随着近年来传动系统的发展，多电机传动已被越来越广泛地应用于各种领域中。为了提高多电机传动系统的动态和稳态性能，以及满足一些特定系统对于多电机精确同步的要求，多电机同步控制方法的研究也变得越来越重要。国内外学者经过多年的研究，形成了几种多电机同步控制策略，在这些控制策略中偏差耦合控制策略在多电机同步领域中是目前被公认最好的。本文以偏差耦合控制作为控制策略，利用强化学习作为速度同步补偿器的控制方法，提高了多电机速度的同步控制精度与稳定性。 本文首先介绍了多电机同步控制的发展历史，对几种控制策略特点进行了详细的分析。在分析多智能体系统中的独立学习和群体强化学习特点的基础上，设计了基于强化学习补偿器的多电机同步控制方法。独立强化学习具有学习速度快、方法相对简单等优点，但系统中的智能体(Agent)只考虑自己的状态而不关心其它Agent的状态，也不考虑其它Agent的动作，并且在多智能体系统中，独立学习无法满足马尔科夫过程，在理论上无法保证收敛性。为了克服独立学习的局限性，群体强化学习被提出，但群体强化学习的学习空间随着智能体个数的增加而指数级膨胀的问题。本文引入了一种基于动作预测的群体强化学习算法，这种方法可以削减学习单元的冗余状态信息，降低学习空间的组合强度，加快群体强化学习算法的学习速度。结合动作预测群体强化学习和偏差耦台控制策略的优点，设计出基于强化学习的补偿器。经过Matlab的仿真结果说明了本文设计的控制算法的有效性和实用性。 最后，总结了所做的研究工作，并对多电机同步控制系统中存在的其它问题进行了简单的分析，对未来研究方向进行了阐述。