近年来，随着智能控制思想的发展，基于人工神经元网络的方法也被利用来进行速度估计。利用神经元网络进行辨识，一般都是先规定网络结构，再通过学习系统的输入和输出，使满足性能指标要求，进而归纳出隐含在系统I/O中的关系。利用神经网络辨识的方法有多种，最常用的是前馈多层模型法，下面就其原理作一简单介绍。

采用差分的方法对转子磁链电流模型进行离散化处理得

式中，T为采样周期；k=1，2，3，…。

将式（4-152）表示为

式中

可采用图4-38所示的两层线性神经元网络模型来代表式（4-153）。

在这个神经元网络模型中，各权值都有确定的物理含义，若采用自适应算法，以电压模型的输出为参考值，神经网络的输出为估计值，根据多层网络的反向传输（Back Propagation，BP）算法，就可以得到基于神经元网络的转速自适应辨识系统，如图4-39所示。(www.daowen.com)

图4-38 用神经元网络表示的电流模型

图4-39 基于神经元网络的转速自适应辨识系统

转速的推算公式由神经元网络学习算法可以推出为

式中，η为学习效率；ε^T（k）为误差矩阵；ε（k）为其转置矩阵。

一般来说，基于人工神经元网络的方法在理论研究上还不太成熟，其硬件实现有一定难度，通常需要专门的硬件来支持，使得这一方法的应用尚处于起步阶段，离实用化还有一段路要走。但相信在不久的将来，随着智能控制理论与应用的日益成熟，会给交流传动领域带来革命性的变化。