永磁同步电机（Permanent Magnet Synchronous Machine,PMSM）具有功率因数高、效率高、温升低等特点,因此被广泛应用于电动汽车、数控机床等领域中。在PMSM控制系统中,电流环的动态性能影响着电机控制的稳定性,而传统的电流环PI控制策略在动态性能和鲁棒性方面逐渐难以满足实际应用的需求。预测控制具有动态响应快和易于实现等优点,因此,当前工业界和学术界开始广泛研究将其用于取代传统的电流环PI控制。为此本文推导了PMSM的预测控制模型,并对于无差拍电流预测控制（Deadbeat Current Predictive Control,DCPC）的原理和控制性能进行了深入分析。同时,还研究了逆变器非线性因素和电机参数不确定性对DCPC的影响,并给出了相应的解决方案:（1）为了对逆变器非线性因素进行补偿,本文研究了基于模型参考自适应（Model Reference Adaptive System,MRAS）算法的逆变器非线性因素补偿策略。该补偿策略基于电机基波参数模型,其首先对误差电压进行在线观测,并将观测值直接补偿到逆变器的参考电压中,从而实现对逆变器非线性因素等效电压的在线补偿。该方法调试简单,并有着较好的补偿效果,但依赖于精确的电机参数信息。针对该问题,本文进一步推导了基于自适应线性神经网络（Adaline Neural Network,Adaline NN）的逆变器非线性因素补偿策略。该策略基于逆变器非线性因素引起的误差电压在dq轴参考坐标系产生的6次谐波分量幅值,通过一个在线循环迭代寻优方案使该6次谐波分量最小化,最终实现对逆变器非线性因素的补偿。和MRAS方案相比,该方法不依赖于电机参数,可以实现较精确的在线补偿。（2）为了进一步提高PMSM控制系统的鲁棒性和稳态精度,本文研究了基于MRAS的逆变器非线性因素补偿和DCPC相结合的控制策略以及基于Adaline NN的逆变器非线性因素补偿和DCPC相结合的控制策略。与传统的DCPC相比,基于逆变器非线性因素补偿的DCPC策略可以有效减小交、直电流波动和转矩脉动,提高PMSM控制性能。（3）预测控制的参数模型精确度往往会直接影响到DCPC算法的性能。因此,DCPC算法对电机参数,特别是电感和永磁磁链的依赖性较高。针对此问题,本文分析了传统DCPC算法对电机参数扰动敏感的问题,并发现电感误差和永磁磁链误差都会引起电流的静态观测误差,且较大的电感误差还会引起电流观测的发散。为了减小电机参数误差和逆变器非线性因素对DCPC算法控制性能的影响,本文提出基于集总参数模型的DCPC算法模型。该算法将参数误差导致的扰动电压和逆变器非线性因素导致的误差电压等效为一个集总参数,并设计自适应滑模观测器对其进行观测,最终用于辅助电流预测。最后,将所观测的集总参数补偿到电流环输出电压中,以提高DCPC控制的鲁棒性。本文通过仿真和实验对上述两种控制策略进行了验证,分析了各个策略所要解决的核心问题,并给出了相应的解决方案。所研究的基于集总参数模型的DCPC算法可有效解决传统方案中存在的逆变器非线性因素的影响,以及对电机参数依赖的问题,具有很好的理论意义和工程应用价值。