高速无位置传感器控制。
　　首先，本文介绍了PMSM及其控制技术的研究与发展，阐述了PMSM数学模型及矢量控制(Vector Control，VC)的基本原理。
　　其次，在对卡尔曼滤波的原理进行了详尽的介绍的基础上，设计了基于PMSM的αβ坐标系下电流方程和磁链方程两种不同方案的EKF，来估计电机的位置信息。通过对电流方程下EKF在PMSM中应用的仿真，验证了该方法的正确性和有效性，并且详细的分析了噪声协方差矩阵各参数对EKF估计精度的影响并做出了总结。针对EKF计算量大的问题，设计了基于PMSM的αβ坐标系下反电势方程和磁链方程两种降阶EKF方案。通过对反电势方程下降阶EKF在PMSM中应用的仿真，验证了降阶EKF在实现减小计算量的同时，也可以保证其估计的精度。
　　再次，针对EKF噪声协方差矩阵传统的试凑法耗时多且参数不一定理想的问题，采用了基于粒子群算法(Particle Swarm Optimization，PSO)优化EKF噪声协方差矩阵的PMSM无位置控制策略。阐述了PSO的原理，以及将PSO应用到优化EKF噪声矩阵上来简化噪声矩阵选取的实现方法。通过仿真验证了通过PSO优化得到的噪声协方差矩阵可以使EKF有着很好的估计精度。
　　最后，详细叙述了基于TMS320F28335的硬件实验平台设计及软件设计，实验结果验证了本文所提出的EKF及降阶EKF控制策略的正确性和有效性。