当前位置: 首页 > ai >正文

【永磁同步电机数学模型全程推导】【7 转矩方程】

目录

      • 等功率变换
      • 转矩方程推导

在物理学中,转矩乘转速等于功率,而转速是已知的,所以可以从转矩相关的功率入手进行推导。
电路中输入给电机的总功率与dq轴的功率之和( udid+uqiqu_di_d+u_qi_qudid+uqiq)有关,注意此处是输入的总功率,总功率不是全部都用于生成转矩的。

等功率变换

在永磁同步电机数学模型的推导过程中,我们总是希望三个坐标系(abc相、αβ轴、dq轴)的尺度(幅值)是一致的,不仅是电压电流幅值一致,功率的幅值也要一致,这些一致是人为乘以一个系数造成的,完全是为了公式好看、推导方便、代码实现方便,关于等幅值和等功率变换的讲解,可以前往查看【无刷电机FOC进阶基础准备】【04 clark变换、park变换、等幅值变换、等功率变换】。αβ轴和dq轴只差一个不会引起尺度变化的park变换,因此只需要αβ轴和abc相的尺度一致即可。
本系列教程的dq轴电压电流都是等幅值变换得到的,
udid+uqiq=uαiα+uβiβ=[uα,uβ][iαiβ]=(23MclarkT∗[uaubuc])T∗23Mclark[iaibic]=49(MclarkT∗[uaubuc])T∗Mclark[iaibic]\begin{aligned}u_di_d+u_qi_q=u_{\alpha}i_{\alpha}+u_{\beta}i_{\beta}=[u_{\alpha},u_{\beta}]\begin{bmatrix} i_{\alpha} \\ i_{\beta} \end{bmatrix}&=(\frac{2}{3}\mathrm{M}_{clark}^T*\begin{bmatrix} u_a \\ u_b \\ u_c \end{bmatrix})^T*\frac{2}{3}\mathrm{M}_{clark}\begin{bmatrix} i_a \\ i_b \\ i_c \end{bmatrix}\\&=\frac{4}{9}(\mathrm{M}_{clark}^T*\begin{bmatrix} u_a \\ u_b \\ u_c \end{bmatrix})^T*\mathrm{M}_{clark}\begin{bmatrix} i_a \\ i_b \\ i_c \end{bmatrix}\end{aligned} udid+uqiq=uαiα+uβiβ=[uα,uβ][iαiβ]=(32MclarkTuaubuc)T32Mclarkiaibic=94(MclarkTuaubuc)TMclarkiaibic

而等功率变换的情况是:
(23MclarkT∗[uaubuc])T∗23Mclark[iaibic]=23(MclarkT∗[uaubuc])T∗Mclark[iaibic](\sqrt{\frac{2}{3}}\mathrm{M}_{clark}^T*\begin{bmatrix} u_a \\ u_b \\ u_c \end{bmatrix})^T*\sqrt{\frac{2}{3}}\mathrm{M}_{clark}\begin{bmatrix} i_a \\ i_b \\ i_c \end{bmatrix}=\frac{2}{3}(\mathrm{M}_{clark}^T*\begin{bmatrix} u_a \\ u_b \\ u_c \end{bmatrix})^T*\mathrm{M}_{clark}\begin{bmatrix} i_a \\ i_b \\ i_c \end{bmatrix} (32MclarkTuaubuc)T32Mclarkiaibic=32(MclarkTuaubuc)TMclarkiaibic
可以看到,两者相差了23\frac{2}{3}32,因此需要人为乘以32\frac{3}{2}23,使得等幅值变成等功率:
P=32(udid+uqiq)P=\frac{3}{2}(u_di_d+u_qi_q)P=23(udid+uqiq)

转矩方程推导

udu_duduqu_quq的公式在之前已经推导得到了,在这里代入即可:
P=32(udid+uqiq)=32[(Rsid+Lddiddt−ωLqiq)id+(Rsiq+Lqdiqdt+ωLdid+ωψf)iq]=32Rs(id2+iq2)⏟Pcu铜耗+32(Ldiddiddt+Lqiqdiqdt)⏟磁场速率相关+32(ωLdidiq−ωLqiqid+ωψfiq)⏟Pem电磁功率\begin{aligned}P&=\frac{3}{2}(u_di_d+u_qi_q)=\frac{3}{2}[(R_si_d+L_d\frac{di_d}{dt}-\omega L_qi_q)i_d+(R_si_q+L_q\frac{di_q}{dt}+\omega L_di_d+\omega\psi_f)i_q]\\&=\underbrace{\frac{3}{2}R_s(i^2_d+i^2_q)}_{P_{cu}铜耗}+\underbrace{\frac{3}{2}(L_di_d\frac{di_d}{dt}+L_qi_q\frac{di_q}{dt})}_{磁场速率相关}+\underbrace{\frac{3}{2}(\omega L_di_di_q-\omega L_qi_qi_d+\omega\psi_fi_q)}_{P_{em}电磁功率}\end{aligned}P=23(udid+uqiq)=23[(Rsid+LddtdidωLqiq)id+(Rsiq+Lqdtdiq+ωLdid+ωψf)iq]=Pcu铜耗23Rs(id2+iq2)+磁场速率相关23(Ldiddtdid+Lqiqdtdiq)+Pem电磁功率23(ωLdidiqωLqiqid+ωψfiq)
可以看到,输入功率主要由三部分组成。铜耗PcuP_{cu}Pcu纯是发热的,不产生转矩;磁场速率相关的也不产生转矩,因为当堵转时dq轴电流变化率为0;只有电磁功率PemP_{em}Pem才产生转矩。
将电磁功率PemP_{em}Pem摘出来,并化简一下,由于此处的ω\omegaω是电角度,所以写作ωe\omega_eωe
Pem=32ωe(ψfiq+(Ld−Lq)idiq)P_{em}=\frac{3}{2}\omega_e(\psi_fi_q+(L_d-L_q)i_di_q) Pem=23ωe(ψfiq+(LdLq)idiq)

在物理中,电机转矩相关的功率可以等于转矩乘转速,注意此处是物理转速:
Pem=T∗ωphyP_{em}=T*\omega_{phy}Pem=Tωphy

两个PemP_{em}Pem相等,于是转矩方程就得出了:
T∗ωphy=32ωe(ψfiq+(Ld−Lq)idiq)T=32ωeωphy(ψfiq+(Ld−Lq)idiq)=32p(ψfiq+(Ld−Lq)idiq)\begin{aligned}T*\omega_{phy}&=\frac{3}{2}\omega_e(\psi_fi_q+(L_d-L_q)i_di_q)\\T&=\frac{3}{2}\frac{\omega_e}{\omega_{phy}}(\psi_fi_q+(L_d-L_q)i_di_q)\\&=\frac{3}{2}p(\psi_fi_q+(L_d-L_q)i_di_q)\end{aligned} TωphyT=23ωe(ψfiq+(LdLq)idiq)=23ωphyωe(ψfiq+(LdLq)idiq)=23p(ψfiq+(LdLq)idiq)

其中ppp是极对数。

http://www.xdnf.cn/news/17430.html

相关文章:

  • IntelliJ IDEA 2025.2 重磅发布
  • 移动端音频处理实践:59MB变声应用的技术实现分析
  • 【GPT入门】第43课 使用LlamaFactory微调Llama3
  • GitLab 零基础入门指南:从安装到项目管理全流程
  • 复杂项目即时通讯从android 5升级android x后遗症之解决 ANR: Input dispatching timed out 问题 -优雅草卓伊凡
  • Android Intent 解析
  • 绕过文件上传漏洞并利用文件包含漏洞获取系统信息的技术分析
  • GPT OSS深度解析:OpenAI时隔6年的开源模型,AI民主化的新里程碑?
  • ubuntu 安装内核模块驱动 DKMS 介绍
  • RL代码实践 02——策略迭代
  • IDEA 如何导入系统设置
  • Go语言中切片(Slice)的拷贝
  • IDEA 快捷编辑指南
  • Mybatis学习之动态SQL(八)
  • 大型动作模型LAM:让企业重复任务实现80%效率提升的AI技术架构与实现方案
  • android 使用openimagelib OpenImage 实现点击放大图片,浏览
  • 计算机网络---IP(互联网协议)
  • MySQL(190)如何优化MySQL的网络传输?
  • Mysql系列--5、表的基本查询(下)
  • 【后端】Java 8 特性 `User::getId` 语法(方法引用)介绍
  • 五种Excel表格导出方案
  • Java学习第一百二十三部分——HTTP/HTTPS
  • 18.3 全量微调:数据预处理之清洗与准备
  • windows的cmd命令【持续更新】
  • CompletableFuture实现Excel sheet页导出
  • 微信小程序中实现表单数据实时验证的方法
  • Python中的 __name__
  • Deep Learning MNIST手写数字识别 Mac
  • 深入解析Go设计模式:命令模式实战
  • 单链表专题---暴力算法美学(2)(有视频演示)