1.一种基于极限学习机(ELM)的无刷直流电机无位置传感器控制方法，其特征在于通过极限学习机获取无刷直流电机的换相信号，结合速度双闭环控制，完成电机的基本控制，减少电机因位置传感器的存在而带来的误差以及减小电机体积。

2.根据权利要求1的一种基于ELM的位置检测算法，主要包括网络训练和网络模型应用两个阶段阶段一：网络训练阶段，在进行网络训练的过程中需要确定其相应的网络参数，包括输入输出神经元个数、隐含层神经元个数、输入权值、偏置以及激励函数，输入输出神经元个数与输入输出个数一致，通过分析神经元个数对训练结果和测试结果准确率的影响来确定最终的隐层个数L。输入权值和阀值随机给定。网络训练阶段的训练数据主要是通过装有位置传感器无刷直流电机中测得，其训练步骤如下:Step1：将训练数据进行归一化处理；

Step2:确定隐含层神经元个数，初始化隐层节点个数，然后不断增加隐层节点个数，但隐层节个数一般小于训练数据个数，训练和测试在不同隐层节点下的ELM网络，输出训练和测试误差，训练误差和测试误差相加，误差之和为最小值时的L值即为该网络的隐含层神经元个数。

Step3：确定激励函数G,激励函数可选取sin、sig、hardlmi函数，并随机生成输入权值ωij和偏置bi，输入权值ωij和偏置bi的范围都为[-1,1],计算隐层输出矩阵H0其中X1～XN0为网络输入训练数据ua、ub为A、B两相的相电压和ia、ib为A、B两相的相电流，N0为初始训练数据个数,L为隐含层神经元个数。

Step4：计算出输出权值β。

β＝P0H0TT0

其中P0＝(H0TH0)-1，T0为网络初始输出训练矩阵，即期望输出值。

其中g1(k)-g6(k)为六路换相信号，N0为初始训练数据个数。

阶段二：将训练好的极限学习机网络应用到控制回路中，通过输入X求出电机在运行过程中的逻辑换相信号Y。即将A、B相的实时相电压和电流数据输入网络，网络输出为换相信号。

Y＝Hβ

电机采用速度和电流双环控制，速度控制器采用PI控制器，使得速度控制的输出作为电流控制器的输入，电流采用滞环控制，将电流控制器的输出与ELM网络的输出做相关运算得到最终逆变电路的控制信号。