(4)全阶状态观测器法。

    全阶状态观测器需要在电机高速和低速时采用不同的增益矩阵，而且由于状态观测器受电机参数变化的影响较大，还需要另外一个状态观测器来估计电机的参数，这样使无传感器调速系统的估计算法变得比较复杂。同时系统还存在对负载变化比较敏感等问题。

    (5)滑模观测器方法

    滑模观测器是把状态观测器中的控制回路修改成滑模变结构的形式，而滑模变结构控制的本质是滑模运动，通过结构变换开关以很高的频率来回切换，使状态的运动点以很小的幅度在相平面上运动，最终运动到稳定点。滑模运动与控制对象的参数变化以及扰动无关，因此具有很好的鲁棒性，但是滑模变结构控制在本质上是不连续的开关控制，因此会引起系统发生抖动，这对于矢量控制在低速下运行是有害的，将会引起比较大的转矩脉动。

    (6)扩展卡尔曼滤波器方法

    扩展卡尔曼滤波器可以从随机噪声信号中得到最优观测，但它的算法复杂，

需要矩阵求逆运算，计算量相当大。为满足实时控制的要求，需要用高速、高精度的数字信号处理器，这使无传感器交流调速系统的硬件成本提高。另一方面，扩展卡尔曼滤波器要用到许多随机误差的统计参数，由于模型复杂，涉及因素较多，使得分析这些参数的工作比较困难，需要通过大量调试才能确定合适的随机参数。

    (7)人工智能理论基础上的估算方法

    进入九十年代，电机传动上的控制方案逐步走向多元化，智能控制思想开始被应用到传动领域，专家系统、模糊控制、自适应控制、人工神经元网络纷纷应用于电机控制方案。只是目前还处于应用研究阶段，距离产业化还有很长的路要走。

    (8)模型参考自适应方法

    模型参考自适应方法是一种基于基波励磁估算转子位置和速度的方法。它由三个基本要素组成：参考模型、可调模型和自适应机构。参考模型的输出与可调模型的输出之差通过自适应机构，自适应机构的输出调节可调模型的参数，使得两模型的输出稳态误差为零，即可调模型的输出跟随参考模型的输出。其核心是模型参考自适应辨识，主要思想是将含有待估计参数的方程作为可调模型，将不含未知参数的方程作为参考模型，两个模型具有相同物理意义的输出量。两个模型同时工作，并利用其输出量的差值，根据合适的自适应率来实时调节可调模型的参数，以达到控制对象输出跟踪参考模型的目的【4】。模型参考自适应法是基于稳定性设计的参数辨识方法，能保证参数估计的渐进收敛，具有良好的动态性能。