永磁同步电机(PMSM)由于其优良的控制和调速性能,被广泛应用于各种电机拖动和电机伺服驱动等领域,在电机的各种控制策略中,模型预测控制(MPC)正受到越来越多的关注,它可以对多个不同种类变量同时进行控制,且方便施加约束条件。但是预测控制策略是一种基于数学模型的控制策略,具有计算量大、对参数敏感的缺点,本文针对以上问题,对基于参数辨识的永磁同步电机预测控制进行了深入研究,主要研究内容如下:首先将永磁同步电机的物理模型经过适当简化,同时结合磁势守恒原则和坐标变换矩阵,建立永磁同步电机的数学模型。对目前常见的永磁同步电机的控制策略及各种策略的优缺点进行了分析说明。综合d-q两相同步旋转坐标系下永磁同步电机数学模型和一阶欧拉离散法则,得到电机传统预测电流控制模型。在传统模型预测控制基础上,本文提出了一种改进型模型预测控制策略,该方法将预测控制滚动优化过程中的备选电压矢量由7个降低到3个,有效地降低了系统的计算量,可以提高系统的采样频率。通过仿真和实验证明了该改进预测控制策略的有效性,电机的预测控制性能得到了提升。电机的各项参数会随电机运行工作情况的变化而变化,而模型预测控制策略是基于准确电机数学模型的,当电机模型不准确时会对电机的预测控制性能造成不良影响,本文对因电机运行工况改变而引起的电机参数变化对预测控制的影响进行了分析,结果表明在电机运行稳态当参数不匹配时,电机定子d、q轴电流给定值和反馈值间跟踪效果变差。本文通过引入参数辨识算法对电机参数进行在线辨识,并实时修正控制器内对应的电机参数值的方法来提高电流跟踪效果。在所有的参数辨识算法中,本文选择Adaline神经网络系统辨识算法对基于预测控制的永磁同步电机参数进行辨识,并同步修正改进模型预测控制器中对应的电机参数。通过仿真和实验,证明了该方法的有效性,可以消除电流跟踪的静差,提高系统电流跟踪性能。