📚 课程目录第2章永磁同步电机基础

2、永磁同步电机基础：PMSM的结构、分类（表贴式/内置式）、数学模型（dq坐标系下的电压方程、磁链方程、转矩方程）

永磁同步电机（Permanent Magnet Synchronous Motor，PMSM）凭借其高效率、高功率密度和优异的动态响应性能，已成为新能源汽车驱动、工业伺服、机器人和航空航天等领域的核心执行元件。模型预测控制（MPC）作为一种先进的控制策略，其性能高度依赖于被控对象数学模型的准确性。因此，深入理解PMSM的物理结构、转子拓扑分类以及dq坐标系下的数学模型，是设计和调试高性能模型预测控制器的首要前提。本节将系统梳理PMSM的结构组成、表贴式与内置式转子的本质区别，并详细推导其在旋转坐标系下的电压、磁链和转矩方程，为后续章节的预测模型建立奠定坚实的理论基础。

上图从整体上勾勒了PMSM结构分类、数学模型与MPC控制之间的逻辑关系。物理结构决定了电机参数（如Ld、Lq的关系），而数学模型则是连接物理对象与控制算法的桥梁。下面我们将逐一深入剖析各个部分。

2.1 PMSM的物理结构与工作原理

2.1.1 核心结构组成

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。定子与普通异步电机类似，由硅钢片叠压而成的铁芯和嵌入槽内的三相分布式绕组组成，绕组通常采用Y型连接。转子是PMSM区别于其他电机的核心部件，其内部嵌入或表面贴装有高性能的永磁体材料（如钕铁硼NdFeB或钐钴SmCo），用于建立恒定的转子磁场。位置传感器（如旋转变压器、光电编码器或磁编码器）用于实时检测转子磁极的位置和转速，这是实现矢量控制和模型预测控制所必需的反馈量。

从电磁原理上看，PMSM的转矩产生源于定子旋转磁场与转子永磁磁场之间的相互作用。当定子绕组通入对称三相交流电时，会在气隙中产生一个以同步转速旋转的磁场。该旋转磁场与转子永磁体产生的恒定磁场相互作用，产生电磁转矩，拖动转子同步旋转。由于转子无绕组、无铜耗，且无需励磁电流，因此PMSM具有高效率和高功率因数的显著优势。

2.1.2 转子结构分类：表贴式与内置式

根据永磁体在转子上的安装位置不同，PMSM主要分为表贴式（Surface-mounted PMSM, SPM）和内置式（Interior PMSM, IPM）两大类。这两种结构在电磁性能、机械强度和控制策略上存在显著差异，对模型预测控制器的设计有直接影响。

对比维度	表贴式（SPM）	内置式（IPM）
永磁体位置	粘贴在转子铁芯外表面	嵌入在转子铁芯内部
电感特性	Ld ≈ Lq（隐极式，无凸极效应）	Ld < Lq（凸极式，存在磁阻效应）
磁阻转矩	无（仅永磁转矩）	有（可利用磁阻转矩提升过载能力）
弱磁能力	较弱（气隙大，电感小）	强（Ld较小，易于弱磁扩速）
机械强度	较低（高速时需加护套）	高（适合高速运转）
典型应用	伺服、低速直驱、机器人关节	电动汽车主驱、高速主轴、压缩机
MPC控制特点	id=0控制简单，模型线性度好	需MTPA（最大转矩电流比）控制，模型非线性强

对于表贴式电机，由于永磁体磁导率接近空气，交直轴电感近似相等（Ld≈Lq），电磁转矩仅由永磁体磁场与定子电流的q轴分量相互作用产生，控制策略通常采用最简单的id=0控制。而内置式电机，由于永磁体嵌入铁芯内部，直轴磁路磁阻较大，导致Ld显著小于Lq，从而产生额外的磁阻转矩。在模型预测控制中，内置式电机通常需要结合MTPA轨迹规划，以充分利用磁阻转矩，提高单位电流的转矩输出能力。

2.2 dq坐标系下的PMSM数学模型

PMSM是一个强耦合、非线性的多变量系统。在三相静止坐标系（ABC）下，其电压方程和磁链方程相互耦合，难以直接用于控制器设计。通过Clark变换（ABC→αβ）和Park变换（αβ→dq），可以将三相交流量变换到与转子同步旋转的dq坐标系下。在dq坐标系中，正弦交流量变为直流量，且磁链与电流之间的耦合关系被解耦，从而极大地简化了控制器的设计。

2.2.1 电压方程与磁链方程

在dq旋转坐标系下，PMSM的定子电压方程和磁链方程可以表示为：

电压方程：
ud = Rs·id + dψd/dt - ωe·ψq
uq = Rs·iq + dψq/dt + ωe·ψd

磁链方程：
ψd = Ld·id + ψf
ψq = Lq·iq

其中，ud、uq为定子电压的d、q轴分量；id、iq为定子电流的d、q轴分量；Rs为定子相电阻；Ld、Lq为d、q轴电感；ψd、ψq为定子磁链的d、q轴分量；ψf为永磁体磁链（常数）；ωe为电角速度（ωe = p·ωr，p为极对数，ωr为机械角速度）。

从电压方程可以看出，d、q轴电压不仅包含电阻压降和电感电动势项（dψ/dt），还包含由转子旋转引起的反电动势耦合项（-ωe·ψq和+ωe·ψd）。这两项是导致d、q轴电流交叉耦合的根源。在模型预测控制中，预测模型需要准确包含这些耦合项，否则会导致稳态误差和动态性能下降。

2.2.2 转矩方程与运动方程

电磁转矩方程是PMSM控制的核心输出量。在dq坐标系下，电磁转矩Te的表达式为：

转矩方程：
Te = 1.5·p·[ψf·iq + (Ld - Lq)·id·iq]

该方程由两部分组成：第一部分1.5·p·ψf·iq为永磁转矩，由永磁体磁场与q轴电流相互作用产生；第二部分1.5·p·(Ld-Lq)·id·iq为磁阻转矩，仅当Ld≠Lq（即内置式电机）时存在。对于表贴式电机，由于Ld=Lq，磁阻转矩项为零，转矩与iq成正比，控制极为简单。

此外，电机的机械运动方程描述了转速与转矩之间的动态关系：

运动方程：
J·(dωr/dt) = Te - TL - B·ωr

其中，J为转动惯量，TL为负载转矩，B为粘滞摩擦系数。在模型预测控制中，运动方程通常用于转速外环的预测，而电流内环的预测模型则主要基于电压和磁链方程。

核心要点：dq坐标系下的数学模型是PMSM矢量控制和模型预测控制的基石。电压方程中的耦合项（ωe·ψq和ωe·ψd）必须被精确补偿或纳入预测模型；转矩方程中的磁阻转矩项（对于IPM）是提升转矩密度的关键，也是MTPA控制的理论依据。

2.3 模型预测控制中的离散化模型构建

模型预测控制是一种基于模型的离散时间最优控制方法。要将上述连续时间数学模型应用于数字控制器，必须进行离散化处理。常用的离散化方法包括前向欧拉法、后向欧拉法和双线性变换法。对于PMSM电流预测控制，通常采用前向欧拉法，因其实现简单且计算量小。

假设采样周期为Ts，采用前向欧拉法（dx/dt ≈ [x(k+1)-x(k)]/Ts）对电流微分项进行离散化，可以得到电流预测模型：

离散化电流预测模型：
id(k+1) = (1 - Rs·Ts/Ld)·id(k) + (Lq/Ld)·ωe·Ts·iq(k) + (Ts/Ld)·ud(k)
iq(k+1) = (1 - Rs·Ts/Lq)·iq(k) - (Ld/Lq)·ωe·Ts·id(k) - (ψf/Lq)·ωe·Ts + (Ts/Lq)·uq(k)

其中，id(k)、iq(k)为当前时刻的电流采样值；ud(k)、uq(k)为当前时刻施加的电压矢量；id(k+1)、iq(k+1)为预测的下一时刻电流值。该预测模型是模型预测控制的核心，控制器通过枚举所有可能的电压矢量（对于两电平逆变器为8个基本矢量，其中6个有效矢量和2个零矢量），代入预测模型计算未来电流，并通过代价函数选择最优电压矢量。

2.3.1 参数敏感性分析

预测模型的准确性直接依赖于电机参数（Rs、Ld、Lq、ψf）的精确性。在实际运行中，电机参数会随温度、磁路饱和程度和运行工况发生变化。例如，定子电阻Rs随温度升高而增大，永磁体磁链ψf随温度升高而减小，电感Ld、Lq随电流增大而饱和下降。参数失配会导致预测电流与实际电流产生偏差，进而影响控制性能，严重时甚至引起系统失稳。

参数失配	对预测模型的影响	典型后果
Rs 增大（温升）	预测电流偏大，实际电流偏小	稳态转矩下降，低速时影响明显
ψf 减小（高温退磁）	反电动势项预测偏小	高速时电流跟踪误差增大，弱磁控制失效
Ld/Lq 饱和	电流动态响应预测偏差	大电流工况下出现电流超调或振荡

针对参数鲁棒性问题，工程实践中常采用以下措施：一是通过在线参数辨识算法（如递推最小二乘法RLS、扩展卡尔曼滤波EKF）实时更新模型参数；二是在代价函数中增加电流误差积分项或扰动观测器（如滑模观测器、龙伯格观测器）来补偿参数失配带来的预测误差。

2.4 案例拆解：内置式PMSM的MTPA预测控制实现

为加深对上述数学模型的理解，我们以一个内置式永磁同步电机（IPM）的模型预测控制设计为例，展示如何利用数学模型实现最大转矩电流比（MTPA）控制。

背景与约束：某新能源汽车驱动电机，额定功率50kW，极对数p=4，额定转速3000rpm，峰值转速9000rpm。电机参数为：Rs=0.05Ω，Ld=0.35mH，Lq=0.85mH，ψf=0.12Wb。控制器采样周期Ts=100μs，直流母线电压Udc=300V。控制目标是在全转速范围内实现单位电流最大转矩输出，并具备弱磁扩速能力。

初始现象与目标：若采用简单的id=0控制，在基速以上无法弱磁升速，且无法利用磁阻转矩，导致转矩密度不足。目标是通过MTPA控制，在id、iq平面上找到满足转矩方程的最优电流组合，使|Te|/|Is|最大。

分析判断过程：根据转矩方程Te = 1.5·p·[ψf·iq + (Ld-Lq)·id·iq]，由于Ld<Lq，磁阻转矩项为负值（当id为负时为正贡献）。MTPA轨迹的数学条件为：dTe/did = 0（在电流幅值约束下）。通过拉格朗日乘数法求解，可得MTPA轨迹上id与iq的关系：

MTPA 条件推导：
id = [ψf - sqrt(ψf² + 8·(Lq-Ld)²·iq²)] / [4·(Lq-Ld)]

将电机参数代入，当iq=100A时，计算得id≈-35A。这意味着需要注入负的d轴电流来利用磁阻转矩。

实际操作步骤：

在模型预测控制器中，将MTPA轨迹计算模块作为电流参考值生成器。根据转速外环输出的转矩指令Te*，通过MTPA公式实时计算id*和iq*。
将id*、iq*作为代价函数的参考值，预测模型采用上述离散化方程。
代价函数设计为：J = |id* - id(k+1)|² + |iq* - iq(k+1)|² + λ·限制项（如电流幅值限制、电压限制）。
枚举8个基本电压矢量，选择使J最小的矢量作为最优开关状态。

结果对比：在相同电流幅值（Is=100A）下，MTPA控制相比id=0控制，转矩输出提升约18%（从约180Nm提升至212Nm）。在高速弱磁区，通过调整id*进一步负向增大，有效扩展了转速范围至9000rpm。

风险与代价：MTPA控制需要精确的Ld、Lq参数，参数失配会导致MTPA轨迹偏移，反而降低效率。此外，负的id电流会增加永磁体退磁风险，需在代价函数中加入退磁约束。

复盘经验：在工程实现中，建议采用查表法（LUT）替代在线计算MTPA公式，以降低计算负担并提高鲁棒性。同时，结合在线参数辨识，定期更新Ld、Lq值，确保MTPA轨迹的准确性。

工程经验：对于表贴式PMSM，由于Ld=Lq，MTPA轨迹退化为id=0，控制策略大幅简化。但对于内置式PMSM，务必重视磁阻转矩的利用，否则会浪费约15%-25%的转矩能力。在模型预测控制中，MTPA轨迹可以预先离线计算并存储为二维查表，以电流幅值和转速为索引，实时查表获取id*、iq*。

2.5 常见误区与总结复盘

在学习和应用PMSM数学模型时，初学者常陷入以下误区，需要特别警惕：

误区一：忽略交叉耦合项。在电压方程中，ωe·ψq和ωe·ψd两项是d、q轴之间的耦合项。在低速时影响较小，但在高速时这两项幅值很大，若在预测模型中忽略，会导致电流跟踪误差急剧增大，甚至发散。必须完整保留耦合项。
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，尤其在重载工况下，Ld、Lq可能下降20%-30%。若预测模型使用固定电感值，会导致大电流工况下预测偏差。建议采用分段线性化或查表法描述电感随电流的变化。
误区三：混淆电角速度与机械角速度。电压方程中的ωe是电角速度，等于极对数乘以机械角速度（ωe = p·ωr）。在代码实现时，若误用机械角速度，会导致反电动势项计算错误，控制性能严重恶化。
误区四：忽视离散化误差。前向欧拉法在采样频率较低时（如Ts>200μs）会产生较大离散化误差。对于高转速电机，建议采用更高精度的离散化方法（如双线性变换）或减小采样周期。