1. 课程导入
在电力电子与电机驱动控制领域，模型预测控制（Model Predictive Control, MPC）近年来从工业过程控制逐步渗透到高频开关变换器与交流电机驱动中。其中，有限集模型预测控制（Finite Control Set Model Predictive Control, FCS-MPC）因其直接利用变换器的离散开关状态、无需调制器、动态响应快等特点，成为学术界与工业界共同关注的热点。本课程围绕FCS-MPC开关状态优化设计展开，本章作为导入，先建立整体认知框架。
1.1 FCS-MPC的基本定义
FCS-MPC是一类基于离散时间模型的预测控制方法。其核心思想是：利用被控对象（如逆变器、电机、电网接口变换器）的离散数学模型，在每个控制周期内遍历变换器所有可行的开关状态组合，预测每种状态在未来一个或多个采样周期内的系统行为，并通过预先定义的成本函数（Cost Function）评估优劣，最终选择使成本函数最小的开关状态直接作用于变换器。
与连续控制集MPC不同，FCS-MPC的“有限集”体现在开关状态天然离散：两电平三相逆变器只有8种开关组合，三电平NPC逆变器有27种，级联H桥则更多。这种“枚举—预测—寻优—直发”的结构，使FCS-MPC无需PWM调制器，也无需内环电流PI调节器，控制结构极为简洁。
一句话概括：FCS-MPC = 离散模型 + 有限开关状态枚举 + 成本函数寻优 + 直接开关输出。
1.2 发展历程与定位
MPC起源于20世纪70年代的过程控制领域，如动态矩阵控制（DMC）、模型算法控制（MAC）。2000年前后，研究者开始将其引入电力电子，最初用于逆变器电流控制。2007年前后，随着数字信号处理器（DSP）和现场可编程门阵列（FPGA）算力提升，FCS-MPC在电机驱动、并网逆变器、多电平变换器中迅速推广。2010年后，研究重点转向开关频率固定化、计算量降低、权重系数整定、鲁棒性提升等方向，这也正是本课程“开关状态优化设计”的核心命题。
在电力电子与电机驱动的控制谱系中，FCS-MPC的定位可用下表对比理解：
| 控制方法 | 调制器 | 动态响应 | 开关频率 | 多目标处理 | 计算负担 |
|---|---|---|---|---|---|
| 线性PI + PWM | 需要 | 中等 | 固定 | 需级联/解耦 | 低 |
| 滞环控制 | 不需要 | 快 | 变化 | 较难 | 低 |
| 直接转矩控制DTC | 不需要 | 快 | 变化 | 需查表 | 低 |
| FCS-MPC | 不需要 | 很快 | 可变/可优化 | 成本函数统一处理 | 高 |
| 连续集MPC + 调制 | 需要 | 快 | 固定 | 统一处理 | 很高 |
可以看到，FCS-MPC的最大优势在于多目标统一优化与无需调制器，最大挑战则在于开关频率不固定与在线计算量大。本课程后续章节将围绕这两点展开优化设计。
1.3 核心原理与信号链
FCS-MPC的典型信号链可概括为：采样 → 预测 → 评估 → 选择 → 输出。以三相两电平逆变器驱动永磁同步电机为例，控制周期内执行以下步骤：
- 采样定子电流
i(k)、转子电角度θ(k)、直流母线电压Vdc； - 根据电机离散模型，对8个电压矢量分别预测
i(k+1)； - 计算成本函数
g = |i_ref - i(k+1)|² + λ·f_sw； - 选择使
g最小的电压矢量； - 直接输出对应开关信号
Sabc，无需调制。
下图展示了FCS-MPC的典型信号链与开关状态优化在其中的位置：
1.4 典型应用场景
FCS-MPC已在多个场景中展现优势：
- 永磁同步电机驱动：直接预测定子电流或转矩/磁链，替代传统DTC查表，降低转矩脉动；
- 并网逆变器：统一控制并网电流、功率因数、中点电位平衡；
- 多电平变换器：利用冗余开关状态优化电容电压平衡与共模电压；
- 矩阵变换器：在有限开关组合中同时满足输入电流与输出电流要求。
1.5 常见误区与学习建议
误区一：认为FCS-MPC“没有调制器就一定能获得最优性能”。实际上，开关频率不固定会带来谐波频谱分散、滤波器设计困难等问题。
误区二：忽视权重系数λ的整定。λ选择不当会导致多目标控制失衡，甚至系统不稳定。
误区三：低估在线计算量。随着电平数增加，枚举状态数呈指数增长，必须结合预筛选、分支定界等优化策略。
学习建议：先掌握两电平逆变器FCS-MPC的建模与仿真，再逐步扩展到三电平、多电机、多目标场景；每章配合MATLAB/Simulink或PLECS仿真验证，重点关注开关频率、THD、计算时间三个指标。
1.6 本课程知识框架
本课程共30章，整体分为五个模块：
- 基础篇（第1–6章）：FCS-MPC定义、离散建模、成本函数设计、两电平逆变器实现；
- 开关状态优化篇（第7–15章）：开关频率固定化、矢量预筛选、多步预测、计算量降低；
- 多目标与鲁棒篇（第16–22章）：权重系数整定、参数鲁棒性、无权重系数方法；
- 应用篇（第23–28章）：电机驱动、并网逆变器、多电平变换器、矩阵变换器；
- 综合与前沿（第29–30章）：实验验证方法、FPGA实现、人工智能辅助优化。
通过本课程，你将能够独立完成FCS-MPC控制器的建模、仿真、开关状态优化与实验验证，并具备将FCS-MPC应用于实际电力电子系统的能力。