永磁同步电机凭借其优异的性能,使其成为当前应用极为广泛的动力装置。随着时代的发展,永磁同步电机电流环亟待更先进的控制策略。预测电流控制有着原理简单易懂、动态性能好、稳态精度高等优点,为电流环性能的提升带来了希望。同时,微处理器技术的不断进步能够解决电机预测控制中计算量大的问题,为预测控制在电机控制领域的运用带来了突破。文章首先建立了永磁同步电机的电压方程与磁链方程,通过坐标变换的方法,建立了两相旋转坐标系下的数学模型。通常系统的采样频率极高,状态方程中电流的微分形式能够通过一阶欧拉公式转化成离散形式的电流,经过变形就能获得预测电流控制的数学模型。为了减少系统延时对系统造成的影响,将延时考虑在内,推导获得了带有延时补偿的无差拍预测电流控制模型。由于该模型中使用到了电机中定子电阻、定子电感和永磁体磁链等参数,在电机运行状态改变造成这些参数变化时,控制器内的参数与电机实际参数不一致,将造成系统控制性能的下降。随后对该问题展开了分析,结果表明电感参数的偏差将影响系统的稳定性,磁链参数的偏差将导致q轴电流出现静态误差。其次,本文采用参数辨识的方法,通过将辨识结果修正控制器内参数的思路,来解决上述问题。所使用的参数辨识算法基于粒子群算法,而标准粒子群算法有粒子易于陷入局部最优的问题,本文采用向速度更新方程中加入可变探测矢量和使用基于高斯分布的动态反向学习策略对标准粒子群算法进行改进。通过仿真分析,结果表明改进粒子群算法比标准粒子群算法的收敛速度更快,收敛精度更高。使用辨识值修正控制器内参数,使之与电机的实际参数保持一致后,本文所建立的控制系统表现出较好的动稳态性能。最后在基于TMS320F28335的实验平台上进行了实验,实验证明所提出的基于改进粒子群算法的参数辨识策略能够准确辨识出电机参数,且基于改进粒子群算法的预测电流控制系统在电机参数发生变化时,仍然具有优良的控制性能,证明了本文所提出算法的可行性,具有一定的使用价值。