基于 Luenberger 观测器的 PMSM 无速度传感器 id=0 矢量控制系统 Simulink 建模与实现（一）

南宫萧幕2026-04-24 14:58

一、全维状态观测器（Full-order State Observer）

1. 背景与动机

在现代控制理论中，状态反馈控制 （如极点配置、LQR）要求系统所有状态变量都可测。但现实中，很多状态（如电机内部磁链、速度、负载扰动等）无法直接测量。此时就需要状态观测器来重构这些不可测状态。

2. 基本原理

考虑一个线性定常系统：
{x˙=Ax+Buy=Cx \begin{cases} \dot{x} = Ax + Bu \\ y = Cx \end{cases} {x˙=Ax+Buy=Cx

其中 x∈Rnx \in \mathbb{R}^nx∈Rn 是状态向量，uuu 是输入，yyy 是输出。

全维状态观测器构造如下：
x^˙=Ax^+Bu+L(y−Cx^) \dot{\hat{x}} = A\hat{x} + Bu + L(y - C\hat{x}) x^˙=Ax^+Bu+L(y−Cx^)

其中 x^\hat{x}x^ 是状态估计值，LLL 是观测器增益矩阵。

定义估计误差 e=x−x^e = x - \hat{x}e=x−x^，则误差动态为：
e˙=(A−LC)e \dot{e} = (A - LC)e e˙=(A−LC)e

若能选择 LLL 使得 A−LCA - LCA−LC 的所有特征值具有负实部（即系统稳定），则 e→0e \to 0e→0，即 x^→x\hat{x} \to xx^→x。

3. 设计条件

  • 充分条件 ：系统 (A,C)(A, C)(A,C) 完全能观测。
  • 充要条件：不能观测子系统是渐近稳定的。
  • 设计方法 ：通常通过极点配置 （Ackermann 公式或 place 函数）选择 LLL，使观测器极点比原系统更快（一般快 2~5 倍），以保证快速收敛。

4. 分离原理（Separation Principle）

当将状态反馈 u=−Kx^u = -K\hat{x}u=−Kx^ 与观测器结合时，闭环系统极点由两部分独立决定：

  • 控制部分：A−BKA - BKA−BK
  • 观测部分：A−LCA - LCA−LC

这使得控制器和观测器可以分别设计，极大简化工程实现。

二、永磁同步电机（PMSM）模型与 id=0 控制

1. PMSM 数学模型（dq 同步旋转坐标系下）

电压方程：

ud=Rsid−ωeLqiq+dψddtuq=Rsiq+ωeLdid+ωeψf+dψqdt \begin{aligned} u_d &= R_s i_d - \omega_e L_q i_q + \frac{d\psi_d}{dt} \\ u_q &= R_s i_q + \omega_e L_d i_d + \omega_e \psi_f + \frac{d\psi_q}{dt} \end{aligned} uduq=Rsid−ωeLqiq+dtdψd=Rsiq+ωeLdid+ωeψf+dtdψq

磁链方程：

ψd=Ldid,ψq=Lqiq+ψf \psi_d = L_d i_d,\quad \psi_q = L_q i_q + \psi_f ψd=Ldid,ψq=Lqiq+ψf

电磁转矩方程：

Te=32p[ψfiq+(Ld−Lq)idiq] T_e = \frac{3}{2} p \left[ \psi_f i_q + (L_d - L_q) i_d i_q \right] Te=23p[ψfiq+(Ld−Lq)idiq]

其中：

  • ppp：极对数
  • ψf\psi_fψf：永磁体磁链
  • Ld,LqL_d, L_qLd,Lq：d/q 轴电感

2. id=0 控制策略

  • 适用对象 ：面贴式 PMSM（SPMSM），其 Ld=LqL_d = L_qLd=Lq，故转矩简化为：
    Te=32pψfiq T_e = \frac{3}{2} p \psi_f i_q Te=23pψfiq

    即转矩仅由 iqi_qiq 决定。

  • 控制目标 ：令 id=0i_d = 0id=0，从而：

    • 解耦励磁与转矩分量
    • 最大化功率因数
    • 简化控制器设计（只需调节 iqi_qiq）

  • 实现方式 ：采用双闭环 PI 控制：

    • 外环：速度环 → 输出 iq∗i_q^*iq∗
    • 内环：电流环 → 调节 id,iqi_d, i_qid,iq 跟踪指令（id∗=0i_d^* = 0id∗=0）

注：对于内置式 PMSM（IPMSM，Ld≠LqL_d \ne L_qLd=Lq），更优策略是最大转矩电流比（MTPA），而非 id=0。

1. 仿真目标

  • 验证 id=0 控制下 PMSM 的动态性能
  • 设计全维观测器估计不可测状态（如转速、负载转矩）
  • 实现无传感器或抗扰控制

2. 典型仿真结构（Simulink）

  • 电机本体模型：使用 Simscape Electrical 中的 PMSM 模块，或自定义 dq 方程
  • 坐标变换模块 ：Clark + Park 变换（需转子位置 θ\thetaθ）
  • 控制器 ：
    • 速度 PI → iq∗i_q^*iq∗
    • 电流 PI（id∗=0i_d^*=0id∗=0, iq∗i_q^*iq∗）→ ud,uqu_d, u_qud,uq
    • SVPWM 模块生成三相电压
  • 观测器模块 （可选）：
    • Luenberger 观测器 ：估计状态 x=[id,iq,ω]Tx = [i_d, i_q, \omega]^Tx=[id,iq,ω]T
    • 扩展卡尔曼滤波 （EKF）或滑模观测器（SMO）：用于无位置传感器控制

3. 关键技巧

  • 观测器极点应比电流环快，但不宜过快（避免噪声放大）
  • 在 id=0 控制中，需确保 Park 变换角度准确（否则 id≠0i_d \ne 0id=0，产生耦合）
  • 可加入负载转矩观测器（如 LESO）提升抗扰能力

✅ 完整 MATLAB 脚本：PMSM id=0 Control with Luenberger Observer

matlab 复制代码 
%% PMSM id=0 Control with Luenberger Observer - Complete Simulation
% Author: Assistant
% Date: 2026-04-23
% Description: Simulates PMSM speed-current double-loop control with state observer

clear; clc; close all;

%% 1. 电机参数 (SPMSM: Surface-mounted PMSM)
Rs = 1.2;           % 定子电阻 [Ohm]
Ld = 8.5e-3;        % d轴电感 [H]
Lq = 8.5e-3;        % q轴电感 [H] (Ld = Lq for SPMSM)
psi_f = 0.175;      % 永磁体磁链 [Wb]
J = 0.0008;         % 转动惯量 [kg·m²]
B = 0.001;          % 阻尼系数 [N·m·s/rad]
p = 4;              % 极对数

%% 2. 控制器参数
% 电流环 PI 参数 (内环)
Kp_id = 10; Ki_id = 1000;
Kp_iq = 10; Ki_iq = 1000;

% 速度环 PI 参数 (外环)
Kp_w = 0.5; Ki_w = 20;

% 仿真设置
T_end = 0.5;        % 仿真时间 [s]
Ts = 1e-5;          % 采样时间 [s]
t = 0:Ts:T_end;

%% 3. 初始化变量
% 真实状态
i_d = zeros(size(t)); i_q = zeros(size(t));
omega = zeros(size(t)); theta = zeros(size(t));
T_e = zeros(size(t));

% 观测器状态估计
i_d_hat = zeros(size(t)); i_q_hat = zeros(size(t)); omega_hat = zeros(size(t));

% 控制器积分项
int_id = 0; int_iq = 0; int_w = 0;

% 参考值
omega_ref = zeros(size(t));
omega_ref(t >= 0.1 & t < 0.3) = 100;   % 100 rad/s (≈955 rpm)
omega_ref(t >= 0.3) = 200;             % 200 rad/s (≈1910 rpm)

T_L = zeros(size(t));                  % 负载转矩
T_L(t >= 0.25) = 0.5;                  % 0.5 N·m step at 0.25s

% 初始状态
i_d(1) = 0; i_q(1) = 0; omega(1) = 0; theta(1) = 0;
i_d_hat(1) = 0; i_q_hat(1) = 0; omega_hat(1) = 0;

%% 4. 设计 Luenberger 观测器
% 线性化状态空间模型 (在工作点附近，忽略反电势耦合项用于观测器设计)
A = [-Rs/Ld,      0,          0;
      0,         -Rs/Lq,     -psi_f/Lq;
      0,       (3/2)*p*psi_f/J,  -B/J];

B_u = [1/Ld,   0;
       0,    1/Lq;
       0,     0];   % 输入为 [u_d; u_q]

B_TL = [0; 0; -1/J]; % 负载转矩扰动

C = [1 0 0;
     0 1 0];         % 输出为 [i_d; i_q]

% 检查能观性
Ob = obsv(A, C);
if rank(Ob) < 3
    error('系统不能观！');
end

% 配置观测器极点 (比电流环快3-5倍)
poles_obs = [-1500, -2000, -2500];
L = place(A', C', poles_obs)';  % Luenberger 增益

disp('Luenberger Observer Gain L:');
disp(L);

%% 5. 主仿真循环
for k = 1:length(t)-1
    
    % --- 速度环 (外环) ---
    e_w = omega_ref(k) - omega_hat(k);  % 使用观测器估计的速度
    int_w = int_w + e_w * Ts;
    i_q_ref = Kp_w * e_w + Ki_w * int_w;
    
    % 限幅 (防止过流)
    i_q_ref = max(min(i_q_ref, 10), -10);
    
    % --- 电流环 (内环) ---
    % d轴 (id=0)
    e_id = 0 - i_d_hat(k);
    int_id = int_id + e_id * Ts;
    v_d = Kp_id * e_id + Ki_id * int_id;
    
    % q轴
    e_iq = i_q_ref - i_q_hat(k);
    int_iq = int_iq + e_iq * Ts;
    v_q = Kp_iq * e_iq + Ki_iq * int_iq;
    
    % 解耦补偿 (前馈)
    u_d = v_d - omega_hat(k) * Lq * i_q_hat(k);
    u_q = v_q + omega_hat(k) * (Ld * i_d_hat(k) + psi_f);
    
    % --- 真实电机模型 (连续系统，用欧拉法离散) ---
    di_d_dt = (-Rs * i_d(k) + u_d + omega(k) * Lq * i_q(k)) / Ld;
    di_q_dt = (-Rs * i_q(k) + u_q - omega(k) * (Ld * i_d(k) + psi_f)) / Lq;
    domega_dt = ((3/2)*p*(psi_f*i_q(k) + (Ld-Lq)*i_d(k)*i_q(k)) - T_L(k) - B*omega(k)) / J;
    dtheta_dt = omega(k);
    
    i_d(k+1) = i_d(k) + di_d_dt * Ts;
    i_q(k+1) = i_q(k) + di_q_dt * Ts;
    omega(k+1) = omega(k) + domega_dt * Ts;
    theta(k+1) = theta(k) + dtheta_dt * Ts;
    T_e(k+1) = (3/2)*p*(psi_f*i_q(k+1) + (Ld-Lq)*i_d(k+1)*i_q(k+1));
    
    % --- Luenberger 观测器 (离散化) ---
    x_hat = [i_d_hat(k); i_q_hat(k); omega_hat(k)];
    u_vec = [u_d; u_q];
    
    % 连续观测器动态
    dx_hat = A * x_hat + B_u * u_vec + B_TL * T_L(k) + L * ([i_d(k); i_q(k)] - C * x_hat);
    
    % 欧拉离散更新
    x_hat_new = x_hat + dx_hat * Ts;
    i_d_hat(k+1) = x_hat_new(1);
    i_q_hat(k+1) = x_hat_new(2);
    omega_hat(k+1) = x_hat_new(3);
    
end

%% 6. 绘图
figure('Position', [100, 100, 1200, 800]);

subplot(3,2,1);
plot(t, omega_ref, 'k--', 'LineWidth', 1.5); hold on;
plot(t, omega, 'b', 'LineWidth', 1.5);
xlabel('Time (s)'); ylabel('Speed (rad/s)');
title('Rotor Speed'); legend('Reference', 'Actual');
grid on;

subplot(3,2,2);
plot(t, T_e, 'r', 'LineWidth', 1.5);
xlabel('Time (s)'); ylabel('Torque (N·m)');
title('Electromagnetic Torque');
grid on;

subplot(3,2,3);
plot(t, i_d, 'b', 'LineWidth', 1.5); hold on;
plot(t, zeros(size(t)), 'k--');
xlabel('Time (s)'); ylabel('i_d (A)');
title('d-axis Current (should be ~0)');
grid on;

subplot(3,2,4);
plot(t, i_q, 'm', 'LineWidth', 1.5);
xlabel('Time (s)'); ylabel('i_q (A)');
title('q-axis Current');
grid on;

subplot(3,2,5);
plot(t, omega, 'b', 'LineWidth', 1.5); hold on;
plot(t, omega_hat, 'g--', 'LineWidth', 1.5);
xlabel('Time (s)'); ylabel('Speed (rad/s)');
title('Speed Estimation (Observer)');
legend('Actual', 'Estimated');
grid on;

subplot(3,2,6);
plot(t, i_d - i_d_hat, 'c', 'LineWidth', 1.5); hold on;
plot(t, i_q - i_q_hat, 'm', 'LineWidth', 1.5);
xlabel('Time (s)'); ylabel('Estimation Error (A)');
title('Current Estimation Error');
legend('i_d error', 'i_q error');
grid on;

sgtitle('PMSM id=0 Control with Luenberger Observer Simulation');

%% 7. 性能指标 (可选)
steady_state_error = abs(omega(end) - omega_ref(end));
fprintf('\n稳态速度误差: %.4f rad/s\n', steady_state_error);
fprintf('观测器最终速度误差: %.4f rad/s\n', abs(omega(end) - omega_hat(end)));

🔍 脚本说明

✅ 功能亮点：

  1. 真实电机模型：使用非线性 dq 方程进行仿真。
  2. id=0 控制 ：强制 id=0i_d = 0id=0，仅通过 iqi_qiq 控制转矩。
  3. 双闭环 PI ：
    • 外环：速度 → iq∗i_q^*iq∗
    • 内环：电流 → ud,uqu_d, u_qud,uq
  4. Luenberger 观测器 ：
    • 估计 id,iq,ωi_d, i_q, \omegaid,iq,ω
    • 使用真实电流作为反馈校正
  5. 动态测试 ：
    • 速度阶跃（100 → 200 rad/s）
    • 负载突变（0 → 0.5 N·m）

⚙️ 如何使用：

  1. 将代码保存为 pmsm_id0_observer.m
  2. 在 MATLAB 中运行
  3. 查看 6 个子图的仿真结果

📈 预期结果：

  • id≈0i_d \approx 0id≈0
  • 速度快速跟踪指令
  • 观测器估计值与真实值高度一致（误差 < 1%）

📘 一、整体目标与背景

✅ 控制任务

  • 对象：面贴式永磁同步电机（SPMSM）
  • 目标 ：在仅测量定子电流 （id,iqi_d, i_qid,iq）的前提下，实现：
    1. 高性能速度控制（双闭环：速度 + 电流）
    2. 无速度传感器运行 （转速 ω\omegaω 不可测，需估计）
    3. 强抗负载扰动能力

✅ 技术路线

  • id=0 矢量控制：解耦励磁与转矩，简化控制
  • Luenberger 全维状态观测器 ：估计不可测状态（ω^\hat{\omega}ω^）
  • 双闭环 PI 控制器：工业标准结构
  • 前馈解耦补偿：消除 dq 轴耦合干扰

这是现代伺服驱动、电动汽车电控系统的经典方案。

📗 二、代码逐段深度解析

🔹 第 1 段：清除环境与注释

matlab 复制代码 
clear; clc; close all;
  • clear：清除工作区变量，避免历史数据干扰
  • clc：清空命令窗口
  • close all：关闭所有图形窗口，保证绘图干净

工程习惯：每次仿真前重置环境，确保可重复性。

🔹 第 2 段：电机参数定义（物理建模基础）

matlab 复制代码 
Rs = 1.2;           % 定子电阻 [Ohm]
Ld = 8.5e-3;        % d轴电感 [H]
Lq = 8.5e-3;        % q轴电感 [H] (Ld = Lq for SPMSM)
psi_f = 0.175;      % 永磁体磁链 [Wb]
J = 0.0008;         % 转动惯量 [kg·m²]
B = 0.001;          % 阻尼系数 [N·m·s/rad]
p = 4;              % 极对数

🧠 物理意义详解：

参数 物理含义 影响
RsR_sRs 定子绕组铜损 决定电流环带宽上限（f∝Rs/Lf \propto R_s/Lf∝Rs/L）
Ld,LqL_d, L_qLd,Lq dq 轴同步电感 若 Ld=LqL_d = L_qLd=Lq → SPMSM；若 Ld<LqL_d < L_qLd<Lq → IPMSM
ψf\psi_fψf 永磁体产生的主磁链 决定反电动势大小：eq=ψfωe_q = \psi_f \omegaeq=ψfω
JJJ 转子+负载转动惯量 惯量越大，加速越慢，速度环响应越迟钝
BBB 机械阻尼（摩擦+风阻） 影响稳态误差，通常较小
ppp 极对数 将电角速度 ωe=pωm\omega_e = p \omega_mωe=pωm

⚠️ 关键假设 ：此脚本针对 SPMSM （Ld=LqL_d = L_qLd=Lq），因此电磁转矩简化为：
Te=32pψfiq T_e = \frac{3}{2} p \psi_f i_q Te=23pψfiq

------转矩仅由 iqi_qiq 决定，这是 id=0 控制成立的前提。

🔹 第 3 段：控制器参数与仿真设置

matlab 复制代码 
% 电流环 PI 参数 (内环)
Kp_id = 10; Ki_id = 1000;
Kp_iq = 10; Ki_iq = 1000;

% 速度环 PI 参数 (外环)
Kp_w = 0.5; Ki_w = 20;

T_end = 0.5;        % 仿真时间 [s]
Ts = 1e-5;          % 采样时间 [s] → 100 kHz
t = 0:Ts:T_end;

🧠 控制理论解析：

1. 双闭环结构
  • 外环（速度环） ：带宽较低（~10--50 Hz），输出为 iq∗i_q^*iq∗
  • 内环（电流环） ：带宽较高（~500--2000 Hz），快速跟踪 id∗,iq∗i_d^*, i_q^*id∗,iq∗

分离原理：内外环可独立设计，因电流环远快于速度环。

2. PI 参数整定逻辑
  • 电流环 ：高比例增益（KpK_pKp）提升响应速度，积分项（KiK_iKi）消除静差
    • 典型关系：Ki≈Kp/τK_i \approx K_p / \tauKi≈Kp/τ，τ\tauτ 为期望时间常数
  • 速度环：增益较低，避免激发机械谐振

💡 此处参数为示例值，实际需通过频域分析 （如 Bode 图）或极点配置整定。

3. 采样时间 Ts=10 μsT_s = 10\ \mu sTs=10 μs
  • 对应数字控制器中断周期
  • 需满足 香农采样定理 ：fs>2fmaxf_s > 2 f_{\text{max}}fs>2fmax
    • 电流环带宽 ~1 kHz → fs>2f_s > 2fs>2 kHz，此处 100 kHz 足够

🔹 第 4 段：参考信号与负载设定（测试场景）

matlab 复制代码 
omega_ref = zeros(size(t));
omega_ref(t >= 0.1 & t < 0.3) = 100;   % 100 rad/s
omega_ref(t >= 0.3) = 200;             % 200 rad/s

T_L = zeros(size(t));
T_L(t >= 0.25) = 0.5;                  % 0.5 N·m step at 0.25s

🧠 测试用例设计思想：

时间区间 操作 目的
0--0.1 s 启动 检验启动性能（是否超调、振荡）
0.1--0.25 s 稳态运行 检验稳态精度（速度误差、idi_did 是否为 0）
0.25 s 突加负载 检验抗扰能力（速度跌落、恢复时间）
0.3--0.5 s 加速 检验动态响应（上升时间、超调）

这是电机控制算法验证的标准测试流程。

🔹 第 5 段：变量初始化

matlab 复制代码 
% 真实状态
i_d = zeros(size(t)); i_q = zeros(size(t));
omega = zeros(size(t)); theta = zeros(size(t));

% 观测器估计状态
i_d_hat = zeros(size(t)); i_q_hat = zeros(size(t)); omega_hat = zeros(size(t));

% PI 积分项
int_id = 0; int_iq = 0; int_w = 0;

🧠 为什么需要分开"真实"与"估计"？

  • 真实状态：用于模拟实际电机行为（非线性模型）
  • 估计状态：用于控制器反馈（模拟"无传感器"场景）
  • 对比二者：可评估观测器性能

在真实硬件中，"真实状态"不可得，只能用"估计状态"。

🔹 第 6 段：Luenberger 观测器设计（核心！）

matlab 复制代码 
A = [-Rs/Ld,      0,          0;
      0,         -Rs/Lq,     -psi_f/Lq;
      0,       (3/2)*p*psi_f/J,  -B/J];

C = [1 0 0;
     0 1 0];         % 输出为 [i_d; i_q]

% 能观性检查
Ob = obsv(A, C);
if rank(Ob) < 3, error('系统不能观！'); end

% 极点配置
poles_obs = [-2000, -2000, -2000];
L = place(A', C', poles_obs)';

🧠 深度解析：

1. 状态空间模型来源

该 A 矩阵是对 PMSM 模型在 id=0 工作点附近线性化的结果：

  • 电压方程 （忽略交叉耦合项）：
    diddt=−RsLdid+1Lduddiqdt=−RsLqiq+1Lquq−ψfLqωdωdt=1J(32pψfiq−TL−Bω) \begin{aligned} \frac{di_d}{dt} &= -\frac{R_s}{L_d} i_d + \frac{1}{L_d} u_d \\ \frac{di_q}{dt} &= -\frac{R_s}{L_q} i_q + \frac{1}{L_q} u_q - \frac{\psi_f}{L_q} \omega \\ \frac{d\omega}{dt} &= \frac{1}{J} \left( \frac{3}{2} p \psi_f i_q - T_L - B \omega \right) \end{aligned} dtdiddtdiqdtdω=−LdRsid+Ld1ud=−LqRsiq+Lq1uq−Lqψfω=J1(23pψfiq−TL−Bω)

  • 写成矩阵形式 x˙=Ax+Bu+Ed\dot{x} = A x + B u + E dx˙=Ax+Bu+Ed，其中：

    • x=[id,iq,ω]Tx = [i_d, i_q, \omega]^Tx=[id,iq,ω]T
    • u=[ud,uq]Tu = [u_d, u_q]^Tu=[ud,uq]T
    • d=TLd = T_Ld=TL（扰动）

⚠️ 注意：这是一个近似线性模型，仅用于观测器设计。真实仿真仍用非线性模型。

2. 输出矩阵 C

C=[100010]⇒y=[idiq] C = \begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \end{bmatrix} \Rightarrow y = \begin{bmatrix} i_d \\ i_q \end{bmatrix} C=[100100]⇒y=[idiq]

  • 只测量电流 ，不测量转速 → 这正是需要观测器的原因！
3. 能观性（Observability）
  • 能观性矩阵：O=[CCACA2]\mathcal{O} = \begin{bmatrix} C \\ CA \\ CA^2 \end{bmatrix}O= CCACA2
  • 若 rank(O)=n\text{rank}(\mathcal{O}) = nrank(O)=n（状态维数），则系统完全能观
  • 物理意义 ：能否从输出 y(t)y(t)y(t) 唯一确定初始状态 x(0)x(0)x(0)

若不能观，则无法设计观测器！此处检查是必须的。

4. 极点配置原理
  • 观测器误差动态：e˙=(A−LC)e\dot{e} = (A - LC)ee˙=(A−LC)e
  • 选择 LLL 使得 A−LCA - LCA−LC 的特征值（极点）位于左半平面
  • 使用 place(A', C', poles)' 是因为：
    • place 函数用于状态反馈 u=−Kxu = -Kxu=−Kx
    • 观测器设计等价于对偶系统的状态反馈（对偶原理）
5. 极点选择策略
  • 设为 -2000（即时间常数 τ=1/2000=0.5\tau = 1/2000 = 0.5τ=1/2000=0.5 ms）
  • 经验法则 ：观测器带宽 = 3~5 × 电流环带宽
    • 电流环带宽 ~500 Hz → 观测器带宽 ~1500--2500 Hz → 极点 ~ -1000 到 -2500

若极点过快 → 放大测量噪声；过慢 → 估计滞后。

🔹 第 7 段：主仿真循环（算法核心）

matlab 复制代码 
for k = 1:length(t)-1
    % --- 速度环 ---
    e_w = omega_ref(k) - omega_hat(k);
    int_w = int_w + e_w * Ts;
    i_q_ref = Kp_w * e_w + Ki_w * int_w;
    i_q_ref = max(min(i_q_ref, 10), -10); % 限幅

    % --- 电流环 ---
    e_id = 0 - i_d_hat(k);
    int_id = int_id + e_id * Ts;
    v_d = Kp_id * e_id + Ki_id * int_id;

    e_iq = i_q_ref - i_q_hat(k);
    int_iq = int_iq + e_iq * Ts;
    v_q = Kp_iq * e_iq + Ki_iq * int_iq;

    % --- 解耦补偿 ---
    u_d = v_d - omega_hat(k) * Lq * i_q_hat(k);
    u_q = v_q + omega_hat(k) * (Ld * i_d_hat(k) + psi_f);

    % --- 真实电机模型（非线性）---
    di_d_dt = (-Rs*i_d(k) + u_d + omega(k)*Lq*i_q(k)) / Ld;
    di_q_dt = (-Rs*i_q(k) + u_q - omega(k)*(Ld*i_d(k) + psi_f)) / Lq;
    domega_dt = ((3/2)*p*(psi_f*i_q(k)) - T_L(k) - B*omega(k)) / J;

    i_d(k+1) = i_d(k) + di_d_dt * Ts;
    i_q(k+1) = i_q(k) + di_q_dt * Ts;
    omega(k+1) = omega(k) + domega_dt * Ts;

    % --- Luenberger 观测器 ---
    x_hat = [i_d_hat(k); i_q_hat(k); omega_hat(k)];
    dx_hat = A*x_hat + B_u*[u_d; u_q] + B_TL*T_L(k) + L*([i_d(k); i_q(k)] - C*x_hat);
    x_hat_new = x_hat + dx_hat * Ts;
    i_d_hat(k+1) = x_hat_new(1);
    i_q_hat(k+1) = x_hat_new(2);
    omega_hat(k+1) = x_hat_new(3);
end

🧠 分步详解：

Step 1: 速度环（外环）
  • 输入 ：速度参考 omega_ref(k)，反馈 omega_hat(k)（观测值！）
  • 输出 ：iq∗i_q^*iq∗（转矩指令）
  • 限幅：防止电流指令过大（保护逆变器）

✅ 关键创新 ：使用观测器估计的速度作为反馈 → 实现"无速度传感器控制"。

Step 2: 电流环（内环）
  • d 轴 ：目标 id∗=0i_d^* = 0id∗=0 → 最大化功率因数
  • q 轴 ：跟踪 iq∗i_q^*iq∗ → 控制转矩
  • PI 控制：消除静差，提升动态响应
Step 3: 解耦补偿（前馈）
  • 耦合项来源 ：
    • udu_dud 受 ωLqiq\omega L_q i_qωLqiq 影响
    • uqu_quq 受 ω(Ldid+ψf)\omega (L_d i_d + \psi_f)ω(Ldid+ψf) 影响
  • 补偿公式 ：
    ud=vd−ωLqiquq=vq+ω(Ldid+ψf) \begin{aligned} u_d &= v_d - \omega L_q i_q \\ u_q &= v_q + \omega (L_d i_d + \psi_f) \end{aligned} uduq=vd−ωLqiq=vq+ω(Ldid+ψf)
  • 效果：将 dq 轴解耦为两个独立的一阶系统

💡 补偿使用观测值 （ω^,i^d,i^q\hat{\omega}, \hat{i}_d, \hat{i}_qω^,i^d,i^q），因真实值不可测。

Step 4: 真实电机模型（非线性）
  • 使用精确的 PMSM 非线性方程更新真实状态
  • 包含：
    • 电阻压降
    • 电感储能
    • 反电动势（ωψf\omega \psi_fωψf）
    • 电磁转矩（Te∝iqT_e \propto i_qTe∝iq）
    • 负载扰动（TLT_LTL）

这是仿真真实性的保障。观测器设计用线性模型，但验证用非线性模型。

Step 5: Luenberger 观测器更新
  • 预测 ：x^˙=Ax^+Bu+Ed\dot{\hat{x}} = A \hat{x} + B u + E dx^˙=Ax^+Bu+Ed
  • 校正 ：+L(y−Cx^)+ L (y - C \hat{x})+L(y−Cx^)
    • y−Cx^y - C \hat{x}y−Cx^ 是输出误差
    • LLL 决定校正强度
  • 离散化 ：采用前向欧拉法（简单，适用于小步长）

即使模型有误差，校正项也能驱动 x^→x\hat{x} \to xx^→x。

🔹 第 8 段：结果绘图与性能评估

matlab 复制代码 
% 绘制6个子图（略）
fprintf('稳态速度误差: %.4f rad/s\n', abs(omega(end) - omega_ref(end)));

📊 图形解读指南：

图 理想表现 问题诊断
转速跟踪 快速无超调，稳态误差≈0 超调→Ki_w过大；误差→Ki_w不足
i_d 波形 ≈0（±0.1 A） 偏离0→解耦失败或角度不准
估计 vs 真实 ω 重合 分离→观测器极点太慢或模型失配
电流误差 快速收敛到0 振荡→观测器极点过快

simulink建模

第一部分：初始化与物理层搭建 (Physical Plant Setup)

1. 编写并运行 MATLAB 初始化脚本 (.m 文件)

在搭建任何 Simulink 模块之前，必须先将所有的变量和现代控制理论矩阵算好并驻留在内存中，避免在 Simulink 模块里手动敲击数字导致后续修改极其繁琐。

  1. 新建脚本 ：在 MATLAB 2022b 主界面，点击左上角的 新建脚本 (New Script)。
  2. 复制粘贴：将以下代码完整复制到空白脚本中：
matlab 复制代码 
% 1. 永磁同步电机 (PMSM) 本体参数
p_n = 4;                % 极对数
Rs = 2.875;             % 定子电阻 (Ohm)
Ld = 0.0085;            % d轴电感 (H)
Lq = 0.0085;            % q轴电感 (H)
psi_f = 0.175;          % 永磁体磁链 (Wb)
J = 0.0008;             % 转动惯量 (kg*m^2)
B_f = 0.001;            % 粘性摩擦系数 (N*m*s)

% 2. 状态空间矩阵 (机械运动方程)
A = [0 1; 0 -B_f/J];
B = [0; 1/J];
C = [1 0];

% 3. 全维状态观测器极点配置与矩阵组装
p_obs = [-100, -120];      % 观测器期望极点
L = place(A', C', p_obs)'; % 计算观测器增益矩阵 L

A_obs = A - L*C;           % 观测器系统矩阵
B_obs = [B, L];            % 观测器输入矩阵 (输入为 [Te; theta_m])
C_obs = eye(2);            % 观测器输出矩阵 (输出全维状态)
D_obs = zeros(2,2);        % 观测器直接馈透矩阵

% 4. 双闭环 PI 控制器限幅参数
T_limit = 10;              % 速度外环输出的转矩电流限幅 (A)
I_limit = 300;             % 电流内环输出的电压限幅 (V)
  1. 保存并运行 ：按下 Ctrl + S 将其保存为 PMSM_Init.m，然后点击编辑器上方绿色的 运行 (Run) 按钮。
  2. 核对工作区 ：检查 MATLAB 界面右侧的 工作区 (Workspace) 窗口，确保 A_obs, p_n, Rs 等所有变量均已出现。

这一步决定了仿真的运行精度，避免"数字离散"与"物理连续"冲突报错。

  1. 新建模型 ：在 MATLAB 主界面点击 Simulink 图标，选择 Blank Model (空白模型)。
  2. 调出 powergui ：
    • 在空白画布的任意位置双击鼠标左键。
    • 在弹出的搜索框中输入 powergui 并按回车。
    • 模块出现后，双击它 ，在弹出的窗口中确认 Simulation type 设置为 Continuous。将其拖到画布的左上角边缘，不参与任何连线。
  3. 配置全局求解器 (极其关键) ：
    • 按下键盘快捷键 Ctrl + E ，打开 Model Configuration Parameters 窗口。
    • 在左侧菜单栏点击 Solver。
    • 右侧 Type 选择：Variable-step。
    • 右侧 Solver 选择：ode23tb (stiff/TR-BDF2)。
    • 点开紧挨着的 Solver details 展开箭头，找到 Max step size，将默认的 auto 删掉，输入 1e-5。
    • 点击右下角的 确定 (OK)。
3. 放置并配置物理硬件模块

模拟真实的直流电源、IGBT 逆变器桥和电机本体。

  1. 放置直流电源 ：
    • 双击画布，搜索 DC Voltage Source 并回车。
    • 双击该模块 ，将 Amplitude (V) 填入 311。点击确定。
  2. 放置三相逆变器 ：
    • 双击画布，搜索 Universal Bridge 并回车。
    • 双击该模块 ，Number of bridge arms 选 3 ；Power Electronic device 选 IGBT/Diodes。其他默认，点击确定。
    • 连线动作 ：将 DC Voltage Source 右侧的 + 极和 - 极，分别用鼠标左键拖拽连线，连接到 Universal Bridge 左侧的 + 端口和 - 端口。
  3. 放置永磁同步电机 ：
    • 双击画布，搜索 Permanent Magnet Synchronous Machine 并回车。将它放在逆变器的右下方。
    • 双击该模块进行精确配置 ：
      • 在 Configuration 标签页下：
        • Number of phases: 确认是 3。
        • Back EMF waveform: 确认是 Sinusoidal。
        • Rotor type: 确认是 Round。
        • Mechanical input: 选择 Torque Tm。
      • 切换到 Parameters 标签页下：
        • 最上方第一项下拉菜单，选择 Specify in dialog。
        • Stator phase resistance Rs (Ohm): 删除里面的数字，填入字母 Rs。
        • Armature inductance (H): 删除里面的数字，填入字母 Ld。
        • Flux linkage: 删除里面的数字，填入字母 psi_f。
        • Inertia, viscous damping... [J F p Tf]: 删除框内所有长串数字，填入带中括号的数组：[J, B_f, p_n, 0]。
      • 点击确定。
  4. 接入空载条件 ：
    • 双击画布，搜索 Constant 并回车，将其放在电机的左侧。
    • 双击该模块 ，将 Constant value 设为 0，点击确定。
    • 连线动作 ：将这个 Constant 模块的输出连到电机左侧的 Tm 端口上。
4. 硬件连线闭环

完成物理层强电回路的硬接线。

  1. 逆变器接电机 ：
    • 将 Universal Bridge 右侧的 A 端口，连到 PMSM 左侧的 A 端口。
    • 将 Universal Bridge 右侧的 B 端口，连到 PMSM 左侧的 B 端口。
    • 将 Universal Bridge 右侧的 C 端口，连到 PMSM 左侧的 C 端口。

第二部分：传感器信号提取与坐标变换 (Signal Extraction & Transformation)

1. 解析电机测量端口 (Bus Selector)

PMSM 模块的 m 端口把所有内部传感器数据打包成了一根"总线"，我们需要用信号选择器把我们需要的数据"挑"出来。

  1. 放置模块 ：
    • 双击画布空白处，搜索 Bus Selector 并回车。将它放置在 PMSM 模块的右侧。
  2. 连接总线 ：
    • 将 PMSM 模块最右侧的 m 端口，连到 Bus Selector 左侧唯一的输入端口上。
  3. 精准提取信号 (关键步骤) ：
    • 双击 Bus Selector 模块，打开设置窗口。
    • 看右边的 所选元素 (Selected signals) 列表，把里面默认自带的信号（比如 signal1, signal2 等）全部选中，点击右侧的 删除 (Remove)。
    • 看左边的 总线中的元素 (Signals in the bus) 列表，依次找到并点击选中以下 5 个信号，每选中一个就点一次中间的 选择>> (Select>>) 按钮：
      1. Stator current is_a (A)
      2. Stator current is_b (A)
      3. Stator current is_c (A)
      4. Rotor angle thetam (rad) （机械角度 θm\theta_mθm）
      5. Rotor speed wm (rad/s) （机械转速 ωm\omega_mωm）
    • 确保右侧列表严格按照这个顺序排列了这 5 个信号，点击 确定 (OK)。
    • 此时，你会看到 Bus Selector 右侧长出了 5 根带有对应名称的输出线。
2. 合并三相电流 (iabci_{abc}iabc)

为了进行坐标变换，我们需要把单独的 a、b、c 三相电流线重新打包成一根三维向量线。

  1. 放置模块 ：
    • 双击画布，搜索 Mux 并回车。将它放在 Bus Selector 前三根线的右侧。
  2. 设置端口数 ：
    • 双击 Mux 模块，将 Number of inputs 改为 3，点击确定。你会看到它变成了一个有 3 个输入端的小黑竖条。
  3. 连线动作 ：
    • 将 Bus Selector 的第 1 根线 (is_a) 连到 Mux 的第 1 个输入端。
    • 将 Bus Selector 的第 2 根线 (is_b) 连到 Mux 的第 2 个输入端。
    • 将 Bus Selector 的第 3 根线 (is_c) 连到 Mux 的第 3 个输入端。
    • 此时，Mux 右侧输出的单根粗线，即为完整的三相电流向量 iabci_{abc}iabc。
3. 计算电角度 (θe\theta_eθe)

电机控制的坐标变换必须使用电角度，而传感器测得的是机械角度。两者相差一个极对数 pnp_npn 的倍数。

  1. 放置模块 ：
    • 双击画布，搜索 Gain (增益) 并回车。将它放在 Bus Selector 第 4 根线的右侧。
  2. 设置增益值 ：
    • 双击 Gain 模块，将 Gain 框内的默认数字 1 删掉，填入我们在初始化脚本里定义的极对数变量名：p_n。点击确定。
  3. 连线动作 ：
    • 将 Bus Selector 的第 4 根线 (thetam) 连到 Gain 的输入端。
    • 此时，Gain 右侧输出的线，即为电角度 θe\theta_eθe。请把这根线向右拉长一些，后续多处都要用到它。
4. Park 坐标变换 (abc 变 dq0)

MATLAB 2022b 的 Park Transform 模块内部已经集成了 Clarke 变换，可以直接将静止的三相坐标系转化为跟随转子旋转的 d-q 直流坐标系。

  1. 放置模块 ：
    • 双击画布，搜索 Park Transform 并回车。放在刚才合并的三相电流线和电角度线的右侧。
  2. 连线动作 ：
    • 将 Mux 输出的三相电流向量线 (iabci_{abc}iabc)，连到 Park Transform 的 abc 输入端。
    • 将 Gain 模块输出的电角度线 (θe\theta_eθe)，连到 Park Transform 的 theta (或 wt) 输入端。
    • 此时，Park Transform 右侧输出的是一根包含了 id,iq,i0i_d, i_q, i_0id,iq,i0 的三维向量线 (dq0)。
5. 拆分解耦后的交直轴电流 (id,iqi_d, i_qid,iq)

我们需要把揉在一起的 dq0 信号拆开，以便分别送入双闭环控制器。

  1. 放置模块 ：
    • 双击画布，搜索 Demux 并回车。放在 Park Transform 的右侧。
  2. 设置端口数 ：
    • 双击 Demux 模块，将 Number of outputs 改为 3，点击确定。
  3. 连线动作 ：
    • 将 Park Transform 输出的 dq0 向量线，连到 Demux 的输入端。
    • 此时，Demux 右侧伸出了 3 根线。从上到下分别是：
      • 第 1 根：直轴电流 idi_did (后续接 Id 电流环负反馈)
      • 第 2 根：交轴电流 iqi_qiq (后续接 Iq 电流环负反馈，以及观测器转矩重构)
      • 第 3 根：零序分量 i0i_0i0 (对于三相平衡系统此值为0，直接悬空即可)
相关推荐
斯维赤4 小时前
每天学习一个小算法：选择排序
java·学习·算法
超级码力6664 小时前
【Latex第三方文档类standalone】standalone类介绍及应用
算法·数学建模·信息可视化
明朝百晓生4 小时前
强化学习 [chapter10] [page3 ]Actor-Critic Methods
算法
peterfei5 小时前
一个 Tauri + Rust AI 编辑器是怎么同时适配 5 家 AI 大厂的？IfAI v0.4.3 架构拆解
人工智能·算法·架构
Via_Neo5 小时前
桶排序算法
算法·排序算法
KIHU快狐5 小时前
快狐KIHU｜110寸壁挂触控一体机G+G电容屏安卓系统汽车展厅查询展示
android·python·汽车
斯维赤5 小时前
每天学习一个小算法：快速排序
java·python·学习·算法·排序算法
我爱C编程5 小时前
移动边缘网络中基于双深度QLearning强化学习(DDQL)的高能效资源分配方法
matlab·强化学习·移动边缘网络·双深度qlearning·ddql·高能效资源分配
王老师青少年编程5 小时前
csp信奥赛C++高频考点专项训练之贪心算法 --【区间贪心】：雷达安装
c++·算法·贪心·csp·信奥赛·区间贪心·雷达安装
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点032026年4月AI大事件深度解读：大模型竞争进入“深水区“04近期有什么ai的新消息，新动态？ 2026.4月05codex app每次打开重连5次Reconnecting问题解决06AI Weekly | 2026年4月第二周 · GitHub热门项目与AI发展趋势深度解析072026 年 AI 编程助手全面对比评测：Cursor vs Copilot vs Claude Code vs GitHub Copilot Free08CC-Switch & Claude 基于 Linux 服务器安装使用指南09从限购到畅通：GLM-5.1 Coding Plan接入攻略102026年AI前瞻：量子AI、具身智能与科学发现的新纪元