从电机角度到正弦表：一份给初学者的归一化与定点数避坑指南

从电机角度到正弦表：一份给初学者的归一化与定点数避坑指南

第一次接触电机控制代码时，看到满屏的0x7FFF和32768是不是觉得像在解密码？记得我刚开始研究PMSM的FOC算法时，对着那些神秘的数字和"Q15格式"的注释发呆了整整一周。直到有一天，导师在实验室白板上画了几个简单的比例线段，突然让我明白了这一切背后的数学之美——原来复杂的定点数运算，本质上只是小学就学过的"按比例缩放"。

1. 为什么我们需要归一化？

想象一下，你要给朋友描述自己一天的时间分配："我工作了8小时，睡觉6小时，吃饭2小时"。但如果换一种说法："我花了1/3天工作，1/4天睡觉，1/12天吃饭"，这种用"1"作为基准的表达方式就是归一化的雏形。

在电机控制中，归一化主要解决三个实际问题：

1. 统一数据尺度：电角度0-360°、电压-24V~+24V、电流-5A~+5A...不同物理量有不同量纲，归一化后都变为0-1或-1~1的无量纲数
2. 提升计算效率：整数运算比浮点运算快10-100倍，这对实时性要求高的电机控制至关重要
3. 避免溢出风险：预先将所有数值约束在确定范围内，防止运算过程中意外越界

经典案例：某开源FOC库中电机角度处理

// 原始角度值（0-359度） uint16_t raw_angle = 120; // 归一化为0-1范围（Q15格式） int16_t normalized = (raw_angle * 32768) / 360; // 得到10922

2. 角度归一化的两种基本模式

2.1 单向角度：0-360°到0-1的映射

最常见的电角度处理场景是将0-360°线性映射到0-1区间。这就像把圆形钟面展开成直线尺子：

实际角度 归一化值 0° → 0.0 90° → 0.25 180° → 0.5 360° → 1.0

注意点：

• 当角度≥360°时需要先取模：angle % 360
• 在定点数实现中，乘法运算要放在除法前避免精度损失

2.2 双向角度：-180°~+180°到-1~1的转换

某些编码器会输出有符号角度值，这时需要采用不同的归一化策略：

实际角度 归一化值 -180° → -1.0 -90° → -0.5 0° → 0.0 +90° → +0.5

典型代码实现：

int16_t normalize_bipolar(int16_t angle) { // 先将输入约束到-180~+180范围 while(angle > 180) angle -= 360; while(angle < -180) angle += 360; // Q15格式归一化 return (angle * 32768) / 180; }

3. 正弦表的生成与使用秘籍

正弦函数在电机控制中无处不在，但如何用整数高效实现呢？下面揭示从浮点到定点数的转换魔法：

3.1 浮点正弦值的定点化

标准正弦函数输出在[-1, +1]之间，对应Q15格式的-32768到+32767。转换公式为：

定点值 = round(浮点值 × 32767)

生成正弦表的Python示例：

import math import numpy as np def generate_sin_table(size=256): table = [] for i in range(size): radian = 2 * math.pi * i / size sin_val = math.sin(radian) q15 = int(round(sin_val * 32767)) table.append(q15) return np.array(table, dtype=np.int16)

3.2 实际应用中的三个技巧

1. 对称性优化：只需存储0-90°数据，其他象限通过镜像获取
2. 插值补偿：在点数较少时，使用线性插值提升精度
3. 相位对齐：确保表索引与电角度同步更新

内存优化版正弦表：

// 仅存储0-90°数据（64点） const int16_t sin_table[64] = {0, 1608, 3212, 4808, ... , 32767}; int16_t get_sin_value(uint16_t angle) { uint8_t idx = (angle >> 8) & 0x3F; // 取高6位(0-63) switch(angle >> 14) { // 判断象限 case 0: return sin_table[idx]; // 第一象限 case 1: return sin_table[63 - idx]; // 第二象限 case 2: return -sin_table[idx]; // 第三象限 default: return -sin_table[63 - idx]; // 第四象限 } }

4. 定点数运算的实战解析

4.1 Q格式数的本质

Q15格式可以理解为把小数点"钉"在最高位之后：

Q15格式：S.III IIIII IIIIII (S=符号位, I=整数位) 实际值 = 整数值 / 32768

常见Q格式对比：

4.2 乘法运算的隐藏规则

两个Q15数相乘时，结果需要右移15位保持比例一致：

int32_t multiply_q15(int16_t a, int16_t b) { int32_t temp = (int32_t)a * b; // 结果自动扩展到32位 return temp >> 15; // 重新缩放为Q15 }

实际案例：计算0.6 × (-0.3)

int16_t a = 0.6 * 32768; // 19661 int16_t b = -0.3 * 32768; // -9830 int16_t result = multiply_q15(a, b); // 得到-5898 ≈ -0.18

4.3 混合精度运算指南

当不同Q格式数混合运算时，记住这个黄金法则：

1. 先统一为最高精度格式
2. 运算完成后重新缩放
3. 最后做饱和处理

示例代码：

// Q15 × Q7 → Q15 int16_t mixed_multiply(int16_t q15, int8_t q7) { int32_t temp = q15 * (int32_t)q7; // 先扩展到32位 return (temp >> 7); // Q15+(Q7-0)=Q15 }

5. 从理论到实践：完整计算示例

让我们通过一个实际场景串联所有知识点：计算电机某相电压指令：

给定条件： - 电角度：175°（实际为-185°，需归一化） - 相电流：0.8（Q15格式） - 电阻系数：0.25（Q15格式）

分步实现：

1. 角度归一化处理

int16_t normalize_angle(int16_t angle) { angle %= 360; // 先约束到0-359度 if(angle > 180) // 转换为-180~+180表示 angle -= 360; return (angle * 32768) / 180; // Q15格式 } int16_t norm_angle = normalize_angle(175); // 得到31856

2. 获取正弦值

int16_t sin_val = get_sin_value(norm_angle); // 假设得到-32412

3. 计算电压指令

int16_t current = 0.8 * 32768; // 26214 int16_t resistance = 0.25 * 32768; // 8192 int32_t temp = (int32_t)sin_val * current; // -849,755,568 temp = temp >> 15; // -25928 int16_t voltage = (temp * resistance) >> 15; // -6482

结果验证：

浮点参考值： sin(175°) ≈ 0.0872 0.0872 × 0.8 × 0.25 ≈ 0.01744 定点结果： -6482 / 32768 ≈ -0.1978 （明显错误！）

发现问题：在第三步运算时中间结果已经溢出！正确做法应该是：

int32_t temp = (int32_t)sin_val * current / 32768; // -25928 voltage = (temp * resistance) / 32768; // -6482

这个案例生动展示了定点数运算中精度管理的必要性。在实际项目中，我通常会采用以下防御性编程策略：

1. 中间结果扩展：关键步骤使用64位中间变量
2. 运算顺序优化：先乘小数后除大数
3. 饱和处理：对最终结果做边界检查

// 改进后的安全计算函数 int16_t safe_calculate(int16_t a, int16_t b, int16_t c) { int64_t temp = (int64_t)a * b * c; temp /= 32768 * 32768; // 饱和处理 if(temp > 32767) return 32767; if(temp < -32768) return -32768; return (int16_t)temp; }