李 程，廖丽诚，冯 凌，2，付建国

（1.中车株洲电力机车研究所有限公司电气技术与材料工程研究院，株洲 412001；2.西南交通大学电气工程学院，成都 610097）

牵引系统中的永磁同步电机PMSM（permanent magnet synchronous motor）具有功率大、电感小、转矩大等特点，在较低开关频率（低于1 kHz）情况下，实现PMSM 定子电流、电磁转矩等变量的高精度控制是发挥其优势的保障[1-3]。得益于嵌入式控制器计算能力的大幅提升和求解器对底层优化问题求解速度的显著加快，在过去的十几年里，与模型预测控制MPC（model predictive control）相关的研究在电力传动领域迅速崛起[3-11]。相对于传统PI 和脉宽调制结构电能变换装置控制方式，MPC 具有结构简单、动态响应速度快、便于增加非线性约束等优点[12-13]。

权重因子作为MPC 成本函数的关键参数，其不同的取值对控制性能有显著影响，它的寻优是MPC 研究的重点之一[14-15]，目前很少有专业理论对此进行指导，因此大多数研究都采用基于经验和统计的方法进行设计。文献[5-6]通过构造不包含权重因子的成本函数以避免其对系统的影响，这种方法虽然使得成本函数的构造得到了简化，但是控制算法的复杂度增加，并且完全舍弃权重因子，也失去了对非线性约束的控制能力。文献[16]在三相不间断电源UPS（uninterruptible power supply）逆变器MPC 的权重因子设计中，实现了自动选择基于特定适应度函数的最优权重因子。近几十年来，神经网络由于其强大的自学习与自适应性，在电力电子和电机驱动中的应用越来越广泛[16-20]，不同类型的神经网络适用于不同应用场合。……