- 博客(12)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 八、永磁同步电机矢量控制(FOC)—弱磁控制(超前角弱磁)
在上一节中，对MTPA控制策略进行了讲解，再回忆一下MTPA控制策略的思想，√(I_d^2+I_q^2 )是空间电流矢量的幅值Is，Is的峰值大小受限于三相逆变电路中的功率元件，如何Is峰值不变的情况下提高转矩输出，就需要通过MTPA控制策略计算出合理的Iq、Id值，使电流/电压利用率提高，电机输出最大转矩，本节将主要讲解MTPA+弱磁控制方法，MTPA计算式采用上一节末尾通过曲线拟合求出的计算式。
2024-04-10 13:32:23
1802
1
原创 七、永磁同步电机矢量控制(FOC)—MTPA控制及Simulink仿真
前面几节的内容已经完成Id=0控制策略的理论和仿真以及双闭环PI参数整定。在接下来几节中，将陆续讲解MTPA、弱磁控制等内容。
2024-03-27 15:26:35
1190
2
原创 六、永磁同步电机矢量控制(FOC)—电流环及速度环PI参数整定
前面几节的内容中对FOC框架中的主要模块进行了讲解，接下来这一节将对矢量控制中电流环PI参数、速度环PI参数整定进行讲解。
2024-03-23 17:32:47
2591
1
原创 五、永磁同步电机矢量控制(FOC)—坐标变换及SVPWM Simulink仿真
在前面几节的内容中，已经详细介绍了坐标变换和SVPWM技术的理论知识，在本节内容中，将在Simulink中搭建坐标变换和SVPWM仿真模型。
2024-03-21 12:38:14
972
1
原创 四、永磁同步电机矢量控制(FOC)—空间矢量调制技术SVPWM
前面一节中我们已经从dq坐标系下的PMSM数学模型和交直轴电流与磁场作用关系两个方面理解了为什么将交轴电流Id设置为0，可以简化模型分析并降低电机控制难度，主要是将定子电枢磁场和转子励磁磁场进行解耦，分别控制。 同时也介绍了矢量控制中典型的FOC控制框架，主要包括空间矢量调制(SVPWM)、Clark变换、Park变换、反Park变换、PI控制器，其中除了空间矢量调制(SVPWM)、PI控制器，其他部分都在第一节左边变换中讲到。
2024-03-20 21:54:20
1495
1
原创 三、永磁同步电机矢量控制(FOC)—交轴电流Id=0的矢量控制策略
上一节我们已经推导出了三个坐标系下的PMSM数学模型。在这一节，我们将从dq坐标系中的PMSM数学模型和交直轴电流与磁场作用关系两个方面，来着重理解直轴电流Id=0的矢量控制策略。
2024-03-18 16:51:41
1107
原创 二、永磁同步电机矢量控制(FOC)—不同坐标系下电机数学模型
当导体中有交流电或者交变电磁场时，导体内部的电流分布不均匀，电流集中在导体的“皮肤”部分，也就是说电流集中在导体外表的薄层，越靠近导体表面，电流密度越大，导体内部实际上电流较小，结果使导体的电阻增加，使它的损耗功率也增加。（3）d轴磁路由气隙、永磁体、铁芯组成（永磁体与气隙磁导率较低，磁阻较大），q轴磁路由气隙和铁芯组成（铁芯会出现磁路饱和问题），d轴磁阻较大，则d轴电感较小。磁动势f=N(封闭线圈匝数)*i(通过该线圈的电流)=磁阻*磁通量，若电流发生变化，则磁动势变化，磁阻越大，磁通量变化越小。
2024-03-17 10:49:37
1207
2
原创 一、永磁同步电机矢量控制(FOC)—概述及坐标变换
在同步旋转的参考轴系内，将交变的定子电流变换为两个直流量，一个为励磁（直轴 id）分量，一个为转矩（交轴 iq）分量，两者在空间上相互垂直，通过对两者进行解耦控制，以实现对电机。定义一个在空间以同步速旋转的两相坐标系 dq，其中 d 轴与转子磁极轴线重合，q 轴逆时针超前 d 轴 90° 空间电角度，d 轴与 A 相定子绕组的夹角为 θ(电角度)。参与到左边变换的坐标系包括静止坐标系和旋转坐标系。静止坐标系包括：三相ABC静止坐标系、两相αβ静止坐标系，旋转坐标系包括转子dq坐标系和定子旋转坐标系。
2024-03-17 10:42:53
1087
1
原创 《机器学习实战》第三章决策树 学习笔记
决策树中正方形代表判断模块，椭圆代表终止模块，表示已经得出结论，可终止运行，从判断模块引出的左右箭头称为分支，可达到另一个判断模块或终止模块。
2022-07-29 12:12:58
242
1
原创 《机器学习实战》第2章 k-近邻算法学习总结
k-近邻算法(KNN)算法采用测量不同特征值之间的距离方法进行分类存在一个样本数据集合(训练样本集)，样本集中每个数据(一系列样本元素的行向量)都存在标签(已完成分类工作，每个数据与所属分类的对应关系)。当输入测试样本(非集合，数据未分类，无标签存在)，将新数据每个特征与样本集中数据对应的特征进行比较，由算法提取出训练样本集中最相似数据(最近邻)的分类标签。一般只选择样本集中前k个最相似的数据，k通常是不大于20的整数，最后选择k个相似数据中出现次数最多的分类，作为新数据的分类。...
2022-07-26 11:52:00
2636
《机器学习实战》第四章基于概率论的分类方法：朴素贝叶斯
2022-08-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人