电机控制专题(一)——最大转矩电流比MTPA控制

embedded/2024/9/22 20:57:12/

文章目录

  • 电机控制专题(一)——最大转矩电流比MTPA控制
    • 前言
    • 理论推导
    • 仿真验证
      • 轻载1N·m
      • 重载30N·m
    • 总结

电机控制专题(一)——最大转矩电流比MTPA控制

前言

MTPA全称为Max Torque Per Ampere,从字面意思就可以知道MTPA算法的目的是一个寻优最值问题,可以从以下两个角度理解。

  • 在同一电磁转矩需求下,如何利用最小幅值的定子电流来产生;
  • 在同一额定电流情况下,如何合理利用定子电流产生最大的电磁转矩

本文先从理论推导开始,再到仿真验证MTPA算法,总结MTPA的相关知识。

纯小白,如有不当,轻喷,还请指出。

理论推导

记转矩角(电流矢量与d轴夹角)为 γ \gamma γ,则dq轴电流可以表示如下:
i d = I s c o s γ i_d=I_s cos\gamma id=Iscosγ (1)
i q = I s s i n γ i_q=I_s sin\gamma iq=Issinγ (2)
其中 I s I_s Is为定子电流幅值。

dq轴下PMSM的转矩方程为:
T e = 3 2 p n i q ψ + ( L d − L q ) i d i q T_e = \frac{3}{2}p_ni_q\psi+(L_d-L_q)i_di_q Te=23pniqψ+(LdLq)idiq(3)
其中 p n p_n pn为极对数, ψ \psi ψ为永磁体磁链, L d , L q L_d,L_q Ld,Lq为分别为dq轴的电感。式(4)右边的第一项成为永磁转矩,第二项称为磁阻转矩。

将式(1)(2)代入式(3)并化简可得
T e = 3 2 p n I s ψ s i n γ + 3 4 p n I s 2 ( L d − L q ) s i n 2 γ T_e=\frac{3}{2}p_nI_s\psi sin\gamma + \frac{3}{4}p_nI_s^2(L_d-L_q)sin2\gamma Te=23pnIsψsinγ+43pnIs2(LdLq)sin2γ (4)

MTPA可以从两个角度理解

  1. 最小的电流产生同等大的电磁转矩
  2. 同等大小的定子电流产生最大的电磁转矩

因此从第二个角度理解MTPA,就变成了求(4)式的在 I s I_s Is恒定,以转矩角 γ \gamma γ为变量的极值问题

对(4)式求偏导并另其等于0,化简可得:
∂ T e ∂ γ = 2 I s ( L d − L q ) c o s 2 γ + ψ c o s γ − I s ( L d − L q ) = 0 \frac{\partial T_e}{\partial \gamma}=2I_s(L_d-L_q)cos^2\gamma +\psi cos\gamma -I_s(L_d-L_q)=0 γTe=2Is(LdLq)cos2γ+ψcosγIs(LdLq)=0 (5)

(5)式是一个一元二次方程,利用求根公式可解得
c o s γ 1 = − ψ + ψ 2 + 8 I s 2 ( L d − L q ) 4 I s ( L d − L q ) , c o s γ 2 = − ψ − ψ 2 + 8 I s 2 ( L d − L q ) 4 I s ( L d − L q ) cos \gamma_1 = \frac{-\psi + \sqrt{\psi^2+8I_s^2(L_d-L_q)}}{4I_s(L_d-L_q)} ,cos \gamma_2 = \frac{-\psi -\sqrt{\psi^2+8I_s^2(L_d-L_q)}}{4I_s(L_d-L_q)} cosγ1=4Is(LdLq)ψ+ψ2+8Is2(LdLq) ,cosγ2=4Is(LdLq)ψψ2+8Is2(LdLq) (6)

求解得到的两个转矩角究竟哪一个是我们想要的呢?

容易注意到 ψ < ψ 2 + 8 I s 2 ( L d − L q ) 2 \psi < \sqrt{\psi^2+8I_s^2(L_d-L_q)^2} ψ<ψ2+8Is2(LdLq)2 ,且绝大多数的IPMSM的d轴电感小于q轴电感。因此 c o s γ 1 < 0 , c o s γ 2 > 0 cos\gamma_1<0,cos\gamma_2>0 cosγ1<0,cosγ2>0

MTPA就是要利用电机的凸极效应,合理分配定子电流一部分作为 i d i_d id,另一部分作为 i q i_q iq i d i_d id可以用于产生磁阻转矩(电磁转矩式3等式右边的第二项)。因此d轴电流只能是负的。

那么由式(1)可知 c o s γ < 0 cos \gamma<0 cosγ<0

因此真正能实现MTPA的转矩角为
γ = a r c c o s ( − ψ + ψ 2 + 8 I s 2 ( L d − L q ) 4 I s ( L d − L q ) ) \gamma =arccos( \frac{-\psi +\sqrt{\psi^2+8I_s^2(L_d-L_q)}}{4I_s(L_d-L_q)}) γ=arccos(4Is(LdLq)ψ+ψ2+8Is2(LdLq) ) (7)

此时的d轴电流和q轴电流可计算得
i d = I s c o s γ = I s − ψ + ψ 2 + 8 I s 2 ( L d − L q ) 4 ( L d − L q ) i_d = I_scos\gamma =I_s \frac{-\psi +\sqrt{\psi^2+8I_s^2(L_d-L_q)}}{4(L_d-L_q)} id=Iscosγ=Is4(LdLq)ψ+ψ2+8Is2(LdLq) (8)
i q = I s 2 − i d 2 i_q=\sqrt{I_s^2-i_d^2} iq=Is2id2 (9)

值得一提的是,转速环的输出应当是转矩指令值,而转矩和电流存在一定的线性关系,因此可以直接作为电流指令值。最简单的矢量控制 i 0 ≡ 0 i_0 \equiv0 i00中,转速环的输出直接作为q轴电流的指令值;而在MTPA中,转速环输出的转矩指令值,应当由整个全部的定子电流来提供,即转速环的输出为定子电流幅值指令值,而非q轴电流指令。

仿真验证

为了直观看出使用MTPA的有效性,对一台具有高凸极比IPMSM磁阻转矩成分更大)进行仿真。

仿真参数设置如下:
L d = 3.5 m H , L q = 12 m H , ψ = 0.17 W b , U d c = 311 V L_d= 3.5mH,L_q=12mH,\psi=0.17Wb,U_{dc}=311V Ld=3.5mH,Lq=12mH,ψ=0.17Wb,Udc=311V

转速500rpm,带轻载(1Nm)和带重载(30Nm)工况下运行。0.1s之前施加 i d ≡ 0 i_d\equiv0 id0控制,0.1s后施加MTPA算法,总仿真时间0.2s。

轻载1N·m

dq轴电流和三相电流波形图下
在这里插入图片描述
在这里插入图片描述
可见在施加MTPA控制之后并没有明显的效果。

原因如下:
由于所带负载较小,定子电流的幅值也小。此时的转矩角

γ = a r c c o s ( − ψ + ψ 2 + 8 I s 2 ( L d − L q ) 4 I s ( L d − L q ) ) ≈ a r c c o s ( − ψ + ψ 2 4 I s ( L d − L q ) ) = 90 ° \gamma =arccos( \frac{-\psi +\sqrt{\psi^2+8I_s^2(L_d-L_q)}}{4I_s(L_d-L_q)})\approx arccos(\frac{-\psi+\sqrt{\psi^2}}{4I_s(L_d-L_q)})=90\degree γ=arccos(4Is(LdLq)ψ+ψ2+8Is2(LdLq) )arccos(4Is(LdLq)ψ+ψ2 )=90°
此时的d轴电流指令值 I d ≈ I s c o s γ = 0 I_d\approx I_scos\gamma =0 IdIscosγ=0

所以施加MTPA之后,并没有客观的负的d轴电流来产生磁阻转矩。

重载30N·m

dq轴电流和三相电流波形图如下
在这里插入图片描述
在这里插入图片描述
仿真结果说明,在带重载的情况下,所需的电磁转矩大,施加MTPA控制以后,d轴指令值从0变为-10A,q轴指令值从30降为18A,即利用了电机的凸极效应,合理分配了相电流以产生磁阻转矩

从三相电流波形可以看出,施加MTPA后,定子电流幅值从30A减为20A,即使用更小的定子电流产生同等的电磁转矩,此即MTPA的目的。

总结

MTPA算法的目的在于充分利用电机的凸极效应来合理分配电流,其中一部分用于产生永磁转矩,另一部分用于产生电磁转矩,达到小电流,大转矩的效果。

值得注意以下两点

  1. MTPA的推导基于精确的电机模型,但实际情况下电机模型参数大多是未知,且容易收到温度等因素的干扰。因此在实际应用该算法时需注意模型参数的敏感性,必要时需结合在线参数辨识等技术。
  2. 在实际应用中,为了减小微控制器的运算负担,式(8)(9)并不会在线计算。而是通过提前离线计算并制表,在线查表的方式来得到dq轴电流设定。

http://www.ppmy.cn/embedded/11728.html

相关文章

Vue--》深入了解 VueUse 功能性工具集

今天博主为大家介绍一款实用性的插件名字叫做 VueUse &#xff0c;它是专门为 Vue.js 生态系统设计的功能性工具集合。其提供了许多可重用的功能函数&#xff0c;可以帮助开发者更轻松地构建 Vue.js 应用程序。其提供了大量的功能&#xff0c;包括状态管理、副作用管理、组合式…

Vue3:响应式数据的基本使用(ref、reactive)

一、前言 在Vue3中&#xff0c;如果数据不是响应式数据&#xff0c;当数据的值发生改变时&#xff0c;页面上的数据是不会发生改变的。因此本文主要介绍Vue3中响应式数据的使用&#xff0c;包括ref和reactive的基本使用。 二、ref 1、ref —— 创建基本类型的响应式数据 re…

汽车研发项目进度管理的挑战与优化策略

随着汽车行业的快速发展和市场竞争的加剧&#xff0c;新车型研发项目的进度管理成为车企赢得市场的关键。然而&#xff0c;由于汽车研发项目通常具有投资大、周期长、技术难度高、参与方众多等特点&#xff0c;项目进度管理面临着诸多挑战。为了提升车型研发效率、缩短研发周期…

Datawhale ChatGPT基础科普

根据课程GitHub - datawhalechina/hugging-llm: HuggingLLM, Hugging Future. 摘写自己不懂得一些地方&#xff0c;具体可以再到以上项目地址 LM&#xff1a;这是ChatGPT的基石的基石。 Transformer&#xff1a;这是ChatGPT的基石&#xff0c;准确来说它的一部分是基石。 G…

【数据结构】红黑树

目录 一、红黑树 1.1 基本概念 1.2 红黑树与AVL树的比较 二、结构和操作 2.1 节点定义 2.2 节点的插入操作 2.3 红黑树的迭代器 2.4 红黑树的模拟实现 三、set、 map的模拟实现 一、红黑树 1.1 基本概念 红黑树是一种二叉搜索树&#xff0c;但在每个结点上增加一个存…

java 学习一

jdk下载地址 配置环境变量

《剑指 Offer》专项突破版 - 面试题 113、114 和 115 : 详解拓扑排序(C++ 实现)

目录 前言 面试题 113 : 课程顺序 面试题 114 : 外星文字典 面试题 115 : 重建序列 前言 拓扑排序是指对一个有向无环图的节点进行排序之后得到的序列。如果存在一条从节点 A 指向节点 B 的边&#xff0c;那么在拓扑排序的序列中节点 A 出现在节点 B 的前面。一个有向无环…

OpenHarmony UI动画-lottie

简介 lottie是一个适用于OpenHarmony的动画库&#xff0c;它可以解析Adobe After Effects软件通过Bodymovin插件导出的json格式的动画&#xff0c;并在移动设备上进行本地渲染。 下载安裝 ohpm install ohos/lottieOpenHarmony ohpm 环境配置等更多内容&#xff0c;请参考如何…