2. 永磁同步电机基础:PMSM的结构、工作原理、数学模型

永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)凭借其高效率、高功率密度、优异的动态响应和精确的控制性能,已成为工业伺服、电动汽车牵引、航空航天及家用电器领域的核心执行元件。与电励磁同步电机不同,PMSM 使用永磁体替代励磁绕组,消除了励磁铜耗,显著提升了效率。要实现对 PMSM 的高性能控制(如矢量控制、直接转矩控制)以及后续的参数辨识与自适应控制,必须首先深刻理解其物理结构、运行原理和精确的数学模型。本章将系统阐述 PMSM 的三大核心基础:结构组成、工作原理以及基于 dq 旋转坐标系的数学模型,为后续章节的辨识算法设计与控制器设计奠定坚实的理论基础。

PMSM 结构-原理-数学模型 知识框架 1. 物理结构 • 定子:三相对称绕组 • 转子:永磁体 (表贴/内置) • 编码器/传感器 • 机壳与冷却系统 → 决定电感参数 Ld, Lq → 影响凸极率与磁阻转矩 2. 工作原理 • 定子旋转磁场 (ωe) • 转子磁场 (永磁体) • 磁场同步 → 无转差 • 转矩 = 磁场相互作用 → 转速 n = 60f / p → 需要变频器供电 3. dq 数学模型 • 电压方程 (dq) • 磁链方程 (dq) • 转矩方程 • 运动方程 → 实现解耦控制 → 参数辨识的基础 核心数学方程与关键参数 电压方程 (V) u_d = R_s i_d + L_d (di_d/dt) - ω_e L_q i_q u_q = R_s i_q + L_q (di_q/dt) + ω_e (L_d i_d + ψ_f) R_s: 定子电阻 | L_d, L_q: dq轴电感 ω_e: 电角速度 | ψ_f: 永磁磁链 转矩方程 (N·m) T_e = 1.5 p [ ψ_f i_q + (L_d - L_q) i_d i_q ] 第一项:永磁转矩 (主) 第二项:磁阻转矩 (L_d ≠ L_q 时) p: 极对数 图 2-1 PMSM 结构、原理与数学模型关系图

上图清晰地勾勒了本章的知识体系:物理结构决定了电机的电磁参数(如电感、磁链),工作原理揭示了机电能量转换的本质,而数学模型则是连接物理实体与控制算法的桥梁。下面我们将逐一深入剖析。

2.1 PMSM 的物理结构

PMSM 的基本结构主要由定子、转子和位置传感器三大部分构成。定子结构与异步电机类似,由硅钢片叠压而成,内嵌三相对称绕组(通常为分布式或集中式绕组),用于产生旋转磁场。转子是 PMSM 区别于其他电机的最核心部件,其上安装有高性能的永磁体材料(如钕铁硼 NdFeB 或钐钴 SmCo)。

根据永磁体在转子上的安装位置,PMSM 主要分为两大类:

  • 表贴式(Surface-Mounted, SPMSM):永磁体粘贴在转子铁芯表面。由于永磁体的磁导率接近空气(μr≈1),其交直轴电感近似相等(Ld ≈ Lq),凸极率 ρ = Lq/Ld ≈ 1。这类电机没有磁阻转矩,控制策略相对简单,通常采用 id = 0 控制。
  • 内置式(Interior, IPMSM):永磁体嵌入转子铁芯内部。由于磁路不对称,交轴电感显著大于直轴电感(Lq > Ld),凸极效应明显。这种结构不仅能产生永磁转矩,还能产生磁阻转矩,具有更高的过载能力和弱磁扩速范围,广泛应用于电动汽车驱动系统。
工程视角: 转子结构直接决定了电机的电感参数 Ld、Lq 以及永磁磁链 ψf。在进行参数辨识时,我们必须首先明确电机属于 SPMSM 还是 IPMSM,因为两者的辨识模型和算法选择截然不同。例如,对于 SPMSM,由于 Ld=Lq,转矩方程中磁阻项为零,辨识模型可以简化;而对于 IPMSM,则需要同时辨识两个电感参数,且通常需要采用信号注入法等更复杂的辨识策略。

2.2 工作原理与旋转磁场

PMSM 的工作原理基于定子旋转磁场与转子永磁磁场的同步作用。当变频器向定子绕组通入三相对称交流电 ia, ib, ic 时,会在气隙中产生一个以同步电角速度 ωe 旋转的磁场。该旋转磁场与转子上的永磁体磁场相互作用,产生电磁转矩,牵引转子同步旋转。

关键点在于“同步”二字:

  1. 无转差运行:稳态时,转子转速 n 与定子磁场转速 ns 完全一致,即 n = ns = 60f/p(f 为定子频率,p 为极对数)。不存在异步电机中的转差率。
  2. 转矩产生:电磁转矩的大小取决于定子磁场轴线与转子磁场轴线之间的夹角(即功角 δ)。当定子电流产生的磁场超前于转子磁场时,产生驱动转矩;反之则产生制动转矩。
  3. 变频调速:通过改变定子供电频率 f,即可平滑调节电机转速。但为了实现高性能的动态控制,不能简单地采用 V/f 恒压频比控制,而必须采用矢量控制(FOC),通过坐标变换将定子电流解耦为励磁分量 id 和转矩分量 iq,分别控制磁场和转矩。
理解要点: 矢量控制的核心思想就是模仿直流电机的控制方式。在 dq 旋转坐标系下,id 相当于直流电机的励磁电流,iq 相当于电枢电流。通过控制 id 和 iq 的幅值与相位,即可实现对 PMSM 磁场和转矩的独立控制。而这一切的前提,是必须建立一个精确的 dq 轴数学模型。

2.3 dq 坐标系下的数学模型

建立 PMSM 数学模型时,为了简化分析,通常做出如下假设:忽略铁芯饱和、不计涡流和磁滞损耗、永磁体无阻尼作用、定子绕组三相对称且气隙磁场正弦分布。在此假设下,通过 Park 变换(将 abc 三相静止坐标系变换到 dq 两相旋转坐标系),可以得到如下核心方程。

2.3.1 电压方程

dq 坐标系下的定子电压方程是电机控制与参数辨识的基石:

u_d = R_s * i_d + L_d * (di_d/dt) - ω_e * L_q * i_q
u_q = R_s * i_q + L_q * (di_q/dt) + ω_e * (L_d * i_d + ψ_f)

其中:

  • ud, uq:定子电压的 d、q 轴分量(V)。
  • id, iq:定子电流的 d、q 轴分量(A)。
  • Rs:定子相电阻(Ω)。
  • Ld, Lq:d、q 轴电感(H)。
  • ψf:永磁体磁链(Wb)。
  • ωe:电角速度(rad/s),与机械角速度 ωm 关系为 ωe = p * ωm。

从方程中可以看出,d、q 轴电压不仅取决于本轴电流的动态变化(L di/dt),还受到交叉耦合项(-ωeLqiq 和 +ωeLdid)以及反电动势项(ωeψf)的影响。这正是需要进行前馈解耦控制的原因。

2.3.2 磁链方程

磁链方程揭示了磁场的耦合关系:

ψ_d = L_d * i_d + ψ_f
ψ_q = L_q * i_q

其中 ψd, ψq 为 d、q 轴磁链。值得注意的是,永磁磁链 ψf 仅作用于 d 轴。这也是为什么在转子磁场定向控制中,通常将 d 轴定位在转子永磁体磁链方向上。

2.3.3 转矩方程

电磁转矩方程是机电能量转换的核心:

T_e = 1.5 * p * (ψ_d * i_q - ψ_q * i_d)
    = 1.5 * p * [ ψ_f * i_q + (L_d - L_q) * i_d * i_q ]

该方程清晰地表明电磁转矩由两部分组成:

  • 永磁转矩:1.5 * p * ψf * iq,由永磁磁场与定子 q 轴电流相互作用产生,是主要转矩分量。
  • 磁阻转矩:1.5 * p * (Ld - Lq) * id * iq,由于 d、q 轴磁阻不同(Ld ≠ Lq)而产生。对于 IPMSM,通常 Lq > Ld,因此需要注入负的 id(弱磁控制)来利用磁阻转矩,提高效率。

2.3.4 运动方程

机械运动方程描述了转速与转矩的动态关系:

J * (dω_m/dt) = T_e - T_L - B * ω_m

其中 J 为转动惯量(kg·m²),TL 为负载转矩(N·m),B 为粘滞摩擦系数。该方程是转速环设计和转动惯量辨识的基础。

参数符号 物理含义 典型值范围 对控制的影响
Rs 定子电阻 0.1 ~ 10 Ω 低速时压降大,影响低速性能
Ld, Lq d/q 轴电感 0.1 ~ 50 mH 决定电流环带宽与解耦效果
ψf 永磁磁链 0.01 ~ 0.5 Wb 决定反电动势与转矩常数
p 极对数 2 ~ 8 影响转速与转矩的换算
J 转动惯量 0.001 ~ 0.1 kg·m² 影响转速环动态响应

2.4 实战场景:基于模型的控制参数敏感性分析

为了加深对数学模型的理解,我们通过一个典型的工业伺服应用场景来说明模型参数的工程意义。

场景描述: 某自动化产线采用一台 2.2kW 的 IPMSM 驱动进给轴,额定转速 3000rpm,极对数 p=4。控制器采用 id=0 的矢量控制策略。在调试过程中,工程师发现电机在高速运行(2000rpm 以上)时,实际电流波形出现畸变,且电机温升异常。

初步诊断与数据分析:
1. 检查电流环 PI 参数,发现电流环带宽设计为 800Hz,但实际响应滞后明显。
2. 采集电机运行数据:在 2400rpm 时,q 轴电流指令 iq* = 8A,但实际反馈 iq 存在约 15% 的稳态误差。
3. 进一步分析电压方程,发现当转速升高时,交叉耦合项 ωeLdid 和反电动势项 ωeψf 的幅值显著增大。

根因分析:
问题根源在于控制器中的解耦补偿不准确。由于电机实际运行温度升高,永磁体磁链 ψf 会下降(钕铁硼材料温度系数约为 -0.12%/°C),而控制器中仍使用常温下的标称值。这导致前馈补偿电压不足,电流环动态性能恶化。

解决方案与操作步骤:
1. 离线参数辨识:在电机停机状态下,注入直流电流辨识 Rs,注入高频电压信号辨识 Ld 和 Lq。
2. 在线磁链观测:利用扩展卡尔曼滤波器(EKF)或模型参考自适应系统(MRAS)在线观测 ψf 的变化。
3. 更新控制器参数:将辨识得到的实时 ψf 值代入电压前馈解耦方程中,修正补偿量。

结果对比:
修正后,在 2400rpm 工况下,q 轴电流稳态误差从 15% 降至 2% 以内,电流波形畸变消失,电机温升降低了约 8°C。

复盘经验:
PMSM 的数学模型参数(特别是 ψf 和 Rs)是随温度和工作点变化的。高性能控制必须依赖在线参数辨识来实时修正模型,这正是本课程后续章节的核心内容。

2.5 常见误区与总结复盘

在学习 PMSM 数学模型时,工程师和学生常陷入以下误区:

  • 误区一:忽视交叉耦合项。在低速时,耦合项影响较小,可以忽略;但在高速时,若不解耦,d、q 轴电流会相互干扰,导致系统失控。必须使用前馈解耦或状态反馈解耦。
  • 误区二:将 Ld、Lq 视为常数。实际电机在重载或弱磁工况下,铁芯饱和会导致电感值下降 20%~40%。参数辨识必须考虑电感随电流的非线性变化。
  • 误区三:混淆电角速度与机械角速度。在电压方程和转矩方程中,必须使用电角速度 ωe,而在运动方程中则使用机械角速度 ωm。换算关系为 ωe = p * ωm,遗漏极对数 p 是常见的编程错误。
  • 误区四:忽略初始位置角。Park 变换需要准确的转子位置角 θe。若初始定位不准,会导致 d、q 轴电流映射错误,转矩输出偏差。这也是为什么 PMSM 启动前必须进行转子初始位置辨识。
总结: 本章建立的 dq 轴数学模型是 PMSM 控制的“宪法”。无论是电流环 PI 参数整定、弱磁控制策略设计,还是无位置传感器控制,都直接依赖于该模型中的 Rs、Ld、Lq、ψf 等参数。模型参数的准确性决定了控制性能的上限。因此,参数辨识不是锦上添花,而是实现高精度、高动态响应控制的必要前提。下一章起,我们将深入探讨如何通过信号注入、模型参考自适应等先进算法,在线获取这些关键参数。