Oushuwen的博客

模型自适应控制MRAS简单解析和模型搭建

小猫爪：PMSM之FOC控制14-使用EKF让电机转起来1 前言2 仿真搭建3 移植END1 前言  前面文章中，已经将扩展卡尔曼观测器搭建起来了，这一节就是将扩展卡尔曼实现。其实前面已经把那5个式子列了出来，最重要的是那五个公式中相关的矩阵也已经全部求了出来，只需要在代码中将这个5个式子实现就好了。2 仿真搭建  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EKF观测在旁边观测，最后对比一下电机转子的真实θ\thetaθ和EKF估算出来θ\thetaθ，如下：

小猫爪：PMSM之FOC控制11-使用SMO让电机转起来1 前言2 仿真搭建2.1 观测器2.2 反正切2.3 仿真结果3 移植验证END1 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=[−RLs00−RLs]A=[\begin{matrix} -\frac{R}{L_s} & 0 \\ 0 & -\frac{R}{L_s} \\ \end{matri

PMSM之FOC控制13-搭建EKF观测器1 前言2 模型搭建  1 前言前面说到只要搭建出系统的状态方程，就可以进行完整的卡尔曼滤波的流程，这节就介绍怎么搭建出能给卡尔曼滤波的状态方程。2 模型搭建  首先列出在《小猫爪：PMSM之FOC控制10-搭建SMO状态观测器》中推导出来的电机在α−β\alpha-\betaα−β坐标下的方程如下：  其中A=[−RLs00−RLs]A=[\begin{matrix} -\frac{R}{L_s} & 0 \\ 0 & -\frac

小猫爪：PMSM之FOC控制12-扩展卡尔曼滤波状态观测器解析1 前言2 扩展卡尔曼滤波观测器原理2.1 卡尔曼滤波的思想2.2 卡尔曼滤波的过程1 前言前面已经讲解了滑膜观测器的原理，推导以及搭建，接下来再来介绍另外一个极具代表性的观测器，那就是传说中的扩展卡尔曼滤波观测器，即EKF观测器。顾名思义，是个内藏扩展卡尔曼滤波器的状态观测器。首先单看扩展卡尔曼滤波器，众所周知，卡尔曼滤波器是一个及其常用的滤波器，而这里叫扩展卡尔曼滤波，这里的“扩展”体现在哪里呢?据说是因为卡尔曼滤波是给线性系统使用的

小猫爪：PMSM之FOC控制10-搭建SMO模型1 前言2 模型搭建3 转子位置θ\thetaθ的算法3.1 反正切法3.2 锁相环法END1 前言  前面介绍了一下SMO是个啥玩意，这一节我们就要把SMO应用到电机控制中。怎么针对电机控制来推导出可以在FOC控制中可用得模型呢？2 模型搭建  在FOC中有三个坐标系统，分别是三相坐标，α−β\alpha-\betaα−β坐标和d-q坐标，那这三种哪一种可以用来搭建模型呢？其实理论上都是可以的，主要看哪一种最为简单或者最为合适？在这里要使用α−β\a

小猫爪：PMSM之FOC控制09-滑膜状态观测器解析1 前言2 SMO原理2.1 修正方式2.2 反馈方式END1 前言  在前面的一章里引入了状态观测器，下面就介绍一下可以算是在FOC控制界的观测器鼻祖，滑膜观测器，即SMO。  注意：该文章属于教学类文章，旨在帮助大家理解，所以有很多名词以及描述都是个人理解以及个人创造，跟书本上的那些官方描述有所出入是正常的，大家需要自行领悟和对照。2 SMO原理  前面说到，观测器的结构如下图：  还说到了观测器种类的不同取决于反馈方式以及修正方式的不同

小猫爪：PMSM之FOC控制08-状态观测器的引入1 前言2 状态观测器的原理2 状态观测器的完善END1 前言  在前面已经实现了电机的双闭环了，不过唯一美中不足的就是需要使用传感器去获取转子位置，那么怎样不使用传感器来获取转子位置呢？目前最好的办法就是使用状态观测器，那么什么是状态观测器呢？2 状态观测器的原理  状态观测器其实就像是一个黑盒子，它有着输入和输出，那这个黑盒子的作用是干嘛的呢？这个黑盒子其实就是一个真实被控对象的的数学模型，比如在电机控制系统中，被控对象就是电机，那么就用数学建模

小猫爪：PMSM之FOC控制07-有传感器的速度环1 前言2 加入速度环3 传感器获取转子位置的思路3.1 编码器3.2 霍尔位置传感器4 移植END1 前言  前面已经实现了电流闭环，这篇文章趁热打铁，直接给它加上速度环让这个系统称为经典的双闭环，让电机呼呼呼的转起来，加入速度环也是非常的简单。2 加入速度环  加入速度环后，仿真就变成了这样：  因为拿到了真实的角度和速度，所以Park变换中的θ\thetaθ就是真实的电机转子位置了。  还可以看到速度环放在foc_control的外面，为

小猫爪：PMSM之FOC控制04-电流环1 前言1 前言在前面的章节中，我们已经成功让

小猫爪：PMSM之FOC控制 番外篇2-让电机开环转起来1 前言2 仿真3 让电机转起来1 前言在前面的文章中，已经介绍了Clark，Park，SVPWM，接下来是骡子是马，得拉出来溜溜了，理论终究还是理论，这一章就把这些理论用起来，先强行让电机转起来，来验证我们的算法到底对不对。2 仿真先将仿真搭起来，然后验证一下算法的正确性：然后观察一下电机的电流波形以及转速有没有：很正常，再观察一下Id和Iq：可以看到Id和Iq并不等于设置的3和0，这种现象是正常的，原因是现在是开环，强行给的位

PMSM之FOC控制 番外篇-使用Matlab生成代码，MCU验证1 前言2 模型搭建2 代码生成1 前言  因为不管在Matlab中搞得多么花里胡哨，不把它用起来，多多少少有点虚，那么怎样把Matlab中的算法移植到MCU中进行验证呢，下面就来干这个事情。2 模型搭建  直接上图，总图：  foc_control内部框图：  因为是测试，所以我是这么干的，先使用一个反Park变换和反Clark变换产生一个三相波形，其中反Clark模块内容如下：  产生的三相波形如下：  再来看看C

小猫爪：PMSM之FOC控制03-SVPWM1 SVPWM的引出2 SVPWM的原理3 SVPWM的推导  1 SVPWM的引出  在Park变换那一节，说到了可以通过控制Eq(Iq)和Ed(Id)来控制电机。而电流我们并不能直接控制，只能简介通过控制输出电压来控制电流，这个时候就需要通过经典的反馈控制来实现了。当我们拿到转子的位置时，就可以根据转子位置对电机三相电流进行解耦，经过Clark和Park变换得到反馈信号Id_feedback和Iq_feedback，再通过PID控制器对Id_feedba

小猫爪：PMSM之FOC控制02-Park变换1 推导2 Simulink仿真3 个人理解END1 推导  废话不多说，直接就整出一个α-β轴和d-q轴的图：  然后再根据矢量计算得：  在这里不妨再贴上反park变换的结论（其实就是Park变换的逆过程，推导过程跟Park变换的过程一模一样，这里就不贴图多作解释了）：  在这里有的小伙伴就要问了，为啥反Park变换的对象就变成了电压，而不是之前电流，我只能说，多学多看，往后你就明白了。2 Simulink仿真  非常简单，直接上图：

小猫爪：PMSM之FOC控制01-Clark变换1. 推导1. 推导

小猫爪：PMSM之FOC控制00-专题简介1. 前言2. 内容目录END1. 前言  大家好，思虑再三，在下准备把自己对FOC的毕生所学整理一下，然后以笔记的形式分享给大家。  本专题适合那种对电机控制有一定基础的朋友，现在网上关于电机驱动的文章有非常的多，相信对大家来说，并没有什么难度。  还是那句话，如果内容有所问题，欢迎大家来指正，谢谢。2. 内容目录《PMSM之FOC控制01-Clark变换》《PMSM之FOC控制02-Park变换》《PMSM之FOC控制03-SVPWM》《PM