4. 数学基础

无刷电机FOC（Field-Oriented Control，磁场定向控制）算法的核心，是将三相交流电流通过坐标变换，等效为旋转坐标系下的直轴（d轴）和交轴（q轴）分量，从而实现对电机转矩和磁通的解耦控制。这一系列变换与推导，本质上建立在复变函数、向量代数、三角函数以及微分方程等数学工具之上。若缺乏对这些数学概念的直观理解，FOC中的Park变换、Clark变换、PI调节器参数整定以及状态观测器设计都将成为无源之水。本章将系统梳理这些数学基础，并重点剖析它们在FOC推导中的具体落点。

上图展示了FOC算法中数学工具与变换模块之间的支撑关系。从三相电流到两相静止坐标系的Clark变换，再到旋转坐标系的Park变换，每一步都离不开复数旋转与三角函数运算；而电机绕组的电压方程则是一阶微分方程组，PI控制器的设计又需要复频域知识。下面我们逐一展开。

4.1 复数与向量：旋转的数学语言

4.1.1 核心原理：复数作为旋转算子

在FOC中，三相交流量（电压、电流、磁链）本质上是随时间变化的正弦量。若将正弦量表示为复数形式，则可以将微积分运算转化为代数运算。复数\( \hat{A} = A_m e^{j\theta} \)的模\( A_m \)对应正弦量的幅值，辐角\( \theta \)对应相位。两个同频正弦量的相位差，在复数域中表现为辐角之差。

更关键的是，复数乘法\( e^{j\theta_1} \cdot e^{j\theta_2} = e^{j(\theta_1+\theta_2)} \)揭示了旋转的叠加性质。在Park变换中，将两相静止坐标系（α-β轴）变换到旋转坐标系（d-q轴），本质上就是乘以旋转因子\( e^{-j\theta_e} \)，其中\( \theta_e \)为转子电角度。这一乘法将交流量变为直流量，为后续PI控制创造了条件。

4.1.2 判断方法：从复数到坐标变换的矩阵形式

Clark变换将三相静止坐标映射到两相静止坐标，其矩阵形式为：

[ iα ]   [ 1    -1/2   -1/2  ] [ ia ]
[ iβ ] = [ 0    √3/2  -√3/2 ] [ ib ]
                [ ic ]

Park变换则将α-β坐标旋转到d-q坐标：

[ id ]   [ cosθe   sinθe ] [ iα ]
[ iq ] = [ -sinθe  cosθe ] [ iβ ]

这两个变换矩阵的推导，正是基于复数的旋转性质。Clark变换相当于将三相复平面上的三个对称向量投影到实轴和虚轴；Park变换则是将整个坐标系旋转\( \theta_e \)角，使d轴与转子磁链方向对齐。

4.1.3 案例拆解：三相不平衡电流的复数分析

假设某电机在运行中出现一相断路（如a相断开），此时\( i_a = 0 \)，\( i_b = -i_c = I_m \sin(\omega t) \)。利用复数合成，空间电流矢量变为：

is = (2/3)(0 + Ib·e^(j2π/3) + Ic·e^(j4π/3))
   = (2/3)(Im·sin(ωt)·e^(j2π/3) - Im·sin(ωt)·e^(j4π/3))
   = (2/3)·Im·sin(ωt)·(e^(j2π/3) - e^(j4π/3))
   = (2/3)·Im·sin(ωt)·(j√3)
   = j·(2√3/3)·Im·sin(ωt)

该矢量始终在虚轴上振荡，幅值随时间变化，说明产生了脉振磁场而非旋转磁场。这会导致电机转矩脉动和噪声增大。通过复数分析，我们可以快速判断故障类型，并设计相应的容错控制策略。

4.1.4 常见误区与总结

• 误区1：将Park变换中的\( \theta_e \)误认为是机械角度。实际上\( \theta_e = P/2 \cdot \theta_m \)，其中P为极对数。
• 误区2：忽略Clark变换的等幅值或等功率约束。等幅值变换系数为2/3，等功率变换系数为√(2/3)，两者在PI参数整定时结果不同。
• 误区3：认为复数只用于稳态分析。在动态过程中，瞬时值同样可以用复数表示，只是需要区分旋转因子与时间函数的乘积。

4.2 三角函数：正交分解与角度解算

4.2.1 核心原理：三角函数的正交性

三角函数\( \sin(\theta) \)与\( \cos(\theta) \)在\( [0, 2\pi] \)区间内满足正交性：

∫₀²π sin(θ)·cos(θ) dθ = 0
∫₀²π sin²(θ) dθ = π
∫₀²π cos²(θ) dθ = π

这一性质在FOC中至关重要。当三相电流经过Clark变换后，\( i_\alpha \)和\( i_\beta \)仍然是正弦量，但它们的正交性使得我们可以通过Park变换提取出直流分量。此外，转子位置估算（无传感器FOC）常利用反电动势的三角函数关系：

eα = -λm·ωe·sin(θe)
eβ = λm·ωe·cos(θe)

通过反正切函数\( \theta_e = \text{atan2}(-eα, eβ) \)即可获得转子位置。

4.2.2 操作流程：角度归一化与查表法

在实际工程中，三角函数计算常采用查表法或CORDIC算法以节省CPU时间。角度归一化是关键步骤：

1. 将电角度\( \theta_e \)映射到\( [0, 2\pi) \)区间，通常用取模运算实现。
2. 根据精度要求，建立正弦表（如1024点或4096点）。
3. 查表时采用线性插值或二次插值提高精度。
4. 注意角度溢出问题，使用无符号整数或浮点数时都要防止边界跳变。

4.2.3 案例拆解：转子初始位置检测

在电机启动前，需要知道转子初始位置。一种方法是通过注入高频电压信号，检测电流响应。设注入d轴高频电压\( v_d = V_h \cos(\omega_h t) \)，则q轴会感应出与转子位置误差相关的电流分量：

iq_h ≈ (V_h·ωh·Ld·Lq·sin(2Δθ)) / (2·(Ld·Lq·ωh² - R²))

其中\( \Delta\theta \)为估计位置与实际位置的误差。通过锁相环（PLL）调节\( \Delta\theta \)趋近于零，即可锁定转子位置。这一过程完全依赖三角函数的正交性和差频特性。

4.2.4 常见误区与总结

• 误区1：在Park变换中使用度而非弧度。C语言数学库默认使用弧度，混用会导致角度偏差。
• 误区2：忽略三角函数计算的时间开销。在高速中断服务程序中，应避免直接调用sin/cos函数，改用查表或近似算法。
• 误区3：认为反正切函数atan2返回范围是\( [-\pi, \pi] \)，实际需要根据应用场景进行角度归一化处理。

4.3 微分方程基础：电机动态建模与控制器设计

4.3.1 核心原理：电机绕组的微分方程

永磁同步电机（PMSM）在d-q旋转坐标系下的电压方程为：

vd = Rs·id + Ld·(did/dt) - ωe·Lq·iq
vq = Rs·iq + Lq·(diq/dt) + ωe·(Ld·id + λm)

这是一组一阶线性微分方程，其中\( R_s \)为定子电阻，\( L_d, L_q \)为d-q轴电感，\( \lambda_m \)为永磁体磁链。电磁转矩方程为：

Te = (3/2)·P·(λm·iq + (Ld - Lq)·id·iq)

对于表贴式电机（\( L_d = L_q \)），转矩简化为\( T_e = (3/2)·P·\lambda_m·i_q \)，实现了转矩与磁通的完全解耦。

4.3.2 判断方法：微分方程的求解与稳定性分析

对上述微分方程进行拉普拉斯变换，可以得到电流环的传递函数：

G(s) = 1 / (L·s + R)

这是一个一阶惯性环节，其时间常数\( \tau = L/R \)。PI控制器的参数整定通常采用零极点对消法：令\( K_p/K_i = L/R \)，则闭环传递函数变为：

Gc(s) = Kp·s + Ki / (L·s² + (R+Kp)·s + Ki)

通过配置闭环极点，可以确定\( K_p \)和\( K_i \)的具体数值。例如，期望带宽为\( \omega_{bw} \)，则：

Kp = L·ωbw
Ki = R·ωbw

4.3.3 案例拆解：电流环PI参数整定

某PMSM参数：\( R_s = 0.5\Omega \)，\( L_d = L_q = 1.2\text{mH} \)，极对数\( P = 4 \)，额定电流\( I_N = 10A \)。要求电流环带宽\( \omega_{bw} = 2000\text{rad/s} \)（约318Hz）。

计算过程：

Kp = L·ωbw = 1.2e-3 × 2000 = 2.4 V/A
Ki = R·ωbw = 0.5 × 2000 = 1000 V/(A·s)

实际调试中，先以计算值为基准，逐步增大Kp观察电流响应是否出现振荡。若振荡，则适当减小Kp或增加Ki。同时注意，数字控制器的离散化会引入延迟，通常需要将带宽设置为系统采样频率的1/10~1/20。

结果对比：整定前，电流阶跃响应超调量约20%，调节时间约5ms；整定后，超调量降至5%以内，调节时间缩短至1ms。但代价是抗噪声能力下降，需要增加低通滤波器。

4.3.4 常见误区与总结

• 误区1：忽略反电动势交叉耦合项\( -\omega_e L_q i_q \)和\( \omega_e L_d i_d \)。在高速运行时，耦合项会显著影响电流环性能，需要引入前馈解耦。
• 误区2：将微分方程离散化时直接使用欧拉法。对于快速变化的电流，建议使用双线性变换（Tustin）或零阶保持器（ZOH）离散化。
• 误区3：认为PI参数整定一次即可。电机参数会随温度、磁饱和变化，需要在线辨识或鲁棒控制策略。

4.4 数学工具在FOC中的综合应用

4.4.1 核心原理：从数学到算法的映射

FOC算法的完整链路为：三相电流采样 → Clark变换 → Park变换 → PI调节 → 反Park变换 → SVPWM调制。每一步都对应特定的数学运算。下表总结了各环节的数学工具与作用：

算法环节	数学工具	关键公式/概念	工程注意事项
Clark变换	向量投影、复数	\( i_\alpha = \frac{2}{3}(i_a - \frac{1}{2}i_b - \frac{1}{2}i_c) \)	系数选择（等幅值/等功率）
Park变换	复数旋转、三角函数	\( i_d = i_\alpha\cos\theta_e + i_\beta\sin\theta_e \)	角度同步性、归一化
PI控制器	微分方程、复频域	\( G_c(s) = K_p + K_i/s \)	带宽配置、抗饱和
反Park变换	复数共轭旋转	\( v_\alpha = v_d\cos\theta_e - v_q\sin\theta_e \)	与Park变换角度一致
SVPWM	空间向量、三角函数	扇区判断、矢量作用时间	死区补偿、最小脉宽限制

4.4.2 操作流程：数学模型的仿真验证

在开发FOC算法时，建议先在MATLAB/Simulink中搭建仿真模型，验证数学推导的正确性。具体步骤：

1. 建立PMSM的微分方程模型，设置电机参数。
2. 实现Clark/Park变换模块，用三相正弦电流输入，观察d-q轴输出是否为直流量。
3. 加入PI控制器，调整参数观察电流响应。
4. 加入SVPWM调制，观察逆变器输出电压波形。
5. 将仿真结果与理论计算对比，验证数学模型的准确性。

4.4.3 案例拆解：参数失配的影响分析

假设实际电机电感\( L_{real} = 1.5\text{mH} \)，而控制器中使用的电感参数\( L_{ctrl} = 1.2\text{mH} \)。在PI参数整定时，零极点对消不再精确，闭环传递函数变为：

Gc(s) = (Kp·s + Ki) / (L_real·s² + (R+Kp)·s + Ki)

代入数值：\( K_p = 2.4 \)，\( K_i = 1000 \)，\( L_{real} = 1.5e-3 \)，\( R = 0.5 \)：

Gc(s) = (2.4s + 1000) / (1.5e-3·s² + 2.9·s + 1000)

该系统的阻尼比变为\( \zeta = 2.9 / (2·√(1.5e-3·1000)) ≈ 1.18 \)，系统过阻尼，响应变慢。若电感失配更严重，可能导致系统不稳定。因此，在工程中需要加入参数在线辨识或采用自适应控制。

4.4.4 常见误区与总结

• 误区1：认为数学推导与实际代码完全一致。数字控制器的离散化、量化误差、延时都会影响性能。
• 误区2：忽略坐标变换中的角度更新频率。角度滞后会导致d-q轴耦合，需要角度补偿。
• 误区3：在调试时只关注稳态波形，不关注动态过程。建议用阶跃响应和频率响应评估系统性能。

综上所述，复数和向量提供了旋转坐标系的数学框架，三角函数支撑了正交分解与角度解算，微分方程则描述了电机动态行为并指导控制器设计。三者相互交织，构成了FOC算法的数学基石。掌握这些基础，不仅能帮助理解FOC的原理，更能为后续的进阶内容（如无传感器控制、弱磁控制、参数辨识）打下坚实基础。