三相感应电机的建模仿真(2)基于ABC相坐标系S-Fun的仿真模型

1. 概述

2. 三相感应电动机状态方程式

3. 基于S-Function的仿真模型建立

4. 瞬态分析实例

5. 总结

6. 参考文献

1. 概述

       前面建立的三相感应电机在ABC相坐标系下的数学模型是一组周期性变系数微分方程(其电感矩阵是转子位置角的函数,转子位置角随时间按正弦规律变化),依目前的数值计算和计算机水平求解这组方程已完全没有问题。自然坐标系下的三相感应电机数学模型,将其用于电机控制系统的设计和控制策略的分析定制也许不太合适,有点勉为其难。而将其用于理解电机的基本物理原理和数学特性,设计更高效的电机和优化算法;对分析三相感应电机的启动、运行和制动等状态,深入理解电机的工作原理和学生工程师的教育培训;提供电机的故障诊断和分析的详细信息;用于电机与机械系统的耦合分析等也许是非常合适的。

       电机的数学模型具有多样性,而根据数学模型建立的仿真模型更具多样性 ,因为同一个数学模型可以建立起对应的多个仿真模型。本文将根据前面所建立的三相感应电机在ABC相坐标系下的数学模型,用Matlab的动态分析工具Simulink建立基于S函数的仿真模型,这个仿真模型只对磁链方程和电磁转矩方程建立S函数,而电压方程和机械运动方程仍然用Simulink的基本功能模块建立,这样更方便对三相感应电机的某些运行状态或动态行为进行仿真。用建立的仿真模型对三相感应电动机在三相对称电源下直接起动和在不对称三相电源下直接起动的起动过程进行仿真分析。

2. 三相感应电动机相坐标系下的状态方程式

       为阅读方便,将前面建立的三相感应电动机在ABC相坐标系下的状态方程式罗列如下:

\mathbf{u}=\mathbf{Ri}+\mathbf{L}\frac{d\mathbf{i}}{dt}+\omega_r\frac{\partial\mathbf{L}}{\partial\theta}\mathbf{i}\\\frac12n_p\mathbf{i}^T\frac{\partial\mathbf{L}}{\partial\theta}\mathbf{i}=T_L+\frac J{n_p}\frac{d\omega_r}{dt}\\\omega_r=\frac{d\theta}{dt}    (1)

(1)式中,

\mathbf{u}=\begin{bmatrix}u_A&u_B&u_C&u_a&u_b&u_c\end{bmatrix}^T; R=diag(R_s\quad R_s\quad R_s\quad R_\mathrm{r}\quad R_r\quad R_r)

\mathbf{i}=\begin{bmatrix}\dot{\boldsymbol{\iota}}_{A}&\dot{\boldsymbol{\iota}}_{B}&\dot{\boldsymbol{\iota}}_{C}&\dot{\boldsymbol{\iota}}_{a}&\dot{\boldsymbol{\iota}}_{b}&\dot{\boldsymbol{\iota}}_{c}\end{bmatrix}^{T}

\begin{gathered}L=\begin{bmatrix}M_{ss}+L_{sl} & -M_{ss}/2 & -M_{ss}/2 & M_{sr}\cos\theta_1 & M_{sr}\cos\theta_3 & M_{sr}\cos\theta_2\\ -M_{ss}/2 & M_{ss}+L_{sl} & -M_{ss}/2 & M_{sr}\cos\theta_2 & M_{sr}\cos\theta_1 & M_{sr}\cos\theta_3\\ -M_{ss}/2 & -M_{ss}/2 & M_{ss}+L_{sl} & M_{sr}\cos\theta_3 & M_{sr}\cos\theta_2 & M_{sr}\cos\theta_1\\ M_{sr}\cos\theta_1 & M_{sr}\cos\theta_2 & M_{sr}\cos\theta_3 & M_{rr}+L_{rl} & -M_{rr}/2 & -M_{rr}/2\\ M_{sr}\cos\theta_3 & M_{sr}\cos\theta_1 & M_{sr}\cos\theta_2 & -M_{rr}/2 & M_{rr}+L_{rl} & -M_{rr}/2\\ M_{sr}\cos\theta_2 & M_{sr}\cos\theta_3 & M_{sr}\cos\theta_1 & -M_{rr}/2 & -M_{rr}/2 & M_{rr}+L_{rl}\end{bmatrix}\end{gathered}

M_{ss}:定子绕组互感;M_{rr}:转子绕组互感;L_{ls}:定子绕组漏感;

L_{lr}:折算到定子绕组的转子绕组漏电感;M_{sr}:定转子绕组间的互感;

\theta_1=\theta\text{,}\theta_2=\theta-2\pi/3\text{,}\theta_3=\theta+2\pi/3\theta:定子A相绕组与转子a相绕组之间的夹角。

也可以将式(1)中的电压方程式写成以下矩阵形式:

\begin{bmatrix}\mathbf{u}_s\\\mathbf{u}_r\end{bmatrix}=\begin{bmatrix}\mathbf{R}_s&\mathbf{0}\\\mathbf{0}&\mathbf{R}_r\end{bmatrix}\begin{bmatrix}\mathbf{i}_s\\\mathbf{i}_r\end{bmatrix}+p\begin{bmatrix}\mathbf{L}_s&\mathbf{M}_{sr}\\\mathbf{M}_{rs}&\mathbf{L}_r\end{bmatrix}\begin{bmatrix}\mathbf{i}_s\\\mathbf{i}_r\end{bmatrix}    (2)

方程(2)中,

\mathbf{u}_s=\begin{bmatrix}u_A&u_B&u_C\end{bmatrix}^T;\quad\mathbf{u}_r=\begin{bmatrix}u_a&u_b&u_c\end{bmatrix}^T;

\mathbf{R}_s=diag(R_s\quad R_s\quad R_s); \mathbf{R}_r=diag(R_r\quad R_r\quad R_r);

\mathbf{i}_s=\begin{bmatrix}i_A&i_B&i_C\end{bmatrix}^T;\quad\mathbf{i}_r=\begin{bmatrix}i_a&i_b&i_c\end{bmatrix}^T;

设定、转子零序电流等于零,即设i_A+i_B+i_C=0   i_a+i_b+i_c=0,则有

\mathbf{L}_s=diag(L_s\quad L_s\quad L_s)\mathbf{L}_{r}=diag(L_{r}\quad L_{r}\quad L_{r})

L_s=L_{ss}+L_{sm}/2;\quad L_r=L_{rr}+L_{sm}/2

\mathbf{M}_{sr}=M_{sr}\begin{bmatrix}\cos\theta & \cos(\theta+2\pi/3) & \cos(\theta-2\pi/3)\\ \cos(\theta-2\pi/3) & \cos\theta & \cos(\theta+2\pi/3)\\ \cos(\theta+2\pi/3) & \cos(\theta-2\pi/3) & \cos\theta\end{bmatrix}

\mathbf{M}_{rs}=\mathbf{M}_{sr}^T

T_e=n_pi^T\frac{\partial L}{\partial\theta}i    (3)

3. 基于S-Function的仿真模型

       根据以上数学模型,用Simulink建立的ABC相坐标系下的三相感应电动机仿真模型如图1和图2所示,其中,左边图形为最后的封装形式,它由三个子系统所组成,如右边图形所示。图1中的子系统1表示的是定转子电压方程,子系统2是用S函数表示的磁链方程和电磁转矩方程,S函数取名为flux_torque,如图2所示,子系统3表示的是进行运动方程。这个仿真模型可以作为通用的仿真模型使用,可以用于为了三相感应电动机电源电压不对称、定转子绕组回路串电阻或电抗、起动、调速以及绕组开路故障等的动态行为的仿真分析。如果要考虑主磁路饱和因素,可以在S函数中加以补充。如果要对三相感应电机的定子绕组故障(一相开路,两相短路等)、定子绕组回路串电阻(电抗)起动以及转子绕组回路串电阻起动等可以在子系统1中进行修改来达到仿真的目的。如果要对转子的转动惯量对电机运行性能的影响进行仿真分析,可以修改子系统3来进行。S函数的程序代码如下:

图1. 三相感应电动机ABC相坐标数学模型

图2. 图1中子系统2的S-Fun(磁链和电磁转矩方程)模块

% This S function corresponds to the ABC phase coordinate 
% mathematical model of a three-phase induction motorfunction [sys,x0,str,ts,simStateCompliance] =flux_torque(t,x,u,flag,Lsl,Lrl,Lm,np)
%==========================================================================
switch flagcase 0[sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes;case 1sys=mdlDerivatives(t,x,u);case 2sys=mdlUpdate(t,x,u);case 3sys=mdlOutputs(t,x,u,Lsl,Lrl,Lm,np);case 4sys=mdlGetTimeOfNextVarHit(t,x,u);case 9sys=mdlTerminate(t,x,u);otherwiseDAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));
end
%==========================================================================
function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes
sizes = simsizes;
sizes.NumContStates  = 0;
sizes.NumDiscStates  = 0;
sizes.NumOutputs     = 7;
sizes.NumInputs      = 7;
sizes.DirFeedthrough = 1;
sizes.NumSampleTimes = 1;   % at least one sample time is needed
sys = simsizes(sizes);
x0  = zeros(0,0);
str = [];
ts  = [0 0];
simStateCompliance = 'UnknownSimState';
%==========================================================================
function sys=mdlDerivatives(t,x,u)
sys  = [];%==========================================================================
function sys=mdlUpdate(t,x,u)
sys = [];
%==========================================================================
function sys=mdlOutputs(t,x,u,Lsl,Lrl,Lm,np)
% Write inductance matrix for magnetic flux equation
ang=2/3*pi;
Lml=2/3*Lm;
Ls=Lsl+Lml;
Lr=Lrl+Lml;% Stator inductance matrix
Lss=[Ls -Lml/2 -Lml/2;-Lml/2  Ls -Lml/2;-Lml/2 -Lml/2  Ls];% Rotor inductance matrix
Lrr=[Lr -Lml/2 -Lml/2;-Lml/2  Lr -Lml/2;-Lml/2 -Lml/2  Lr];% Matrix of mutual inductance between stator and rotor
Lsr=Lml*[cos(u(1)),cos(u(1)+ang),cos(u(1)-ang);cos(u(1)-ang),cos(u(1)),cos(u(1)+ang);cos(u(1)+ang),cos(u(1)-ang),cos(u(1))];% Total inductance matrix
L=[Lss Lsr; Lsr' Lrr];%The derivative of the total inductance matrix with respect to the rotor position angle
dLsrdtheta=Lml*[-sin(u(1)), -sin(u(1)+ang),-sin(u(1)-ang);-sin(u(1)-ang),-sin(u(1)), -sin(u(1)+ang);-sin(u(1)+ang),-sin(u(1)-ang),-sin(u(1))];dLdtheta =[zeros(3,3) dLsrdtheta;dLsrdtheta' zeros(3,3)];% Current state variable
Psi=[u(2);u(3);u(4);u(5);u(6);u(7)];
I=L\(Psi);% Electromagnetic torque
Te=I'*dLdtheta*I*np;
sys=[I(1);I(2);I(3);I(4);I(5);I(6);Te];%==========================================================================
function sys=mdlGetTimeOfNextVarHit(t,x,u)
sampleTime = 1;    %  Example, set the next hit to be one second later.
sys = t + sampleTime;
%==========================================================================
function sys=mdlTerminate(t,x,u)
sys = [];
% end mdlTerminate

4. 瞬态分析实例

       仿真计算用的电机参数如下:额定电压Un=220v,额定频率fn=50Hz,极对数np=2,转动惯量J=0.01,摩擦阻尼系数Bm=0.0006,定子电阻Rs=6.033欧,定子电感Lss=0.29614H,转子电阻Rr=4.467欧,转子电感Lrr=0.29614H,定子绕组互感Ms=0.1363H,转子绕组互感Mr=0.1363H,定转子绕组互感Msr=0.2726H;负载转矩TL=7.5N.m。

4.1 对称电源直接起动

      在三相额定对称电压下带恒转矩负载TL=7.5N.m直接起动,起动过程的仿真结果图3所示。

设Y接三相对称电源电压为

u_{A}=220\sqrt{2}\sin(\omega t)\nu\\u_{B}=220\sqrt{2}\sin(\omega t-120^{\circ})\nu\\u_{C}=220\sqrt{2}\sin(\omega t+120^{\circ})\nu

图3. 三相感应电动机在三相对称电源电压下直接起动时的定子电流特性

图4. 三相感应电动机三相对称电源电压下直接起动时的电磁转矩和转速特性

       从图3和图4的仿真结果来看,三相对称定子绕组感应电动机在三相对称电源下起动并稳定运行,起动电流倍数约为5.56,定子稳态电流幅值为3.6A,三相定子电流平衡。电机稳定运行时,电磁转矩无脉振现象,转速为1467r/min。

4.2 非对称电源直接起动

       三相感应电动机在不对称电源电压下运行是实际中经常遇到的一个问题,因为当电网中有较大的单相负载(如电炉﹑电焊机等),或者电网中发生暂时性短路故障(两相短路﹑一相接地等),或电网一相断开等都将引起电网三相电压不平衡。

     在电动机带恒转矩负载TL=7.5N.m,定子绕组端直接施加三相不对称电压:

u_{A}=176\sqrt{2}\sin(\omega t)\nu\\u_{B}=220\sqrt{2}\sin(\omega t-120^{\circ})\nu\\u_{C}=220\sqrt{2}\sin(\omega t+120^{\circ})\nu

直接起动时的仿真结果如图5和图6所示。

图5. 三相感应电动机在非对称三相电源电压下直接起动时的定子电流特性

图6. 三相感应电动机在非对称三相电源电压下直接起动时的转矩和转速特性

       从图5和图6的仿真结果可见,三相对称定子绕组感应电动机在三相不对称电源下起动并稳定运行,起动时定子各相的冲击电流(起动过程中的最大电流幅值)与图3的定子电流相比较相差不大,但稳态时电机三相定子电流不平衡,A相电流幅值大为减小(约为0.5A),而另外两相电流幅值都有所增加(约为4.5A)。这种三相定子电流不平衡的程度会随三相电源电压的不平衡程度的增加而增加。电机稳定运行时,电磁转矩波形有明显的二倍频脉振现象,转速也有明显的波动(振动)。起动过程有所延长,稳定转速的数值也略有降低。

       从上面的结果可以对称结论:三相电源电压不对称时,电动机的平均起动转矩较小,转速的过渡过程较长,电机的过载能力降低(转矩最大值有所减小);由于电流的波动加剧,使转矩的脉振程度增加,这将会加大电机的电磁噪声和机械振动。用瞬时对称分量法来分析,可知三相感应电动机在电源电压不对称情况下运行时的各不利因素,都是由于负序磁场分量造成的(负序磁场分量的存在还会增加电机的铁耗)。不对称程度增大时,负序磁场分量值变大,上述不利情形将会更为严重。因此,三相异步电动机一般不容许在较严重不对称电源电压下运行,否则必须相应地降低电动机的容量。

       对三相感应电动机在电源电压不对称情况下运行的瞬态和稳态过程进行仿真,仿真的结果可以作为电机以及系统控制﹑调节﹑保护装置设计的直接理论依据,对完善电机及其系统的运行性能有实际意义。

5. 总结

       本文根据三相感应电机在ABC相坐标系下的数学模型建立了基于S函数的仿真模型,然后应用这个仿真模型对 三相感应电动机在三相对称电源和不对称电源两种情况下的直接起动过程进行了仿真分析。得出了有用的分析结论。 

6. 参考文献

(1)黄守道,邓建国,罗德荣. 电机瞬态过程分析德Matlab建模仿真 北京 电子工业出版社,2013

(2)汤蕴璆等 交流电机动态分析. 北京 机械工业出版社 2004

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/web/41050.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

qt 开发笔记堆栈布局的应用

1.概要 画面中有一处位置&#xff0c;有个按钮点击后&#xff0c;这片位置完全换成另一个画面&#xff0c;这中情况特别适合用堆栈布局。 //堆栈布局的应用 #include <QStackedLayout> QStackedLayout *layout new QStackedLayout(this); layout->setCurrentIndex(…

Unity Scrollview的Scrollbar控制方法

备忘&#xff1a;碰到用scrollview自带的scrollbar去控制滑动&#xff0c;结果发现用代码控制scrollbar.value无效&#xff0c;搜了一下都是说用scrollRect.verticalNormalizedPosition和scrollRect.horizontalNormalizedPosition来控制的。我寻思着有关联的scrollbar为什么用不…

Interview preparation--Https 工作流程

HTTP 传输的弊端 如上图&#xff0c;Http进行数据传输的时候是明文传输&#xff0c;导致任何人都有可能截获信息&#xff0c;篡改信息如果此时黑客冒充服务器&#xff0c;或者黑客窃取信息&#xff0c;则其可以返回任意信息给客户端&#xff0c;而且不被客户端察觉&#xff0c;…

2.3.2 主程序和外部IO交互 (文件映射方式)----C#调用范例

2.3.2 主程序和外部IO交互 &#xff08;文件映射方式&#xff09;----C#调用范例 效果显示 1 说明 1 .1 Test_IOServer是64bit 程序&#xff0c; BD_SharedIOServerd.dll 在 /Debug文件夹中 1 .2 Test_IOServer是32bit 程序&#xff0c; BD_SharedIOClientd.dll (32bit&#…

[FreeRTOS 内部实现] 事件组

文章目录 事件组结构体创建事件组事件组等待位事件组设置位 事件组结构体 // 路径&#xff1a;Source/event_groups.c typedef struct xEventGroupDefinition {EventBits_t uxEventBits;List_t xTasksWaitingForBits; } EventGroup_t;uxEventBits 中的每一位表示某个事件是否…

适用于Mac和Windows的最佳iPhone恢复软件

本文将指导您选择一款出色的iPhone数据恢复软件来检索您的宝贵数据。 市场上有许多所谓的iPhone恢复程序。各种程序很难选择并选择其中之一。一旦您做出了错误的选择&#xff0c;您的数据就会有风险。 最好的iPhone数据恢复软件应包含以下功能。 1.安全可靠。 2.恢复成功率高…

Windows下Visual Studio 中配置第一个CUDA工程

今天整NVIDIA 的CUDA 安装和第一个CUDA 代码&#xff0c;顺便添加一个有CUDA工程的空框架。 &#xff08;1&#xff09;首先确认自己的CUDA 已经安装成功 >>cmd 进入命令窗&#xff0c;在窗口输入查看cuda 是否安装成功&#xff0c;能查到CUDA的版本号&#xff0c;表示安…

基于python的数据分解-趋势-季节性-波动变化

系列文章目录 前言 时间序列数据的分解&#xff0c;一般分为趋势项&#xff0c;季节变化项和随机波动项。可以基于加法或者乘法模型。季节变化呈现出周期变化&#xff0c;因此也叫季节效应(周期&#xff09;。 一、数据分解步骤 &#xff08;1&#xff09;估计时间序列的长期…

仪器校准后出了校准证书后,是不是就代表仪器合格了?

仪器校准是一门技术活&#xff0c;对于从事生产制造的企业而言&#xff0c;是不可或缺的一环&#xff0c;因为这与产品质量密切相关。所以&#xff0c;了解仪器校准的相关知识也变得尤为重要。 在拿到校准证书后&#xff0c;是不是说明仪器合格了&#xff1f;相信不少企业品管人…

指针回顾.

指针的主要作用&#xff1a;提供一种间接访问数据的方法 1.地址:区分不同内存空间的编号 2.指针:指针就是地址,地址就是指针 3.指针变量:存放指针的变量称为指针变量,简称为指针 1.指针的定义 int *p NULL; int *q NULL; char *p NULL; double *p NUL…

PCDN技术如何提高内容分发效率?(贰)

PCDN技术通过以下方式提高内容分发效率: 1.利用用户设备作为分发节点:与传统的 CDN技术主要依赖中心化服务器不同&#xff0c; PCDN技术利用用户的设备作为内容分发的节点。当用户下载内容时&#xff0c;他们的设备也会成为内容分发的一部分&#xff0c;将已下载的内容传递给其…

STL--求交集,并集,差集(set_intersection,set_union,set_difference)

set_intersection(重要) 求两个有序的序列的交集. 函数声明如下: template<class InputIterator1, class InputIterator2, class OutputIterator>OutputIterator set_intersection(InputIterator1 _First1, //容器1开头InputIterator1 _Last1, //容器2结尾(不包含)Inp…

jenkins配置gitee源码地址连接不上

报错信息如下&#xff1a; 网上找了好多都没说具体原因&#xff0c;最后还是看jenkins控制台输出日志发现&#xff1a; ssh命令执行失败&#xff08;git环境有问题&#xff0c;可能插件没安装成功等其他问题&#xff09; 后面发现是jenkins配置git的地方git安装路径错了。新手…

加入新数据预测,基于黏菌优化算法SMA优化SVM支持向量机回归预测(多输入单输出)

加入新数据预测&#xff0c;基于黏菌优化算法SMA优化SVM支持向量机回归预测&#xff08;多输入单输出&#xff09; 1.数据均为Excel数据&#xff0c;直接替换数据就可以运行程序。 2.所有程序都经过验证&#xff0c;保证程序可以运行。 3.具有良好的编程习惯&#xff0c;程序…

cmake find_package 使用笔记

目录 1 find_package2 config mode2.1 搜索的文件名2.2 搜索路径 3 module mode3.1 搜索的文件名3.2 搜索路径 参考 1 find_package 这是官方文档 下面是学习总结&#xff1a; 首先是find_package的作用是什么&#xff1f;引入预编译的库。 find_package有两种模式&#xff1a…

【LInux】从动态库的加载深入理解页表机制

&#x1f490; &#x1f338; &#x1f337; &#x1f340; &#x1f339; &#x1f33b; &#x1f33a; &#x1f341; &#x1f343; &#x1f342; &#x1f33f; &#x1f344;&#x1f35d; &#x1f35b; &#x1f364; &#x1f4c3;个人主页 &#xff1a;阿然成长日记 …

【MindSpore学习打卡】应用实践-自然语言处理-基于RNN的情感分类:使用MindSpore实现IMDB影评分类

情感分类是自然语言处理&#xff08;NLP&#xff09;中的一个经典任务&#xff0c;广泛应用于社交媒体分析、市场调研和客户反馈等领域。本篇博客将带领大家使用MindSpore框架&#xff0c;基于RNN&#xff08;循环神经网络&#xff09;实现一个情感分类模型。我们将详细介绍数据…

Nettyの参数优化简单RPC框架实现

本篇介绍Netty调优&#xff0c;在上篇聊天室的案例中进行改造&#xff0c;手写一个简单的RPC实现。 1、超时时间参数 CONNECT_TIMEOUT_MILLIS 是Netty的超时时间参数&#xff0c;属于客户端SocketChannel的参数&#xff0c;客户端连接时如果一定时间没有连接上&#xff0c;就会…

Spring Cloud 是什么?(Spring Cloud 组件介绍)

什么是 Spring Cloud&#xff1f; Spring Cloud 是微服务系统架构的一站式解决方案&#xff0c;是各个微服务架构落地技术的集合体&#xff0c;让架构师、 开发者在使用微服务理念构建应用系统的时候&#xff0c; 面对各个环节的问题都可以找到相应的组件来处理&#xff0c;比…

React 19 竞态问题解决

竞态问题/竞态条件 指的是&#xff0c;当我们在交互过程中&#xff0c;由于各种原因导致同一个接口短时间之内连续发送请求&#xff0c;后发送的请求有可能先得到请求结果&#xff0c;从而导致数据渲染出现预期之外的错误。 因为防止重复执行可以有效的解决竞态问题&#xff0…