直接转矩控制(DTC)是20世纪70年代提出的，是继矢量变换控制技术之后，在80年代中期发展起来的一种新型的高性能的交流调速控制技术。目前该技术已成为交流调速传动中的一个热点，本文正是针对这一技术进行了一些较为深入地研究。 为了实现异步电动机高性能的无速度传感器直接转矩控制，必须准确知道电机转速和定子电阻等参数，基于这一点，本文提出了用小波神经网络(WNN)的方法，来构造对定子电阻和转速进行辨识的小波神经网络系统参数辨识器，阐述了小波神经网络的结构并且对小波神经网络的算法，即梯度下降法、基于正交最小二乘法和在线辨识的递推正交二乘法等方法进行了认真的比较、分析 本文从异步电动机模型出发，构造了具有小波神经网络辨识器的直接转矩系统的仿真模型，从仿真结果可以看出，采用小波神经网络的转速辩识器代替DTC系统中的速度传感器，实现DTC系统无速度传感器的方案是可行的、有效的；同时，加入了小波神经网络的定子电阻辨识器的直接转矩控制系统其低速性能还有明显的改善。 本文对无速度传感器直接转矩控制系统的接口电路，包括实现小波神经网络辨识器算法的数字信号处理器(DSP)系统开发的硬件电路，以及对六边形磁链轨迹控制PWM方法和直接转矩控制方案进行了设计和研究。 最后有理由确信，小波变换与神经网络等智能技术的相互交叉、相互渗透，会给无速度传感器直接转矩控制系统的最终稳定运行和准确控制奠定可靠的基础。