Matlab Simulink创建Clark和Park变换模型

ops/2025/2/26 14:51:25/

目录

概述

1  数学模型

1.1 Calrk变换数学原理

1.2 Park变换的数学原理

2 创建模型

2.1 模型架构

2.2 创建子模块

2.2.1 3路正弦波形模块( single_sin)

 2.2.2  Clark转换模块

2.2.3   Plark转换模块

3  创建仿真模型

3.1 输入信号

 3.2 输出信号

4 运行仿真模型


概述

本文主要介绍使用Matlab Simulink创建Clark和Park变换模型的原理和实现方法,同时笔者介绍了Calrk变换数学原理和Park变换的数据原理,创建仿真信号以验证模型的功能。

1  数学模型

1.1 Calrk变换数学原理

 以下方程描述克拉克变换计算:

 对于电机等平衡系统,零序分量计算始终为零。例如,电机的电流可以表示为:

 因此,在三相电机驱动中可以只使用两个电流传感器,可以将其中的第三相计算为:

 通过使用以下方程,该模块将克拉克变换实现为:

参数介绍:

  • fa、fb 和 fc 是 abc 参考系中的平衡三相分量。

  • fα 和 fβ 是静止 αβ 参考系中的平衡两相正交分量。

  • f0 是静止 αβ 参考系中的零分量。

1.2 Park变换的数学原理

以下方程描述模块如何实现帕克变换。

当 d 轴与 α 轴对齐时:

 当 q 轴与 α 轴对齐时:

 其中:

  • fα 和 fβ 是静止 αβ 参考系中的两相正交分量。

  • fd 和 fq 是旋转 dq 参考系中的直轴和交轴正交分量。

2 创建模型

2.1 模型架构

该模型由3个子模块构成:

single_sin( part-1) : 用于模拟驱动电机运行产生的ia,ib,ic 3路正弦波信号


clark_transfer( part-2) :实现Clark变换功能

输入信号为: ia,ib,ic

输出信号为:α和β


park_transfer( part-3) :实现Park变换功能, 将α和β坐标系上的矢量,转换到d、q坐标系上

输入信号为: α和β

输出信号为:d和q

2.2 创建子模块

2.2.1 3路正弦波形模块( single_sin)

 该子模块在整体架构中的位置:

 该模块内部结构:

1) 输入参数( theta): 实时的角度值,参数范围(0 ~ 2pi )

2) 使用3个转换函数分别生成3个正弦波,其转换函数为   

     ia = sin( u1 )

     ib = sin( u1 - 2*pi/3)

     ic = sin( u1 + 2*pi/3)

 2.2.2  Clark转换模块

 该子模块在整体架构中的位置:

 该模块内部结构: 

Clarke变换

输入参数: 三相电流,

输出参数: alpha,bate电流


Iα = Ia

Iβ = (Ia + 2Ib) / sqrt(3)

2.2.3   Plark转换模块

 该子模块在整体架构中的位置:

 该模块内部结构: 

Park变换

输入参数: 电角度、Ialpha和Ibeta,

输出参数: 经过Park变换得到Iq、Id


Id = Iα*cosθ + Iβ * sinθ

Iq = -Iα *sinθ + Iβ * cosθ

3  创建仿真模型

3.1 输入信号

 该子模块在整体架构中的位置:

使用一个Repeating Sequence模块作为模型的输入信号,其内部参数 

 3.2 输出信号

该部分用于观察仿真信号的输入或者输出波形,子模块在整体架构中的位置:

4 运行仿真模型

1)输入信号theta的波形

2)  ia, ib,ic 信号波形

 ia: 黄色波形

 ib: 蓝色波形

 ic: 红色波形

 3) Clark变换之后的波形

α波形: 黄色

β波形: 蓝色

4) Park变换之后的波形

q波形: 黄色

d波形: 蓝色


http://www.ppmy.cn/ops/161435.html

相关文章

在Spring Boot中如何使用Freemaker模板引擎

在 Spring Boot 中使用 FreeMarker 模板引擎可以帮助你创建动态的 Web 页面。以下是详细的步骤和示例代码,介绍如何在 Spring Boot 项目里集成和使用 FreeMarker。 1. 添加依赖 如果你使用的是 Maven 项目,需要在 pom.xml 文件中添加 FreeMarker 相关依赖。Spring Boot 提供…

机器视觉3D中,深度图转点云图精度损失分析

在机器视觉3D中,将深度图转换为点云的过程中是否损失精度,取决于多个因素。以下是详细分析: 理论上的无损性 从数学角度看,深度图到点云的转换本身是无损的。转换过程仅涉及坐标系的映射,公式为: 实际应用中的精度损失来源 尽管数学上无损,实际应用中精度损失可能来自以…

分布式之Raft算法

参考: 分布式算法 - Raft算法 | Java 全栈知识体系 Raft 算法详解 | JavaGuide 分布式 | CS-Notes 面试笔记

在windows下安装windows+Ubuntu16.04双系统(下)

这篇文章的内容主要来源于这篇文章,为正式安装windowsUbuntu16.04双系统部分。在正式安装前,若还没有进行前期准备工作(1.分区2.制作启动u盘),见《在windows下安装windowsUbuntu16.04双系统(上)》 二、正式安装Ubuntu …

Mysql 主从集群同步延迟问题怎么解决?

MySQL主从集群同步延迟是常见问题,可能由网络延迟、硬件性能、配置不当、大事务或高并发写入等原因导致。以下是系统的解决思路和优化方案: 一、定位延迟原因 查看复制状态: ​​​​​​​SHOW SLAVE STATUS\G Seconds_Behind_Master&#x…

【入门音视频】音视频基础知识

🌈前言🌈 这个系列在我学习过程中,对音视频知识归纳总结的笔记。因为音视频相关讲解非常稀少,所以我希望通过这个音视频系列,跟大家一起学习音视频,希望减少初学者在学习上的压力。同时希望也欢迎指出文章的…

安宝特科技 | Vuzix Z100智能眼镜+AugmentOS:重新定义AI可穿戴设备的未来——从操作系统到硬件生态,如何掀起无感智能革命?

一、AugmentOS:AI可穿戴的“操作系统革命” 2025年2月3日,Vuzix与AI人机交互团队Mentra联合推出的AugmentOS,被业内视为智能眼镜领域的“iOS时刻”。这款全球首个专为智能眼镜设计的通用操作系统,通过三大突破重新定义了AI可穿戴…

AI人工智能之机器学习sklearn模型选择与调优

1、概要 本篇学习AI人工智能之机器学习sklearn的模型选择与调优,以iris数据集和随机森林模型为示例,从代码层面讲述如何进行模型选择与调优。 2、模型选择与调优 - 简介 模型选择与调优是机器学习流程中的关键步骤,涉及选择合适的模型、调整…