2、PMSM基础与数学模型:从结构到参数的角色映射

永磁同步电机(PMSM)的参数辨识实验,其本质是对电机数学模型中若干关键参数的在线或离线估计。要理解“辨识什么”以及“辨识结果如何用”,首先必须透彻理解PMSM的物理结构、运行原理,以及其在旋转坐标系(dq坐标系)下的数学模型。本章将系统梳理PMSM的结构与工作原理,推导dq坐标系下的电压、磁链和转矩方程,并逐一剖析定子电阻、d/q轴电感、永磁磁链和转动惯量在模型中的角色与影响路径。这是后续所有辨识算法设计与实验验证的理论基石。

PMSM 数学模型与参数角色映射图 物理结构域 • 定子:三相对称绕组 • 转子:永磁体(表贴/内置) • 气隙磁场:正弦分布 • 反电动势:梯形/正弦 • 机械:轴承、负载、编码器 • 温度:影响电阻/磁链 坐标变换域 • Clarke: ABC → αβ • Park: αβ → dq • d轴:永磁体磁链方向 • q轴:超前d轴90° • 角度:θe = ∫ωe dt • 变换矩阵:等幅/等功率 数学模型域 • 电压方程:ud, uq • 磁链方程:ψd, ψq • 转矩方程:Te • 机械方程:J, B • 参数:Rs, Ld, Lq, ψf • 辨识目标:在线/离线 Clarke/Park 方程建立 参数角色矩阵 Rs 定子电阻 • 铜损计算 • 低速/堵转辨识 • 温漂敏感 Ld/Lq 电感 • 磁路饱和特性 • 凸极率 ρ=Lq/Ld • 高频注入辨识 ψf 永磁磁链 • 反电动势系数 • 温度退磁风险 • 零速/中高速辨识 J 转动惯量 • 机械时间常数 • 速度环整定 • 加减速辨识 B 阻尼系数 • 摩擦损耗 • 稳态误差 • 常与J联合辨识 辨识实验核心逻辑:注入激励信号 → 采集电压/电流/转速响应 → 基于数学模型反推参数 离线辨识:断电/空载/堵转 | 在线辨识:运行中实时更新 | 参数变化:温度、饱和、老化 模型精度 ↔ 辨识算法收敛性 ↔ 控制性能提升

2.1 PMSM结构与工作原理:从物理实体到数学抽象

2.1.1 核心原理:电磁转矩的生成机制

永磁同步电机的定子与异步电机类似,包含三相对称绕组;转子则由永磁体构成,无需励磁绕组。当定子通入三相对称正弦电流时,产生旋转磁场。该旋转磁场以同步转速 \( n_s = 60f/p \) 旋转,与转子永磁体产生的磁场相互作用,产生电磁转矩,驱动转子同步旋转。转子转速严格等于同步转速,这是“同步”二字的物理含义。

从控制角度看,PMSM的转矩控制本质上是控制定子电流矢量与转子磁链矢量的空间相对位置。在dq坐标系下,d轴与转子永磁体磁链方向对齐,q轴超前d轴90°电角度。通过控制 \( i_d \) 和 \( i_q \) 的幅值与方向,即可独立控制磁链和转矩,实现类似直流电机的解耦控制效果。

2.1.2 结构分类与参数影响

转子结构凸极效应Ld/Lq关系适用场景参数辨识特点
表贴式(SPMSM)无(隐极)Ld ≈ Lq高速、低转矩脉动电感辨识相对简单,可用单电感模型
内置式(IPMSM)显著(凸极)Ld < Lq电动汽车、电梯、高过载需分别辨识Ld/Lq,可利用磁阻转矩
内嵌式(Inset)中等Ld < Lq工业伺服介于两者之间,需考虑饱和

结构差异直接决定了数学模型中电感参数的维度。对于表贴式电机,Ld=Lq,模型可简化为单电感形式;对于内置式电机,Ld≠Lq,且凸极率 \( \rho = L_q/L_d \) 是弱磁控制与最大转矩电流比(MTPA)控制的关键依据。在参数辨识实验中,必须首先明确电机类型,才能选择合适的辨识模型与激励策略。

经验提醒:在进行参数辨识实验前,务必查阅电机铭牌或厂家手册,确认转子结构类型。若误将IPMSM按SPMSM模型辨识,Ld/Lq的辨识结果将严重偏离真实值,进而导致MTPA控制失效,甚至引发过流故障。

2.2 dq坐标系下的数学模型:电压、磁链与转矩方程

2.2.1 核心原理:坐标变换与方程推导

三相静止坐标系下的PMSM方程具有时变耦合特性,不利于控制器设计。通过Clarke变换(ABC→αβ)和Park变换(αβ→dq),将三相交流量转换为随转子同步旋转的直流量,实现解耦。在dq坐标系下,PMSM的数学模型可表示为:

电压方程:

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

磁链方程:

ψd = Ld·id + ψf
ψq = Lq·iq

转矩方程:

Te = 1.5·p·(ψd·iq - ψq·id) = 1.5·p·[ψf·iq + (Ld - Lq)·id·iq]

其中,\( R_s \) 为定子电阻,\( L_d \)、\( L_q \) 为d/q轴电感,\( \psi_f \) 为永磁磁链,\( \omega_e \) 为电角速度,\( p \) 为极对数。转矩方程中第一项为永磁转矩,第二项为磁阻转矩(仅IPMSM存在)。

2.2.2 判断方法:方程中各项的物理意义与辨识切入点

  • 电压方程中的 \( \omega_e L_q i_q \) 和 \( \omega_e L_d i_d \):这两项是交叉耦合项,在高速时占主导。辨识Ld/Lq时,可利用不同转速下的电压响应来分离耦合项的影响。
  • 磁链方程中的 \( \psi_f \):永磁磁链直接决定反电动势大小。在零电流(id=iq=0)状态下,通过测量反电动势即可估算 \( \psi_f \)。
  • 转矩方程中的 \( (L_d - L_q) \):该差值决定了磁阻转矩的大小。对于IPMSM,若忽略该差值,转矩控制将产生显著误差。

2.2.3 案例拆解:表贴式电机参数辨识实验设计

背景与约束:某实验室有一台额定功率2kW的表贴式PMSM,额定转速3000rpm,极对数p=4。需要辨识Rs、L(Ld=Lq)、ψf和J,用于后续无传感器控制算法验证。实验平台配备dSPACE实时控制器、电压/电流传感器和扭矩传感器。

初始现象与目标:初步测试发现,电机在低速运行时电流波形畸变,怀疑参数不准导致电流环PI参数失配。目标是通过离线辨识获得精确参数,重新整定控制器。

关键输入数据与操作步骤:

  1. Rs辨识(直流注入法):电机静止,转子任意位置,向任意两相绕组注入直流电流(如1A),测量端电压。Rs = U/(2I)。重复三次取平均,记录绕组温度。
  2. L辨识(高频注入法):转子锁定,d轴与A相轴线对齐。在d轴注入高频电压信号(如1kHz、5V),测量高频电流响应,计算Ld。由于表贴式Ld=Lq,仅需一次测量。
  3. ψf辨识(反电动势法):电机空载,由外部原动机拖动至额定转速,测量线反电动势峰值 \( E_{pk} \)。ψf = E_pk / (ωe·√3)(考虑绕组系数)。
  4. J辨识(加减速法):给定阶跃转矩指令,记录转速响应曲线,通过机械方程 \( J·dω/dt = Te - B·ω - TL \) 拟合J和B。

结果对比与复盘:辨识得到的Rs=0.85Ω(25℃),L=4.2mH,ψf=0.12Wb,J=0.0025kg·m²。重新整定电流环PI参数后,电流波形畸变消失,THD从8.5%降至2.1%。复盘发现,Rs随温度升高至60℃时变为0.98Ω,说明在线辨识或温度补偿是必要的。

风险提示:高频注入法辨识电感时,注入频率和幅值需谨慎选择。频率过高会导致集肤效应显著,幅值过大会引起磁路饱和,均会使辨识结果偏离真实值。建议先做频率扫描实验,选取线性度最好的频段。

2.3 参数在模型中的角色:从方程到控制性能

2.3.1 核心原理:参数如何影响控制环路

PMSM矢量控制系统中,电流环PI参数通常基于电机参数进行整定。例如,采用内模控制(IMC)方法时,电流环PI参数为:

Kp = L·αc
Ki = Rs·αc

其中 \( \alpha_c \) 为期望的电流环带宽。若L或Rs辨识不准,实际带宽将偏离设计值,导致动态响应变慢或振荡。速度环的整定则依赖J和B,若J辨识误差超过20%,速度环的阶跃响应可能出现超调或抖动。

2.3.2 判断方法:参数误差的典型症状

参数误差方向典型症状诊断手段
Rs偏大实际值小于辨识值低速时电流环响应偏慢,稳态误差增大对比不同转速下的电压方程残差
L偏小实际值大于辨识值电流环振荡,噪声放大频域阻抗分析
ψf偏小实际值大于辨识值转矩输出不足,弱磁控制提前介入反电动势对比测试
J偏大实际值小于辨识值速度环超调大,制动距离长阶跃响应分析

2.3.3 常见误区与总结复盘

  • 误区一:忽略温度对Rs和ψf的影响。Rs的铜损随温度线性变化(铜的电阻温度系数约0.004/℃),ψf随温度升高而下降(钕铁硼磁体约-0.12%/℃)。实验时应记录温度,或采用在线辨识实时更新。
  • 误区二:将Ld/Lq视为常数。实际电机中,电感随电流增大而饱和,Ld/Lq会下降20%-40%。辨识实验应在不同电流偏置下进行,建立电感-电流映射表。
  • 误区三:忽略逆变器非线性。死区时间、管压降等会导致实际输出电压与指令电压存在偏差,尤其在低速时影响显著。建议在辨识前进行死区补偿,或采用电压重构技术。
  • 误区四:J的辨识未考虑负载耦合。若电机与负载直接连接,辨识得到的J是电机与负载的合成惯量。若需分离,需先空载辨识电机J,再带载辨识总J,两者相减。
总结:PMSM数学模型是参数辨识的理论基础,而参数辨识的精度又反过来决定模型与实际电机的匹配程度。在实验设计中,应遵循“先离线后在线、先静态后动态、先线性后饱和”的原则,逐步逼近真实参数。本章建立的方程体系将贯穿后续所有辨识算法章节,建议读者熟练掌握各参数的物理意义与耦合关系。