汽车电动化可有效减小能源消耗和污染排放,是汽车新四化的重要方向之一,对我国建设成汽车强国有着重大意义。随着汽车电动化发展,电机在汽车上的应用愈加广泛。永磁同步电机具有高功率密度、高效率等优点,在车用电机领域得到广泛使用。高性能电机控制策略对永磁同步电机控制系统起着重要的作用。无差拍控制作为一种新型控制策略,理论上可实现控制目标的“零误差”控制。本文针对车用永磁同步电机磁链与转矩无差拍控制策略展开研究,主要研究工作如下:对永磁同步电机磁链与转矩变化量模型进行了简化,建立磁链和转矩无差拍控制数学模型,推导出了实现无差拍控制的理想电压矢量表达式,并采用空间矢量调制技术生成理想电压矢量。仿真验证了磁链与转矩无差拍控制的可行性。在理想电压矢量超出空间矢量调制范围时,采用改进的理想电压矢量生成策略,仿真验证了该控制方法可以在保证控制性能的基础上有效降低系统的平均开关频率。将模型预测控制应用于磁链与转矩无差拍控制来输出电压矢量,设计了表征电压矢量误差的成本函数,从2个基本电压矢量中选择令成本函数最小的电压矢量,并进行了仿真验证。为避免成本函数计算,进一步提出仅通过判断理想电压矢量的幅值与角度,无需成本函数计算的电压矢量简化选择方法。仿真和实验验证简化选择方法可在保持控制性能基本相当的前提下,有效减少计算时间,提高实时性。提出了一种基于离散角度与连续幅值的电压矢量拓展方法,通过查表和电压矢量幅值伸缩比的计算即可得到拓展电压矢量的三相开关占空比,无需空间矢量调制。仿真结果表明:基于拓展电压矢量的无差拍模型预测控制可有效降低系统的转矩脉动。为了减小理想电压矢量角度及转矩角计算的复杂度,通过构建数据集和网络训练,得到理想电压矢量角度及转矩角计算的两个BP神经网络,取代复杂数学模型对理想电压矢量角度及转矩角进行预测。仿真验证了BP神经网络角度预测结果准确性和基于BP神经网络角度预测的磁链与转矩无差拍控制的可行性。