3、Clark变换与Park变换：三相坐标系与两相坐标系
好，咱们今天聊点硬核的。Clark变换和Park变换，说白了就是无感FOC的数学基石。你想想看，电机里跑的是三相正弦电流，但我们要控制的是转矩和磁通——这俩东西在静止的三相坐标系里根本没法直接解耦。怎么办？换个坐标系看问题。
我刚开始做FOC时，对着公式看了半天，总觉得这俩变换就是一堆矩阵乘法。后来踩过坑才明白：Clark是把三相变两相，Park是把静止变旋转。搞懂这个，后面的控制逻辑就顺了。
3.1 为什么要把三相变成两相？
三相电机有三根线，电流分别是Ia、Ib、Ic。它们之间差120度，互相耦合。你想想看，要同时控制三个变量，还要让它们产生恒定的转矩，这多麻烦？
其实，三相系统有个特点：Ia + Ib + Ic = 0（星形接法，中线不引出）。这意味着三个变量里只有两个是独立的。那我们能不能用两个正交的轴来描述它？
这就是Clark变换的出发点。把三相（a, b, c）投影到两相静止坐标系（α, β）上。α轴和a轴重合，β轴超前α轴90度。这样一来，三个互相依赖的变量，变成了两个正交独立的变量。
核心思想： 三相交流量 → 两相交流量。频率不变，幅值不变（等幅值变换下）。
3.2 Clark变换公式推导
咱们直接上公式。假设三相电流为Ia、Ib、Ic，且满足Ia + Ib + Ic = 0。
Clark变换（等幅值变换）为：
Iα = Ia
Iβ = (Ia + 2*Ib) / √3或者写成矩阵形式：
[ Iα ] [ 1, -1/2, -1/2 ] [ Ia ]
[ Iβ ] = [ 0, √3/2, -√3/2 ] [ Ib ]
[ I0 ] [ 1/2, 1/2, 1/2 ] [ Ic ]注意，这里第三行是零序分量I0。对于平衡的三相系统，I0 = 0。但在实际项目中，我建议你保留I0的计算，用来检测电流传感器是否故障或者三相是否不平衡。
我的经验： 有一次在调试时，电机低速抖动，查了半天发现是某一相电流采样偏置出了问题。后来我在代码里加了I0的监控，一旦I0超过阈值就报警。这个习惯帮我避免了好几次炸板子。
逆Clark变换（从αβ回到abc）也很简单：
Ia = Iα
Ib = -Iα/2 + √3/2 * Iβ
Ic = -Iα/2 - √3/2 * Iβ嗯，这里要注意：等幅值变换和等功率变换的系数不同。我习惯用等幅值变换，因为这样电流环的PI参数调起来更直观——你给1A的指令，电机里就是1A的电流。
3.3 Park变换公式推导
Clark变换之后，我们得到了αβ坐标系下的两相正弦量。但控制目标——转矩和磁通——还是耦合在一起的。怎么办？再转一次坐标系。
Park变换把静止的αβ坐标系，旋转到与转子磁极同步的dq坐标系。d轴指向转子磁极方向，q轴超前d轴90度。这样一来，正弦量变成了直流量。
公式如下：
Id = Iα * cos(θ) + Iβ * sin(θ)
Iq = -Iα * sin(θ) + Iβ * cos(θ)其中θ是转子电角度。在无感FOC中，这个θ是通过观测器估算出来的，不是直接测量的。
逆Park变换：
Iα = Id * cos(θ) - Iq * sin(θ)
Iβ = Id * sin(θ) + Iq * cos(θ)我曾经踩过的坑： 刚开始写代码时，我把Park变换里的正负号搞反了。结果电机转起来电流很大，但转矩就是出不来。后来对着公式一行一行对，才发现是sin项前面的符号错了。所以，建议你写完变换后，先用单位圆上的点验证一下。
3.4 仿真验证
光说不练假把式。咱们用Python做个简单的仿真，看看变换到底对不对。
import numpy as np
import matplotlib.pyplot as plt
# 生成三相电流（120度相位差）
t = np.linspace(0, 0.02, 1000)
f = 50 # 频率50Hz
Ia = 10 * np.sin(2 * np.pi * f * t)
Ib = 10 * np.sin(2 * np.pi * f * t - 2*np.pi/3)
Ic = 10 * np.sin(2 * np.pi * f * t + 2*np.pi/3)
# Clark变换（等幅值）
Ialpha = Ia
Ibeta = (Ia + 2*Ib) / np.sqrt(3)
# 验证：Ialpha^2 + Ibeta^2 应该等于 1.5 * Ia^2（等幅值下）
amplitude_check = np.sqrt(Ialpha**2 + Ibeta**2)
print(f"Clark变换后幅值: {np.max(amplitude_check):.2f}") # 应该接近10
# Park变换（假设转子匀速旋转）
theta = 2 * np.pi * f * t # 电角度与电流同步
Id = Ialpha * np.cos(theta) + Ibeta * np.sin(theta)
Iq = -Ialpha * np.sin(theta) + Ibeta * np.cos(theta)
print(f"Id均值: {np.mean(Id):.2f}") # 应该接近0（纯正弦电流）
print(f"Iq均值: {np.mean(Iq):.2f}") # 应该接近10（幅值）
# 画图验证
plt.figure(figsize=(10, 6))
plt.subplot(3,1,1)
plt.plot(t*1000, Ia, label='Ia')
plt.plot(t*1000, Ib, label='Ib')
plt.plot(t*1000, Ic, label='Ic')
plt.ylabel('电流 (A)')
plt.title('三相电流')
plt.legend()
plt.grid(True)
plt.subplot(3,1,2)
plt.plot(t*1000, Ialpha, label='Iα')
plt.plot(t*1000, Ibeta, label='Iβ')
plt.ylabel('电流 (A)')
plt.title('Clark变换后 - αβ坐标系')
plt.legend()
plt.grid(True)
plt.subplot(3,1,3)
plt.plot(t*1000, Id, label='Id')
plt.plot(t*1000, Iq, label='Iq')
plt.xlabel('时间 (ms)')
plt.ylabel('电流 (A)')
plt.title('Park变换后 - dq坐标系')
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.show()运行这段代码，你会看到：
- 三相电流是三个相差120度的正弦波
- Clark变换后，αβ坐标系下还是正弦波，但只有两个分量
- Park变换后，dq坐标系下变成了直流量——Id接近0，Iq接近幅值10A
关键结论： 当转子电角度θ与电流频率同步时，Park变换能把交流量变成直流量。这就是FOC能实现精确控制的原因——我们可以用PI控制器去控制直流量的Id和Iq，从而独立控制磁通和转矩。
3.5 实际工程中的注意事项
| 项目 | 说明 |
|---|---|
| 变换系数 | 等幅值变换（系数1） vs 等功率变换（系数√(2/3)）。我推荐等幅值，PI参数更直观。 |
| 角度精度 | Park变换对θ的精度很敏感。角度误差1度，转矩误差约1.7%。无感FOC中，观测器的角度精度至少要达到0.5度以内。 |
| 零序分量 | 虽然理论上I0=0，但实际采样总有误差。建议在代码里计算I0，作为故障诊断的依据。 |
| 浮点运算 | MCU做三角函数和开方运算比较耗时。建议用查表法或CORDIC算法加速。我一般用预计算的正余弦表，精度0.1度，查表时间不到1us。 |
我的习惯： 在代码里把Clark和Park变换写成独立的函数，输入输出都用结构体。这样调试时可以直接打印αβ和dq的值，对照仿真结果验证。另外，记得在初始化时把角度归零，否则第一次变换出来的值可能是错的。
好了，Clark和Park变换就讲到这里。说白了，就是两次坐标旋转——先把三相掰成两相，再把静止的掰成旋转的。下一章咱们聊聊怎么用这些变换搭出完整的FOC电流环。