电机专用SVPWM算法实现

news2024/9/28 3:25:05

SH33F2811包含三相电机的空间矢量脉宽调制(Space Vector Pulse Width Modulation,SVPWM)算法,对应于交流感应电机或永磁同步电机中的三相电压源逆变器的功率器件的一种特殊的开关触发顺序和脉宽大小的组合。这种开关触发顺序和组合将在定子线圈中产生三相互差120°电角度的正弦波电流。

目录

SVPWM算法原理

SVPWM算法实现过程

五段式SVPWM算法

七段式SVPWM算法

Sign算法

饱和算法

内容拓展


SVPWM算法原理

考虑如下图所示的逆变器,

 以直流电源的负极作为参考点来研究a相的重点电压Va,该电压由一系列的开关组合Sa,即下表种所包含晶体管T1和T4的开关组合所决定的。

T1

T4

Sa

Va

导通

关断

1

Vdc

关断

导通

0

0

对应于b相与c相桥臂的开关状态Sb及Sc可以通过类似的方式推导获得。Sa、Sb及Sc总共8种开关状态,下表列举了这8种开关状态以及推导出的线电压、相电压。

Sa

Sb

Sc

矢量

Uab

Ubc

Uca

Uan

Ubn

Ucn

0

0

0

U0

0

0

0

0

0

0

1

0

0

U4

Udc

0

-Udc

2/3Udc

-1/3Udc

-1/3Udc

1

1

0

U6

0

Udc

-Udc

1/3Udc

1/3Udc

-2/3Udc

0

1

0

U2

-Udc

Udc

0

-1/3Udc

2/3Udc

-1/3Udc

0

1

1

U3

-Udc

0

Udc

-2/3Udc

1/3Udc

1/3Udc

0

0

1

U1

0

-Udc

Udc

-1/3Udc

-1/3Udc

2/3Udc

1

0

1

U5

Udc

-Udc

0

1/3Udc

-2/3Udc

1/3Udc

1

1

1

U7

0

0

0

0

0

0

根据表中八个基本矢量的情况,画出八个基本电压空间矢量的大小和位置(以a相和α轴方向重合为例),电压空间矢量图如下:

 图1 电压空间矢量图

其中6个非零矢量的幅值相同(在两轴静止坐标系下,模长为2Udc/3;在三相静止坐标系下,模长为Udc),相邻的矢量相差60°,两个零矢量幅值为零,位于中心。

在SH33F2811的空间矢量脉宽调制算法中,是以U4(001)为α轴方向,扇区计数从0开始,如下图所示:

 图2 SH33F2811电压空间矢量图

空间矢量调制的过程允许通过两个相邻矢量各分量的和来表示任何空间电压矢量。在下图中,UOUT是期望的空间电压矢量。该矢量位于U60和U0之间的区间内。如果在给定PWM周期T期间,U0的输出时间为T1/T而U60的输出时间为T2/T,则整个周期的平均电压值为UOUT。

 图3 平均空间矢量调制

T0表示绕组上无有效电压的时间;即施加了无效矢量。在六个区间的每个区间中,一个轴与该区间正好相反,而其它两个轴对称形成该区间的边界。沿着这两个边界轴的矢量分量分别为T1和T2。

SVPWM算法实现过程

首先将静止2轴α-β坐标系变换到定义的静止3轴参考坐标系,需要两个静止坐标系的Uα和Uβ输入。如下所示:

图4 Vr1\ Vr2\ Vr3关系图

 同时定义三个变量a,b,c,如果Vr1>0,则a=1,否则a=0;如果Vr2>0,则b=1,否则b=0;如果Vr3>0,则c=1,否则c=0。再定义一个变量sector,sector = a*1+b*2+c*4,根据sector不同,把空间分为6个扇区。

图5 sector定义关系图

另外定义:

即,X为Vr1方向,Y为Vr3反方向,Z为Vr2反方向。那么,对于不同扇区T1,T2值,有如下对应关系:

Sector

1

2

3

4

5

6

T1

Z

Y

-Z

-X

X

-Y

T2

Y

-X

X

Z

-Y

-Z

在PWM周期T中,矢量T1的输出时间为T1/T,而矢量T2的输出时间为T2/T,在剩余时间内输出无效矢量。无效矢量可以由全部为零组成,为五段式SVPWM波形。也可以由中间为全1两边为全零组成,为七段式SVPWM波形。

五段式SVPWM算法

下图为五段式SVPWM波形, PWM信号配置为输出中心对齐,这种配置方法在每个周期内可产生1个线间脉冲。

 图6 五段式周期T内的PWM

能够实现从Ualpha,Ubeta直接计算出Ta,Tb,Tc三相占空比,输入输出的数据格式可以设定,算法流程图如下:

 图7 五段式SVPWM算法流程图

注1:Ualpha、Ubeta、T1、T2、Ta、Tb和Tc为有符号32位数,IQN和Sector为无符号8位数。

注2:乘法为IQN格式乘法。

注3:SvpwmSector为一个数组,内容为SvpwmSector[]={0,1,5,0,3,2,4,0}。

注4:图7中标红的Sector对应为图2中的扇区0-5,其他未标红的Sector对应为图5中的Sector1-6.

七段式SVPWM算法

下图为七段式SVPWM波形, PWM信号配置为输出中心对齐,这种配置方法在每个周期内可产生两个线间脉冲,有效开关频率加倍,纹波电流减小,同时并未增加功率器件的开关损耗。

 图8 七段式SVPWM算法流程图

能够实现从Ualpha,Ubeta直接计算出Ta,Tb,Tc三相占空比,输入输出的数据格式可以设定,算法流程图如下:

 图9 七段式SVPWM算法流程图

注1:Ualpha、Ubeta、T1、T2、Ta、Tb和Tc为有符号32位数,IQN和Sector为无符号8位数。

注2:乘法为IQN格式乘法。

注3:SvpwmSector为一个数组,内容为SvpwmSector[]={0,1,5,0,3,2,4,0}。

注4:图9中标红的Sector对应为图2中的扇区0-5,其他未标红的Sector对应为图5中的Sector1-6.

Sign算法

图7图9中的sign为符号算法,详细的算法如下:

例如a = sign(x):

if (x > 0)
a = 1;
else
a = 0;

饱和算法

不管五段式还是七段式,都可能存在计算溢出情况,当Ta/Tb/Tc任何一个计算结果超出范围,则都会置起溢出标志位OVER@SVIQN。为了防止计算结果溢出,增加了对Ta,Tb和Tc的饱和处理,通过寄存器SATEN@SVIQN来选择是否使能饱和,详细算法如下:

if(Tx < 0)
{
OVER@SVIQN = 1;
if (1 == SATEN@SVIQN)
{
Tx = 0;
}
}
else if(Tx > IQN(1))
{
OVER@SVIQN = 1;
if(1 == SATEN@SVIQN)
{
Tx = IQN(1);
}
}

注1:x=a,b,c

注2:整个SVPWM硬件计算时间为3个AHB CLK。

注3:溢出标志位的值在每次计算时都更新。

内容拓展

《小试牛刀》

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/150388.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

k8s部署 wiki.js ,带中文分词

官网 https://js.wiki/ https://docs.requarks.io/install/docker-desktop k8s postgres 安装 因为包含中文分词&#xff0c;要在原版的基础上增加分词插件。 这里直接使用别人已经 制作好的镜像 github 地址 : https://github.com/abcfy2/docker_zhparser 镜像地址&#x…

【 java 集合】Map 接口常用方法总结

&#x1f4cb; 个人简介 &#x1f496; 作者简介&#xff1a;大家好&#xff0c;我是阿牛&#xff0c;全栈领域优质创作者。&#x1f61c;&#x1f4dd; 个人主页&#xff1a;馆主阿牛&#x1f525;&#x1f389; 支持我&#xff1a;点赞&#x1f44d;收藏⭐️留言&#x1f4d…

【面试】70道Spring Boot面试题答案

文章目录PartAPartB更多请参考来源PartA 1 什么是springboot &#xff1f; 用来简化spring应用的初始搭建以及开发过程 使用特定的方式来进行配置&#xff08;properties或yml文件&#xff09; 创建独立的spring引用程序 main方法运行 嵌入的Tomcat 无需部署war文件 简化m…

进程控制【Linux】

1.进程终止 1.1.进程退出场景 代码运行完毕&#xff0c;结果正确代码运行完毕&#xff0c;结果不正确代码异常终止 1.2.进程常见退出方法 常见的正常中止: 从main函数return返回调用exit_exit 查看进程退出码: echo $?(查看最近一次的进程退出码) 测试代码: include &l…

【CDP】Cloudera Manager 记录一次 Service Monitor 内存溢出/使用率高的问题及解决方案

一、问题描述 最近发现我们的生产环境 Service Monitor 的监控报表数据无法正常显示&#xff0c;有很多的断点&#xff0c;有很多数据没有被正常采集到&#xff0c;最后定位到是 service monitor 的JVM 内存使用率过高&#xff0c;导致频繁GC&#xff0c;使得 Service Monitor…

Zynq PL DDR4读写测试工程

基于XCZU21DR-2FFVD1156E开发&#xff0c;本文介绍对PL DDR4的读写操作&#xff0c;代码全部经过上板测试。 目录 添加DDR4 IP Basic Mode and Interface & Clocking Controller Options Advanced Clocking VIO IP配置 ILA IP配置 General Options Probe_Ports(0..7…

爬虫的基本使用

文章目录urllib库1、基本使用2、一个类型、六个方法3、下载操作4、请求对象的定制5、get请求的quote方法6、get请求的urlencode方法7、post请求百度翻译8、post请求百度翻译之详细翻译小技巧&#xff1a;正则替换9、agax的get请求豆瓣电影第一页**10、agax的get请求豆瓣电影的前…

使用容器跑一个zabbix 监控另外一个虚机的基础项

目录 安装docker mysql数据库部署 拉取mysql镜像 运行mysql服务器 创建zabbix用户和数据库 进入docker容器登陆数据库 创建zabbix数据库创建zabbix用户 zabbix用户授权 复制mysql初始化数据库文件到容器 导入zabbix初始化数据 zabbix服务器部署 拉取镜像 运行容器 效果…

Linux环境下,JAVA环境调用C++的动态链接库so

1、使用QT开发一个动态链接库.so&#xff08;本次使用linux环境&#xff0c;在windows下是.dll&#xff09; 代码文件包含 testdll.cpp testdll.h testdll.pro testdll_global.h testdll.pro #------------------------------------------------- # # Project created by QtC…

苹果手机怎么清理内存垃圾?2个方法,快速解决

很多小伙伴在生活中会使用手机来看视频、聊天、学习等等。不管是苹果手机还是安卓手机&#xff0c;使用手机的时间长了&#xff0c;里面就会产生很多垃圾占据手机空间。苹果手机怎么清理内存垃圾&#xff1f;今天小编就来分享2个方法&#xff0c;教你快速解决。 一、删除不常用…

ansible(第五天)

五、实施任务控制 161 1.循环&#xff08;迭代&#xff09;--- loop --item 1.利用loop----item循环迭代任务 with_* 通过循环管理员不需要编写多个使用同一模块的任务。例&#xff1a;他们不需要编写五个任务来确保存在五个用 户&#xff0c;而是只需要编写一个任务来对含有…

R语言应用xgboost进行机器学习(2)

XGBoost 机器学习模型是一种高效且可扩的展的机器学习分类器&#xff0c;由 Chen 和 Guestrin 在 2016 年推广。XGBoost原理是是在决策树的基础上产生迭代&#xff0c;它以 boosting 的方式结合了多个决策树。通常创建每棵新树是为了通过梯度提升来减少先前模型的误差&#xff…

(day4) 自学Java——字符串

ctrlaltT 选择语句包裹 目录 1.API 2.String创建 3.字符串的比较 4.字符串——练习 (1):用户登录 (2)遍历字符串和统计字符个数 (3)字符串拼接和反转 (4)金额转换 (5)手机号屏蔽&#xff0c;游戏敏感词替换 5.StringBuilder 6.字符串相关类的底层原理 7.较难练习 …

苹果手机发热发烫怎么办?常见原因及解决办法

很多小伙伴都喜欢使用苹果手机&#xff0c;有时候正在玩着苹果手机的时候&#xff0c;发现自己的苹果手机温度很高&#xff0c;很烫手&#xff0c;这是怎么一回事呢&#xff1f;苹果手机发热发烫怎么办&#xff1f;别担心&#xff0c;下面跟着小编一起来看看苹果手机发热发烫常…

Java之集合概述、ArrayList的使用、常见API和集合案例

目录集合概述总结ArrayList集合快速入门总结ArrayList对于泛型的支持总结ArrayList常用API、遍历集合案例遍历并删除元素值总结存储自定义类型的对象元素搜索集合概述 总结 1、数组和集合的元素存储的个数问题? 数组定义后类型确定&#xff0c;长度固定集合类型可以不固定&a…

MyBatis 动态SQL使用

动态 sql 是Mybatis的强⼤特性之⼀&#xff0c;能够完成不同条件下不同的 sql 拼接。 1.<if>标签 运行结果&#xff1a; 2.<trim>标签 之前的插⼊⽤户功能&#xff0c;只是有⼀个 photo 字段可能是选填项&#xff0c;如果有多个字段&#xff0c;⼀般考虑使⽤&l…

VS Code安装教程

一、下载 1、官网 下载地址 2、下载 根据自己电脑型号下载&#xff0c;此处以Windows为例。 二、安装 1、下载完成后&#xff0c;直接点击安装包安装&#xff0c;即可。 2、开始安装&#xff0c;然后下一步 3、可以在此处自定义地址&#xff0c;然后下一步 4、默认设置&am…

数据结构课程设计

数据结构课程设计 文章目录数据结构课程设计1.1问题描述1.2需求分析1.3概要设计1.4详细设计1.5调试分析1.6测试结果1.7参考文献1.8源码1.1问题描述 编制一个能演示执行集合的交、并和差运算的程序。 要求&#xff1a; 集合元素用小写英文字母&#xff0c;执行各种操作应以对话…

iOS 系统校园无线WIFI认证上网指南

无为WiFi介绍一下IOS手机怎么连接校园网&#xff0c;本介绍为普通途径连接使用校园网&#xff0c;想了解绕过校园网请看其他贴文。1. 打开无线网络&#xff08;WLAN&#xff09;开关2. 连接校园无线WiFi网络进入“设置”->“无线局域网”->在无线WiFi信号列表中选择“SWJ…

【从零开始学习深度学习】40. 算法优化之AdaGrad算法介绍及其Pytorch实现

之前介绍的梯度下降算法中&#xff0c;目标函数自变量的每一个元素在相同时间步都使用同一个学习率来自我迭代。例如&#xff0c;假设目标函数为fff&#xff0c;自变量为一个二维向量[x1,x2]⊤[x_1, x_2]^\top[x1​,x2​]⊤&#xff0c;该向量中每一个元素在迭代时都使用相同的…