当前位置: 首页 > news >正文

FOC控制中的正弦PWM和空间矢量PWM对比与理解

参考:

  1. simple foc:https://docs.simplefoc.com/docs_chinese/foc_theory
  2. 博客:https://blog.csdn.net/qq_43332314/article/details/126449398

一、无刷电机基础原理

1., 原理图:至少三个绕组线圈(定子)通过电流,产生交变磁场,带动多极磁铁(转子)旋转。
在这里插入图片描述
2. 极对数:其中,多极线圈的极对数会对应放大电圈数和实际圈数的比值,例如下面极对数为1,实际与电控转一圈一致;当极对数为2时,转1圈会导致磁场产生类似2圈的变化,因此控制的时候,需要产生相比于极对数为1的2倍周期电流,让实际的转子转一圈。
3. 三相无刷电机的6分区:针对上述的三相电机,可以将一圈分成6个分区进行控制,每个分区60°,这对于后面的空间矢量PWM有重要意义。

二、对比

  1. 如下图,分别为正弦PWM和空间矢量PWM。
    在这里插入图片描述

在这里插入图片描述
2. 控制流程分别如下:其中正弦PWM通过帕克逆变换和克拉克逆变换得到三项电压,然后变为PWM进行控制。而空间矢量PWM不使用逆变换,直接变换得到时间占比T012,然后变换为电压和PWM数值。
在这里插入图片描述
在这里插入图片描述
3. 基于控制逻辑的区别,可以看出正弦PWM在\alpha轴时Ua为最大,并最终仅能产生正弦波的变化。而空间矢量PWM利用矢量合成技术得到,实际上在\alpha轴时Ua不应该为最大,而应该在角度为30度时,Ua最大,通过Uc为负值最大。

三、理解

  1. 基于SVPWM的波形图,以及下方的红色一圈手绘图,希望能够帮助你理解:其中曲线为SVPWM中的Ua相电压变化曲线。
    在这里插入图片描述
  2. 针对上述图,可以理解以下几点:
    ① 在30°时Ua为最大,而不是0°时。
    ② 在90°的时候,因为和Ua轴正好垂直,不需要通过Ua产生力,因此急剧变为0。
    ③ 在左半边的时候,图中进行了取反显示,因此和右边正好对称。
    ④ SVPWM的作用即利用空间矢量合成和拆分原理,将已经合成的矢量Uq拆分给三个相UaUbUc.而分区则是因为6个分区相似,仅需要计算一个分区即可转化到其他分区。
    ⑤ Simple foc计算分区所在位置的方式为角度得到分区,实际步骤为Uq矢量->角度->分区,实际上可以直接通过Uq->分区计算得到,生一个计算步骤,在其他的博客中会有涉及。
http://www.xdnf.cn/news/51445.html

相关文章:

  • 【计量地理学】实验五 试验变异函数计算
  • 软件设计师/系统架构师---计算机网络
  • Python爬虫实战:获取fenbi网最新备考资讯
  • 机器学习专栏(4):从数据饥荒到模型失控,破解AI训练的七大生死劫
  • SpringBoot Actuator健康检查:自定义HealthIndicator
  • Java 8 date/time type `java.time.LocalDateTime`
  • FreeRTOS中断管理
  • LangChain4j对话内存管理:ChatMemory原理与实战应用
  • 【深度学习与大模型基础】第12章-损失函数与梯度下降
  • 高等数学同步测试卷 同济7版 试卷部分 上 做题记录 上册期中同步测试卷 B卷
  • 相对路径和绝对路径解析
  • windows下配置Ninja
  • 算法笔记—动态规划
  • Multisim使用教程详尽版--(2025最新版)
  • B树的异常恢复
  • pivot_root:原理、用途及最简单 Demo
  • 项目预期管理:超越甘特图,实现客户价值交付
  • 协程?协程与线程的区别?Java是否支持协程?
  • The_Planets_Earth靶场笔记(VulnHub)
  • 第一章,HCIA复习
  • 人形机器人马拉松:北京何以孕育“领跑者”?
  • C++ 基础:注意a == b; b == a;陷阱
  • 如何高效利用呼叫中心系统和AI语音机器人
  • (12)VTK C++开发示例 --- 生成高斯随机数
  • 苍穹外卖阶段性总结 (超详细版)
  • AIGC(生成式AI)试用 30 -- AI做软件程序测试 1
  • Redis入门
  • 按字符串长度升序,长度相同则按字典序
  • MyFamilyTree:专业家谱族谱制作工具
  • PHP实现图片自动添加水印效果