新闻详情

新闻详情

首页 / 资讯中心 / 详情

PMSM FOC控制1.5Ts补偿策略

发布时间:2026/11/19 16:58:59来源:尧图网络
PMSM FOC控制1.5Ts补偿策略
之前在开发过程中遇到一个情况就是电机的控制控制效率特别低而且电机的实际功率也达不到额定功率。之所以会出现上面的这些情况是因为这几个因素在做怪1、电角度滞后了2、电机控制生效的延后了(1)电机控制效率问题到底是如何发现电机的控制效率低下的呢其实是通过Vd、Vq的反馈值来查看电机的控制效率的。我们只讨论电机的系统处于稳态下不讨论电流环的动态调节过程电机的反电动势基本上由转速和磁链绝对。也就是电机通过PID控制出来的Ud、Uq和电压前馈计算出来的值越接近效果就越好。在电机的控制效率低下的情况下一般表示为Vd都比较大所以正常情况下Vq越大Vd越小的情况下控制效果越好。(2)电角度为什么会滞后首先就是FOC的电流环的运算是需要获取到电机的电角度的但是在FOC运算之前获取电角度的时候是无法立即得到电角度的芯片与磁编码器直接的通讯需要花费时间磁编码器保存的电角度数据肯定也是有一定的延时的。因为这两个原因导致实际使用的过程中电角度一般是获取的是上个周期(或者半个周期)的电角度。但是在电机高速转动的过程中 电角度的滞后也会跟随着转速越高滞后的电角度越大。如果FOC运算的电角度不做补偿而直接使用的话那么FOC运算的电角度都不知道滞后了多少那么电机的控制效率自然就会很低。所以正常情况下我们需要根据转速去补偿这个电角度。这个方式比较简单和实现根据电角度的获取情况不同去补偿电角度。一般情况是需要至少补偿一个Ts(电周期)补偿这个因为转速而导致的角度滞后。(3)电机的额定功率问题为什么电机达不到额定功率呢如果上面的电角度补偿已经做了电机的控制效率的确提高了但是发现电机只能从原来的72%的功率提升到接近85%~90%的额定功率。到底是那里FOC的控制其实根本原因是电机的控制生效延后了很多的做FOC控制的新手都会犯的一个错误就是都喜欢在三角载波的波谷进行FOC运算(波谷是下MOS导通的时刻)。在下一个波谷的时候生效上一个FOC的运算。如果电角度的获取在波峰这里获取在波谷进行运算那么电角度的滞后值延时0.5Ts。参与了FOC运算后再下一个Ts生效那么延时又有了1个Ts。总的延时大概在1.5Ts这个1.5个Ts延时生效是怎么来的。如果想要让电机的控制达到电机的额定功率这个1.5Ts延时必须得解决不然即使补偿了因为电机的转速而带来的延时也无法提升电机的功率。一般情况下有人会想到使用影子寄存器来解决这个电机不是因为影子寄存器的存在才会在下一个周期的更新中断里面去更新吗如果我让他立即更新是不是就可以消除了1.5Ts带来的影响的。恭喜你找到新手最容易踩坑的解决办法。其实这个1延时是无法解决了我们最多就是降低这个延时到0.75Ts。减低这个延时的办法其实就是让FOC的更新中断变成三角载波的波峰和波谷都进行更新中断让这个FOC运算只延时0.5Ts生效。然后提高FOC的运算频率FOC电流环的运算在波谷中进行电压环的运算在波峰波谷都进行。如果电流环的频率是20Khz那么电压环的频率就是40Khz。其次就是使用DMA循环模式去不断的触发芯片与编码器的获取频率提高这个电角度的获取频率让其小于0.25Ts。下面将演示STM32H7的高级定时器配置高级定时器的模式使用中心对齐模式3因为会在波峰和波谷都触发更新中断在波谷进行电流环运算、在波峰的时候进行电压环运算。关于SPI/I2C使用DMA循环模式通讯获取电角度配置我这里就不更新了请自行查资料解决。中间可能想要屏蔽DMA相关的中断不然DMA的中断会影响定时器相关中断。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉