2. 过调制技术概述:什么是过调制?为什么要过调制?过调制与线性调制的边界在哪里?

好,咱们正式开始聊过调制。在讲这个之前,我想先问你一个问题:你手头有个电机,额定电压是24V,但你的母线电压只有24V,你还想让电机跑到额定转速以上,怎么办?

嗯,这就是过调制要解决的核心问题。说白了,过调制就是——在有限的母线电压下,榨出更高的相电压输出。

2.1 什么是过调制?

先回顾一下线性调制区。在SVPWM里,我们通常把参考电压矢量限制在正六边形的内切圆内。这个内切圆的半径,就是线性调制的最大输出。

那过调制呢?就是让参考电压矢量突破这个内切圆,跑到六边形内部甚至边界上去。这时候,输出电压的基波幅值会超过线性区的最大值。

核心定义:过调制是指SVPWM的调制比 M > 0.9069(即 M > 1/√3)时的工作区域。此时输出电压波形开始出现畸变,但基波幅值继续增大。

我刚开始做FOC的时候,看到过调制波形总觉得不对劲——电压波形明显不是正弦了,心里发虚。后来调试多了才明白,畸变不可怕,可控的畸变就是好工具。

2.2 为什么要过调制?

这个问题很实际。你想想看,在车载、伺服、家电这些场景里,母线电压是固定的。比如48V的电动工具、310V的空调压缩机,你没法随意提高电压。

但应用端的需求是:

  • 更高的转速:弱磁控制配合过调制,可以把转速推到额定转速的1.2~1.5倍
  • 更大的转矩:在低速大负载时,过调制能提供额外的电压裕量
  • 更宽的恒功率区:过调制是弱磁区的重要补充手段

我记得有一次做电动工具项目,客户要求空载转速从18000rpm提到22000rpm。母线电压就那么多,不改硬件,只能从算法上想办法。最后就是靠过调制+弱磁配合,硬生生把转速拉上去了。

个人经验:过调制不是万能的。它带来的电压增益大约在0.9069到1.0之间(相对于直流母线利用率)。也就是说,最多能提升约10%的电压输出。别指望它能翻倍。

2.3 线性调制与过调制的边界

这个边界非常清晰,就是调制比 M = 0.9069。

怎么来的?咱们简单推导一下:

  • SVPWM线性区最大相电压幅值:Vmax_linear = Vdc / √3
  • 六阶梯波(方波)的基波幅值:Vsix_step = 2Vdc / π
  • 调制比定义:M = Vref / (2Vdc/π)
  • 线性区最大调制比:Mmax_linear = (Vdc/√3) / (2Vdc/π) = π / (2√3) ≈ 0.9069

当 M ≤ 0.9069 时,参考电压矢量始终落在内切圆内,输出波形是完美的正弦波。
当 M > 0.9069 时,参考矢量开始超出内切圆,进入过调制区。

调制区域 调制比 M 范围 电压波形 基波幅值
线性调制区 0 ≤ M ≤ 0.9069 正弦波(无畸变) 线性增长
过调制I区 0.9069 < M ≤ 0.9517 轻微畸变 继续增长
过调制II区 0.9517 < M ≤ 1.0 明显畸变 趋近方波
六阶梯波 M = 1.0 方波 最大值

避坑指南:我曾经在过调制I区和II区的切换点上吃过亏。两个区的补偿算法不一样,如果直接用一个公式硬算,电流波形会出现明显的跳变。建议在切换点附近做平滑过渡,或者干脆用统一的查表法。

2.4 过调制的物理意义

从空间矢量图上看,线性区是内切圆,过调制区是内切圆到六边形之间的区域。当参考矢量落在六边形之外时,实际能输出的电压矢量只能沿着六边形边界走。

这就带来了一个问题:实际输出电压和参考电压之间出现了误差。过调制算法的核心任务,就是补偿这个误差,让基波分量尽可能接近参考值。

我习惯把过调制理解成一种“削峰填谷”的过程——削掉超出六边形的部分,同时调整未超出部分的相位和幅值,让基波能量最大化。

SVPWM 过调制区域示意图 线性区 过调制区 六阶梯波 r = Vdc/√3 R = 2Vdc/3 内切圆(线性区边界) 六边形(电压矢量边界) 外接圆(六阶梯波) 过调制区域

2.5 过调制的代价

任何技术都有代价,过调制也不例外:

  • 电流谐波增加:电压畸变会直接反映到电流上,导致额外的铜耗和铁耗
  • 转矩脉动:谐波电流会产生转矩脉动,低速时尤其明显
  • 噪声问题:高频谐波会激励电机结构的模态,产生电磁噪声
  • 母线电压利用率的上限:最多到1.0,不可能超过六阶梯波

所以,过调制不是什么时候都能用的。我一般只在以下场景启用:

  1. 高速弱磁区:需要额外电压来对抗反电动势
  2. 短时过载:比如电动工具的冲击负载
  3. 母线电压波动大:电池供电设备,电压会随SOC下降

实用建议:如果你刚开始做FOC,建议先在线性区把电流环调稳了,再逐步引入过调制。我见过太多人一上来就开过调制,结果电流波形乱成一团,根本分不清是参数问题还是算法问题。