随着近些年对于电机控制技术的研究,永磁同步电机(permanent magnet synchronous motor,PMSM)由于其功率密度高,转动惯量小,尺寸结构设计灵活等特点,因此被各国科研人员重点研究。并广泛应用于石油化工、数控机床、航空航天等领域,对应的传统控制算法通常为矢量控制和直接转矩控制。虽然有着良好的控制效果,但难以满足不同工业条件下的高性能控制。因此,为了满足在复杂情况下PMSM的高性能控制,模型预测控制(model predictive control,MPC)算法开始逐渐应用于永磁同步电机领域。然而,MPC算法仍有其不可忽视的缺点,即算法严重依赖电机参数。当模型参数与实际参数不符时,系统将无法维持其良好的控制性能。因此,提高MPC的参数鲁棒性尤为关键。针对MPC的参数鲁棒性问题,本文提出了三种强参数鲁棒性MPC方法。第一种方法基于传统模型预测电流控制(model predictive current control,MPCC)。首先对传统MPCC的原理进行了介绍,并对传统MPCC的参数敏感性进行了分析,量化了系统参数对于预测值的影响。随后通过建立滑模观测器,观测出系统扰动,修改系统模型并补偿扰动到系统中。第二种方法将预测模型改变为增量式模型,从而在模型中消除了磁链参数。其次对增量式预测模型进行了参数敏感性分析。然后建立扰动观测器,再将扰动代入通过PI计算出模型电感与实际电感的偏差,逐步修正模型中的电感,保证了模型中电感与实际电感一致。第三种方法为构建无差拍电感观测器。在增量式模型的基础上利用无差拍控制思想通过系统扰动直接观测出系统电感,并对模型中电感进行实时更新,以确保参数匹配从而提升MPC的参数鲁棒性。本文对于三种方法都进行了仿真和实验。仿真与实验验证了所提方法可降低MPC的参数敏感性,加强了 MPC算法应用于PMSM调速系统时的抗参数扰动能力。