ARM M0无感FOC风机控制实战与参数整定

硅谷IT胖子

1. 项目概述：ARM M0平台下的风机无感FOC实战

去年夏天，我们团队接手了一个工业排气风机的量产项目，要求在全工况范围内实现±1%的转速精度。当时市面上大多数方案要么依赖编码器，要么在低速段抖得像筛糠。最终我们基于STM32G071这颗M0内核芯片，打磨出一套无感FOC方案，实测在50-3000RPM范围内转矩波动小于2%。这套方案的核心在于龙伯格观测器的创新实现和独特的调制策略，今天我就把踩过的坑和调参秘籍都摊开来聊聊。

2. 磁链观测器设计与实现

2.1 龙伯格观测器的滑模变种

传统龙伯格观测器在电机参数变化时容易失稳，我们在α-β坐标系下做了滑模改进。关键点在于这个非线性反馈项的设计：

c复制typedef struct {
    float alpha;  // 观测器增益(建议0.8-1.2)
    float beta;   // 滑模系数(建议50-100)
    float est_flux[2];  // αβ轴磁链估计值
    float back_emf[2];  // 反电动势观测值
    float Rs;     // 定子电阻(需在线辨识)
} LuenbergerObserver;

滑模面的计算采用了符号函数与饱和函数的混合策略，这个技巧让低速稳定性提升了40%：

c复制// 混合滑模面计算
float s = (Iα - observer->est_flux[0]) * observer->beta 
        - (Iβ - observer->est_flux[1]) * observer->alpha;
        
// 符号函数+饱和函数混合
if(fabs(s) > SLIDE_THRESH){
    observer->back_emf[0] = K_SLIDE * sign(s);
} else {
    observer->back_emf[0] = K_SLIDE * (s/SLIDE_THRESH);
}

调试心得：滑模增益K_SLIDE的取值与电机反电动势常数直接相关，建议先用6步方波驱动电机，测量空载反电动势幅值，取1.2倍作为初始值。

2.2 锁相环的工程化实现

观测器输出的反电动势需要经过锁相环提取转速和位置。我们采用二阶PLL结构，其传递函数为：

code复制H(s) = (2ζωn*s + ωn²)/(s² + 2ζωn*s + ωn²)

对应的离散化实现代码如下：

c复制void PLL_Update(PLL_TypeDef *pll, float emf_alpha, float emf_beta){
    float sin_theta = pll->sin_val;
    float cos_theta = pll->cos_val;
    
    // 相位检测器
    float error = emf_alpha * cos_theta - emf_beta * sin_theta;
    
    // 环路滤波器
    pll->integrator += error * pll->ki;
    float freq = error * pll->kp + pll->integrator;
    
    // 压控振荡器
    pll->angle += freq * pll->dt + pll->offset;
    pll->sin_val = arm_sin_f32(pll->angle);
    pll->cos_val = arm_cos_f32(pll->angle);
}

参数整定经验：

阻尼比ζ取0.707（最佳动态响应）
带宽ωn初始设为电机额定转速的1/10
采样周期dt必须严格等于PWM中断周期

3. 启动策略优化

3.1 顺逆风检测算法

风机应用最头疼的就是未知初始位置和可能存在的逆风状态。我们采用电流矢量幅值检测法：

c复制#define WIND_THRESH  0.3f  // 额定电流的30%

bool Check_ReverseWind(void){
    // 施加固定方向矢量
    SVM_Output(0, 0.5f * Vdc);
    delay_ms(50);
    
    // 检测电流响应
    float Iq = Get_CurrentQ();
    if(Iq < -WIND_THRESH){
        return true;  // 逆风状态
    }
    return false;
}

避坑指南：阈值WIND_THRESH需要根据风叶惯量调整。叶轮直径越大，该值应越小。我们整理的经验公式：阈值 = 0.3 * (D/0.3)^2，其中D为叶轮直径(米)

3.2 三段式启动流程

预定位阶段：
- 强制施加90°电角度矢量
- 持续时间20-100ms（取决于转子惯量）
- 电流控制在额定值50%
低速拖拽阶段：
- 采用开环V/F控制
- 频率从5Hz斜坡上升到20Hz
- 电压幅值按V/f=1.2倍额定曲线给定

观测器切换阶段：

当转速>5%额定转速时切入闭环

采用混合过渡策略：

c复制if(rpm_est > SWITCH_RPM){
    torque_current = 0.7*openloop_current + 0.3*closedloop_current;
}

4. PWM调制策略优化

4.1 五段式与七段式混合调制

传统SVPWM在低调制比时谐波失真严重。我们根据调制比自动切换策略：

调制比范围	调制策略	THD改善
M < 0.3	七段式	4.2%
0.3 ≤ M <0.7	五段式	2.8%
M ≥ 0.7	三段式	基准

七段式关键实现代码：

c复制void SVM_7Segment(Sector_TypeDef sector, float t1, float t2){
    float t0 = (1 - t1 - t2)/2;
    switch(sector){
        case SECTOR_I:
            TIM1->CCR1 = (t1 + t2 + t0) * period_max;
            TIM1->CCR2 = (t2 + t0) * period_max;
            TIM1->CCR3 = t0 * period_max;
            break;
        // 其他扇区类似...
    }
}

4.2 死区补偿技巧

M0芯片没有硬件死区补偿，我们在软件中实现了动态补偿：

c复制void DeadTime_Compensation(float *u, float *v, float *w){
    static float dt_comp = 0.05f;  // 初始补偿量(标幺值)
    
    // 根据电流方向调整补偿量
    if(Ia > 0.1f) u += dt_comp;
    else if(Ia < -0.1f) u -= dt_comp;
    
    // 其他两相类似...
}

实测数据：补偿后效率提升1.5%，特别是在低速重载工况

5. 关键参数整定方法

5.1 观测器参数整定流程

先调电阻辨识：

python复制# 参数辨识脚本示例
def identify_Rs():
    apply_voltage(0.5, 0)  # 施加直流电压
    measure_current()
    Rs = voltage / current
    return Rs

再调滑模增益：
- 从K=0.1开始逐步增加
- 观察转速波动<2%时的最大K值
- 取该值的80%作为最终参数

最后调PLL带宽：

matlab复制% 带宽扫描脚本
bw_range = linspace(0.1, 10, 20);
for bw = bw_range
    set_pll_bandwidth(bw);
    measure_settling_time();
end

5.2 电流环PI参数工程计算

电流环比例系数：

code复制Kp = Ls * ωc

积分系数：

code复制Ki = Rs * ωc

其中：

Ls：定子电感（实测值）
Rs：定子电阻（在线辨识值）
ωc：期望带宽（建议500-1000rad/s）

6. 量产测试中的典型问题

6.1 电磁兼容问题

我们遇到过PWM开关导致ADC采样异常的情况，解决方案：

ADC采样时刻严格避开PWM边沿
在电流采样输入端增加RC滤波（10Ω+100nF）
PCB布局时将电流检测回路面积最小化

6.2 参数漂移应对

电机温升会导致参数变化，我们采用的在线辨识策略：

c复制void Online_Parameter_Estimation(void){
    // 每10秒执行一次电阻辨识
    if(tick % 10 == 0){
        Rs = Estimate_Rs();
        observer->Rs = Rs * 1.05;  // 加5%裕量
    }
}