1. 课程导入
同步磁阻电机（Synchronous Reluctance Motor，SynRM）是一类转子无永磁体、无励磁绕组，依靠转子交直轴磁路磁阻差异产生转矩的交流电机。它的转子通常由多层导磁硅钢片与空气磁障交替叠压而成，d轴磁阻小、q轴磁阻大，电感满足 Ld > Lq。当定子电流矢量与转子d轴保持合适夹角时，磁通总是倾向于沿磁阻最小的路径闭合，从而产生磁阻转矩。与异步电机相比，SynRM没有转子铜耗，效率更高；与永磁同步电机相比，它没有永磁体，成本低、耐高温、无退磁风险，但功率因数与转矩密度相对偏低，因此必须依靠高性能控制策略充分挖掘其潜力。
本课程围绕两条主线展开：一是磁场定向控制（FOC），解决“如何把定子电流准确分解为励磁分量与转矩分量，并像控制直流电机一样解耦控制”的问题；二是最大转矩电流比（MTPA）控制，解决“在给定转矩需求下，如何分配id与iq，使定子电流幅值最小、铜耗最低”的问题。两者结合，才能让SynRM在宽速域内既高效又稳定地运行。
Te = 1.5·p·(Ld − Lq)·id·iq。由于没有永磁转矩项，转矩完全由凸极效应产生，因此id不能为零，必须施加负向d轴电流（id < 0）来“增磁”并建立转矩所需的磁链条件。这是SynRM控制与表贴式PMSM最本质的区别。
一、学习目标
完成本课程后，学习者应能够独立完成以下任务：
- 理解SynRM的磁阻转矩产生机理，掌握d/q轴数学模型与电感饱和特性；
- 搭建完整的FOC控制链路：电流采样、Clarke/Park变换、电流环PI、反Park变换、SVPWM调制；
- 推导并实现MTPA电流分配算法，理解查表法与解析法两种工程实现路径；
- 设计速度环与电流环的级联结构，掌握带宽分配、抗饱和与解耦补偿方法；
- 完成弱磁控制与MTPA的切换逻辑，理解电压极限椭圆与电流极限圆的约束关系；
- 具备在MATLAB/Simulink或实际驱动器上调试SynRM系统的能力，并能定位常见故障。
二、核心概念与整体框架
本课程的知识体系可以用“一个对象、两条约束、三层控制”来概括。一个对象是SynRM本体及其非线性电感模型；两条约束是电流极限圆与电压极限椭圆；三层控制由内到外分别是电流环、速度环和弱磁/效率优化层。下图给出了从电机本体到控制算法的整体信号链与数据流关系，帮助建立全局视角。
从图中可以看到，控制链路是一个闭环：速度环输出转矩指令，MTPA模块把转矩指令转换为id*、iq*，电流环跟踪这些指令并输出ud*、uq*，经反Park变换与SVPWM后驱动逆变器，最终作用到电机。电机侧的电流与位置信号再经Clarke/Park变换反馈回电流环，形成完整闭环。MTPA位于速度环与电流环之间，是决定效率的关键环节。
三、方法流程与关键参数
工程实现时，通常按以下流程推进：先建立电机参数模型，再设计电流环，然后加入速度环，最后叠加MTPA与弱磁策略。每一步都需要验证，不能跳步。下表列出了本课程涉及的关键参数及其作用。
| 参数/变量 | 含义 | 典型影响 |
|---|---|---|
Ld, Lq |
d/q轴电感 | 决定凸极比与转矩能力，随电流饱和变化 |
p |
极对数 | 影响电频率与转矩系数 |
id, iq |
d/q轴电流 | MTPA的核心分配对象 |
Imax |
最大相电流幅值 | 电流极限圆半径 |
Udc |
直流母线电压 | 决定电压极限椭圆大小 |
ωe |
电角速度 | 弱磁区电压约束随转速收紧 |
四、典型场景与常见误区
以一台7.5kW、4极SynRM为例，额定转速1500r/min，凸极比约3.5。在低速轻载时，若直接令id=0，则转矩为零，电机无法启动；正确做法是按MTPA曲线分配id与iq，使电流矢量角约在40°~55°之间。当转速升高到基速以上，电压极限椭圆收缩，必须进一步增大负向id进行弱磁，此时MTPA点已不可行，需要切换到弱磁控制策略。
常见误区二：忽略电感饱和，用固定Ld、Lq计算MTPA。实际电机在大电流下Ld、Lq明显下降，固定参数会导致效率偏离最优。
常见误区三：电流环与速度环带宽过近，造成振荡。一般电流环带宽应不低于速度环的5~10倍。
常见误区四：弱磁与MTPA切换无过渡逻辑，导致电流指令突变、母线过压或过流保护。
五、先修知识清单
为了顺利学习本课程，建议先具备以下基础：
- 电机学基础：三相交流电机旋转磁场、同步转速、转矩产生原理；
- 坐标变换：Clarke变换、Park变换及其反变换的矩阵形式与物理意义；
- 自动控制原理：PI调节器设计、带宽、相位裕度、抗积分饱和；
- 电力电子：三相逆变器开关状态、SVPWM基本原理、死区影响；
- 编程与仿真：MATLAB/Simulink或C语言嵌入式开发基础。
如果上述知识中有薄弱环节，建议在进入第2章之前先做针对性复习。本课程后续将从SynRM数学模型出发，逐步推导FOC与MTPA的完整实现，并配合仿真与实验案例，帮助你把理论转化为可运行的控制器代码。