模糊控制的不足之處：本身消除穩(wěn)態(tài)誤差的性能較差，難以達到較高的控制精度。目前，模糊控制在交流控制領域的應用研究取得一些成果，但仍存在有待進一步研究的問題，如基于模糊控制的交流控制系統(tǒng)的穩(wěn)定性分析，如何保證系統(tǒng)的穩(wěn)定性；模糊控制規(guī)則難以確定，對不同的電機和運行環(huán)境，模糊規(guī)則需要分別設計；缺乏系統(tǒng)而有規(guī)律的模糊規(guī)則設計方法等。
2．3 神經網絡控制
人工神經網絡是依據人腦生物微觀結構與功能模擬人腦神經系統(tǒng)而建立的模型，其主要功能是模擬人腦的思維方式丁作，具有自學習、并行處理和自適應等能力。利用神經網絡優(yōu)秀的學習和非線性逼近能力，提出許多基于神經網絡的控制方案，從而改善系統(tǒng)的收斂性、穩(wěn)定性和魯棒性等。神經網絡在交流調速領域中應用的一個主要問題是算法比較復雜，大多以仿真形式實現，控制效果有待于在實際系統(tǒng)中進一步檢驗。但與其他比較成熟的學科相比，神經網絡理論還很不成熟，如計算較復雜，計算量大，難以滿足實際控制要求，訓練學習時算法收斂性問題等。
2．4 滑模變結構控制
滑模變結構控制根據被調量的偏差及導數，有目的地使系統(tǒng)沿著設計好的“滑動模態(tài)”的軌跡運動，與被控對象的參數和擾動無關，因而使系統(tǒng)具有很強的魯棒性。一般來說，它根據系統(tǒng)的狀態(tài)選擇兩個控制輸入之一，相當于系統(tǒng)有兩種結構，即使非線性對象快速到達預定的所謂“開關面”(也稱“滑動面”)，并使其沿著該開關面滑動，這時稱系統(tǒng)處于滑動模態(tài)(Sliding Mode)。然而并不是所有系統(tǒng)都可實現變結構控制，設計時必須先判斷滑動模是否存在。理想的滑模變結構控制可以使對象在滑動面上平滑運動，但是實際上由于器件存在延時和滯環(huán)．所以系統(tǒng)進入滑動態(tài)后不可避免地會出現抖振(Chattering)，即在滑動面附近高頻顫動。這可能引起設備毀壞等事故。因此，在電機交流控制系統(tǒng)中如何削弱抖動而又不失強魯棒性，是目前研究的主要問題。
2．5 反饋線性化控制
反饋線性化就是通過非線性反饋或動態(tài)補償的方法將非線性系統(tǒng)變?yōu)榫€性系統(tǒng)，然后再按線性系統(tǒng)理論設計控制器完成系統(tǒng)的各種控制目標。然而，非線性系統(tǒng)反饋線性化理論是采用坐標變換及狀態(tài)或輸出反饋矯正非線性系統(tǒng)的動力學特性，如果單純地對線性化系統(tǒng)進行魯棒控制器設計，并不一定能得到滿意效果。另一方面，非線性系統(tǒng)反饋線性化方法要求參數精確已知或可被精確測量和觀測。但電機在運行中參數會發(fā)生變化，這些都不可避免影響系統(tǒng)的魯棒性，甚至會使系統(tǒng)性能變壞。
2．6 自適應控制
自適應控制是在系統(tǒng)運行過程中不斷提取有關模型信息，該算法根據新的信息調整，它是克服參數變化影響的有力手段。自適應控制系統(tǒng)可看成有兩個閉環(huán)(圖2)，一個是常規(guī)由控制器與被控對象組成的反饋環(huán)；另一個是控制器的參數調節(jié)環(huán)。

自適應控制在交流電機控制中主要問題是提高系統(tǒng)魯棒性，以克服參數變化和各種擾動的影響。采用的主要方法是自適應控制如參數辨識自校正調節(jié)、模型參考自適應系統(tǒng)(MRAS)。其中，MRAS理論比較成熟，無需對象的精確數學模型，只要找到一個合適的參考模型即可，其關鍵問題是設計自適應參數調整規(guī)律，在保證系統(tǒng)穩(wěn)定性的同時使誤差信號趨于零。而模型參考自適應應用于反饋信號估計(如磁鏈、轉矩、轉速等)問題。但是辨識和校正需要有一個過程，對于較慢的參數變化，具有校正作用；而對于較快的參數變化，就難以獲得好的動態(tài)效果。