预测控制是一种通过数学模型对电机未来行为进行预测与调整，以此减小系统时延影响的优化控制方法。系统时延是一种非线性时变扰动，难以被准确估算与补偿，降低了传统位置预测控制应用于直线电机这类响应快速对象时的位置跟踪性能。本文分析了永磁直线同步电机的系统时延来源与影响，在预测模型中引入主动变速系数来降低系统时延以加快电机响应速度，解决了传统预测控制无法进行滚动优化的问题进而提出了一种多步虚拟位置预测控制，实现高性能系统时延补偿。文章对一台医用显微镜用小功率永磁直线同步电机进行仿真和实验，结果表明所提方法能够加快电机动态响应速度，并且在对三角、正弦等不同类型曲线的跟踪中均能够降低系统时延的影响，位置跟踪精度相较传统位置预测控制提高了约20%。

针对新型多通道双晶单色器系统易受晶体片平行度误差影响导致性能失效的问题，提出一种迭代学习模型预测控制器（Iterative Learning Model Predictive Control，ILMPC）策略。该策略将主-从轴晶体片平行度误差转换为从轴电机的重复参考运动轨迹，采用ILC迭代消除周期性机械安装误差，再利用MPC对单个转动周期内从轴电机的随机性误差进行抑制。最终在单轴电机运动实验平台上对该策略进行轨迹跟踪验证。实验结果表明，在晶体片有效工作区间内从轴电机的位置跟踪误差达到1.44″，相比于PID控制、MPC、DOB+MPC以及ILC+PID组合控制器策略，分别降低了99.64%，98.52%，98.26%和73.33%。研究结果验证了所提出的ILMPC策略在补偿晶体片平行度误差和提高平行对准精度方面的有效性，该策略对于改善新型多通道双晶单色器性能具有较好的实际应用价值。

为了提高永磁同步电机控制系统电流环控制器的性能，降低模型参数失配对控制系统的影响，提出了基于高斯过程参数辨识的永磁同步电机有限集模型预测电流控制策略（FCS-GPMPC）。首先，介绍了永磁同步电机电流预测模型并分析了模型参数失配对系统性能的影响；其次，为简化一般机器学习参数辨识算法中超参数复杂的调试过程，提出了一种基于高斯过程的模型参数的辨识方法；同时，引入预测值的置信区间作为参数预测效果的实时评估参考；最后，将高斯过程参数辨识与基于模型的有限集模型预测电流控制（FCS-MPC）相结合，在得到准确辨识的参数后对系统电流预测模型更新以提高系统鲁棒性和电流环跟踪性能。实验结果显示：在本文训练数据的统计特征下，测试数据均方根误差RMSE为0.002 1，R2达到0.99。在参数波动条件下，与FCS-MPC相比，FCS-GPMPC策略下电流波动度降低了30.5%，电流平均偏移度降低了19.6%，另外对参考电流的阶跃变化，FCS-GPMPC有更好的动态响应。实验结果表明，基于高斯过程的模型预测控制方法可有效抑制模型失配对控制系统的影响，能够提高永磁同步电机控制系统电流控制器性能。

星地量子通信传输距离长，卫星与地面存在相对运动，提高了对量子跟踪仪的跟踪性能要求。为了提高星地量子通信的跟踪精度，降低量子通信的误码率，本文对量子跟踪仪的跟瞄控制系统展开研究，并对影响跟踪精度的总扰动进行补偿。首先，介绍了星地量子通信链路、量子通信过程及其影响因素。接着，搭建了量子跟踪仪的运动数学模型。基于跟踪仪的数学模型，设计并提出自抗扰模型预测控制算法；针对模式切换问题，提出了分数阶跟踪微分器以优化轨迹减小超调。根据与“墨子号”卫星进行量子通信的实验结果：分数阶跟踪微分器对模式切换后的目标捕获速度提高了22%，提出的自抗扰模型预测控制相比于传统的PI控制有更强的抗扰动能力，削弱了俯仰换向的脱靶量尖峰，跟踪精度达到2.9″，提高了量子偏振数据接收量，总误码率降低到1.18%。本文提出的控制算法能够进一步提高量子跟踪仪的跟踪精度，降低了误码率，满足星地量子通信的精度要求。