感应电机由于制造成本低,运行可靠,无退磁风险等特点,被广泛运用于各个控制领域。矢量控制等转速闭环算法能有效提高感应电机控制性能,但是需要安装速度编码器获得转速信号,这种方式增加了成本且降低了系统的可靠性,因此通过定子电压、电流信号和软件算法进行转速估计的无速度传感器方式成为一种实用的方案。无速度传感器方式中转速估计算法包含多个电机参数,因此转速估计精度与电机参数的准确性密切相关,然而电机参数在运行过程中受外界因素将发生变化。针对上述问题,重点对转速估计和在线参数辨识两方面展开研究,主要工作如下:首先通过分析比较选取了基于转子磁链的模型参考自适应(Model Reference Adaptive System,MRAS)算法进行转速估计,针对算法中电压模型包含纯积分环节引起的直流漂移现象,以神经元自适应积分器替代纯积分器有效的消除了电压信号包含的直流分量。针对算法中电流模型存在易受转子时间常数变化失准的问题,建立了一种新的加入转子时间常数辨识的MRAS转速估计算法,消除了转子侧参数变化对转速估计的影响。仿真和实验结果表明所提算法可以有效提高转速估计精度。然后针对电压模型易受定子侧参数变化失准的问题,进一步研究在线定子侧参数辨识。选取寻优速度较快的布谷鸟算法在线辨识定子电感和定子电阻,并融合禁忌算法解决布谷鸟算法容易陷入局部最优的缺陷,融合混沌变尺度局部搜索算法解决布谷鸟算法局部搜索能力差的问题。由于无速度传感器中进行多参数同时辨识存在稳态欠秩现象,提出通过交替运行定子侧参数辨识算法和MRAS转速估计算法实现分步辨识。最后将辨识出的定子侧参数用于更新MRAS转速估计算法中的参数,实时修正转速估计模块中的电压模型,消除了定子侧参数变化对转速估计的影响。仿真结果表明改进布谷鸟参数辨识算法可以有效辨识出定子电阻和定子电感值。