无速度传感器矢量控制需解决的问题矢量控制从基本原理上讲能够获得优异的动静态特性，但是对电机参数的敏感性却成为实际应用中必须解决的问题。驱动器通过启动前的自整定以及运行过程中的在线整定，适应电机参数变化，保持矢量控制的动静态性能，这些复杂的自适应控制算法都必须通过强大的信号处理器才能完成。
无速度传感器矢量控制尽管省略了闭环控制中使用的速度传感器，SVC仍然需要采用电压、电流传感器对电机进行控制，在高速运算处理器的平台上通过使用复杂的电机模型与高强度的数学运算，对传感器输入信号进行处理获得电机控制所需的磁通与转矩分量，再通过自适应的磁场向量方法实现解耦控制，以获得良好的动态响应。
应当说，该控制方式目前没有标准的解决方案，SVC控制的关键在于正确的转速估计与解耦控制，但这两者之间又存在相互耦合的关系。转速估计的精度不仅决定于测量的定子电压与电流，同时与电机参数密切相关。在数字化电机控制系统中，转速估计的精度又与采样频率以及反馈信号的分辨率有关，而转速估计的精确程度不仅影响到速度控制的
准确度, 也会影响到速度环路补偿器的设计。这些问题环环相扣, 稍有失误甚至会影响到系统的稳定性。
SVC技术要实用化，必须解决几个基本问题:磁通辨识、速度估计以及参数适应性。过去十几年里，研究人员开发出了多种磁通辨识与转速估计方法。其中以磁场定向为基础的转速估计法由于其快速性与较高的准确度，已成为行业设计的主流。
无论是磁通辨识还是速度估计，对参数的依赖性都较强，也正是因为如此SVC与采用速度或位置传感器的闭环磁通矢量控制(FVC)相比，对电机参数的变化更为敏感，在速度调节与转矩响应等动态指标上要落后于FVC控制。目前业界对SVC参数整定的设计包括初始整定与在线整定两种。有关参数自适应这方面的研究仍在深入，如何提高SVC系统的适应性、鲁棒性无疑是一个重要的研究课题。
总的来看，由于不需要速度传感器，SVC的电机控制模型要十分精确。从运算量来讲，SVC控制比FVC更为复杂，这也使得无速度传感器控制的难度要明显高于闭环控制。由于电机参数在运行过程变化很大，
因此SVC驱动器的自整定能力对于获得准确的电机参数尤为重要，这也直接决定了矢量控制的性能。事实上，如何适应电机运行条件的变化，保持模型的精确性是避免高转矩波动的关键;而模型的自适应能力也是电机接近零速运行时最为重要的因素，因为此时的电机参考模型误差已经大大增加。
尽管采用了自适应的精确电机模型，目前的最高水平的SVC控制在动静态特性上与FVC仍然存在一定差距，这在低速运行区域尤为明显。
