基于观测器技术的位置辨识方法
观测器实质是一种状态重构，即重新构造一个系统，利用原系统中可直接测量的变量作为他的输入信号，并使其重构状态在一定条件下等价于原系统状态。等价的原则为两者的误差在动态变化中能够渐近稳定地趋于零。这个用以实现重构的系统称为观测器。
观测器按信号类型分为确定性观测器和随机性观测器，按系统分为线性观测器和非线性观测器。观测器基本结构是由电机数学模型所构成状态估计方程加之以校正环节，两者构成闭环的状态估计，即观测器。电气领域学者汲取世界众多科学领域理论成果，结合各学科前沿思想创造性融入观测器理论之中，形成诸多有价值不同控制思想的观测器。在pmsm无传感器技术中常采用自适应全阶观测器、扩展卡尔曼滤波器（ekf）和滑模观测器（smo）。
（1）自适应全阶观测器
自适应观测器是融自适应控制于观测器理论的一种无传感器技术。基本思想是将自适应控制引入观测器结构的校正环节，实现转速自适应控制。pmsm自适应全阶观测器首先以pmsm两相旋转坐标系下电压方程构建电流观测器。然后以经过标准化处理的pmsm数学模型作为参考模型。以构建的电流观测器为可调模型，用两个模型输出误差驱动自适应机构。在自适应规律作用下，能够不断地修正待估参数，以使两模型输出误差趋于零。自适应观测器不仅可以用来估计pmsm转子位置和速度，而且是基于波波夫稳定性理论辨识电机参数，减少了参数变化的影响，提高系统的稳健性。
（2）扩展卡尔曼滤波器
卡尔曼滤波器同样也观测器的一种。是卡尔曼滤波思想在观测器理论的应用。扩展卡尔曼滤波器同其他观测器一样，能够跟踪系统状态，其所不同的是它是非线性的、随机的。ekf状态估计分为两大阶段：预测阶段和校正阶段。在预测阶段由上一次估计所得结果推算下一次估计的预测值。在校正阶段为利用实际输出和预测输出偏差对预测值进行反馈校正。卡尔曼滤波实质就是对预测值反馈校正。因此，不仅具有优化和自适应能力，而且可以更好地抑制测量噪声和系统噪声。但是ekf滤波器缺点在于系统测量噪声和系统噪声的未知，带来的问题是难于采用确定的办法选择ekf滤波器中协方差矩阵。一般采用试凑法选择协方差矩阵，而协方差矩阵关系到系统动态性能及其稳定性。因此，协方差矩阵的确定关乎系统稳定与否显得至关重要。
（3）滑模观测器
滑模观测器是滑模变结构控制在观测器理论的一种应用。其特点是性能完全由其滑模超平面决定，过渡过程不会产生超调，整个系统对本身参数变化及外部扰动均具有较强的稳健性。基本思想是首先根据pmsm数学模型建立滑模电流观测器，选择滑模观测器观测电流与实际电流偏差为滑模超平面，该偏差经砰砰控制，估算出含高次谐波的感应电动势构成系统闭环，含有高次的感应电动势经滤波后计算得出位置和转速。估计变量中含有高次谐波是滑模观测器的不足之处，这影响了高性能伺服系统中的应用，尽管可以进行滤波处理，但通常方式的滤波会引起相位偏差。如前所述卡尔曼滤波器可以考虑噪声对系统的影响，可以将滑模观测器与卡尔曼滤波有效结合，成分发挥卡尔曼滤波的长处，构成更加完善的观测器。