小猫爪：PMSM之FOC控制11-基于SMO实现FOC无传感器双闭环

1 前言

  在前面的文章中，已经将SMO的架构全部搭建起来了，接下来就是使用Matlab将其实现。

2 仿真搭建

2.1 观测器

  首先列出之前搭建的仿真器模型如下：

  其中$A=[\begin{array}{cc}-\frac{R}{L_s}& 0\\ 0& -\frac{R}{L_s}\end{array}]$，将其拆成两个式子为：

  将其离散化得：

  其中$A=exp(-R/L_s{T}_s),B=(1-A)/R$，$T_s$为采样周期。注：别问怎么算出来的，问就是不知道。

  离散化后的SMO的本质其实是这样的：

  将其搭建成仿真后其中$i_{\alpha }$部分如下：

2.2 反正切

  $E_{\alpha }$和$E_{\beta }$得到后就可以使用反正切求得$\theta$了，但是这里存在一个问题，之前就说过$E_{\alpha }$和$E_{\beta }$其实就是$z_{\alpha }$和$z_{\beta }$进行滤波得到得，所以会存在一个相位延迟，而这个延迟会很大程度上影响估算$\theta$的准确性，所以需要在反正切的结果上加上一个角度补偿来弥补这个相位延迟，即：

  其中${\omega }_c$为低通滤波器截至频率。为了获取转速信息，则可以对上式的$\theta$进行微分，或者如果表贴士PMSM，则可以使用如下式子计算：

  根据上面的描述，最后搭建的反正切模型如下：

2.3 仿真结果

  foc_control如下：

  让电机系统处于有传感器的双闭环状态下，然后使用SMO观测在旁边观测，最后对比一下电机转子的真实$\theta$和SMO估算出来$\theta$，如下：

  可以发现估算出来的$\theta$与电机真实$\theta$非常接近，这代表算法成功了。

3 移植验证

  将算法移植到MCU中，首先让电机运行在电流闭环下，然后用SMO预测电机角度，如下：

  可以看到估算出的$\theta$非常不好，这里只要有两个原因，第一就是现在还没有实现速度闭环，所以目前的电流很不稳定，再加上现在的电流也和目前电机的速度不匹配，预估的结果非常不好。接下来我们就要加上速度环，实现双闭环，再看看SMO的表现。

  下图则是加入速度环的SMO的波形，此时FOC的$\theta$已经是由SMO估算出来的。

  再来看看调速性能：

  至此，使用SMO已经可以让电机转起来了。

  下面贴上我的测试代码：

END