在航天航空、工业机器人、数控机床以及轨道交通等领域,永磁同步电动机因其功率密度高、结构简单、效率高和转矩惯性比大等优点而得到了广泛地应用。近年来,模型预测控制由于其建模直观、动态响应快和易于进行多目标控制等优点已被广泛应用于电力电子变换器和电机驱动等领域。预测速度控制策略可实现对电机速度和电机电流的同时控制,这种控制结构有利于提高系统的动态性能。但预测速度控制策略实质是一种基于模型的控制策略,其系统性能与模型准确度直接相关。在实际电机驱动控制系统中,负载转矩变化和模型参数不确定性都会导致预测模型与实际模型不匹配,而预测模型失配会对预测速度控制策略的动稳态性能产生不利影响。本文针对永磁同步电动机预测速度控制策略的预测模型失配问题,研究了一种鲁棒预测速度控制策略,该策略采用两种降阶扩张状态观测器来估计系统的状态变量和集总扰动,利用估计出的状态变量和集总扰动对预测模型进行实时补偿,并采用补偿后的预测模型来预测系统的状态变量,以增强控制系统的参数鲁棒性。同时,该策略在价值函数设计中直接考虑了负载转矩扰动,以改善控制系统的抗负载扰动能力。为了验证本文所研究的永磁同步电动机鲁棒预测速度控制策略的可行性和有效性,本文对鲁棒预测速度控制策略进行了仿真和实验研究。仿真和实验结果均表明:相比于预测速度控制策略,本文所研究的鲁棒预测速度控制策略具有较好的抗负载扰动能力和较强的参数鲁棒性。