近年来，人工智能理论的发展使得强化学习（RL）应用在电机控制上成为可能。针对模型预测控制算法（MPC）在确定多目标多约束条件的权重系数设计困难的问题，本文提出使用深度确信策略梯度（DDPG）算法实现权重系数自整定。在本文的算法设计中，将权重系数作为 DDPG 的输出，两相旋转坐标系下的电流误差均方根为 DDPG 观察的变量，将降低转矩脉动和减小电流总谐波畸变（THD）作为主要控制目标。同时，本文在分析了不同权重分配对系统性能的影响后，建立了权重系数和速度的函数关系式，将提高系统的动态性能作为目标。本文提出的方法能实现权重系数的自整定，并能提升系统动态性能。仿真证明了所提方法的有效性。