史涔溦，解正宵，陈卓易，邱建琪

(1.浙江大学 电气工程学院，杭州 310027；2.浙大宁波理工学院 信息科学与工程学院，浙江 宁波 315100)

0 引 言

永磁同步电机(permanent magnet synchronous machine,PMSM)具有高功率密度、高效率和宽调速范围的优点，在许多生产生活领域中都得到了广泛的应用[1]。为了进一步满足经济社会发展对永磁同步电机调速性能的需求，研究人员提出了许多高性能控制策略，如预测控制，滑模控制和神经网络控制等[2]。有限集模型预测控制(finite set model predictive control,FCS-MPC)的核心思想是对系统未来的状态量进行估计，在每个控制周期内，FCS-MPC控制器都要对控制目标的完成一次状态预测计算，在有限的控制集内选出使代价函数最优的控制策略[3]。

PMSM的电磁转矩是由定子电流产生的磁场与转子磁场相互作用产生的，FCS-MPC如果使用定子d-q轴电流作为预测和控制的对象，则被称为模型预测电流控制(model predictive current control,MPCC)。MPCC方法通常使用电流预测值和电流参考值之间偏差来设计代价函数，电流的参考值由转速外环的PI控制器给出。在一些研究中，研究人员为了获得更快的响应速度舍弃了转速环和电流环的级联结构，将电机的转速和转矩也引入预测模型中，这种方法一般被称为模型预测转矩控制或者模型预测转速控制[4-7]。

MPCC方法的预测精确度十分依赖于模型的准确程度，然而在实际应用中，铁磁材料的饱和效应和交叉耦合[8]、逆变器的扰动电压[9]，温升对电阻和磁链的影响[10]等未建模因素都会影响模型的预测精确度，并且在电机参数无法提前预知的情况下，参数失配也会导致控制性能下降。……