[FOC-理论学习]永磁同步电机FOC无感控制滑膜观测器的离散化处理

问题

本人在学习无感滑膜控制的时候,对于仿真模型的离散化处理遇到了困难,尤其是在学习到《现代永磁同步电机控制原理及MATLAB仿真》(袁雷编著)的第124页中的如下公式时,百思不得其解。
在这里插入图片描述

采用反向差分变换法,不应该是这样么
在这里插入图片描述
然后我查阅了其他资料,在MICROCHIP AN1078《PMSM 的无传感器磁场定向控制》文档第13页中,其确实采用了这样的近似处理。

那么问题来了,书中的公式是怎么来的?

于是我又开始查阅关于计算机计算机系统信号离散处理的材料,终于在《第八章 线性离散控制系统》材料的第93页中找到,定常系统的离散化方法中找到如下
在这里插入图片描述
在这里插入图片描述

其中结论2的推导过程为:
在这里插入图片描述

这里面提到状态方程的解,我又查到现代控制工程(三)状态方程的解资料中:
在这里插入图片描述

于是《现代永磁同步电机控制原理及MATLAB仿真》第124页的公式详细推导过程为
在这里插入图片描述

  • 14
    点赞
  • 53
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
以下是一个简单的无感FOC中的滑模观测器的C语言代码实现: ```c #include <stdio.h> #include <math.h> #define N 3 // 状态量个数 #define M 2 // 输入量个数 #define P 1 // 输出量个数 // 系统矩阵 float A[N][N] = { {0.9, 0.2, 0.3}, {0.1, 0.8, -0.1}, {0.2, -0.3, 0.7} }; // 输入矩阵 float B[N][M] = { {0.5, 0.0}, {-0.2, 0.0}, {0.1, 1.0} }; // 输出矩阵 float C[P][N] = {{1.0, 0.0, 0.0}}; // 观测器增益矩阵 float L[N][P] = {{1.0}, {1.0}, {1.0}}; // 滑模面参数 float gamma = 1.0; // 状态观测器 float x_hat[N] = {0.0}; // 滑模观测器更新函数 float sliding_mode_observer(float ia, float ib, float v) { float s, x_hat_dot[N], sign_x[N], sign_y; int i, j; // 计算状态观测器的导数 for (i = 0; i < N; i++) { x_hat_dot[i] = 0.0; for (j = 0; j < N; j++) { x_hat_dot[i] += A[i][j] * x_hat[j]; } x_hat_dot[i] += B[i][0] * ia + B[i][1] * ib + L[i][0] * (v - C[0][i] * x_hat[i]); } // 计算滑模面 for (i = 0; i < N; i++) { sign_x[i] = (x_hat[i] > 0) ? 1.0 : -1.0; } sign_y = (v > 0) ? 1.0 : -1.0; s = C[0][0] * (x_hat[0] - gamma * sign_x[0]); for (i = 1; i < N; i++) { s += C[0][i] * (x_hat[i] - gamma * sign_x[i]); } s -= v - gamma * sign_y; // 更新状态观测器 for (i = 0; i < N; i++) { x_hat[i] += x_hat_dot[i] * 0.01; // 积分步长为0.01 } return s; } int main() { float ia = 0.0, ib = 0.0, v = 0.0, s = 0.0; // 在此处添加电流和电压的获取代码 // ... // 更新滑模观测器 s = sliding_mode_observer(ia, ib, v); // 在此处添加控制器的代码 // ... return 0; } ``` 注意,在实际应用中,需要根据具体的系统进行参数调整和积分步长的选择。同时,需要注意滑模面参数`gamma`的选取对系统稳定性的影响。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GarminWilliam

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值