基于有限控制集模型预测控制（FCS-MPC）的多目标优化方法，因其计算简单、动态响应快，在电力电子与电驱动领域得到广泛应用。然而，传统方法往往依赖经验选取的权重参数来平衡转矩、磁链与开关频率等目标，不仅设计过程繁琐，而且在工况变化时难以保持优越性能。近日，中国科学院海西研究院泉州装备制造研究中心研究团队提出了一种无需权重参数的多目标FCS-MPC协同决策方法。该方法通过将复杂的多目标优化问题分解为多个子问题，并利用快速排序与自适应选择机制，实现了对转矩、磁链和开关频率的协同优化。结果表明，该方法在提升控制性能的同时显著降低了算法复杂度，为解决多目标优化难题提供了新思路。实验方面，研究团队在一台2.2 kW感应电机试验平台上开展验证。与现有的无权重参数FCS-MPC方案相比，所提方法在稳态和动态下均实现了更小的转矩与磁链波动，并保持较低的开关频率。

图1.所提协同决策方法的闭环示意图。

图2. 稳态性能对比(10%额定转速，50%额定负载)。(a) 广义序列型MPC (b) 有效型MPC (c)提出的协同决策方法

图3. 动态性能对比(50%额定负载，转速从50%突变到75%额定值)。(a) 广义序列型MPC (b) 有效型MPC (c) 提出的协同决策方法

相关研究成果以“Cooperative Decision-Making Approach for Multiobjective Finite Control Set Model Predictive Control Without Weighting Parameters”为题发表于 IEEE Transactions on Industrial Electronics 期刊上。中国科学院海西研究院泉州装备制造研究中心汪凤翔研究员为本文通讯作者，谢昊天副研究员为本文第一作者。研究工作获得国家自然科学基金、智利国家研究与发展署项目等资助。

论文链接：https://doi.org/10.1109/TIE.2023.3283689

（谢昊天课题组供稿）