石油作为现代工业的血液,在国家的现代化建设和正常的生活中具有非常重要的作用。随着地下原油的不断开采,地层能量不能使油井保持自喷,潜油电泵采油是为适应经济有效地开采地下石油而逐渐发展起来日趋成熟的一种人工采油方式。潜油电机作为潜油电泵采油系统的核心部件,其工作高效稳定的重要性可想而知。本文主要对潜油电机无速度传感器情况下的直接转矩控制进行了研究。直接转矩控制是继矢量控制之后发展起来的一种高性能的控制技术,这种方法不需要对转子侧的参数进行复杂的计算,动态性能和静态性能良好,鲁棒性强,由于潜油电机为三相鼠笼型异步感应电动机,转子侧参数测量困难,所以采用直接转矩控制作为控制方法。直接转矩控制为双闭环控制,分别为速度闭环和转矩磁链闭环,本文主要对这两方面进行了研究。由于潜油电机本身工作环境的限制,所以很难用传统的测速发电机或者安装速度传感器的方式进行速度的监测,本文采用了一种基于无速度传感器的速度辨识方案,并针对潜油电机工作时系统参数易发生变化的特点,针对电机不同的运行阶段用神经网络分别训练出相应的模型,而后在电机运行的过程中针对不同的运行状况进行“在线辨识”,有效缓解了不同运行条件下电机参数发生变化所带来的辨识精度下降的问题。直接转矩控制中另一个闭环为转矩磁链闭环,转矩的精确计算也是以磁链观测的准确为前提的,传统的定子磁链观测采用积分环节,但是由于直流偏置和初始相位的存在,导致了定子磁链观测精度不高,本文对此进行了改进,在一定程度上削弱了直流偏置和初始相位的影响；此外由于潜油电机工作在高温的环境中,定子电阻随温度的变化也会导致磁链观测的不准确,本文将温度引入到磁链观测中,消除了由于定子电阻阻值变化而导致的磁链观测误差。最后将所建立的速度辨识模型和改进的定子磁链观测器应用到所搭建的直接转矩控制仿真模型中,仿真结果验证了所提出方法的有效性。