电机控制专题(三)——Sensorless之有功磁链Active Flux电压模型

文章目录

  • 电机控制专题(三)——Sensorless之有功磁链Active Flux电压模型
    • 前言
    • 理论推导
    • 仿真验证
    • 总结
    • 参考文献

电机控制专题(三)——Sensorless之有功磁链Active Flux电压模型

前言

总结下电机控制中的有功磁链Active Flux(AF)模型。

纯小白,如有不当,轻喷,还请指出。


在得出AF之前,有必要先从一个不具有凸机效应的表贴式永磁同步电机Suface Mounted Permanet Machine(SPM)的模型入手。

SPM在两相静止坐标系下的电压方程和磁链方程可表示为
[ u α u β ] = [ R 0 0 R ] [ i α i β ] + p [ ψ α ψ β ] \begin{bmatrix}u_{\alpha}\\u_{\beta}\end{bmatrix}=\begin{bmatrix}R&0\\0&R\end{bmatrix}\begin{bmatrix}i_{\alpha}\\i_{\beta}\end{bmatrix}+p\begin{bmatrix}\psi_\alpha \\\psi_\beta\end{bmatrix} [uαuβ]=[R00R][iαiβ]+p[ψαψβ](1)

[ ψ α ψ β ] = [ L 0 0 L ] [ i α i β ] + ψ f [ cos ⁡ θ r sin ⁡ θ r ] \begin{bmatrix}\psi_{\alpha}\\\psi_{\beta}\end{bmatrix}=\begin{bmatrix}L&0\\0&L\end{bmatrix}\begin{bmatrix}i_{\alpha}\\i_{\beta}\end{bmatrix}+\psi_{f}\begin{bmatrix}\cos\theta_{r}\\\sin\theta_{r}\end{bmatrix} [ψαψβ]=[L00L][iαiβ]+ψf[cosθrsinθr](2)

其中 v α β v_{\alpha\beta} vαβ α β \alpha\beta αβ轴电压分量, i α β i_{\alpha\beta} iαβ α β \alpha\beta αβ轴电流分量, ψ α β \psi_{\alpha\beta} ψαβ α β \alpha\beta αβ轴磁链分量 R , L , θ r , ψ f R,L,\theta_{r},\psi_f R,L,θr,ψf分别为电机的电阻、电感、电角度和永磁体基波磁链幅值, p p p是微分算子。式(2)等式右边的第一项称为定子磁链,第二项称为转子磁链。

式(1)说明,通过测量 v α β v_{\alpha\beta} vαβ i α β i_{\alpha\beta} iαβ,即可算出 α β \alpha\beta αβ轴的总磁链,再由式(2)计算出电机的转子磁链。而转子磁链含有转子位置信息,因此可以通过反正切或者锁相环PLL等算法提取得到电机的电角度和转速,从而实现无位置传感器Sensorless控制。

上述的SPM的基于磁链的无感控制算法看上去还挺简单的对吧,但当电机是一个具有凸极效应的内置式永磁电机Interior Permanent Machine(IPM)的时候,情况又是怎样的呢?

IPM在两相静止坐标系下的数学模型如下:
[ u α u β ] = [ R 0 0 R ] [ i α i β ] + p [ ψ α ψ β ] \begin{bmatrix}u_{\alpha}\\u_{\beta}\end{bmatrix}=\begin{bmatrix}R&0\\0&R\end{bmatrix}\begin{bmatrix}i_{\alpha}\\i_{\beta}\end{bmatrix}+p\begin{bmatrix}\psi_\alpha \\\psi_\beta\end{bmatrix} [uαuβ]=[R00R][iαiβ]+p[ψαψβ](3)

[ ψ α ψ β ] = [ L α L α β L α β L β ] [ i α i β ] + ψ f [ cos ⁡ θ r sin ⁡ θ r ] \begin{bmatrix}\psi_{\alpha}\\\psi_{\beta}\end{bmatrix}=\begin{bmatrix}L_\alpha&L_{\alpha\beta}\\L_{\alpha\beta}&L_\beta\end{bmatrix}\begin{bmatrix}i_{\alpha}\\i_{\beta}\end{bmatrix}+\psi_{f}\begin{bmatrix}\cos\theta_{r}\\\sin\theta_{r}\end{bmatrix} [ψαψβ]=[LαLαβLαβLβ][iαiβ]+ψf[cosθrsinθr](4)

L α = L 0 + L 1 cos ⁡ 2 θ r L β = L 0 − L 1 cos ⁡ 2 θ r L α β = L 1 sin ⁡ 2 θ r L 0 = ( L d + L q ) 2 L 1 = ( L d − L q ) 2 . \,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\begin{aligned} L_{\alpha}=& L_0+L_1\cos2\theta_{r} \\ L_{\beta}=& L_0-L_1\cos2\theta_{r} \\ L_{\alpha\beta}=& L_1\sin2\theta_{r} \\ L_0=& \begin{aligned}\frac{(L_d+L_q)}{2}\end{aligned} \\ L_{1}=& \begin{aligned}\frac{(L_d-L_q)}{2}.\end{aligned} \end{aligned} Lα=Lβ=Lαβ=L0=L1=L0+L1cos2θrL0L1cos2θrL1sin2θr2(Ld+Lq)2(LdLq).
其中 L d , L q L_d,L_q Ld,Lq为dq轴电感, θ r \theta_{r} θr是电角度。

式(2)说明,当电机是一个IPM时,转子位置信息不仅位于转子磁链中,还耦合在定子磁链中。

到这里读者应该可以发现了,同样都出于计算电机转子磁链来实现无感控制的目的,但却只适用于SPM,那未免也太鸡肋了。所以AF概念的提出就是为了将SPM和IPM的基于磁链无感算法统一起来,在这个AF模型下,对SPM和IPM都适用,是一个通用的交流电机无感控制算法。

理论推导

IPM在dq坐标系下的数学模型为
[ u d u q ] = [ R + p L d − ω r e L q ω r e L d R + p L q ] [ i d i q ] + [ 0 ω r e ψ f ] \begin{bmatrix}u_d\\u_q\end{bmatrix}=\begin{bmatrix}R+pL_d&-\omega_{re}L_q\\\omega_{re}L_d&R+pL_q\end{bmatrix}\begin{bmatrix}i_d\\i_q\end{bmatrix}+\begin{bmatrix}0\\\omega_{re}\psi_f\end{bmatrix} [uduq]=[R+pLdωreLdωreLqR+pLq][idiq]+[0ωreψf](5)

重写式(3)中的电感矩阵和旋转反电势项,得到
[ u d u q ] = [ R + p L q − ω r e L q ω r e L q R + p L q ] [ i d i q ] + [ p ψ d a ω r e ψ d a ] \begin{bmatrix}u_d\\u_q\end{bmatrix}=\begin{bmatrix}R+pL_q&-\omega_{re}L_q\\\omega_{re}L_q&R+pL_q\end{bmatrix}\begin{bmatrix}i_d\\i_q\end{bmatrix}+\begin{bmatrix}p\psi_d^a\\\omega_{re}\psi_d^a\end{bmatrix} [uduq]=[R+pLqωreLqωreLqR+pLq][idiq]+[pψdaωreψda](6)
其中 ψ d a = ψ f + ( L d − L q ) i d \psi_d^a=\psi_f+(L_d-L_q)i_d ψda=ψf+(LdLq)id

对式(6)进行反Park变化,得到两相静止坐标系下的数学模型
[ u α u β ] = [ R 0 0 R ] [ i α i β ] + p [ ψ α ψ β ] \begin{bmatrix}u_{\alpha}\\u_{\beta}\end{bmatrix}=\begin{bmatrix}R&0\\0&R\end{bmatrix}\begin{bmatrix}i_{\alpha}\\i_{\beta}\end{bmatrix}+p\begin{bmatrix}\psi_\alpha \\\psi_\beta\end{bmatrix} [uαuβ]=[R00R][iαiβ]+p[ψαψβ](7)

[ ψ α ψ β ] = [ L p 0 0 L p ] [ i α i β ] + ψ d a [ cos ⁡ θ r sin ⁡ θ r ] \begin{bmatrix}\psi_{\alpha}\\\psi_{\beta}\end{bmatrix}=\begin{bmatrix}L_p&0\\0&L_p\end{bmatrix}\begin{bmatrix}i_{\alpha}\\i_{\beta}\end{bmatrix}+\psi_{d}^a\begin{bmatrix}\cos\theta_{r}\\\sin\theta_{r}\end{bmatrix} [ψαψβ]=[Lp00Lp][iαiβ]+ψda[cosθrsinθr](8)

可以看出,当 L d = L q L_d=L_q Ld=Lq,AF即永磁体幅值,因此AF是交流电机磁链的统一的表达式。

式(8)表明,经过等价变化以后,定子磁链不在再含有转子位置信息,转子位置只包含在AF中。电机的模型得到了大大的简化。

因此通过式(7)(8)计算得到AF,并设计合理的观测器PLL,即可估算电机的转速和角度。

仿真验证

基于上述的AF模型,对一台IPM电机进行无感控制,相应的仿真参数设置如下

参数
L d L_d Ld3.5mH
L q L_q Lq8.5mH
ψ f \psi_f ψf0.17Wb
U d c U_{dc} Udc311V

由于反电动势与转速成正比,低转速情况下的反电动势,计算得到的反电动势误差较大,因此需要将电机开环拖动至较高转速,至转速及角度收敛以后再切入转速闭环。

设置电机空载启动0.09s后,切入闭环控制,控制转速为2500rpm,0.2s加载至5N·m,0.3s加速至3000rpm,仿真总时长0.4s。相应的仿真结果如下图所示。

![这里插入图片描述](https://img-blog.csdnimg.cn/direct/e0838d7987a44a96bdc5dae145aa4546.png)
在这里插入图片描述

总结

AF是IPM,以及SPM的磁链的统一模型。不论是IPM还是SPM,都可以计算出含转子位置信息的AF,从而结合观测器提取转子转速以及转子角,实现无位置控制。

参考文献

[1] Boldea I, Paicu M C, Andreescu G D, et al. “active flux” DTFC-SVM sensorless control of IPMSM[J/OL]. IEEE Transactions on Energy Conversion, 2009, 24(2): 314-322.
[2] Boldea I, Paicu M C, Andreescu G D. Active flux concept for motion-sensorless unified AC drives[J/OL]. IEEE Transactions on Power Electronics, 2008, 23(5): 2612-2618.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/666.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

java分布式项目需要进行注意的事项(代码层面)

在分布式系统中,使用主键自增会引发一系列问题。以下是几个主要原因: 高并发冲突:在分布式系统中,多个节点同时生成主键时会产生冲突。因为每个节点都有自己的自增序列,同时生成的主键可能会有重复。 单点故障&#xf…

OpenHarmony实战开发-Web自定义长按菜单案例。

介绍 本示例介绍了给Webview页面中可点击元素(超链接/图片)绑定长按/鼠标右击时的自定义菜单的方案。 效果预览图 使用说明 长按Web页面中的图片或者链接元素,弹出自定义的Menu菜单,创建自定义的操作,如复制图片、使…

【NLP练习】使用Word2Vec实现文本分类

🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者:K同学啊 一、数据预处理 1. 任务说明 本次加入Word2Vec使用PyTorch实现中文文本分类,Word2Vec则是其中的一种词嵌入方法,是一种用于生成词向量…

2001-2022上市公司数字化转型数据(含原始数据+计算代码+计算结果)

2001-2022上市公司数字化转型数据(含原始数据计算代码计算结果) 1、时间:2001-2022年 2、来源:原始数据整理自wind 3、指标:证券代码、证券简称、统计截止日期、是否发生ST或*ST或PT、是否发生暂停上市、行业代码、…

简单了解Element Plus

请简述Element Plus是什么,以及它与其他UI框架的主要区别是什么? 答案: Element Plus是一套为开发者、设计师和产品经理准备的基于Vue 3.0的桌面端组件库。它与其他UI框架的主要区别在于其高度的可定制性、丰富的组件库以及良好的性能表现。…

戴尔电脑怎么关闭开机密码?

1.同时按键盘上是“window键”(一般是键盘最下面一排第二个)和“R键“,并在弹出的窗口输入“netplwiz”然后确定。 2.然后会弹出的“用户账户”窗口,接下来取消勾选“要使用本计算机,用户必须输入用户名和密码” 3.上面…

MySQL之explain执行计划

一、explain作用 MySQL的EXPLAIN命令是开发者经常使用的一个强大的分析工具,帮助开发者了解查询的性能瓶颈和优化方向。 二、使用方法 只需要在要执行的sql语句前加explain关键字即可,如下 mysql> explain select * from user where id >60; -…

每日算法练习(1)

开一个新坑,记录下自己每天的算法练习,希望自己通过1个多月的学习,能够成为算法大神。 下面正式开始新坑。 两个数组的交集 这是牛客上的题,根据题意,我们有多种解法,这题用哈希比较好写。我们可以弄一个…

1.8、数位DP(算法提高课)

一、数字游戏 题目链接:http://ybt.ssoier.cn:8088/problem_show.php?pid1588 题意:求给定区间【a,b】中的不降数的个数,不降数的定义为从左到右各位数字成小于等于的关系。 思路:首先预处理出来 f[i][j] 为一共有…

pytorch环境配置踩坑记录

一、问题1 1.执行命令 conda create -n pytorch python3.62.报错如下 Solving environment: failedCondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://repo.anaconda.com/pkgs/msys2/noarch/repodata.json.bz2> Elapsed: -An HTTP error occurred when tr…

Java 变得越来越像 Rust?

随着编程技术的增强和复杂性的提升&#xff0c;许多编程语言也纷纷效仿&#xff0c;Java 也不例外。 另一边&#xff0c;尽管社区内部问题重重&#xff0c;但 Rust 仍逐年获得开发人员的喜爱。这背后都是有原因的&#xff1a;Rust 的编译器让开发人员避免了各种问题。编译器对…

【GlobalMapper精品教程】074:从Lidar点云创建3D地形模型

本文基于地形点云数据,基于泊松方法、贪婪三角形测量方法和阿尔法形状创建3d地形模型。 文章目录 一、加载地形点云数据二、创建三维地形模型1. 泊松方法2. 贪婪三角形测量方法3. 阿尔法形状注意事项一、加载地形点云数据 加载配套案例数据包中的data074.rar中的地形点云数据…

3D地图大屏 附源码(Three.js + Vue3)

目录 &#x1f44b; 前言 &#x1f680; 项目包 ⚒️ 字体制作 &#x1f310; 地图制作 &#x1f4a1; 参考视频 & 项目 开源项目&#xff08;Vue3tsWindcssEchartThree.js大屏案例&#xff09; 开源&#xff08;教程&#xff09; UI风格学习&#xff08; www.shuzixs.com …

本地事务存在的问题

在微服务中&#xff0c;如果还是使用本地事务会出现问题 比如订单服务中先下订单再调用库存服务再调用用户服务增加积分&#xff0c;这时候如果调用库存服务出现假失败&#xff0c;也就是说实际上成功了&#xff0c;但是因为网络原因没有返回&#xff0c;没返回出错了&#xff…

java调用讯飞星火认知模型

前往讯飞开发平台选择产品&#xff0c;获取appId、apiKey、APISecret&#xff0c;这里我选择的是v3.0模型。 java后端实现 本项目以及实现了基本的会话功能&#xff0c;小伙伴可以自己扩充其他的例如绘画功能。 注意&#xff1a;星火模型的api使用的是websocket协议&#xf…

c 多文件编程

1.结构目录 声明类:用于声明方法,方便方法管理和调用&#xff1b; 实现类:用于实现声明的方法; 应用层:调用方法使用 写过java代码的兄弟们可以这么理解&#xff1a; 声明类 为service层 实现类 为serviceimpl层 应用层 为conlloter层 2.Dome 把函数声明放在头文件xxx.h中&…

vtk.vtkAssembly()用法解释

vtk.vtkAssembly 是 VTK库中的一个重要类&#xff0c;允许通过将多个vtkActor对象组合在一起来创建复杂的3D模型。每个 vtk.vtkAssembly 对象都可以包含其他 vtk.vtkAssembly 对象&#xff0c;构成一个层级的组合结构。 以下是创建并使用 vtk.vtkAssembly 的一个基本示例&…

与上级意见不合时如何恰当地表达自己的观点?

在工作中与上级意见不合时&#xff0c;恰当表达自己的观点并寻求共识是一个需要谨慎处理的问题。以下是一些建议&#xff1a; 1. **尊重与礼貌**&#xff1a;在任何情况下&#xff0c;都应保持对上级的尊重和礼貌。即使在意见不合时&#xff0c;也要避免情绪化&#xff0c;保持…

200页图解国标《数据分类分级规则》正式稿,强化重要数据识别

GB/T 43697-2024《数据安全技术 数据分类分级规则》正式稿发布&#xff0c;并于2024年10月1日实施。2024年4月17日&#xff0c;国家标准全文公开系统公布了国标最终版。《数据分类分级规则》是全国网安标委更名后&#xff0c;发布的第一部以“数据安全技术”命名的国家标准&…

Python-VBA函数之旅-enumerate函数

目录 1、enumerate函数&#xff1a; 1-1、Python&#xff1a; 1-2、VBA&#xff1a; 2、相关文章&#xff1a; 个人主页&#xff1a;非风V非雨-CSDN博客 enumerate函数在Python中是一个强大的内置函数&#xff0c;用于将一个可迭代对象转换为一个索引序列&#xff0c;同时返…