TI 无传感电机控制算法介绍 增强滑膜及高频注入算法

大家好 欢迎大家参加TI工业研讨会

我是TI Century FAE Igor An

今天由我继续给大家介绍TI的 无传感电机控制加PFC解决方案

今天我要为大家主要介绍的是TI 为大家提供的无传感电机控制算法

主要是无传感电机控制的 角度位置观测器

目前TI能为大家提供的无传感 电机算法主要有以下几种

第一种呢就是Sensorless BLDC

那这个其实是我们 经常讲的方波 方波控制

那传统方波控制 一般是用霍尔传感器

那这里我们使用无传感的方式 去估计它的换相点

那我们有完全开源的 Sensorless BLDC的解决方案

是在我们的controlSUITE的 这个DMC软件库里面

同时还有一个 是instaSPIN的BLDC的方案

那这个库是编成一个library的

大家是不能看到源码

但是可以方便地利用 它的接口去使用这个软件

另外一个呢 就是我们 这个滑膜 滑膜观察器

那这个做电机控制的人 应该比较熟悉

这个已经非常 出来有点年头的这一个算法

那还有的就是我们的最近这些年 主推的instaSPIN的FOC的算法

这是一个性能非常优异的 无传感电机算法

它这个最低转速可以下探到 非常低的一个转速

那还有就是高频注入算法

那这个主要是为了解决 零速和低速的一些问题的一套

一套无传感的算法

那右边两个框图呢 上面这个 是SMO的估算器的主要几个框图

那下面这个呢是我们集成了FAST

也就是我们instaSPIN的这个 估算器的一个FOC的控制框图

那这个估算器呢 instaSPIN的估算器 我们称之为FAST

其实是因为它这个估算器的 输出有四个量

第一个flux angle speed torque

那这几个首字母加起来 就是FAST

我这个估算器出来 除了这个角度和速度信息之外

还会有这个磁链和这个 力矩的信息供大家使用

从SMO的这个图上看啊 其实这个就是非常经典的SMO

那这里不同的这个实现啊

可能会选择不同的收敛控制器

那这个TI的方案里面呢

我们是用的这种 帮帮控制的这个控制器

那后面呢

我们会针对几个主要的算法 给大家更深入的介绍

我们实现这些算法的 一些基本的方法

那首先给大家介绍的是SMO 那这里我们加了一个e

eSMO

就是enhanced 增强型SMO

那其实这个不加e的这个 就是纯的SMO这个算法呢

我们TI在网上已经完全 open source给大家使用

已经有20几年的时间了

那这个传统的SMO的算法

大家可以在TI的controlSUITE DMC这个库里面直接下来

直接可以看到 你可以随便地使用

那我们加了这个e的 增强型SMO的这个算法呢

是我们在2013年推出的

那这个增强呢其实它没有改变 eSMO的核心算法

那前面的这个估算

帮帮控制这些其实都是没有变的

那只是我们得到这个 反应式EFRE β之后

我们从EFRE β 得到这个实际角度sita的时候

我们会经过一些处理

比如说一些通率波

或者是其他类型的滤波

滤波之后造成的这个角度延时 我们还有一个角度补偿

那这个增强型其实是处理这一块的

那我们去切换了 一个新型的滤波方式

就是改进了滤波方式吧

然后 把这个滤波之后的结果 进行角度补偿的方式

做成了一个自动机制

之前呢 如果用纯的SMO的话

可能要客户大家自己 去做一个角度补偿算法去补偿

那我们增强型里面呢 会把这个角度补偿的这个机制

也放在我们的这个观察器里面

一起给大家提供一个 最终的角度结果

所以这个增强型的那个 得到的角度呢

它是补偿过的角度

它这个在动态特性和角度精度上

都比传统的SMO 有了比较大的这个改善

当然这个eSMO呢

目前我们是用一个delight的库的 形式供给大家的

所以说在这个e 怎么实现这个e的时候

大家现在目前 还是看不到源码的

但是可以方便地 用这个live去做您的工程

直接用它的结果

那我们很清楚就是说

SMO无论是eSMO还是SMO来说

它都是利用电机的 永磁电机的 这个反定式特性去估计转子位置的

所以 那我们知道

它的这个理论上的 一个使用情景呢

就是在中速和高速的情况下

也就是说我有反定式或者反定式 比较强的这种工况下

我才能使eSMO估计出转子位置

那当零速和低速的时候

当没有反定式或者 反定式信号非常微弱的时候

那SMO以及一系列

利用反定式原理 去进行转子位置估算的

那比如说伦伯格

比如说全机观察器等等 这一系列的这种无传感估算算法

它都是不适用的

或者说它的性能都是不能保证的

因此我们在这里面 会给大家一个推荐

就是SMO匹配我们高频注入算法 去把全速度范围覆盖掉

那这个高频注入算法呢

我们TI也是有一个代码库 供大家使用的

后面我们会对高频注入算法也再做一个简单的介绍

这里我们看到呢 就是SMO

或者叫eSMO 在FOC控制环路中的控制框图

那这里最关键呢 就是 Sliding mode observer 滑膜观察器

那么可以看到它的 输入是Vα Vβ Iα Iβ

输出是eα eβ 那输出就是两个反定式

在αβ上面的这个信号

那它输入呢 Iα Iβ 是通过我采的这个abc电流

去做这个clark变化得到的

那Vα Vβ呢 实际上就是我们的这个输出

给电机的输出这个电压

在这个αβ相陷的这个表示

那一般这个VαVβ呢

是根据我们控制环路 这个实际给出这个duty cycle

以及母线去估算出来的

它会有一定误差 比如说死驱啊

这个一些压降啊 这些我们并没有考虑进去

所以它有一定误差

但是在可以接受的范围内呢

所以这个SMO 对于一些高性能高精度里面呢

可能这个控制可能它的性能 并不是那么理想

那有一方面原因是 因为我们这个电机

电压这个值并不是特别的精确

那我们可以加一些补偿 但也相对于 比较难把它补得非常非常准

然后得到这个eαeβ它的反应式

然后我们一般来说我们有一个

就可以得到这个角度了

那我们这里也可以用一个 类似于锁向的一个概念

就是说把eαeβ进行解耦 用解耦之后变成ed eq

然后用ed eq建一个 我们叫position observer

其实就是一个锁向控制环

那得到我们这个sita或者是速度

那只是一种实现方式啦

那在我们这个 eSMO的这个库里面呢

它的输出就是eαeβ出来 直接得到一个补偿过的sita

那后面这段呢大家可以自己加

那TI也有一些参考设计里面 是加入了这个position observer的

但是并没有包含在eSMO库里面

好 我们之前提到了这个

我们的FAST 我们的eSMO

那不管这些无传感它的原理 或者估算器是怎么样的

它都是利用反定式的 这个特性去估算的

那就从下面这两张图 我们可以看到

那绿色的表示这个FAST

或者是我们叫eSMO 它的有效工作区间

那就是中速或高速

那这个红色的是一个 低速或者是零速这个位置

实际上无论是FAST 还是eSMO它都没有办法

就从理论上就没有办法把这部分的 角度很精确地估算出来

那这部分呢 我们就用IPD

那这IPD的意思就是 Initial Position Detection

那实际上它检测的是零速

那这个零速过了后面这一段

电机在运行但是速度很低 情况下运行的时候呢

我们可能就是用高频注入算法

那其实IPD也是高频注入啦

只是说高频注入的一个阶段

它是在零速阶段叫IPO 在这个有运动的低速阶段

我们就叫HFI 叫高频注入

那高频注入的这个算法有一些

它本身的对电机的一些要求

那我们从这里可以看到 其实我们这个高频注入算法

只能应用在这个 有凸极率的这种支差型电机

那像这种表梯电机 没有凸极特性的

它就没有办法 把这个转子位置估算出来

那原因是在于 我们看下面

它这个转子在转一周的时候

整个定子侧的电感的值

在表梯电机它定子电感的值 几乎是一条直线

也就是我们常说的Ld=Lq

那在这个有凸极率的电机上

它这个转子转一周的时候

定子侧的电感值 是随着你转子位置的不同

因为转子的磁场对定子侧的 这个电感量是有影响的

所以就是有LdLq

那我们一般的讲Ld

那就是这个峰值的地方

最大值的就是Ld 谷值的就是Lq

那很多这个用户或者是

客户或者工程师会有一些问题

知道Ls怎么算Ld Lq

因为我们知道很多电机里面的量

比如说我的 三项电阻值或者电感值

电阻值它一般是 或者是三项电压电流值

它会有一个根号三 用这中三向到两向这种关系

那其实LdLq和Ls之间的关系 并不是这样

那其实它就是 峰值谷值和平均值的关系

那Ls实际上指的就是 整个这个波动的平均值

那一般我知道LdLq 要求我的Ls的话

一般是讲Ld加Lq除以2 就是得到Ls

那这个框图给大家展示呢

就是高频注入这个估算器 在FOC的这个环路里面

它的一个实现框图

那我们这里看几个 比较重要的点就是

用红色标注出来的这第一个

我高频注入是在哪里注入

那其实我们就是在FOC环路里

TI的实现方式呢是 在这个Vd上叠加一个高频信号

那这个Vd就是你零速的时候 电机是不转的

可能你正常输出的Vd就是零

但如果是你在低速的时候 电机是要转的

你要由VdVq向电机输出力矩

那这个VdVq就是 在正常的FOC算出来的

要控制电机转速 输出力矩的这个VdVq

那在这个计算的基础上 我增加一个额外的高频信号

那这个就是我们去设计 这个高频信号加进去

那TI加进的是个高频风波信号 那这个信号加进电机以后呢

会由这个高频 这个实际上是个电压信号

高频电压信号 产生一个高频电流信号

那我们去采集abc电流的时候

经过解耦得到这个电流 就会包含两部分

一部分低频的 那实际上就是

理想状态下它就是直流 就是Id Iq

那作为这个FOC的这个控制 作为输出力矩的这部分

另一部分高频的信号

我们是输送给这个高频注入的 这个位置观察器

由这个高频信号 去解出我们的角度位置

从而得到角度位置和速度信息

那这里面我们就用到了刚才 类似于SMO里面介绍的

我们一个锁向环路 去得到这个角度和速度信息

那从这里面看 Band-pass filter这个环节

那其实它需要做两个事情

一个就是把低频的分裂出来 给这个FOC控制环路

把高频的信号分离出来 给我这个高频注入的这个环路

这是它的基本原理

那当然在这个高频注入的 估算器里面有非常多的复杂算法

那目前呢

我们是把这部分算法做成一个 标准的库的形式来提供给大家

那这里我们看到的呢 就是我们刚才讲到的

这个波形就是我们注入的 这个高频风波电压信号

那注入进去之后

定子的电感会产生 一个高频的三角波电流

那实际的这个波形呢 大概会是这样的

它是类似于三角波的这个电流

那我们通过这个电流 会经过我们的锁向环路

去分析它的这个角度和位置信息

但有一个高频注入里面的 一个环路上的问题就是说

我从这个环路分解出一个角度 它是一个0到180的一个值

那我并不知道它是一个 正的0到180 还是一个负的0到180

那这里面就是需要进一步 确认另一个信息 就是南北极信息

那我们知道那 正零到一百八和负零到一百八

其实就是我是 对的是南极就是N还是S

那我们从这个磁力线

磁力曲线的这个上面可以看到

如果是N极对着 我这个定子的线圈的话

那它对我的一个磁场是增强的

那S的话就是相反 它的磁场是减弱的

所以我们从这个波形上看 如果是这个N对应的

对的我这个转子位置

我们看 这个高频的电流 那波形几乎是

和这个几乎一样的

但是我们仔细看这个数值 它是正向的1.82 负向的 负的1.7

就是正的比负的要高

而相反的这边是负的比正的要高

那其实它的NS判断就是通过这种

这种直观的判断 到底是正的大还是负的大

那其实就是哪边的 这个电感量更大

或哪边的更小来判断它的NS

那这是高频注入实现的一个细节

那这里跟大家介绍一下

就是我们上面介绍的 这些无传感电机算法

其实都可以在TI的官网上 直接免费的下载下来的

那这些下载资源呢 我们下面跟大家介绍一下

那下载资源主要包括controlSUITE Motorware还有C2000 ware

那controlSUITE呢

是我们C2000一个非常重要的 这个资源共享库

包括里面有一些这个 我们UN板的电路图

原理图 PCB 还有很多的这种参考代码库

还有这个controlSUITE 里面集成了一个PowerSUITE

那这PowerSUITE里面呢

有一个非常方便使用的 一个图形化界面的

帮助大家去开发数字电源的 一些简单的工具

那包括一些buck-boost的电路啊

您可以直接在这个图形化界面上 去配置你板子上的各种端口

同时它会自动的帮您生成代码

就是您整个在 我们已经支持的几颗 拓扑里面您就不用直接手写代码

直接用图形化界面自动生成代码

同时自动去类似于 myplant的一个control

control这个工具一样帮您 去分析你的PID 分析你的波特图

去自动帮您生成 这个控制环路参数

等等等等一系列 非常方便的这个工具

同时PowerSUITE里面呢 还有一个非常强的工具就是SFI

其实就是我们传统讲的 这个环路分析仪

那它会有一个分析仪的功能 集成到我们的代码里

实际上就是在您的主控环路里面 注入一个额外的信号

同时对它进行这个频谱分析

然后通过这个SFA可以帮你 画出你的闭环波特图

帮你评估你的系统

那这个都是数字电源相关的

同时还有非常多电机相关的

有传感的 无传感的 霍尔传感器 光电编码传感器等等等等一系列

那大家可以去下 都是免费下载的

在C2000里面

那上面就是它的这个层级地址

那还有一个就是Motorware

那这个Motorware呢

其实是我们发布instaSPIN FOC和 instaSPIN motion的一个主要软件平台

大家可以去下载

那instaSPIN motion里 instaSPIN FOC 里面呢 除了instaSPIN的这个重要功能

还有一些非常实用的功能 就比如说过调制

这个低速的力矩振动补偿

那这在压缩机型里面非常实用

那它这个振动补偿 也是用一个先进的

二次线性迭代的方式 去自动地识别力矩曲线

自动地去补偿的

还有这个 这里写的是coming soon 其实现在已经发布了

就是IPD_HFI加上instaSPIN的 这种开发算法

好 谢谢大家的时间

欢迎大家继续关注这一方面的讲座

大家好 欢迎大家参加TI工业研讨会

我是TI Century FAE Igor An

今天由我继续给大家介绍TI的 无传感电机控制加PFC解决方案

今天我要为大家主要介绍的是TI 为大家提供的无传感电机控制算法

主要是无传感电机控制的 角度位置观测器

目前TI能为大家提供的无传感 电机算法主要有以下几种

第一种呢就是Sensorless BLDC

那这个其实是我们 经常讲的方波 方波控制

那传统方波控制 一般是用霍尔传感器

那这里我们使用无传感的方式 去估计它的换相点

那我们有完全开源的 Sensorless BLDC的解决方案

是在我们的controlSUITE的 这个DMC软件库里面

同时还有一个 是instaSPIN的BLDC的方案

那这个库是编成一个library的

大家是不能看到源码

但是可以方便地利用 它的接口去使用这个软件

另外一个呢 就是我们 这个滑膜 滑膜观察器

那这个做电机控制的人 应该比较熟悉

这个已经非常 出来有点年头的这一个算法

那还有的就是我们的最近这些年 主推的instaSPIN的FOC的算法

这是一个性能非常优异的 无传感电机算法

它这个最低转速可以下探到 非常低的一个转速

那还有就是高频注入算法

那这个主要是为了解决 零速和低速的一些问题的一套

一套无传感的算法

那右边两个框图呢 上面这个 是SMO的估算器的主要几个框图

那下面这个呢是我们集成了FAST

也就是我们instaSPIN的这个 估算器的一个FOC的控制框图

那这个估算器呢 instaSPIN的估算器 我们称之为FAST

其实是因为它这个估算器的 输出有四个量

第一个flux angle speed torque

那这几个首字母加起来 就是FAST

我这个估算器出来 除了这个角度和速度信息之外

还会有这个磁链和这个 力矩的信息供大家使用

从SMO的这个图上看啊 其实这个就是非常经典的SMO

那这里不同的这个实现啊

可能会选择不同的收敛控制器

那这个TI的方案里面呢

我们是用的这种 帮帮控制的这个控制器

那后面呢

我们会针对几个主要的算法 给大家更深入的介绍

我们实现这些算法的 一些基本的方法

那首先给大家介绍的是SMO 那这里我们加了一个e

eSMO

就是enhanced 增强型SMO

那其实这个不加e的这个 就是纯的SMO这个算法呢

我们TI在网上已经完全 open source给大家使用

已经有20几年的时间了

那这个传统的SMO的算法

大家可以在TI的controlSUITE DMC这个库里面直接下来

直接可以看到 你可以随便地使用

那我们加了这个e的 增强型SMO的这个算法呢

是我们在2013年推出的

那这个增强呢其实它没有改变 eSMO的核心算法

那前面的这个估算

帮帮控制这些其实都是没有变的

那只是我们得到这个 反应式EFRE β之后

我们从EFRE β 得到这个实际角度sita的时候

我们会经过一些处理

比如说一些通率波

或者是其他类型的滤波

滤波之后造成的这个角度延时 我们还有一个角度补偿

那这个增强型其实是处理这一块的

那我们去切换了 一个新型的滤波方式

就是改进了滤波方式吧

然后 把这个滤波之后的结果 进行角度补偿的方式

做成了一个自动机制

之前呢 如果用纯的SMO的话

可能要客户大家自己 去做一个角度补偿算法去补偿

那我们增强型里面呢 会把这个角度补偿的这个机制

也放在我们的这个观察器里面

一起给大家提供一个 最终的角度结果

所以这个增强型的那个 得到的角度呢

它是补偿过的角度

它这个在动态特性和角度精度上

都比传统的SMO 有了比较大的这个改善

当然这个eSMO呢

目前我们是用一个delight的库的 形式供给大家的

所以说在这个e 怎么实现这个e的时候

大家现在目前 还是看不到源码的

但是可以方便地 用这个live去做您的工程

直接用它的结果

那我们很清楚就是说

SMO无论是eSMO还是SMO来说

它都是利用电机的 永磁电机的 这个反定式特性去估计转子位置的

所以 那我们知道

它的这个理论上的 一个使用情景呢

就是在中速和高速的情况下

也就是说我有反定式或者反定式 比较强的这种工况下

我才能使eSMO估计出转子位置

那当零速和低速的时候

当没有反定式或者 反定式信号非常微弱的时候

那SMO以及一系列

利用反定式原理 去进行转子位置估算的

那比如说伦伯格

比如说全机观察器等等 这一系列的这种无传感估算算法

它都是不适用的

或者说它的性能都是不能保证的

因此我们在这里面 会给大家一个推荐

就是SMO匹配我们高频注入算法 去把全速度范围覆盖掉

那这个高频注入算法呢

我们TI也是有一个代码库 供大家使用的

后面我们会对高频注入算法也再做一个简单的介绍

这里我们看到呢 就是SMO

或者叫eSMO 在FOC控制环路中的控制框图

那这里最关键呢 就是 Sliding mode observer 滑膜观察器

那么可以看到它的 输入是Vα Vβ Iα Iβ

输出是eα eβ 那输出就是两个反定式

在αβ上面的这个信号

那它输入呢 Iα Iβ 是通过我采的这个abc电流

去做这个clark变化得到的

那Vα Vβ呢 实际上就是我们的这个输出

给电机的输出这个电压

在这个αβ相陷的这个表示

那一般这个VαVβ呢

是根据我们控制环路 这个实际给出这个duty cycle

以及母线去估算出来的

它会有一定误差 比如说死驱啊

这个一些压降啊 这些我们并没有考虑进去

所以它有一定误差

但是在可以接受的范围内呢

所以这个SMO 对于一些高性能高精度里面呢

可能这个控制可能它的性能 并不是那么理想

那有一方面原因是 因为我们这个电机

电压这个值并不是特别的精确

那我们可以加一些补偿 但也相对于 比较难把它补得非常非常准

然后得到这个eαeβ它的反应式

然后我们一般来说我们有一个

就可以得到这个角度了

那我们这里也可以用一个 类似于锁向的一个概念

就是说把eαeβ进行解耦 用解耦之后变成ed eq

然后用ed eq建一个 我们叫position observer

其实就是一个锁向控制环

那得到我们这个sita或者是速度

那只是一种实现方式啦

那在我们这个 eSMO的这个库里面呢

它的输出就是eαeβ出来 直接得到一个补偿过的sita

那后面这段呢大家可以自己加

那TI也有一些参考设计里面 是加入了这个position observer的

但是并没有包含在eSMO库里面

好 我们之前提到了这个

我们的FAST 我们的eSMO

那不管这些无传感它的原理 或者估算器是怎么样的

它都是利用反定式的 这个特性去估算的

那就从下面这两张图 我们可以看到

那绿色的表示这个FAST

或者是我们叫eSMO 它的有效工作区间

那就是中速或高速

那这个红色的是一个 低速或者是零速这个位置

实际上无论是FAST 还是eSMO它都没有办法

就从理论上就没有办法把这部分的 角度很精确地估算出来

那这部分呢 我们就用IPD

那这IPD的意思就是 Initial Position Detection

那实际上它检测的是零速

那这个零速过了后面这一段

电机在运行但是速度很低 情况下运行的时候呢

我们可能就是用高频注入算法

那其实IPD也是高频注入啦

只是说高频注入的一个阶段

它是在零速阶段叫IPO 在这个有运动的低速阶段

我们就叫HFI 叫高频注入

那高频注入的这个算法有一些

它本身的对电机的一些要求

那我们从这里可以看到 其实我们这个高频注入算法

只能应用在这个 有凸极率的这种支差型电机

那像这种表梯电机 没有凸极特性的

它就没有办法 把这个转子位置估算出来

那原因是在于 我们看下面

它这个转子在转一周的时候

整个定子侧的电感的值

在表梯电机它定子电感的值 几乎是一条直线

也就是我们常说的Ld=Lq

那在这个有凸极率的电机上

它这个转子转一周的时候

定子侧的电感值 是随着你转子位置的不同

因为转子的磁场对定子侧的 这个电感量是有影响的

所以就是有LdLq

那我们一般的讲Ld

那就是这个峰值的地方

最大值的就是Ld 谷值的就是Lq

那很多这个用户或者是

客户或者工程师会有一些问题

知道Ls怎么算Ld Lq

因为我们知道很多电机里面的量

比如说我的 三项电阻值或者电感值

电阻值它一般是 或者是三项电压电流值

它会有一个根号三 用这中三向到两向这种关系

那其实LdLq和Ls之间的关系 并不是这样

那其实它就是 峰值谷值和平均值的关系

那Ls实际上指的就是 整个这个波动的平均值

那一般我知道LdLq 要求我的Ls的话

一般是讲Ld加Lq除以2 就是得到Ls

那这个框图给大家展示呢

就是高频注入这个估算器 在FOC的这个环路里面

它的一个实现框图

那我们这里看几个 比较重要的点就是

用红色标注出来的这第一个

我高频注入是在哪里注入

那其实我们就是在FOC环路里

TI的实现方式呢是 在这个Vd上叠加一个高频信号

那这个Vd就是你零速的时候 电机是不转的

可能你正常输出的Vd就是零

但如果是你在低速的时候 电机是要转的

你要由VdVq向电机输出力矩

那这个VdVq就是 在正常的FOC算出来的

要控制电机转速 输出力矩的这个VdVq

那在这个计算的基础上 我增加一个额外的高频信号

那这个就是我们去设计 这个高频信号加进去

那TI加进的是个高频风波信号 那这个信号加进电机以后呢

会由这个高频 这个实际上是个电压信号

高频电压信号 产生一个高频电流信号

那我们去采集abc电流的时候

经过解耦得到这个电流 就会包含两部分

一部分低频的 那实际上就是

理想状态下它就是直流 就是Id Iq

那作为这个FOC的这个控制 作为输出力矩的这部分

另一部分高频的信号

我们是输送给这个高频注入的 这个位置观察器

由这个高频信号 去解出我们的角度位置

从而得到角度位置和速度信息

那这里面我们就用到了刚才 类似于SMO里面介绍的

我们一个锁向环路 去得到这个角度和速度信息

那从这里面看 Band-pass filter这个环节

那其实它需要做两个事情

一个就是把低频的分裂出来 给这个FOC控制环路

把高频的信号分离出来 给我这个高频注入的这个环路

这是它的基本原理

那当然在这个高频注入的 估算器里面有非常多的复杂算法

那目前呢

我们是把这部分算法做成一个 标准的库的形式来提供给大家

那这里我们看到的呢 就是我们刚才讲到的

这个波形就是我们注入的 这个高频风波电压信号

那注入进去之后

定子的电感会产生 一个高频的三角波电流

那实际的这个波形呢 大概会是这样的

它是类似于三角波的这个电流

那我们通过这个电流 会经过我们的锁向环路

去分析它的这个角度和位置信息

但有一个高频注入里面的 一个环路上的问题就是说

我从这个环路分解出一个角度 它是一个0到180的一个值

那我并不知道它是一个 正的0到180 还是一个负的0到180

那这里面就是需要进一步 确认另一个信息 就是南北极信息

那我们知道那 正零到一百八和负零到一百八

其实就是我是 对的是南极就是N还是S

那我们从这个磁力线

磁力曲线的这个上面可以看到

如果是N极对着 我这个定子的线圈的话

那它对我的一个磁场是增强的

那S的话就是相反 它的磁场是减弱的

所以我们从这个波形上看 如果是这个N对应的

对的我这个转子位置

我们看 这个高频的电流 那波形几乎是

和这个几乎一样的

但是我们仔细看这个数值 它是正向的1.82 负向的 负的1.7

就是正的比负的要高

而相反的这边是负的比正的要高

那其实它的NS判断就是通过这种

这种直观的判断 到底是正的大还是负的大

那其实就是哪边的 这个电感量更大

或哪边的更小来判断它的NS

那这是高频注入实现的一个细节

那这里跟大家介绍一下

就是我们上面介绍的 这些无传感电机算法

其实都可以在TI的官网上 直接免费的下载下来的

那这些下载资源呢 我们下面跟大家介绍一下

那下载资源主要包括controlSUITE Motorware还有C2000 ware

那controlSUITE呢

是我们C2000一个非常重要的 这个资源共享库

包括里面有一些这个 我们UN板的电路图

原理图 PCB 还有很多的这种参考代码库

还有这个controlSUITE 里面集成了一个PowerSUITE

那这PowerSUITE里面呢

有一个非常方便使用的 一个图形化界面的

帮助大家去开发数字电源的 一些简单的工具

那包括一些buck-boost的电路啊

您可以直接在这个图形化界面上 去配置你板子上的各种端口

同时它会自动的帮您生成代码

就是您整个在 我们已经支持的几颗 拓扑里面您就不用直接手写代码

直接用图形化界面自动生成代码

同时自动去类似于 myplant的一个control

control这个工具一样帮您 去分析你的PID 分析你的波特图

去自动帮您生成 这个控制环路参数

等等等等一系列 非常方便的这个工具

同时PowerSUITE里面呢 还有一个非常强的工具就是SFI

其实就是我们传统讲的 这个环路分析仪

那它会有一个分析仪的功能 集成到我们的代码里

实际上就是在您的主控环路里面 注入一个额外的信号

同时对它进行这个频谱分析

然后通过这个SFA可以帮你 画出你的闭环波特图

帮你评估你的系统

那这个都是数字电源相关的

同时还有非常多电机相关的

有传感的 无传感的 霍尔传感器 光电编码传感器等等等等一系列

那大家可以去下 都是免费下载的

在C2000里面

那上面就是它的这个层级地址

那还有一个就是Motorware

那这个Motorware呢

其实是我们发布instaSPIN FOC和 instaSPIN motion的一个主要软件平台

大家可以去下载

那instaSPIN motion里 instaSPIN FOC 里面呢 除了instaSPIN的这个重要功能

还有一些非常实用的功能 就比如说过调制

这个低速的力矩振动补偿

那这在压缩机型里面非常实用

那它这个振动补偿 也是用一个先进的

二次线性迭代的方式 去自动地识别力矩曲线

自动地去补偿的

还有这个 这里写的是coming soon 其实现在已经发布了

就是IPD_HFI加上instaSPIN的 这种开发算法

好 谢谢大家的时间

欢迎大家继续关注这一方面的讲座