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.hqwc.cn/news/543687.html

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

相关文章

【软件测试】软件测试的基本概念和开发模型

1. 前言 在进行软件测试的学习之前,我们要了解软件测试一些基本概念. 这些基本概念将帮助我们更加明确工作的目标以及软件测试到底要做什么. 2. 软件测试的基本概念 软件测试的基本概念有3个,分别是需求,测试用例和BUG. 2.1 需求 这里的需求还可以分为 用户需求和软件需求,用…

Docker使用(二)Docker安装和常见典型操作

Docker使用(二)Docker安装和常见典型操作 二、软件安装 1、Docker安装 (1)环境准备 [rootlocalhost ~]# uname -r 3.10.0-327.el7.x86_64 # cat /etc/os-release (2)卸载旧版本 $ sudo yum remove docker \ ​ docker-cli…

数学建模--MATLAB基本使用

1.线性方程组 这个是一个线性方程组(属于线性代数的范畴),Axb类型的方程,如果使用MATLAB进行求解,就需要分别表示A矩阵(线性方程组未知数前面的系数),b矩阵(表示等式右边…

什么是资源子网和通信子网有什么特点

资源子网和通信子网是计算机网络中常见的两种子网类型,它们分别承担着资源管理和数据传输的重要功能。资源子网以共享资源为核心,通过集中管理和高效共享提高了资源利用率,而通信子网则负责连接不同资源子网,实现数据的传输和通信…

【拓扑空间】可分性2

可分拓扑空间 如果拓扑空间有可数的稠密子集,则称是可分拓扑空间。 可分:有可数子集A, 拓扑空间: 1., 2.任意并 3.有限交 稠密: 闭包 导集:所有聚点的集合 聚点:任意去心领域&am…

电商系统秒杀一 秒杀的各种解决方案以及存在的问题

一 业务场景介绍 1.1 正常电商流程 1.2 活动和场次关系 秒杀活动表:sms_flash_promotion DROP TABLE IF EXISTS sms_flash_promotion; CREATE TABLE sms_flash_promotion (id bigint(20) NOT NULL AUTO_INCREMENT,title varchar(200) CHARACTER SET utf8 COLLAT…

hcia复习总结7

1,AR2发送2.0网段的信息给AR1,如果,AR1本身并不存在该网段的路由 信息,则将直接 刷新 到本地的路由表中。 Destination/Mask Proto Pre Cost Flags NextHop Interface 2.2.2.0/24 RIP 100…

有什么好赚钱的副业可以做吗?盘点6个互联网搞钱项目

网上互联网赚钱的项目千千万,每个博主都说自己赚到钱了。很多人既羡慕又慌张,特别幻想自己也月入几万,又怕错过赚钱的机会。那么今天就先为大家简单盘点6个互联网搞钱项目,帮助大家了解一下,也避避坑。这些项目收入可能…

关于Camera出图,有竖线问题的排查步骤

1、问题背景 之前调试的一个项目,在生产过程中,工厂反馈有台设备出图有明显的规则竖条纹,现象如下附件图所示: 遇到此类图像异常的问题该如何去分析呢,这是本文要总结的内容。 2、问题分析 1)首先要从客户…

【yocto2】利用yocto工具构建嵌入式Linux系统

1.定制化嵌入式linux系统 在实际项目中,一款嵌入式产品往往具有不同的硬件平台和软件需求,因此需要对嵌入式Linux系统进行定制,以满足不同的产品需求。之前的章节中基于Freescale官方提供的例程,构建了运行于imx6ull14x14evk硬件…

18.古今成大事者,必以多选替身为第一要义——代理模式详解

“杏市而外,尚有何人可以分统?亦须早早提拔。办大事者以多多选替手为第一义,满意之选不可得,姑节取其次,以待徐徐教育可也。 ——曾国藩同治元年四月十二日” 一言 代理模式核心思想是为对象提供一个替身,以控制对这…

029—pandas 遍历行非向量化修改数据

前言 在 pandas 中,向量化计算是指利用 pandas 对象的内置方法和函数,将操作应用到整个数据结构的每个元素,从而在单个操作中完成大量的计算。 但在一些需求中,我们无法使用向量化计算,就需要迭代操作,本例…