感应电机拥有众多优于直流电机的特点，诸如制造成本低、结构简单、易维护等，在工业、民用场合中得到广泛应用。矢量控制理论的提出，打破了感应电机只适合在恒定调速领域中使用的限制，当与高精度速度传感器结合运行时，其调速性能可与直流电机媲美。　　本文从矢量控制的思想入手，着重阐述等效变换的方法以及磁场定向控制理论，分析了根据静止、旋转坐标系建模的电机矩阵方程的特点，针对磁链计算环节及磁场定向环节的差异进行分类，并详细讨论了直接与间接矢量控制方式的优劣。　　通常高性能矢量控制系统需要对转速及磁链进行闭环控制,但在众多场合都不具备安装光电编码器等测速装置的条件,因此无速度传感器矢量控制理论的研究及其系统开发具有很重要的现实意义及市场价值。　　速度辨识的精度直接影响无速度矢量控制系统的整体性能。为此，对速度辨识的方法进行归类分析。传统的模型参考自适应MRAS速度辨识，由于其自适应规律利用的是PI算法，比例、积分因子是离线设计的固定值,在复杂的运行环境中辨识误差较大，同时电机参数的变化也会严重影响速度辨识的精度。经过改进的无功功率及反电动势MRAS算法，能够在一定程度上改善积分环节在低速范围内的缺陷。　　针对上述MRAS算法存在的固有问题,提出了基于神经网络MRAS的速度辨识方法。该方法利用神经网络可以逼近任意曲线的特点，构建磁链可调模型，用BP算法代替PI自适应机构,具备了PI调节器无法抗衡的智能学习能力，显著提高了速度辨识精度。将唯一的转速辨识值分量作为可变权值，通过动态调整神经网络权值,从而调整参考模型与可调模型的转子磁链误差，其在线学习过程就是在不断地进行速度估算。　　在 MATLAB仿真平台上仿真实验感应电机的矢量控制方法，并将RF-MRAS与 NN-MRAS算法关于转速估算效果进行对比，证实了神经网络MRAS法拥有比传统MRAS更出色的辨识精度、动态性能及鲁棒性。