控制学习_正弦波无刷直流力矩电机建模、控制带宽讨论与选择

无刷电机通过电子换向器实现定子的磁场旋转,去电刷后使用寿命大幅提升,是现在更流行的选择。三相无刷电机则是无刷电机中比较流行的一款。三相无刷电机的驱动方式有多种,最简单的被称为梯形波驱动、方波驱动或正弦波驱动。而正弦波驱动技术可以最大程度地减小扭矩波动以及噪音和振动,因此得到广泛的应用。本文则是重点关注正弦波无刷直流力矩电机。

1 控制建模

正弦波无刷直流力矩电机,一般采用磁场定向控制的方法,来完成电流环的控制,如下图所示
在这里插入图片描述
(上图来源于论文《光电跟踪系统的精密跟踪定位控制技术研究》)

正弦波无刷直流力矩电机的控制系统是一个强耦合的系统,系统是通过Clark变换和Park变换来将对电机三相电压的控制,解耦成了 q q q轴和 d d d轴电流的控制。 在磁场定向控制中要令 i d = 0 i_d = 0 id=0。 而 i q i_q iq与电机的输出力矩 T e T_e Te之间是线性的关系。 所谓的电流环,就是对 i q i_q iq i d i_d id做闭环控制。而本文只关注电流环闭环后的系统。如果想学习磁场定向控制,我认为看此文足矣→深入浅出FOC算法

在论文《光电跟踪系统的精密跟踪定位控制技术研究》的提到了 i q i_q iq和输出力矩 T e T_e Te之间的关系为:
T e = 3 2 ⋅ p ⋅ i q ⋅ [ ψ f + ( L d − L q ) ⋅ i d ] \begin{align} & {{T}_{e}}=\frac{3}{2}\cdot p\cdot {{i}_{q}}\cdot \left[ {{\psi }_{f}}+\left( {{L}_{d}}-{{L}_{q}} \right)\cdot {{i}_{d}} \right] \\ \end{align} Te=23piq[ψf+(LdLq)id]
i d = 0 i_d=0 id=0时,式(1)简化为
T e = 3 2 p ψ f ⋅ i q = K ′ t ⋅ i q K ′ t = 3 2 p ψ f \begin{align} & {{T}_{e}}=\frac{3}{2}p{{\psi }_{f}}\cdot {{i}_{q}}={{{{K}'}}_{t}}\cdot {{i}_{q}} \\ & {{{{K}'}}_{t}}=\frac{3}{2}p{{\psi }_{f}} \\ \end{align} Te=23pψfiq=KtiqKt=23pψf

在控制学习_有刷直流力矩电机的建模、仿真、控制带宽的讨论、驱动方式与选择-CSDN博客文章中,我们谈到了,对于有刷直流力矩电机的等效物理框图和等效控制框图如下。
在这里插入图片描述
在这里插入图片描述
正弦波无刷直流力矩电机与有刷直流力矩电机的等效控制框图大部分是相似的,正弦波无刷直流力矩电机使用电流环闭环之后的力矩平衡方程如式(4)所示。
J d ω d t + B ω + T L = T e = K ′ t ⋅ i q \begin{align} J\frac{d\omega }{dt}+B\omega +{{T}_{L}}={{T}_{e}}={{{K}'}_{t}}\cdot {{i}_{q}} \end{align} Jdtdω+Bω+TL=Te=Ktiq
其中 J e {{J}_{e}} Je为负载的转动惯量, B B B为阻尼系数,一般较小。 T L {{T}_{L}} TL为不包含摩擦力矩的总负载转矩。
对式(4)进行拉普拉斯变换可得:
( J e s + B ) ω ( s ) + T L ( s ) = K ′ t ⋅ i q ( s ) ω ( s ) = K ′ t ( J e s + B ) i q ( s ) − 1 ( J e s + B ) T L ( s ) \begin{align} & \left( {{J}_{e}}s+B \right)\omega \left( s \right)+{{T}_{L}}\left( s \right)={{{{K}'}}_{t}}\cdot {{i}_{q}}\left( s \right) \\ & \omega \left( s \right)=\frac{{{{{K}'}}_{t}}}{\left( {{J}_{e}}s+B \right)}{{i}_{q}}\left( s \right)-\frac{1}{\left( {{J}_{e}}s+B \right)}{{T}_{L}}\left( s \right) \\ \end{align} (Jes+B)ω(s)+TL(s)=Ktiq(s)ω(s)=(Jes+B)Ktiq(s)(Jes+B)1TL(s)
根据线性系统的叠加性,将负载转矩 T L T_L TL视为扰动,电流 i q i_q iq和电机速度 ω \omega ω之间传函为:
ω ( s ) i q ( s ) = K ′ t ( J e s + B ) ≈ K ′ t J e s \begin{align} \frac{\omega \left( s \right)}{{{i}_{q}}\left( s \right)}=\frac{{{{{K}'}}_{t}}}{\left( {{J}_{e}}s+B \right)}\approx \frac{{{{{K}'}}_{t}}}{{{J}_{e}}s} \end{align} iq(s)ω(s)=(Jes+B)KtJesKt

根据上述公式的结论,可以绘制正弦波无刷直流力矩电机完成电流环闭环之后的等效控制框图如下:
在这里插入图片描述
正弦波无刷直流力矩电机的电流环的带宽一般比较高,所以简化的等效控制框筒中,用1000Hz的低通滤波器来代替电流环闭环。参考:对FOC电流环带宽的理解_foc带宽-CSDN博客

“电机的电流环带宽由电机的电气常数(电阻、电感)、电流采样频率、PWM频率、算法执行频率等决定。在硬件上,对于同一个电机(电气参数是一定的),采用固定的pwm频率(比如10Khz),那么电机的电流环带宽在经验上能达到1:10,即1Khz。在软件上,通常算法执行频率和电流采样频率,与PWM频率相等或者更低。所以软件能修改电流环带宽的地方主要是PI控制器,通过调整PI控制器的参数,来改变电流环带宽,但是要知道,电机的电流环带宽的上限,由硬件决定,软件上的作用是追逐这个上限值”

正弦波无刷直流力矩电机完成电流环闭环之后的速度开环对象可表示为:
G v ( s ) = ω ( s ) i q _ r e f ( s ) ≈ K ′ t J e s ⋅ ( 1 1000 ⋅ 2 ⋅ π s + 1 ) ≈ K ′ t J e s \begin{align} {{G}_{v}}\left( s \right)=\frac{\omega \left( s \right)}{{{i}_{q\_ref}}\left( s \right)}\approx \frac{{{{{K}'}}_{t}}}{{{J}_{e}}s\cdot \left( \frac{1}{1000\cdot 2\cdot \pi }s+1 \right)}\approx \frac{{{{{K}'}}_{t}}}{{{J}_{e}}s} \end{align} Gv(s)=iq_ref(s)ω(s)Jes(10002π1s+1)KtJesKt

根据式(8)可知,完成电流环闭环之后的正弦波无刷直流电机系统,其速度开环传递函数可近似的视为一个积分环节

2 控制带宽分析
假设给速度环设计一个控制器 C v ( s ) = k v {{C}_{v}}\left( s \right)={{k}_{v}} Cv(s)=kv,添加控制器之后的速度环开环传递函数为 C v ( s ) G v ( s ) = k v ⋅ K ′ t J e s {{C}_{v}}\left( s \right){{G}_{v}}\left( s \right)={{k}_{v}}\cdot \frac{{{{{K}'}}_{t}}}{{{J}_{e}}s} Cv(s)Gv(s)=kvJesKt
如果提高控制器参数 k v k_v kv↑,那么速度环闭环后的开环传递函数的穿越频率也会随之增加↑,进一步则会令速度环的闭环带宽就会提高↑。

根据此规律,若速度环控制器的增益无限提高,电机速度环带宽难道也可以无限提高?显然!这不可能。 因为电机输入的电流是有约束的,比如你速度环控制器输入给电流环的控制器的电流是10A,但是电机最大允许的 i q i_q iq电流是5A, 电流环控制器输入就要做需要做一个饱和约束,等效为增益下降。这个约束在控制系统中是一个非线性的环节,因此系统的闭环带宽,是无法得到数值上的结论,只有定性的分析。速度环闭环参考输入如果是小幅值,控制增益 k v k_v kv可以设计大些,保证最终 i q i_q iq电流也不超出电机的约束,这样就会令带宽也可以做高。 但如果速度环输入如果是大幅值,那么增益会受到约束等效为增益下降,即带宽则做不高。

那这个电流的约束是应该是多少呢? 通过与宇捷电机厂商沟通,如果采用FOC控制的话, iq电流的输入可以约束为连续堵转电流的1.224倍。 最终系统的等效速度闭环框图如下:
在这里插入图片描述

在控制程序中,一般会采用约束速度环参考输入的方式,这种做法是为了保护电机,不让电机电流超过约束值烧坏电机。

3 电机应该如何选择

那对于正弦无刷直流力矩电机,我们应该如何去选择呢?答案仍然是优先满足输出力矩要求,其次,在满足力矩要求的基础之上,选择连续堵转电流更大的电机(约束范围大,增益就能更大)。
关于输出力矩需求的计算,可参考上一篇文章最后一小节控制学习_有刷直流力矩电机的建模、仿真、控制带宽的讨论、驱动方式与选择-CSDN博客。本文就不在赘述了。

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/news/746881.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

前端路由跳转bug

路由后面拼接了id的千万不能取相近的名字,浏览器分辩不出,只会匹配前面的路径 浏览器自动跳转到上面的路径页面,即使在菜单管理里面配置了正确的路由 跳转了无数次,页面始终不对,检查了路由配置,没有任何问…

java枚举与模拟方法

枚举 枚举的定义 枚举算法(穷举算法),这种算法就是在解决实际问题的时候去使用所有的方式去解决这个问题,会通过推理去考虑事件发生的每一种可能性,最后推导出结果 优点 简单粗暴,他暴力的枚举所有可能&…

3.14号arm

1. 计算机基础理论 1.1 计算机的组成 输入设备:将数据转换成计算机可以识别,存储,处理的形式,发送到计算机中 输出设备:将计算机对程序和数据的运算结果输送到外部的设备 存储器:用于将数据保存的模块。 …

【火猫TV】欧联:8强无弱队,意甲英超球队扎堆,利物浦和药厂优势很大!

2023-2024欧联杯八强正式出炉,马赛、本菲卡、勒沃库森、利物浦、西汉姆联、罗马、亚特兰大和AC米兰成功拿到了晋级名额,于是球迷们即将看到近20年竞争最激烈的欧联杯八强对决。虽然这些队伍实力有强有弱,但是能够拼到现在的球队没有弱旅&…

软考高级:软件工程集成测试的策略概念和例题

作者:明明如月学长, CSDN 博客专家,大厂高级 Java 工程师,《性能优化方法论》作者、《解锁大厂思维:剖析《阿里巴巴Java开发手册》》、《再学经典:《Effective Java》独家解析》专栏作者。 热门文章推荐&am…

面向对象基础(类、对象、封装、继承、多态)

面向对象基础(类、对象、封装、继承、多态) 文章目录 面向对象基础(类、对象、封装、继承、多态)前言一、认识类和对象二、理解封装三、掌握继承四、初探多态总结 前言 Java作为一种广泛应用的编程语言,其面向对象编程…

1335:【例2-4】连通块

【算法分析】 设数组vis,vis[i][j]表示(i,j)位置已经访问过。遍历地图中的每个位置,尝试从每个位置开始进行搜索。如果该位置不是0且没有访问过,那么访问该位置,并尝试从其上下左右四个位置开始搜索。在看一个新的位置时&#xff…

mysql笔记:20. 什么是数据库六大范式

文章目录 简介什么是范式最常用的范式 第一范式 - 1NF第二范式 - 2NF第三范式 - 3NF第四范式 - 4NF第五范式 - 5NF巴斯-科德范式 - BCNF总结 简介 什么是范式 范式(Normal Form,简称NF)是数据库设计时遵循的一种规范,不同的规范…

大模型的实践应用19-基于pytorch框架下LayoutLM模型的搭建以及原理介绍

大家好,我是微学AI,今天给大家介绍一下大模型的实践应用19-基于pytorch框架下LayoutLM模型的搭建以及原理介绍。LayoutLM是一个基于 Transformer 的预训练模型,它专门为处理布局丰富的文档信息而设计,例如扫描的文档、PDF 文件等。这个模型由微软亚洲研究院的研究团队开发,…

医疗设备控费系统防止私收、漏收、人情费

加19339904493(康) 医院完成信息化建设,不仅是一次技术性人深过信息化技术,医院能够更好地管理病患信息,提高诊断的准确性和效率,同时优化医疗资源的配置,降低医疗成本。在信息化的推动下&#…

docker命令查询笔记

目录 loginsearchpushpullimagesrmitaghistorysaveloadrunstartrestartstopkillrmpauseunpausecreateexecpsinspectstatstoprenameattachupdatelogswaitportexportimport login login:登录到远程仓库 登录到远程仓库后可可以拉取仓库的镜像了 docker login [OPTIO…

Git概述及安装步骤

一、Git简介 Git是一个免费的、开源的分布式版本控制系统,可以快速高效地处理从小型到大型的各种项目。Git 易于学习,占地面积小,性能极快。它具有廉价的本地库,方便的暂存区域和多个工作流分支等特性。其性能优于Subversion、CV…

Linux下的多线程编程:原理、工具及应用(1)

🎬慕斯主页:修仙—别有洞天 ♈️今日夜电波:Flower of Life—陽花 0:34━━━━━━️💟──────── 4:46 🔄 ◀️ ⏸ ▶️ ☰ …

文献速递:深度学习乳腺癌诊断---使用深度学习改善乳腺癌组织学分级

Title 题目 Improved breast cancer histological grading using deep learning 使用深度学习改善乳腺癌组织学分级 01 文献速递介绍 乳腺癌组织学分级是乳腺癌中一个确立的临床变量,它包括来自三个方面的信息,即小管形成程度、核多态性和有丝分裂计…

springboot2.7使用redis的redission组件实现分布式锁

添加pom.xml引用&#xff1a; <!--redis--><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency><!--redisson--><dependency><groupId…

IP证书有什么作用?怎么申请?

关于IP地址证书&#xff0c;它的主要作用有这么几个点&#xff1a; 1.验明正身&#xff1a;就像身份证一样&#xff0c;它可以证明某个服务器的IP地址是真的、合法的&#xff0c;让咱知道咱们连接的就是正确的服务器&#xff0c;而不是冒牌货。这样一来&#xff0c;就可以降低像…

【C++设计模式】策略模式

文章目录 前言一、策略模式是什么&#xff1f;二、策略模式的实现原理三、UML图四、代码实现总结 前言 策略模式是一种行为设计模式&#xff0c;它允许在运行时选择算法的行为。通过将每个算法封装到具有共同接口的独立类中&#xff0c;客户端可以在不改变自身代码的情况下选择…

Android 14.0 SystemUI设置系统导航栏默认为系统手势导航

1.概述 在14.0的原生系统rom产品定制化开发中,系统导航栏在10.0以后可以支持手势导航,但系统导航栏默认的是三键导航,Home Back Recent键三个键显示在底部 但是对于一些全屏的app 感觉操作起来不太方便,所以产品需要要求使用导航栏设置为系统手势导航这时系统底部就不会被…

Bugku MISC做题笔记

简单套娃DX 这一题需要对png图片的结构有所了解。详细可参考https://www.w3.org/TR/png/ 幸好每一张图片只有一个错误&#xff0c;逐步调试&#xff0c;就可以发现所有错误&#xff0c;修正即可。具体错误参看python程序中的注释&#xff1a; import ossrc_dir .\\XD\\ de…

Sklearn Lasso回归

以下是一个使用Sklearn库实现Lasso回归的简单代码示例。Lasso回归是一种用于回归分析的线性模型&#xff0c;它通过正则化项来强加稀疏性&#xff0c;从而可以估计系数的非零值&#xff0c;并使得某些系数变为零。 # 导入必要的库 from sklearn.linear_model import Lasso fro…