第3章 PMSM数学模型

3、PMSM数学模型：永磁同步电机的电压方程、磁链方程与转矩方程

做电机控制这么多年，我始终觉得一个道理颠扑不破——你数学模型的深度，决定了你控制精度的上限。很多人一上来就调PID参数，调来调去发现效果就是上不去，说白了，就是没吃透电机本身的脾气。

今天咱们就来聊聊PMSM的数学模型。这部分内容，我建议你当成「内功心法」来练。招式（算法）可以学很多，但内功（模型）扎实了，后面玩MTPA、弱磁控制，你才能游刃有余。

先问个问题：为什么我们非要把三相静止坐标系（ABC）下的东西，变换到两相旋转坐标系（dq）下？

原因很简单——三相系统里，电感是时变的。你想想看，转子转一圈，定子绕组和转子磁钢的相对位置一直在变，电感参数也跟着变。这要是直接建模，方程里全是三角函数，别说控制，光解方程就够你喝一壶的。

我在项目里见过有人硬扛三相模型做仿真，结果跑一次要半小时。嗯，后来他老老实实学了Clark和Park变换。

经过坐标变换后，我们把交流电机等效成了直流电机。d轴和q轴的电感变成了常数，控制变量也从交流量变成了直流量。这才是现代矢量控制的基石。

  核心思想： 坐标变换不是为了炫技，而是为了把时变系统变成时不变系统，把强耦合系统变成解耦系统。

先上干货。在dq旋转坐标系下，PMSM的电压方程长这样：

ud = Rs * id + Ld * (did/dt) - ωe * Lq * iq
uq = Rs * iq + Lq * (diq/dt) + ωe * (Ld * id + ψf)

这里每个符号我都解释一下：

ud、uq：d轴和q轴的定子电压。这是我们要施加的控制量。
Rs：定子电阻。别小看它，大电流下发热导致Rs变化，会影响低速性能。
Ld、Lq：d轴和q轴电感。对于表贴式PMSM（SPMSM），Ld ≈ Lq；对于内置式PMSM（IPMSM），Lq > Ld。这个差异，就是MTPA能省电的根本原因。
ωe：电角速度。ωe = 极对数 × 机械角速度。
ψf：永磁体磁链。这是电机的「底牌」，温度升高它会下降，导致转矩输出能力减弱。

你仔细看这两个方程，会发现一个有趣的现象：d轴方程里出现了q轴电流，q轴方程里出现了d轴电流。这就是所谓的「交叉耦合项」——ωe * Lq * iq 和 ωe * Ld * id。

我的经验： 在高速运行时，交叉耦合项的影响非常大。我曾经调试一个20krpm的电机，没做解耦补偿，结果电流环响应慢得像蜗牛。后来加了前馈解耦，效果立竿见影。具体做法就是在ud和uq的指令里，主动减去或加上耦合项。

磁链方程相对简单，但同样重要：

ψd = Ld * id + ψf
ψq = Lq * iq

总磁链幅值：

ψs = sqrt(ψd² + ψq²)

这里我想强调一点：ψf是永磁体贡献的，它是个固定值（忽略温度变化时）。而Ld * id和Lq * iq是电枢反应产生的磁链。

你想想看，如果id是负的（也就是我们常说的「弱磁」），那么ψd就会变小。总磁链ψs也跟着变小。这就是弱磁控制的物理本质——通过注入负的id，抵消一部分永磁体磁链，从而降低反电动势，让电机能在更高转速下运行。

注意： 弱磁不是无限度的。当id负得太多，永磁体有退磁风险。我曾经遇到过一台样机，为了追求极限转速，id给到-0.7倍额定电流，跑了半小时后，电机性能永久下降了。后来拆机检测，磁钢确实部分退磁了。所以，弱磁深度一定要留余量。

好了，前面铺垫了那么多，最终都是为了这个——转矩：

Te = 1.5 * p * [ ψf * iq + (Ld - Lq) * id * iq ]

其中p是极对数。

这个公式，我建议你刻在脑子里。它由两部分组成：

永磁转矩： 1.5 * p * ψf * iq。这部分和iq成正比，和id无关。说白了，就是永磁体和q轴电流产生的转矩。
磁阻转矩： 1.5 * p * (Ld - Lq) * id * iq。这部分利用了d轴和q轴电感的差异。对于IPMSM，Lq > Ld，所以(Ld - Lq)是负的。这意味着，如果你注入负的id（id < 0），那么id * iq是负的，负负得正，磁阻转矩反而是正的！

这就是MTPA（最大转矩电流比）的核心逻辑——通过合理分配id和iq，让磁阻转矩「帮忙」出力，从而用最小的电流产生最大的转矩。

  一句话总结： SPMSM只有永磁转矩，所以id=0控制就是最优的。IPMSM有磁阻转矩，所以需要负的id来「压榨」出额外的转矩。

模型是有了，但参数从哪来？

厂家给的datasheet上的参数，说实话，只能当参考。因为：

所以，我个人的习惯是：在样机阶段，一定要做一次参数辨识。方法也不复杂：

把这些实测参数写进控制器里，你会发现电流环的响应和仿真结果能对得上。否则，你就是在「盲调」。

咱们把这一章的核心脉络捋一下：

下一章，咱们就基于这个数学模型，开始推导MTPA的公式。你会发现，有了今天的底子，MTPA其实就是解一个优化问题——在给定转矩下，找电流最小的(id, iq)组合。

嗯，今天就到这儿。记住，模型是死的，但理解是活的。多动手仿真，多对比实测数据，你才能真正「驾驭」这台电机。