永磁同步电机（Permanent Magnet Synchronous Motor,PMSM）具有结构简单、效率高、数学模型简单等特点,近些年来被广泛应用于工业伺服、纺织机械等领域。随着微处理器性能的快速提升,一些复杂的高性能控制算法可以被应用到PMSM控制系统中,模型预测控制（Model Predictive Control,MPC）作为一种先进控制算法,已发展为电机驱动系统中具有一定潜力的高性能控制策略。该控制方法具有原理简单、多目标非线性控制易实现等优点,但仍存在依赖系统模型、一阶欧拉离散预测精度不高、成本函数中权重系数设计繁琐等问题。本论文开展基于进化算法的永磁同步电机模型预测控制系统研究,首先介绍了PMSM的常用结构,应用坐标变换原理将三相坐标系下的PMSM数学模型变换到两相坐标系下,实现状态变量的解耦。并详细介绍了工程中两种常用的电机控制算法（矢量控制,直接转矩控制）的基本原理及MPC的基本原理,将两相旋转坐标系下的PMSM数学模型采用一阶欧拉离散的方式获得模型预测转矩控制算法（MPTC）的预测模型。针对MPC在处理多目标多约束条件时权重系数的设计问题,本文通过仿真分析了权重系数的设计原则,对目前在权重系数设计方面取得的部分研究成果进行了介绍和分析,包括无权重系数的并联和级联式预测控制结构以及采用智能优化算法（模糊控制算法,神经网络算法）进行权重系数的优化设计。为进一步优化权重系数的设计,本文采用粒子群算法实现权重系数的自整定。对MPTC中权重系数设计的评价标准量化,以两相旋转坐标系下电流误差均方根为参考,将降低转矩脉动和减小电流总谐波畸变（THD）作为主要控制目标,设计粒子群算法中粒子目标函数。同时,为了提高粒子群算法的搜索性能,在传统粒子群算法基础上设计了动态重组的粒子结构,并结合混沌变异的更新策略。通过仿真验证了粒子群算法整定权重系数的可行性以及改进粒子群算法在收敛速度和搜素精度方面的优越性。并结合现有实验条件,搭建了永磁同步电机控制系统,在实验中进一步验证了该方法能较好地解决权重系数整定问题,实现优异的PMSM系统控制性能。