当前位置: 首页 > news >正文

理论(二)-电流环PI参数自整定及时域频域分析

电流环PI参数自整定及时域频域分析

简介:本文介绍PMSM简化后的电流环PI参数自整定的推导证明,以及时域频域的简单分析。

一、电流环PI参数自整定推导

这里贴出上一文章电机数学模型中公式1-3如下

\[\begin{align*}& {{u}_{d}}=R{{i}_{d}}+{{L}_{d}}\frac{d}{dt}{{i}_{d}}\underbrace{-{{\omega }_{e}}{{L}_{q}}{{i}_{q}}}_{交叉耦合项} \\ & {{u}_{q}}=R{{i}_{q}}+{{L}_{q}}\frac{d}{dt}{{i}_{q}}\overbrace{+{{\omega }_{e}}({{L}_{d}}{{i}_{d}}+{{\psi }_{f}})}^{交叉耦合项} \tag{1-1} \end{align*} \]

首先呢,要简化一下,忽略掉交叉耦合项(当然可以解耦控制,这里为了方便讲解电流环先简化)

简化后为:

\[\begin{align*}& {{u}_{d}}=R{{i}_{d}}+{{L}_{d}}\frac{d}{dt}{{i}_{d}} \\ & {{u}_{q}}=R{{i}_{q}}+{{L}_{q}}\frac{d}{dt}{{i}_{q}}\tag{1-2} \end{align*} \]

对公式1-2进行拉普拉斯变换

\[\begin{align*}& {{V}_{d}}(s)=R{{I}_{d}}(s)+{{L}_{d}}s{{I}_{d}}(s) \\ & {{V}_{q}}(s)=R{{I}_{q}}(s)+{{L}_{q}}s{{I}_{q}}(s) \tag{1-3} \end{align*} \]

将上式1-3变换一下

\[\begin{align*}& \frac{{{I}_{d}}(s)}{{{V}_{d}}(s)}=\frac{1}{R+{{L}_{d}}s} \\ & \frac{{{I}_{q}}(s)}{{{V}_{q}}(s)}=\frac{1}{R+{{L}_{q}}s} \tag{1-4} \end{align*} \]

image-20260507194856438

式1-4是图1中电流环传递函数框图中的电机模块部分,除此之外,还有PID控制器的传递函数:

\[{{K}_{P}}+\frac{{{K}_{I}}}{s}\tag{1-5} \]

SVPWM调制模块的近似传递函数,这是零阶保持器(ZOH)的一阶惯性近似,对应 PWM 更新带来的半拍延迟:

\[\frac{{{K}_{pwm}}}{0.5{{T}_{s}}s+1}\tag{1-6} \]

以及离散系统带来的一拍延迟,这是数字控制中采样 / 计算延迟的一阶惯性近似:

\[\frac{1}{{{T}_{s}}s+1}\tag{1-7} \]

其中Kpwm不考虑非线性情况下,理想化等于1。

image-20260507203815097

这里呢,再做一步简化,如图2所示,将调制模块和一拍延迟也近似整合。

这里解释下为什么,正常来讲,式1-6和1-7两个串联,应该是

\[{{G}_{串}}=\frac{{{K}_{pwm}}}{(0.5{{T}_{s}}s+1)({{T}_{s}}s+1)}=\frac{{{K}_{pwm}}}{0.5{{T}_{s}}^{2}{{s}^{2}}+1.5{{T}_{s}}s+1}\tag{1-8} \]

近似的核心依据:数字控制中,电流环采样周期 Ts 通常远小于电机的电气时间常数$${{\tau }_{e}}=\frac{L}{R}$$,且系统闭环带宽 \({{\omega }_{c}}\) 远低于 1/Ts。

此时:在系统工作频率 ω≪1/Ts 范围内,\({T}_{s}\omega\) ≪1,因此 \(0.5{{T}_{s}}^{2}{{s}^{2}}\)(二次项)的模值远小于\(1.5{{T}_{s}}s\)(一次项),所以可以忽略二次项。也就是

\[{{G}_{近似}}=\frac{{{K}_{pwm}}}{1.5{{T}_{s}}s+1}\tag{1-9} \]

到这一步呢,我们食材准备妥当了,接下来梳理下如何去实现PI参数自整定的目标。

首先,依据陈伯时老师的《电力拖动自动控制系统--运动控制系统(第5版)》中p64-67章节4.3.2阐述的理论--工程整定法,

针对典型I型系统,其开环传递函数如1-10,书中p67表4-1中一般取用\(\zeta\)=0.707,即KT=0.5的参数作为最佳整定。

这就是我们进行参数自整定的核心依据,也是我们推导的目标(文章第二部分另行补充证明为什么这样最佳整定)。

\[W(s)=\frac{K}{s(Ts+1)}\tag{1-10} \]

回顾前面图2,系统开环传递函数(不含PID控制器部分)由电机1-4和近似部分1-9组成如下:

\[{{G}_{开环}}=\frac{{{K}_{pwm}}}{1.5{{T}_{s}}s+1}\times \frac{1}{R+Ls}=\frac{{{K}_{pwm}}}{R(1.5{{T}_{s}}s+1)(\frac{L}{R}s+1)}\tag{1-11} \]

将1-11对比式1-10,发现,要想实现典型I型环节,就得想办法去掉一个分母项(As+1),这时,PID控制部分作用就来了,引入式1-5到1-11中,得

\[\begin{align*}& {{G}_{电流环}}=\frac{{{K}_{pwm}}}{R(1.5{{T}_{s}}s+1)(\frac{L}{R}s+1)}({{K}_{P}}+\frac{{{K}_{I}}}{s}) \\ & \ \ \ =\frac{{{K}_{pwm}}}{R(1.5{{T}_{s}}s+1)(\frac{L}{R}s+1)}\times \frac{{{K}_{I}}(\frac{{{K}_{P}}}{{{K}_{I}}}s+1)}{s} \tag{1-12} \end{align*} \]

对照1-10,仅需要1-12中

\[(\frac{{{K}_{P}}}{{{K}_{I}}}s+1)=(\frac{L}{R}s+1)\tag{1-13} \]

即可实现目标

\[{{G}_{电流环}}=\frac{\frac{{{K}_{pwm}}{{K}_{I}}}{R}}{s(1.5{{T}_{s}}s+1)}\tag{1-14} \]

也就是要满足:

\[\begin{align*}& \frac{{{K}_{P}}}{{{K}_{I}}}=\frac{L}{R} \\ & \frac{{{K}_{pwm}}{{K}_{I}}}{R}=K \\& 1.5{{T}_{s}}=T \tag{1-15} \end{align*} \]

之前我们说了,Kpwm取1,陈伯时老师书中所提的取用\(\zeta\) =0.707,即KT=0.5,代入1-15,即可得到KpKi参数

\[\begin{align*}& \frac{{{K}_{P}}}{{{K}_{I}}}=\frac{L}{R},\frac{{{K}_{I}}}{R}1.5{{T}_{s}}=0.5 \\ & \Rightarrow \\ & {{K}_{I}}=\frac{R}{3{{T}_{s}}},{{K}_{P}}=\frac{L}{3{{T}_{s}}} \tag{1-16} \end{align*} \]

至此,电流环PI参数自整定推导完毕(中间很多简化忽略项等,本文是一种常见的思路,重在推导和思路学习)。

二、最佳整定补充证明

另外补充,对于典型I型系统开环传函即公式1-10,用\(\zeta\)=0.707、KT=0.5为什么稳定最佳。

image-20260508111938344

如图3所示,这里闭环取单位负反馈(-1),那么图3中的闭环传函则是

\[{{G}_{闭环}}=\frac{{{G}_{开环}}}{1+{{G}_{开环}}}=\frac{\frac{K}{s(Ts+1)}}{1+\frac{K}{s(Ts+1)}}=\frac{\frac{K}{T}}{{{s}^{2}}+\frac{1}{T}s+\frac{K}{T}}\tag{1-17} \]

回想上学时,学到经典控制理论中的频域分析,对于下面二阶系统

\[\Phi (s)=\frac{{{\omega }_{n}}^{2}}{{{s}^{2}}+2\zeta {{\omega }_{n}}s+{{\omega }_{n}}^{2}}\tag{1-18} \]

将1-18对照1-17,可得到

\[\begin{align*}& {{\omega }_{n}}^{2}=\frac{K}{T} \\ & 2\zeta {{\omega }_{n}}=\frac{1}{T} \tag{1-19} \end{align*} \]

image-20260508112136006

如图4,这里呢我手绘了一些,方便在根轨迹图中理解,阻尼比 $\zeta $ 对应的输出大致轨迹我也画出来了。

可以看出,当0<$\zeta \(<1(欠阻尼)的时候,如红色曲线,有超调、但很快收敛(经典曲线),根据书中p67表4-1,\)\zeta\(=0.707时,超调\)\sigma $=4.3%,比较均衡(书中有一大段文字分析解释,感兴趣可以去看看这本书,非常好)。所以有

\[2\times 0.707\times \sqrt{\frac{K}{T}}=\frac{1}{T}\quad \Rightarrow \sqrt{KT}=\frac{1}{2\times 0.707}\Rightarrow \quad KT=0.5\tag{1-20} \]

证毕。

三、时域分析一阶惯性环节的特性

再另外补充,为什么说电机本身是一阶惯性环节,以及分析它的特性。

回顾公式1-4,忽略耦合项等,电机可以看作由电阻、电感组成的一阶惯性环节

\[G(s)=\frac{{{I}_{d}}(s)}{{{V}_{d}}(s)}=\frac{1}{R+Ls}=\frac{\frac{1}{R}}{\frac{L}{R}s+1}\tag{1-21} \]

对照典型一阶惯性环节形式

\[W(s)=\frac{K}{Ts+1}\tag{1-22} \]

可以得到,增益$$K=\frac{1}{R}$$,时间常数(也常用$\sigma \(表示)\)\(T=\frac{L}{R}\)$。

前面我们一直频域分析,现在换个角度,从时域分析看看输入输出特性如何(给一个阶跃激励,看响应)

对于输入,给定单位阶跃激励信号(幅值1),其时域形式和频域的传函如下:

\[\begin{align*}& r(t)=\left\{ \begin{matrix}1 \\0 \\ \end{matrix} \right.\quad \begin{matrix}t\ge 0 \\t<0 \\ \end{matrix} \\ & r(s)=\frac{1}{s} \tag{1-23} \end{align*} \]

那么阶跃响应(输出)为

\[C(s)=G(s)r(s)=\frac{1}{s(Ls+R)}\tag{1-24} \]

在反拉氏变换将其转换成时域之前,先对1-24做一点变形处理,假设

\[\frac{1}{s(Ls+R)}=\frac{A}{s}+\frac{Bs+C}{Ls+R}=\frac{B{{s}^{2}}+(AL+C)s+AR}{s(Ls+R)}\tag{1-25} \]

则有

\[\left\{ \begin{align*}& B=0 \\ & AL+C=0\quad \Rightarrow \\ & AR=1 \\ \end{align*} \right.\left\{ \begin{matrix}A=\frac{1}{R} \\B=0 \\C=-\frac{L}{R} \\ \end{matrix} \right.\tag{1-26} \]

那么式1-24可变换为如下:

\[\frac{1}{s(Ls+R)}=\frac{\frac{1}{R}}{s}-\frac{\frac{L}{R}}{Ls+R}=\frac{1}{R}(\frac{1}{s}-\frac{1}{s+\frac{R}{L}})\tag{1-27} \]

参照反拉氏变换表,得到时域形式

\[y(t)=\frac{1}{R}(1-{{e}^{-\frac{R}{L}t}})\quad (t\ge 0)\tag{1-27} \]

image-20260508112605558

如图5,可以从时域中看出,一阶惯性环节的阶跃响应,天然没有超调,不存在突变。

\[\frac{1}{R}$$决定了响应的趋近值(幅值), $$\frac{R}{L}$$决定了响应的斜率(调节时间和上升时间)。相应的,二阶或高阶系统也可以时域分析,就是很难画响应曲线图,不直观,所以还是在频域分析比较好。结尾:如有理解或书写错误,欢迎各位看官指出,感谢! \]

http://www.jsqmd.com/news/776468/

相关文章:

  • ComfyUI-Florence2实战手册:5大场景解锁微软视觉大模型的商业价值
  • 从深度图到3D点云:用奥比中光摄像头和OpenNI玩转Python三维视觉(实战项目)
  • 基于大语言模型的笔记自动分类:Auto Classifier插件原理与实战
  • 如何用XXMI-Launcher五分钟搞定多游戏模组管理
  • 家装防水避坑全攻略:从材料选购到施工验收,一文避坑不踩雷 - 行情观察室
  • Cursor IDE 一键登录扩展:基于 JWT 令牌的浏览器自动化实践
  • Windows Cleaner终极指南:3分钟快速解决C盘爆红问题
  • Arduino MKR WiFi 1010传感器连接指南:数字、模拟与I2C接口实战
  • AI智能体规则引擎实践:从提示词工程到可控业务逻辑
  • 5分钟极速上手!NsEmuTools:NS模拟器一站式管理神器
  • AI 模型本地一键部署 超详细步骤(Ollama 通用版,Windows/Mac 都能用)
  • 九大网盘直链下载终极指南:LinkSwift 开源工具完全解析
  • 如何利用社区清单选择优质主机:从概念到实战的完整指南
  • Anaconda配置踩坑记:手把手教你修复.condarc文件YAML语法错误(附清华源配置)
  • 基于OpenClaw与Obsidian的AI智能体工作流构建指南
  • 智能电视产业变革:从OTT颠覆到生态平台竞争
  • AI智能体框架Owletto:模块化设计与自动化运维实战
  • Diablo Edit2:暗黑破坏神2角色编辑器终极使用指南
  • 手把手教你用Gradio把PyTorch模型变成网页应用:从本地调试到公网分享全流程
  • 2026年郑州铝单板、氟碳铝单板、蜂窝铝板全景选购指南:5大品牌深度横评与官方联系直达 - 年度推荐企业名录
  • MelonLoader终极指南:如何为Unity游戏安装和管理模组
  • Flutter跨平台图形化安装器开发实战:从环境检测到Docker部署
  • (linux/MMdetection2)faster RCNN目标检测:训练自己的coco格式数据集,单/多gpu训练与测试,笔记
  • 别再死记硬背了!用一张图帮你彻底搞懂AXI协议的五个通道(附通道交互时序详解)
  • TranslucentTB启动失败终极指南:3步快速修复透明任务栏工具
  • 关于ROS——moveit——ABB机械臂——fanuc机械臂
  • 收藏!小白程序员轻松入门RAG,构建高质量知识库问答系统
  • 终极免费跨平台音乐播放器:LX Music桌面版完整使用指南
  • Switch大气层破解系统终极优化指南:3步提升游戏性能65%
  • 告别软核!用Zynq UltraScale+ MPSoC EV系列硬核VCU搞定4K60 H.265编解码