第2章:速度环的数学模型

做速度环控制,说白了就是跟电机模型打交道。我刚开始接触伺服驱动时,总觉得数学模型是纸上谈兵,直到有一次在高速主轴项目上栽了跟头——理论算得好好的,实际跑起来却震荡得厉害。嗯,从那以后我明白了,模型这东西,你越早搞懂,后面踩的坑就越少。

2.1 电机模型简化

先说说电机模型。实际电机很复杂,有齿槽效应、磁饱和、涡流损耗等等。但在速度环设计里,我们通常只关心一件事:电流到转速的传递关系

我个人习惯用直流电机模型来近似。为什么呢?因为FOC(磁场定向控制)把交流电机解耦后,本质上就是个直流电机。你看这个简化方程:

J * dω/dt = Kt * iq - B * ω - TL

其中:

  • J — 转动惯量(包含负载)
  • Kt — 转矩常数
  • iq — q轴电流(转矩电流)
  • B — 粘滞摩擦系数
  • TL — 负载转矩

忽略负载扰动,拉氏变换后得到:

ω(s) / iq(s) = Kt / (J*s + B)

关键点:这就是速度环被控对象的传递函数。一个典型的一阶惯性环节,时间常数 τm = J/B。

我在项目中遇到过一个问题:有些电机厂商给的J值是在空载下测的,实际带上负载后惯量可能翻好几倍。你想想看,如果按空载参数设计速度环,带上负载后系统响应会变慢,甚至不稳定。

2.2 电流环等效传递函数

速度环外面套着电流环。电流环的响应速度通常比速度环快5~10倍,所以我们可以把电流环简化成一个低阶环节。

实际电流环的闭环传递函数长这样:

Gci(s) = iq(s) / iq_ref(s) = 1 / (τi * s + 1)

τi 是电流环等效时间常数。一般取电流环带宽的倒数。比如电流环带宽设为2000 rad/s,那 τi ≈ 0.5ms。

我的经验:电流环带宽不要设得太高。我曾经为了追求响应速度,把电流环带宽推到3000 rad/s以上,结果电流采样噪声全被放大,速度环反而抖得厉害。一般建议电流环带宽是速度环的5~10倍就够了。

为什么可以这样简化?因为电流环的响应速度远快于速度环。在速度环看来,电流环几乎是个瞬时响应环节。说白了,你给个电流指令,电流环瞬间就跟踪上了。

2.3 速度环开环/闭环传递函数推导

好,现在我们把电机模型和电流环串起来。速度环的开环传递函数:

Gv_open(s) = Kp * (1 + 1/(Ti*s)) * [1/(τi*s + 1)] * [Kt/(J*s + B)]

其中:

  • Kp — 速度环比例增益
  • Ti — 速度环积分时间常数
  • τi — 电流环等效时间常数

这个式子看着复杂,其实就三部分:PI控制器 × 电流环 × 电机机械模型

闭环传递函数就更直接了:

Gv_closed(s) = Gv_open(s) / (1 + Gv_open(s))

注意:这里反馈系数默认为1。实际系统中如果有速度传感器标定误差,反馈系数就不是1了,会影响稳态精度。

我记得有一次调试,速度闭环后总是有静差。查了半天,发现是编码器安装偏心导致的速度反馈有周期性误差。嗯,这种坑防不胜防。

2.4 波特图分析

波特图是分析速度环稳定性的利器。我每次调参前都会先画个波特图看看。

典型的速度环开环波特图特征:

频率区间 幅频特性 相频特性
低频段(< 1/Ti) 积分作用主导,斜率-20dB/dec 相位滞后约-90°
中频段(1/Ti ~ 1/τi) 比例作用主导,斜率0dB/dec 相位回升
高频段(> 1/τi) 电流环和机械惯性主导,斜率-40dB/dec 相位滞后接近-180°

避坑指南:我曾经在高速主轴项目上,速度环带宽推到300Hz以上,结果波特图显示相位裕度只有15°。实际运行时稍微加点负载就震荡。后来把带宽降到200Hz,相位裕度恢复到45°,系统就稳了。记住,相位裕度至少留30°,最好45°以上。

看波特图主要关注三个指标:

  • 穿越频率 ωc — 幅值降到0dB时的频率,决定了响应速度
  • 相位裕度 PM — 在ωc处的相位与-180°的差值,决定了稳定性
  • 幅值裕度 GM — 相位为-180°时的幅值衰减量,一般要求>6dB

下面我用SVG画个速度环控制结构的框图,帮你理清思路:

速度环控制结构框图 ω_ref PI控制器 电流环 电机模型 ω_out 反馈 误差 Kp(1+1/Ti·s) 1/(τi·s+1) Kt/(J·s+B)

这个框图把整个速度环的脉络理清楚了。从速度给定到PI调节,再到电流环和电机模型,最后反馈回来形成闭环。你调试的时候,就按这个路径一步步排查问题。

小技巧:实际调试时,我习惯先断开积分项(Ti设很大),只调Kp让系统不震荡。然后慢慢加积分,消除静差。这样一步步来,比直接上完整PI要稳得多。

好了,速度环的数学模型就讲到这里。记住,模型是工具,不是真理。实际系统总有各种非理想因素,比如死区时间、采样延迟、量化误差等等。这些我们后面章节再细聊。


专注资料整理