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://xiahunao.cn/news/2869736.html

如若内容造成侵权/违法违规/事实不符,请联系瞎胡闹网进行投诉反馈,一经查实,立即删除!

相关文章

【工具】一键生成动态歌词字幕

那眼神如此熟悉 让人着迷无力抗拒 一次又一次相遇 在眼前却遥不可及 命运总爱淘气 将一切都藏匿 曾有你的回忆 无痕迹 若不是心心相吸 又怎么会一步一步靠近 🎵 董真《思如雪》 下载LRC歌词 https://www.musicenc.com/article/50287.htmlhttp…

这次玩个猛的,复现 2000 年前碳化卷轴

公元79年10月24日,意大利的维苏威火山爆发,一天之内就毁灭了两万多人的庞贝古城。 火山灰掩盖了整座城市,其中有一栋房子存放了各种书籍。直到18世纪,这栋房子才重新被发现,下面是考古学家的建筑复原图。 房子里面的1…

本地用AIGC生成图像与视频

最近AI界最火的话题,当属Sora了。遗憾的是,Sora目前还没开源或提供模型下载,所以没法在本地跑起来。但是,业界有一些开源的图像与视频生成模型。虽然效果上还没那么惊艳,但还是值得我们体验与学习下的。 Stable Diffu…

基于粒子群算法的分布式电源配电网重构优化matlab仿真

目录 1.课题概述 2.系统仿真结果 3.核心程序与模型 4.系统原理简介 4.1基本PSO算法原理 4.2配电网重构的目标函数 5.完整工程文件 1.课题概述 基于粒子群算法的分布式电源配电网重构优化。通过Matlab仿真,对比优化前后 1.节点的电压值 2.线路的损耗,这里计…

阿里二面:什么情况会发生Full GC?如何避免频繁Full GC?

阿里二面:什么情况会发生Full GC?如何避免频繁Full GC? Minor GC、Major GC 和 Full GC区别? Minor GC、Major GC和Full GC是垃圾回收中的三个重要概念,它们描述了垃圾回收的不同阶段和范围: Minor GC&am…

【leetcode热题】 分数到小数

给定两个整数,分别表示分数的分子 numerator 和分母 denominator,以 字符串形式返回小数 。 如果小数部分为循环小数,则将循环的部分括在括号内。 如果存在多个答案,只需返回 任意一个 。 对于所有给定的输入,保证 …

【SQL Server】实验七 数据完整性

1 实验目的 掌握实体完整性、参照完整性和用户自定义完整性约束的创建方法。掌握完整性约束的运行检查机制。掌握参照完整性的级联删除和修改方法。掌握正确设计关系模式完整性约束的方法。 2 实验内容 2.1 掌握实体完整性约束的创建和使用方法 创建表时定义由一个属性组成…

【蓝桥杯选拔赛真题38】C++判断数字 第十四届蓝桥杯青少年创意编程大赛 算法思维 C++编程选拔赛真题解析

目录 C判断数字 一、题目要求 1、编程实现 2、输入输出 二、算法分析 三、程序编写 四、程序说明 五、运行结果 六、考点分析 七、推荐资料 C判断数字 第十四届蓝桥杯青少年创意编程大赛C选拔赛真题 一、题目要求 1、编程实现 给定一个正整数N(100≤N<100000)…

特殊内齿轮加工的另一种选择

内齿轮加工普遍采用插齿或拉削&#xff0c;但对于一些特殊齿廓的内齿轮来说&#xff0c;插齿可能会有一定的困难&#xff0c;或者成本较高。在这种情况下&#xff0c;线切割加工不失为一种不错的选择。那么什么样的零件需要选择这种加工方式呢&#xff1f;一起来看看&#xff1…

【Java】常用类和基础API

文章目录 一、String的特性二、String的内存结构2.1 拼接2.2 new 三、String的常用API-13.1 构造器 四、String的常用API-24.1 常用方法4.2 查找4.3 字符串截取4.4 和字符/字符数组相关4.5 开头与结尾4.6 替换 五、StringBuffer、StringBuilder5.1 StringBuilder、StringBuffer…

【RS422】基于未来科技FT4232HL芯片的多波特率串口通信收发实现

功能简介 串行通信接口常常用于在计算机和低速外部设备之间传输数据。串口通信存在多种标准&#xff0c;以RS422为例&#xff0c;它将数据分成多个位&#xff0c;采用异步通信方式进行传输。   本文基于Xilinx VCU128 FPGA开发板&#xff0c;对RS422串口通信进行学习。   根…

sqlite 常见命令 表结构

在 SQLite 中&#xff0c;将表结构保存为 SQL 具有一定的便捷性和重要性&#xff0c;原因如下 便捷性&#xff1a; 备份和恢复&#xff1a;将表结构保存为 SQL 可以方便地进行备份。如果需要还原或迁移数据库&#xff0c;只需执行保存的 SQL 脚本&#xff0c;就可以重新创建表…

如何在“Microsoft Visual Studio”中使用OpenCV编译应用程序

返回目录&#xff1a;OpenCV系列文章目录&#xff08;持续更新中......&#xff09; 前一篇&#xff1a;OpenCV4.9.0在windows系统下的安装 后一篇&#xff1a; 警告&#xff1a; 本教程可以包含过时的信息。 我在这里描述的所有内容都将适用于 OpenCV 的C\C接口。我首先假…

力扣热题100_矩阵_240_搜索二维矩阵 II

文章目录 题目链接解题思路解题代码 题目链接 240. 搜索二维矩阵 II 编写一个高效的算法来搜索 m x n 矩阵 matrix 中的一个目标值 target 。该矩阵具有以下特性&#xff1a; 每行的元素从左到右升序排列。 每列的元素从上到下升序排列。 示例 1&#xff1a; 输入&#xf…

专升本 C语言笔记-07 逗号运算符

1.逗号表达式的用法 就是用逗号隔开的多个表达式。逗号表达式&#xff0c;从左向右依次执行。 2.逗号表达式的特性 2.1.当没有括号时&#xff0c;第一个表达式为整个表达式的值。 代码 int x 3,y 5,a 0; a x,y; printf("a %d",a); 说明:因为逗号优先级最低,会…

PyTorch学习笔记之激活函数篇(一)

文章目录 1、Sigmoid函数1.1 公式1.2 对应图像1.2 生成图像代码1.4 优点与不足1.5 torch.sigmoid()函数 1、Sigmoid函数 1.1 公式 Sigmoid函数的公式&#xff1a; f ( x ) 1 1 e − x f(x) \frac{1}{1e^{-x}} f(x)1e−x1​ Sigmoid函数的导函数&#xff1a; f ′ ( x ) e …

灯塔:CSS笔记(4)

伪类选择器&#xff1a; 1.作用与优势&#xff1a; 1.作用&#xff1a;根据元素在HTML中的结构关系查找元素 2.优势&#xff1a;减少对于HTML中类的依赖&#xff0c;有利于保持代码的整洁 3.场景&#xff1a;常用于查找某父级选择器中的子元素 2.选择器 选择器说明E:first-c…

软考80-上午题-【面向对象技术3-设计模式】-结构型设计模式03

一、外观模式 1-1、意图 为子系统中的一组接口提供一个一致的界面。 Facade 模式定义了一个高层接口&#xff0c;这个接口使得这一子系统更加容易使用。 1-2、结构 Facade 知道哪些子系统类负责处理请求&#xff1a;将客户的请求代理给适当的子系统对象。Subsvstem classes …

SpingBoot集成Rabbitmq及Docker部署

文章目录 介绍RabbitMQ的特点Rabbitmq术语消息发布接收流程 Docker部署管理界面说明Overview: 这个页面显示了RabbitMQ服务器的一般信息&#xff0c;例如集群节点的名字、状态、运行时间等。Connections: 在这里&#xff0c;可以查看、管理和关闭当前所有的TCP连接。Channels: …

【ollama】(7):使用Nvidia Jetson Nano设备,成功运行ollama,运行qwen:0.5b-chat,速度还可以,可以做创新项目了

1&#xff0c;视频地址 https://www.bilibili.com/video/BV1Pj421o7W5/ 【ollama】&#xff08;7&#xff09;&#xff1a;使用Nvidia Jetson Nano设备&#xff0c;成功运行ollama&#xff0c;运行qwen:0.5b-chat&#xff0c;速度还可以&#xff0c;可以做创新项目了 2&#x…