永磁同步电机(Permanent magnet synchronous motor,PMSM)因为其功率因数高、结构简单、低噪节能等诸多优点,广泛得应用在工农业、国防以及交通运输中。为了实现高精度、低复杂度的控制,大多数永磁同步电机控制系统采用在线寻优的模型预测控制(Model Predictive Control,MPC)方法。但传统MPC方法由于计算量大、对参数变化及外部扰动敏感,导致实时性和抗扰动性能不好。本文对模型预测控制方法进行了优化研究,具体工作有:(1)分析了PMSM的基本结构和数学模型,基于旋转坐标系理论推导了abc、αβ和dq轴坐标系下数学模型的转换关系。研究了模型预测控制的基本工作机理,分析了模型预测转矩控制和电流控制的优缺点。(2)矢量集优化的模型预测直接转矩预测控制(model predictive direct torque control,MPDTC)研究。针对传统MPDTC方法要遍历所有电压矢量,导致运算量大、实时性不好的问题,提出了一种矢量控制集优化的MPDTC算法。优化算法基于无差拍思想估算期望电压矢量,基于期望电压矢量的位置选择所在扇区内的候选电压矢量,减少了候选电压矢量,实现了算法运算量的优化。并在Matlab/Simulink环境下进行建模及仿真实验,与传统转矩预测方案进行了对比。实验证明优化算法在减少了计算量的同时,保持了传统算法优越的动、稳态性能。(3)基于扰动补偿的模型预测电流控制(Model predictive current control,MPCC)研究。针对传统MPCC方法对参数和扰动较为敏感,容易出现超调和振荡的问题,提出了一种基于扰动补偿的电流预测控制策略,并基于数学模型和仿真实验分析验证了控制器参数值偏差对永磁同步电机电流预测控制性能的影响。优化算法基于扰动补偿的思想设计了扩张状态观测器(Extended state observer,ESO)观测扰动,并将扰动引入预测方程,构建带有扰动补偿的预测模型,提升了抗扰动性能。最后在Matlab/Simulink环境中通过仿真实验对优化算法的抗扰动性能进行了验证,与传统电流预测方法的抗扰动性能进行了对比,证明了优化算法具有良好的抗扰动性能。