永磁同步电机无感FOC(龙伯格观测器)算法技术总结-仿真篇

本文主要是介绍永磁同步电机无感FOC(龙伯格观测器)算法技术总结-仿真篇,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 1、观测器的引入
  • 2、β轴向下的电机观测器数学模型
  • 3、β轴向下的转子点角度及速度观测
  • 4、Simulink仿真模型搭建
    • 4.1模型总览
    • 4.2 Luenberger观测器模块
      • 4.2.1 I_alpha观测
      • 4.2.2 I_beta观测
      • 4.2.3 e_alpha、e_beta观测
      • 4.2.4 锁相环
    • 4.3 速度设定
    • 4.4 速度观测结果
    • 4.5 电角度观测结果

模型下载地址:无感FOC龙伯格观测器+PLL仿真模型

1、观测器的引入

在这里插入图片描述

2、β轴向下的电机观测器数学模型

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3、β轴向下的转子点角度及速度观测

在这里插入图片描述

4、Simulink仿真模型搭建

电机参数:
在这里插入图片描述
使用Permanent Magnet Synchronous Machine模块参数初步计算:
在这里插入图片描述
计算参数脚本:

function fcn()%4V/1000rpm
r=0.055;
Ls=0.00021;
Ts=0.0001;
Ke=4/1000; 
pole=4;
J=0.053e-4;
max_speed=3000;%由反电动势常数计算磁链
flux=10*sqrt(6)*Ke/(pi*pole);
% r : 欧姆
% LS:H%电流环PI计算
wc=2*pi*r/Ls;
kcp=wc*Ls;
kci=wc*r;%速度环PI计算
wn=wc/10;
kvp=wn*J/(1.5*pole*flux);
kvi=wn*kvp;%观测器增益计算
l1=1-r*Ts/Ls;
l2=1;
%K>1
k=3.985;L1_obs=l1/k;
L2_obs=l2/k;h1=(L1_obs+L2_obs-2)/Ts+r/Ls;
h2=Ls*(1-L1_obs-L2_obs+L1_obs*L2_obs)/(Ts*Ts);%ST WB观测器增益计算
max_current=3.268;
max_bemf_voltage=1.2*sqrt(2)*max_speed*Ke/sqrt(3);
F1=4096;
F2=16384;
G1=F1*h1*Ts;
G2=F2*h2*max_current*Ts/(max_bemf_voltage);%PLL增益计算
kpp=532*max_speed*pole/(1/Ts);
kpi=(1506742*max_speed*pole/((1/Ts)^2))/4;%求k
k1=-14785;
f=(2-r*Ts/Ls)/(k1*Ts-r*Ts/Ls+2);
str='f value is: ';
str=[str,num2str(f)];
disp(str);%数据打印
str='flux value is: ';
str=[str,num2str(flux)];
disp(str);str='wc value is: ';
str=[str,num2str(wc)];
disp(str);str='kcp value is: ';
str=[str,num2str(kcp)];
disp(str);str='kci value is: ';
str=[str,num2str(kci)];
disp(str);str='wn value is: ';
str=[str,num2str(wn)];
disp(str);str='kvp value is: ';
str=[str,num2str(kvp)];
disp(str);str='kvi value is: ';
str=[str,num2str(kvi)];
disp(str);str='h1 value is: ';
str=[str,num2str(h1)];
disp(str);str='h2 value is: ';
str=[str,num2str(h2)];
disp(str);str='G1 value is: ';
str=[str,num2str(G1)];
disp(str);str='G2 value is: ';
str=[str,num2str(G2)];
disp(str);str='kpp value is: ';
str=[str,num2str(kpp)];
disp(str);str='kpi value is: ';
str=[str,num2str(kpi)];
disp(str);

计算结果:
在这里插入图片描述

4.1模型总览

在这里插入图片描述

4.2 Luenberger观测器模块

在这里插入图片描述

4.2.1 I_alpha观测

在这里插入图片描述

4.2.2 I_beta观测

在这里插入图片描述

4.2.3 e_alpha、e_beta观测

在这里插入图片描述

4.2.4 锁相环

在这里插入图片描述

4.3 速度设定

在这里插入图片描述

4.4 速度观测结果

在这里插入图片描述
其中蓝色部分为观测速度,其基本和测量速度以及设定速度重合。

4.5 电角度观测结果

在这里插入图片描述
观测角度和测量角度一致。

这篇关于永磁同步电机无感FOC(龙伯格观测器)算法技术总结-仿真篇的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/756517

相关文章

Python中连接不同数据库的方法总结

《Python中连接不同数据库的方法总结》在数据驱动的现代应用开发中,Python凭借其丰富的库和强大的生态系统,成为连接各种数据库的理想编程语言,下面我们就来看看如何使用Python实现连接常用的几... 目录一、连接mysql数据库二、连接PostgreSQL数据库三、连接SQLite数据库四、连接Mo

Git提交代码详细流程及问题总结

《Git提交代码详细流程及问题总结》:本文主要介绍Git的三大分区,分别是工作区、暂存区和版本库,并详细描述了提交、推送、拉取代码和合并分支的流程,文中通过代码介绍的非常详解,需要的朋友可以参考下... 目录1.git 三大分区2.Git提交、推送、拉取代码、合并分支详细流程3.问题总结4.git push

Kubernetes常用命令大全近期总结

《Kubernetes常用命令大全近期总结》Kubernetes是用于大规模部署和管理这些容器的开源软件-在希腊语中,这个词还有“舵手”或“飞行员”的意思,使用Kubernetes(有时被称为“... 目录前言Kubernetes 的工作原理为什么要使用 Kubernetes?Kubernetes常用命令总

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

Python中实现进度条的多种方法总结

《Python中实现进度条的多种方法总结》在Python编程中,进度条是一个非常有用的功能,它能让用户直观地了解任务的进度,提升用户体验,本文将介绍几种在Python中实现进度条的常用方法,并通过代码... 目录一、简单的打印方式二、使用tqdm库三、使用alive-progress库四、使用progres

Android数据库Room的实际使用过程总结

《Android数据库Room的实际使用过程总结》这篇文章主要给大家介绍了关于Android数据库Room的实际使用过程,详细介绍了如何创建实体类、数据访问对象(DAO)和数据库抽象类,需要的朋友可以... 目录前言一、Room的基本使用1.项目配置2.创建实体类(Entity)3.创建数据访问对象(DAO

Java向kettle8.0传递参数的方式总结

《Java向kettle8.0传递参数的方式总结》介绍了如何在Kettle中传递参数到转换和作业中,包括设置全局properties、使用TransMeta和JobMeta的parameterValu... 目录1.传递参数到转换中2.传递参数到作业中总结1.传递参数到转换中1.1. 通过设置Trans的

C# Task Cancellation使用总结

《C#TaskCancellation使用总结》本文主要介绍了在使用CancellationTokenSource取消任务时的行为,以及如何使用Task的ContinueWith方法来处理任务的延... 目录C# Task Cancellation总结1、调用cancellationTokenSource.

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系