[1].高性能永磁伺服电机的自抗扰控制技术    

自抗扰控制器已取代传统的PI控制器成为高性能永磁伺服系统中的主流控制方法，例如电流环无差拍自抗扰控制、转矩和磁链的无差拍自抗扰控制、速度和位置环自抗扰控制。然而，自抗扰控制器的设计需要知道控制增益（在电流环中是电感，在速度和位置环中是转动惯量），因此迫切需要开发无需知道控制增益的自适应自抗扰控制器。另外，速度位置环自抗扰控制器的带宽提升受限于位置的量化噪声。尽管工业伺服已采用23位高精度的编码器，可以大幅减小位置的量化噪声，但对于需要采用旋转变压器作为位置传感器的应用场合，由于旋变解码精度有限（通常最高为16位），迫切需要解决噪声抑制的问题以提升控制系统的动态性能。

[2].永磁电机无位置控制在低速带载下的稳定运行

在电动自行车、电动工具等无需静止运行的应用场合，磁链观测凭借其出色的低速性能已取代反电势观测成为主流的无位置控制方案。然而，要在1%额定转速以下实现带载的稳定运行还存在诸多困难，迫切需要解决低速带载下稳定运行的难题。

[3].双三相永磁伺服电机的容错控制

在航空航天领域，双三相永磁伺服电机凭借其出色的容错能力已取代传统的三相永磁伺服电机成为主流方案。然而，复杂多变的环境对双三相永磁伺服电机的可靠性和动静态性能造成了严重威胁，迫切需要研究航空航天运行环境下双三相永磁伺服电机的可靠和高性能控制方法。

[4].人工智能在电机控制中的应用

永磁伺服系统中采用的控制方案大多基于模型设计（Model-based Design, MBD），这些控制方法难以解决系统中存在的一些未建模动态或模型时变的问题，例如电感或转动惯量时变、电流谐波和转矩脉动难以建模等问题。人工智能中的神经网络和机器学习方法可以有效处理这些非线性或时变问题，在电机控制领域有广泛的应用前景。