FOC 算法基础之欧拉公式

文章目录

    • 欧拉公式
    • 几何意义
      • 复数平面
      • 动态过程
      • 加法
    • FOC电压矢量的推导
    • 总结
    • 参考

FOC中电压矢量合成的推导,对于欧拉公式的几何意义做了一个全面的回顾。

欧拉公式

欧拉是一个天才,欧拉公式甚至被誉为上帝创造的公式,然后在FOC算法中也可以看到欧拉公式的影子,不过因为是最基础的知识,所以基本上的换算都是一笔带过,但是如果这里没有掌握就很难搞清楚实数平面如何换算到复数平面,以至于在SVPWM的求解中存在的都是向量运算,所以这里有必要理解欧拉公式的物理意义,这样可以加深FOC算法的理解。
欧拉公式如下所示;
{ e i x = c o s x + i s i n x ⋯ ① e π i + 1 = 0 ⋯ ② \begin{cases} e^{ix} = cosx + isinx \cdots ①\\ e^{\pi i} + 1 = 0 \cdots ② \end{cases} {eix=cosx+isinxeπi+1=0
这两个公式都被称之为欧拉公式;

e e e 是自然对数的底, i i i 是虚数( i = − 1 i=\sqrt{-1} i=1 )。

根据式 ① 可以推导出以下另外两个变式;
推导过程如下;
x = − x x = -x x=x,可以得到④式,如下;
{ e i x = c o s x + i s i n x ⋯ ③ e − i x = c o s x − i s i n x ⋯ ④ \begin{cases} e^{ix} = cosx + isinx \cdots ③\\ e^{-ix} = cosx - isinx \cdots ④\\ \end{cases} {eix=cosx+isinxeix=cosxisinx
所以 ③ 等式左右两端与 ④ 式 相加得到;
c o s x = e i x + e − i x 2 ⋯ ⑤ cosx = \cfrac{e^{ix}+e^{-ix}}{2}\cdots ⑤ cosx=2eix+eix
所以 ③ 等式左右两端与 ④ 式 相减得到;
s i n x = e i x − e − i x 2 i ⋯ ⑥ sinx = \cfrac{e^{ix}-e^{-ix}}{2i}\cdots ⑥ sinx=2ieixeix

几何意义

r e i θ re^{i\theta} reiθ则表示模长为 r r r的向量旋转了角度 θ \theta θ,下面会进一步介绍。

复数平面

复数平面坐标 x x x轴作为实数轴, y y y轴作为虚数轴。这里可以通过欧拉公式,将实数平面换到复数平面,如下图所示;
FOC 算法基础之欧拉公式_第1张图片
已知这是一个半径为 r r r,圆心为 O O O的圆,则存在;
r e i θ = r ( c o s θ + i s i n θ ) re^{i\theta} = r(cos\theta + isin\theta) reiθ=r(cosθ+isinθ)
上式表示向量 O P → \overrightarrow{OP} OP 逆时针旋转了角度 θ \theta θ , ∣ O P → ∣ = r | \overrightarrow{OP}| = r OP =r

动态过程

假设向量 O C → \overrightarrow{OC} OC 逆时针旋转,与 x x x轴夹角为 θ \theta θ,半径 r = 10 r = 10 r=10,即 ∣ O C → ∣ = r = 10 | \overrightarrow{OC}| = r =10 OC =r=10,具体如下图所示;
FOC 算法基础之欧拉公式_第2张图片
这里分析一下图中的几个关键点;

  • 红色点的坐标为: ( θ , 10 s i n θ ) (\theta, 10sin\theta) (θ,10sinθ),红色的正弦曲线为红色点的运动轨迹;
  • 绿色点的坐标为; ( 10 c o s θ , θ ) (10cos\theta, \theta) (10cosθ,θ),绿色的正弦曲线为绿色点的运动轨迹;
  • C G CG CG为向量 O C → \overrightarrow{OC} OC x x x轴上的投影, ∣ C G ∣ = 10 c o s θ |CG| = 10cos\theta CG=10cosθ
  • C H CH CH为向量 O C → \overrightarrow{OC} OC y y y轴上的投影, ∣ C H ∣ = 10 s i n θ |CH| = 10sin\theta CH=10sinθ

可以发现,向量在复平面做圆周运动,其实数域相当于是在做正弦运动。后面再FOC中的三相正弦波形的合成可以做一下分析。

加法

欧拉公式里的相加则比较简单,相当于两个向量的相加;
A E → = A C → + A D → \overrightarrow{AE} = \overrightarrow{AC} + \overrightarrow{AD} AE =AC +AD
如下图所示;
FOC 算法基础之欧拉公式_第3张图片
所以存在特殊情况当 θ = 0 \theta = 0 θ=0时则有;
A E → = ∣ A E → ∣ ( e j ( θ + 2 π 3 ) + e j ( θ − 2 π 3 ) ) \overrightarrow{AE} = |\overrightarrow{AE}|(e^{j(\theta+\cfrac{2\pi}{3})} + e^{j(\theta-\cfrac{2\pi}{3})} ) AE =AE (ej(θ+32π)+ej(θ32π))
直接进行符合向量相加;
A E → = ∣ A E → ∣ e j ( θ + π ) \overrightarrow{AE} = |\overrightarrow{AE}|e^{j(\theta+\pi)} AE =AE ej(θ+π)
具体如下所示;

FOC电压矢量的推导

三相永磁同步电机的驱动电路如下图所示;
在这里插入图片描述
详细的坐标变换可以参考《FOC中的Clarke变换和Park变换详解》,根据图示电路可以发现在三相永磁同步电机的驱动电路中,三相逆变输出的三相电压为 U A U_{A} UA U B U_{B} UB U C U_{C} UC将作用于电机,那么在三相平面静止坐标系ABC中,电压方程满足以下公式:

{ U A = U m c o s θ e U B = U m c o s ( θ e − 2 π 3 ) U C = U m c o s ( θ e + 2 π 3 ) \begin{cases} U_{A} = U_{m}cos\theta_{e} \\ U_{B} = U_{m}cos(\theta_{e} - \cfrac{2\pi}{3}) \\ U_{C} = U_{m}cos(\theta_{e} + \cfrac{2\pi}{3}) \end{cases} UA=UmcosθeUB=Umcos(θe32π)UC=Umcos(θe+32π)

U m U_m Um为相电压基波峰值;

因此根据前面式⑤ c o s x = e i x + e − i x 2 ⋯ ⑤ cosx = \cfrac{e^{ix}+e^{-ix}}{2}\cdots ⑤ cosx=2eix+eix
可以将该方程组转换到复平面可以得到,下式统一使用 θ \theta θ 表示 θ e \theta_{e} θe
{ U A = U m c o s θ e = U m 2 ( e i θ + e − i θ ) U B = U m c o s ( θ e + 2 π 3 ) = U m 2 ( e ( i θ − 2 π 3 ) + e − ( i θ − 2 π 3 ) ) U C = U m c o s ( θ e − 2 π 3 ) = U m 2 ( e ( i θ + 2 π 3 ) + e − ( i θ + 2 π 3 ) ) \begin{cases} U_{A}= U_{m}cos\theta_{e} = \cfrac{ U_{m}}{2}(e^{i\theta} + e^{-i\theta})\\ U_{B}= U_{m}cos(\theta_{e} + \cfrac{2\pi}{3}) = \cfrac{ U_{m}}{2}(e^{(i\theta-\cfrac{2\pi}{3})} + e^{-(i\theta-\cfrac{2\pi}{3})})\\ U_{C} = U_{m}cos(\theta_{e} - \cfrac{2\pi}{3}) = \cfrac{ U_{m}}{2}(e^{(i\theta+\cfrac{2\pi}{3})} + e^{-(i\theta+\cfrac{2\pi}{3})}) \end{cases} UA=Umcosθe=2Um(eiθ+eiθ)UB=Umcos(θe+32π)=2Um(e(iθ32π)+e(iθ32π))UC=Umcos(θe32π)=2Um(e(iθ+32π)+e(iθ+32π))
因为需要将三相电压合成矢量 U → = U A → + U B → + U C → \overrightarrow{U} = \overrightarrow{U_A} + \overrightarrow{U_B} + \overrightarrow{U_C} U =UA +UB +UC ;下面增加向量的相位差;
{ U A → = U A ∗ e j 0 U B → = U B ∗ e − ( j 2 π 3 ) U C → = U C ∗ e ( j 2 π 3 ) \begin{cases} \overrightarrow{U_A} = U_A *e^{j0}\\ \overrightarrow{U_B} = U_B *e^{-(j\cfrac{2\pi}{3})} \\ \overrightarrow{U_C} = U_C *e^{(j\cfrac{2\pi}{3})}\\ \end{cases} UA =UAej0UB =UBe(j32π)UC =UCe(j32π)

中间推导过程暂略,最终推导得到;
U → = 3 2 U m e j θ = 3 2 U m e j ω t \overrightarrow{U} = \cfrac{3}{2}U_me^{j\theta} = \cfrac{3}{2}U_me^{j\omega t} U =23Umejθ=23Umejωt

总结

磕磕绊绊写了最后,基础学科的掌握还不够,很多知识回过头来看,总会有新的收获,但是由于笔者能力有限,文中难免出行错误和纰漏,望您能不吝赐教。

参考

https://www.matongxue.com/madocs/8.html

你可能感兴趣的:(FOC,DSP,Science)