3. 被控对象建模基础

在电机控制器HIL验证中,被控对象模型是“虚拟台架”的核心。控制器输出的电压指令进入模型,模型解算出电流、转速、转矩等状态量,再反馈给控制器形成闭环。模型是否可信,直接决定HIL测试结论是否可信。本节围绕永磁同步电机(PMSM)与感应电机(IM)的数学模型、坐标变换、参数辨识以及精度与实时性的权衡展开。

一、两类电机的数学模型差异

PMSM与IM在物理结构上的根本差异,决定了数学模型的不同。PMSM的转子磁场由永磁体建立,转子磁链近似恒定;IM的转子磁场由定子电流通过电磁感应产生,存在转差,转子磁链是状态变量。这一差异导致两者在d-q坐标系下的电压方程结构不同。

PMSM在同步旋转d-q坐标系下的定子电压方程为:

ud = Rs·id + Ld·did/dt − ωe·Lq·iq
uq = Rs·iq + Lq·diq/dt + ωe·(Ld·id + ψf)

其中Rs为定子电阻,Ld、Lq为d、q轴电感,ψf为永磁体磁链,ωe为电角速度。表贴式PMSM通常Ld≈Lq,磁阻转矩可忽略;内置式PMSM的Ld<Lq,存在磁阻转矩分量,建模时必须保留凸极效应。

IM在同步旋转d-q坐标系下还需增加转子电压方程,并引入转差频率ωsl:

ud = Rs·id + σLs·did/dt − ωe·σLs·iq + (Lm/Lr)·dψrd/dt
uq = Rs·iq + σLs·diq/dt + ωe·σLs·id + ωe·(Lm/Lr)·ψrd
dψrd/dt = (Lm/τr)·id − ψrd/τr
ωsl = (Lm·iq)/(τr·ψrd)

其中σ为漏磁系数,Lm为互感,Lr为转子电感,τr=Lr/Rr为转子时间常数。可以看到,IM模型比PMSM多一个转子磁链状态方程,且转子时间常数τr对磁链观测和转矩控制影响显著。在HIL中,IM模型的状态量更多,计算负担也更大。

PMSM 与 IM 数学模型结构对比 PMSM(永磁同步电机) 定子电压方程 电磁转矩方程 ψf 恒定 Ld、Lq 凸极 状态量:id, iq, ωm(3阶) IM(感应电机) 定子电压方程 转子电压方程 ψrd 动态变化 τr 影响磁链 状态量:id, iq, ψrd, ωm(4阶) 坐标变换链:三相静止 → 两相静止 → 两相旋转 abc 三相静止 Clarke αβ 两相静止 Park dq 两相旋转 逆Park 控制输出 参数辨识与实时性权衡要点 • Rs 用直流注入法,Ld/Lq 用高频注入或阶跃响应,ψf 由反电势常数换算 • IM 的 τr 随温度漂移,需在线辨识或鲁棒观测;PMSM 的 ψf 随温度下降约 0.1%/℃

二、坐标变换的实现与约定

坐标变换是FOC控制的数学基础。工程实现中必须明确约定,否则正负号和系数容易出错。常用约定为:Clarke变换采用等幅值变换,即α轴与a相轴线重合,β轴超前α轴90°;Park变换中d轴与转子磁链方向对齐,q轴超前d轴90°。逆变换用于将控制量还原为三相占空比。

在HIL模型中,坐标变换通常以离散形式实现。以Clarke变换为例,若采用等幅值形式:

iα = (2/3)·(ia − 0.5·ib − 0.5·ic)
iβ = (2/3)·(√3/2·ib − √3/2·ic)

当三相电流之和为零时,可简化为iα=ia,iβ=(ia+2ib)/√3。Park变换则依赖转子电角度θe,θe由编码器或旋变信号经角度处理得到。在HIL中,θe由模型积分转速得到,需注意积分初值和角度归一化,避免溢出。

三、参数辨识的工程方法

模型参数不准,再精细的模型也无意义。PMSM的关键参数包括Rs、Ld、Lq、ψf。Rs可用直流注入法测量:向定子注入小直流电流,测量端电压,扣除死区影响后计算。Ld、Lq可用高频注入法或阶跃电压响应法:在d轴或q轴施加小电压阶跃,记录电流上升斜率,由di/dt反推电感。ψf可由空载反电势常数Ke换算,ψf=Ke/(√3·ωe)(线反电势有效值定义下需注意系数)。

IM的关键参数包括Rs、Rr、Lm、Ls、Lr。Rr和τr的辨识更困难,常用空载试验和堵转试验结合:空载试验获得励磁电感Lm,堵转试验获得漏感和转子电阻。在HIL中,若无法离线辨识,可采用模型参考自适应(MRAS)在线估计τr,但会增加计算量。

四、模型精度与实时性的权衡

HIL仿真的步长与模型复杂度直接决定实时性。以PMSM为例,若采用完整d-q模型,状态方程含电流微分项,需用数值积分求解。步长越小,精度越高,但CPU负载越大。工程上常用1μs~10μs步长,对应开关频率10kHz~20kHz的控制器。若步长过大,电流环相位滞后明显,可能导致闭环失稳,这是HIL测试中常见的“假故障”。

精度方面,需关注以下几点:一是电感饱和,Ld、Lq随电流变化,若模型用常数电感,大电流下转矩误差可达10%以上;二是逆变器非线性,死区和管压降会造成电压误差,HIL中可加入死区补偿模型;三是温度影响,Rs随温度上升约0.4%/℃,ψf随温度下降约0.1%/℃。若测试工况涉及冷热态,需在模型中引入温度修正。

实时性方面,可采用变步长或分区建模:电流环用小步长,转速环和温度环用大步长。也可对模型降阶,例如忽略铁损和杂散损耗,或对IM采用简化磁链模型。但降阶必须经过验证,确认在目标工况下误差可接受。建议在HIL测试前,先用离线仿真对比全阶模型与降阶模型的转矩、电流波形,确认降阶不会掩盖控制器缺陷。

参数辨识结果应记录为参数表,并标注测试条件(温度、电流幅值、频率)。同一台电机在不同温度下辨识的Rs可能相差20%以上,HIL模型应支持参数在线切换或温度插值。
坐标变换的正负号约定必须在控制器模型和电机模型中保持一致。常见错误是Park变换的q轴方向相反,导致转矩符号错误,控制器表现为“正反馈”,HIL中会出现电流发散。调试时先开环给定ud、uq,观察iq与转矩方向是否一致。

综上,被控对象建模不是“把公式抄进仿真”,而是要在精度、实时性和工程可实施性之间做取舍。PMSM与IM的模型结构不同,参数辨识方法不同,坐标变换的约定必须统一。只有模型在目标工况下经过验证,HIL测试的结论才有意义。