硬件在环仿真建模之电路拓扑建模与数学建模

我们需要先明确一个问题,什么是电路拓扑式建模(后面简称拓扑建模)和数学建模?

电力电子系统的拓扑建模,从大类上都可以归入为物理式建模(Physics-Based Modeling),物理式建模的最大特点就是用户一般通过拟物化的方式,例如电路拓扑图、机械结构图等建立对象的模型,而数学建模一般是通过数学方程。

最典型的物理式建模工具就是Simulink环境下的Simscape工具箱,可以建立机、电、液、热、磁等的物理模型,其下面的Simscape Electrical工具箱下面有一个Specialized Power System工具(原名称SimPowerSystem),两者的差异如下图所示。

通过下图来说明电路拓扑式建模和数学建模的差别

拓扑建模更具电路图,直接使用Simscape Electrical或者Specialized Power System搭建电力电子系统的电路模型即可,然后利用仿真软件自动得到数学模型,再在Simulink中进行仿真,得到仿真结果。

数学建模根据电路图,先通过人工的方式得到数学方程(例如微分方程,差分方程,状态机),然后利用Simulink的基本模块(例如乘,加,判断,选择,积分)搭建数学模型,再在Simulink中进行仿真,得到仿真结果。以下面二阶电路为例:

拓扑建模如下:

在Specialized Power System中直接搭建模型

运行仿真,得到仿真结果,电感电流和电容电压。

数学建模如下:

得到电路的数学方程:

搭建Simulink数学模型

运行仿真,得到仿真结果,电感电流和电容电压如下

搭建硬件在环仿真模型时为什么选择数学建模?

Simulink中的Simscape Electrical和Specialized Power System模型库,包含了很多电力电子和电机的模块,直接就能使用,我们为什么还要选择费时费力的数学建模,使用最基本的Simulink模块来搭建这些模型呢?原因如下:

  1. Simscape Electrical和Specialized Power System模型库都是黑盒的,智能使用不能进行二次修改。
  2. 自己开发的模型,都是白盒的,可以很方便的增加新特性,例如电机的饱和特性、谐波特性,齿槽转矩,温度变化,损耗等,让你的仿真系统越来越符合实际系统。
  3. 自己在研究物理对象的数学方程过程中,进一步加深了对物理对象的理解,此外这些数学方程对于设计控制算法非常有帮助。
  4. Specialized Power System模块库中的模型不能直接下载至FPGA中运行,而使用最基本的Simulink模块开发的模型不仅可以下载至CPU中运行,而且可以下载到FPGA中运行。
  5. 随着SIC等器件的出现,电力电子系统的开关频率越来越高,自己开发的模型可以一般占用的资源更小和运行的速度更快,满足大规模数量、兆赫兹开关频率等仿真需求。
  6. 自己开发的模型不受平台的限制,通过Simulink Coder工具生成C代码,可以运行在几乎所有的处理器中,通过HDL Coder工具生成HDL代码,可以运行在几乎所有的FPGA中。

总之电力电子系统总是在不断发展的,还有很多不见在Specialized Power System中都时没有的,例如,多相感应电机,双三相永磁电机,直线感应电机,直线同步电机。但是只要你掌握了最重要的原理和方法,就能满足电力电子系统仿真千变万化的需求。当然这也对个人能力突出了更高的要求。

相关推荐
wwer1425263637 小时前
数学建模_拟合
数学建模
FF-Studio14 小时前
【硬核数学 · LLM篇】3.1 Transformer之心:自注意力机制的线性代数解构《从零构建机器学习、深度学习到LLM的数学认知》
人工智能·pytorch·深度学习·线性代数·机器学习·数学建模·transformer
葫三生1 天前
如何评价《论三生原理》在科技界的地位?
人工智能·算法·机器学习·数学建模·量子计算
wwer1425263631 天前
数学建模_图论
数学建模·图论
wwer1425263631 天前
数学建模_熵权法确定权重
数学建模
FF-Studio2 天前
【硬核数学】3. AI如何应对不确定性?概率论为模型注入“灵魂”《从零构建机器学习、深度学习到LLM的数学认知》
大数据·人工智能·深度学习·机器学习·数学建模·自然语言处理·概率论
wwer1425263632 天前
数学建模_线性规划
数学建模
wwer1425263632 天前
数学建模_非线性规划
数学建模
wwer1425263632 天前
数学建模_整数规划
数学建模
ZzzZ3141592613 天前
七天速成数字图像处理之七(颜色图像处理基础)
图像处理·人工智能·深度学习·计算机视觉·数学建模