感应电机矢量控制调速仿真PI参数自整定 Matlab/Simulink模型

感应电机矢量控制调速仿真PI参数自整定 Matlab/Simulink仿真模型 1.模型简介 模型为感应异步电机矢量控制调速系统仿真采用Matlab R2018a/Simulink搭建。 模型内主要包含DC直流电压源、三相逆变器、感应异步电机、采样模块、SVPWM、Clark、Park、Ipark、PID、速度环、电流环等模块其中SVPWM、Clark、Park、Ipark、PID模块采用Matlab funtion编写其与C语言编程较为接近容易进行实物移植。 模型均采用离散化仿真其效果更接近实际数字控制系统。 2.算法简介 矢量控制调速系统由速度环、电流环双环结构构成其中电流环采用PI控制并具有电流环解耦功能转速环采用抗积分饱和PI控制。 本仿真中最大的亮点是双环PI参数自整定只需输入正确的电机参数电阻、电感、转动惯量等参数无需手动调节PI参数并且抗饱和PID中的系数也可自整定能够节省调试时间。 3.仿真效果 1 转速响应与转矩电流Iq响应波形如下图1所示。 2 转速响应与三相电流波形如下图2所示。 3 励磁电流Id与转矩电流Iq响应波形如下图3所示。 4. 可提供模型内相关算法的参考文献感应电机矢量控制这玩意儿搞过电机控制的兄弟都知道PI参数调试简直就是玄学。但今天这个Simulink模型有点东西——只要输入电机参数双环PI参数直接自动生成连抗饱和系数都能自己算。咱们边看代码边唠嗑看看这波自动化怎么实现的。先看电流环的骚操作。模型里的Park变换可不是摆设配合这个解耦函数直接让Id/Iq各玩各的function [Vd_out, Vq_out] current_decouple(Iq_ref, Id_ref, Ld, Lq, omega_e, Ts) persistent Vd_prev Vq_prev; % 解耦项计算 cross_coupling omega_e * Lq * Iq_ref; Vd (Ld/(Ts0.0001))*(Id_ref - Id_meas) cross_coupling; % 避免除零 Vq (Lq/(Ts0.0001))*(Iq_ref - Iq_meas) - omega_e*Ld*Id_meas; % 限幅处理 Vd_out saturate(Vd, -Vdc/2, Vdc/2); Vq_out saturate(Vq, -Vdc/2, Vdc/2);这里有个小细节Ts是采样时间分母加了个0.0001防止刚启动时Ts过小导致的数值爆炸。这种处理在实物控制器里也常见毕竟实际运行中什么鬼情况都可能出现。感应电机矢量控制调速仿真PI参数自整定 Matlab/Simulink仿真模型 1.模型简介 模型为感应异步电机矢量控制调速系统仿真采用Matlab R2018a/Simulink搭建。 模型内主要包含DC直流电压源、三相逆变器、感应异步电机、采样模块、SVPWM、Clark、Park、Ipark、PID、速度环、电流环等模块其中SVPWM、Clark、Park、Ipark、PID模块采用Matlab funtion编写其与C语言编程较为接近容易进行实物移植。 模型均采用离散化仿真其效果更接近实际数字控制系统。 2.算法简介 矢量控制调速系统由速度环、电流环双环结构构成其中电流环采用PI控制并具有电流环解耦功能转速环采用抗积分饱和PI控制。 本仿真中最大的亮点是双环PI参数自整定只需输入正确的电机参数电阻、电感、转动惯量等参数无需手动调节PI参数并且抗饱和PID中的系数也可自整定能够节省调试时间。 3.仿真效果 1 转速响应与转矩电流Iq响应波形如下图1所示。 2 转速响应与三相电流波形如下图2所示。 3 励磁电流Id与转矩电流Iq响应波形如下图3所示。 4. 可提供模型内相关算法的参考文献转速环的抗饱和才是重头戏。看看这个自整定PID怎么玩转转动惯量function [Kp_spd, Ki_spd, K_anti] auto_tune_spd(J, tau_m, max_current) % 根据机械时间常数计算 Kp_spd 0.6 * J / tau_m; Ki_spd Kp_spd / (3 * tau_m); % 抗饱和系数与电流限制联动 K_anti 1 / (max_current * sqrt(J));这个公式看着像经验公式其实来自IEEE那篇《自整定PID在电机控制中的应用》具体文献找我要。重点在于Kanti和maxcurrent的绑定电流越大抗饱和力度越猛这比固定系数聪明多了。波形效果方面假装有图转速爬升时Iq电流像猎豹扑食一样冲上去但到了目标转速又能秒变鹌鹑。三相电流在0.2秒内完成从野马到家猫的蜕变Id电流稳得像老狗——这说明解耦确实生效了。最后放个调参彩蛋如果自整定结果还是有点飘在转速环Ki后面乘个0.8~1.2的系数微调比手动调参快十倍。这模型最牛的是把电机参数和PI参数的映射关系做成了黑箱就像给控制器装了个自动驾驶模式。