SynRM学习(1)——基本结构、原理、模型与方程
一、同步磁阻电机的结构
同步磁阻电机不含有转子磁场,只有电驱磁场起作用,所以又称为同步反应式电机。
1.轴向叠压
指的是沿着电机转动轴的垂直方向叠压磁障,结构复杂,制造成本高以及工艺加工要求高。
2.横向叠压
指的是沿着电机转动轴的方向叠压,也有分为外向叠压和内向叠压,横向叠片方式的转子结构结构简单,制造成本较低且容易,机械可靠性高。
3.永磁辅助式同步磁阻电机PMASynRM
在磁障中加入少量的永磁体,加入电磁转矩以增加转矩密度。
4.同步磁阻电机与开关磁阻电机的不同
在结构上是相同的,主要不同在控制器上,同步磁阻电机控制器采用交流变频器,开关磁阻电机控制器则是根据转子位置开通或关断相应的电流而产生磁场。
二、同步磁阻电机的工作原理(不考虑永磁辅助式)
1.转子的凸极特征
假如转子的结构为隐形式,此时Ld=LqL_d=L_qLd=Lq,将不会产生磁阻转矩,同时也没有电磁转矩,则转子不会运动。
所以同步磁阻电机转子应为凸极结构,利用磁路的各向异性,根据磁路原则:磁通要沿着磁导最大(磁阻最小)的磁路闭合。
2.转子dq轴与磁阻转矩
d轴为无磁障处,q轴为磁障串联处,且q轴应滞后于d轴90°。
此时,d轴磁通路径走高导磁材料,磁阻较小,q轴磁通路径由导磁材料和非导磁材料串联而成,含有很多气隙,磁阻较大。且满足Ld>Lq,L_d>L_q,Ld>Lq,磁阻转矩为Te=p(Ld−Lq)∗idiq,T_e=p(L_d-L_q)*i_di_q,Te=p(Ld−Lq)∗idiq,所以此时凸极性强,产生较大的磁阻转矩。
三、同步磁阻电机的数学模型(不考虑磁路饱和与交叉饱和)
1.A-B-C象限
1.1磁链方程
[ΨAΨBΨC]=[LAALABLACLBALBBLBCLCALCBLCC]⋅[iaibic],\begin{bmatrix}\Psi_A\\\Psi_B\\\Psi_C\end{bmatrix}=\begin{bmatrix}L_{AA} & L_{AB} & L_{AC}\\L_{BA}&L_{BB}&L_{BC}\\L_{CA}&L_{CB}&L_{CC}\end{bmatrix}\cdot\begin{bmatrix}i_a\\i_b\\i_c\end{bmatrix},⎣⎡ΨAΨBΨC⎦⎤=⎣⎡LAALBALCALABLBBLCBLACLBCLCC⎦⎤⋅⎣⎡iaibic⎦⎤,
LAA、LBB、LCCL_{AA}、L_{BB}、L_{CC}LAA、LBB、LCC为自感,{LAA=Lσ+Ls0+Ls2cos2θeLBB=Lσ+Ls0+Ls2cos2(θe−120∘)LCC=Lσ+Ls0+Ls2cos2(θe+120∘)\begin{cases}L_{AA}=L_\sigma+L_{s0}+L_{s2}\cos2\theta_e\\L_{BB}=L_\sigma+L_{s0}+L_{s2}\cos2(\theta_e-120^\circ)\\L_{CC}=L_\sigma+L_{s0}+L_{s2}\cos2(\theta_e+120^\circ)\end{cases}⎩⎨⎧LAA=Lσ+Ls0+Ls2cos2θeLBB=Lσ+Ls0+Ls2cos2(θe−120∘)LCC=Lσ+Ls0+Ls2cos2(θe+120∘)
LAB、LBA、LBC、LCB、LCAL_{AB}、L_{BA}、L_{BC}、L_{CB}、L_{CA}LAB、LBA、LBC、LCB、LCA为互感,{LAB=LBA=−M0+M2cos2(θe+120∘)LBC=LCB=−M0+M2cos2θeLCA=LAC=−M0+M2cos2(θe−120∘),\begin{cases}L_{AB}=L_{BA}=-M_0+M_2\cos2(\theta_e+120^\circ)\\L_{BC}=L_{CB}=-M_0+M_2\cos2\theta_e\\L_{CA}=L_AC=-M_0+M_2\cos2(\theta_e-120^\circ)\end{cases},⎩⎨⎧LAB=LBA=−M0+M2cos2(θe+120∘)LBC=LCB=−M0+M2cos2θeLCA=LAC=−M0+M2cos2(θe−120∘),
其中LσL_\sigmaLσ为漏感,Ls0L_{s0}Ls0为自感基波,Ls2L_{s2}Ls2为自感二次谐波幅值,M0M_0M0为互感基波,M2M_2M2为互感二次谐波幅值。
1.2电压方程
[UaUbUc]=[Rs000Rs000Rs]⋅[iaibic]+p[ΨaΨbΨc]\begin{bmatrix}U_a\\U_b\\U_c\end{bmatrix}=\begin{bmatrix}R_s&0&0\\0&R_s&0\\0&0&R_s\end{bmatrix}\cdot\begin{bmatrix}i_a\\i_b\\i_c\end{bmatrix}+p\begin{bmatrix}\Psi_a\\\Psi_b\\\Psi_c\end{bmatrix}⎣⎡UaUbUc⎦⎤=⎣⎡Rs000Rs000Rs⎦⎤⋅⎣⎡iaibic⎦⎤+p⎣⎡ΨaΨbΨc⎦⎤
1.3方程中依然有θe\theta_eθe的存在
2.α−β\alpha-\betaα−β象限
经过Clark坐标变换可以将A-B-C三相静止坐标系转换到两相静止坐标系
3.d−qd-qd−q象限
经过Park坐标变换可以将两相静止坐标系转换到两相旋转同步坐标系
3.1磁链方程
[ΨdΨq]=[Ld00Lq]⋅[idiq]\begin{bmatrix}\Psi_d\\\Psi_q\end{bmatrix}=\begin{bmatrix}L_d&0\\0&L_q\end{bmatrix}\cdot\begin{bmatrix}i_d\\i_q\end{bmatrix}[ΨdΨq]=[Ld00Lq]⋅[idiq]
3.2电压方程
[UdUq]=[Rs00Rs]⋅[idiq]+[p−ωeωep]⋅[ΨdΨq],ωe=2πf\begin{bmatrix}U_d\\U_q\end{bmatrix}=\begin{bmatrix}R_s&0\\0&R_s\end{bmatrix}\cdot\begin{bmatrix}i_d\\i_q\end{bmatrix}+\begin{bmatrix}p&-\omega_e\\\omega_e&p\end{bmatrix}\cdot\begin{bmatrix}\Psi_d\\\Psi_q\end{bmatrix},\omega_e=2\pi f[UdUq]=[Rs00Rs]⋅[idiq]+[pωe−ωep]⋅[ΨdΨq],ωe=2πf为电机电角度。
3.3转矩方程
Te=C⋅p(Ld−Lq)idiq,T_e=C\cdot p(L_d-L_q)i_di_q,Te=C⋅p(Ld−Lq)idiq,该转矩为磁阻转矩,当为恒功率状态下,C=32,C=\frac{\sqrt{3}}{2},C=23,当为恒幅值状态下C=32。C=\frac{3}{2}。C=23。
3.4此时实现完全解耦
四、永磁辅助式磁阻电机的数学模型(不考虑磁路饱和与交叉饱和)
4.1磁链方程
[ΨdΨq]=[Ld00Lq]⋅[idiq]+[Ψpm0]\begin{bmatrix}\Psi_d\\\Psi_q\end{bmatrix}=\begin{bmatrix}L_d&0\\0&L_q\end{bmatrix}\cdot\begin{bmatrix}i_d\\i_q\end{bmatrix}+\begin{bmatrix}\Psi_{pm}\\0\end{bmatrix}[ΨdΨq]=[Ld00Lq]⋅[idiq]+[Ψpm0]
4.2电压方程
[UdUq]=[Rs00Rs]⋅[idiq]+[p−ωeωep]⋅[ΨdΨq],ωe=2πf\begin{bmatrix}U_d\\U_q\end{bmatrix}=\begin{bmatrix}R_s&0\\0&R_s\end{bmatrix}\cdot\begin{bmatrix}i_d\\i_q\end{bmatrix}+\begin{bmatrix}p&-\omega_e\\\omega_e&p\end{bmatrix}\cdot\begin{bmatrix}\Psi_d\\\Psi_q\end{bmatrix},\omega_e=2\pi f[UdUq]=[Rs00Rs]⋅[idiq]+[pωe−ωep]⋅[ΨdΨq],ωe=2πf为电机电角度。
4.3转矩方程
Te=C⋅p(Ψpmiq+(Ld−Lq)idiq),T_e=C\cdot p(\Psi_{pm}i_q+(L_d-L_q)i_di_q),Te=C⋅p(Ψpmiq+(Ld−Lq)idiq),前面一项为电磁转矩,后面一项为磁阻转矩,磁阻转矩大小由Ld−LqL_d-L_qLd−Lq确定,当为恒功率状态下,C=32,C=\frac{\sqrt{3}}{2},C=23,当为恒幅值状态下C=32。C=\frac{3}{2}。C=23。
4.4矢量图
五、同步磁阻电机磁路饱和与交叉饱和
1.磁路饱和
2.交叉饱和
{Ld=Ld(id,iq)Lq=Lq(id,iq)\begin{cases}L_d=L_d(i_d,i_q)\\L_q=L_q(i_d,i_q)\end{cases}{Ld=Ld(id,iq)Lq=Lq(id,iq)
SynRM学习(1)——基本结构、原理、模型与方程相关推荐
- 自然语言处理模型:bert 结构原理解析——attention+transformer(翻译自:Deconstructing BERT)
原文:Deconstructing BERT: Distilling 6 Patterns from 100 Million Parameters 关于transformer 和attention的机 ...
- 推荐系统与深度学习(二)——FFM模型原理
作者:livan 来源:数据python与算法 前言 上一篇我们讲解了FM模型: 推荐系统与深度学习(一)--FM模型原理 从FM的公式我们可以看出: FM中每个特征所对应的向量是唯一的: Vi是Xi ...
- 笔记︱集成学习Ensemble Learning与树模型、Bagging 和 Boosting、模型融合
基本内容与分类见上述思维导图. 文章目录 一.模型融合方法 . 概述 1.Voting 2.Averaging 3.Bagging 4.Boosting 5. Stacking (1)nfolds 次 ...
- 成为“黑客”前,必须学习的“计算机网络通信原理”
成为"黑客"前,必须学习的"计算机网络通信原理" "黑客"的目的是寻找目标漏洞,然后去发起攻击或者提出解决方案修补漏洞,而寻找漏洞的过程,你 ...
- Deep Learning and the Information Bottleneck Principle 深度学习与信息瓶颈原理
Deep Learning and the Information Bottleneck Principle 深度学习与信息瓶颈原理 摘要 从信息瓶颈(IB)原理的理论框架出发,对深度神经网络(DNN ...
- 从mimikatz学习Windows安全之访问控制模型(一)
从mimikatz学习Windows安全之访问控制模型(一) 从mimikatz学习Windows安全之访问控制模型(一)0x00 前言0x01 访问控制模型简介1. 访问令牌(Access Toke ...
- 深度学习机器学习面试题汇——模型优化,轻量化,模型压缩
深度学习机器学习面试题汇--模型优化,轻量化,模型压缩 提示:互联网大厂可能考的面试题 若CNN网络很庞大,在手机上运行效率不高,对应模型压缩方法有了解吗 介绍一下模型压缩常用的方法?为什么用知识蒸馏 ...
- 124页,UC伯克利大学胡戎航博士论文公布:视觉与语言推理的结构化模型
来源:机器之心 本文约1500字,建议阅读5分钟 UC 伯克利大学计算机科学博士胡戎航(Ronghang Hu)的博士论文新鲜出炉,内容涉及视觉与语言推理的结构化模型. 视觉 - 语言任务(如基于图像 ...
- WinSock学习笔记3:Select模型
WinSock学习笔记3:Select模型 unit Unit1; interface uses Windows, Messages, SysUtils, Variants, Classes, G ...
- 前向传播和反向传播_深度学习的地基模块:模型、参数、非线性、前向传播、反向偏微分
头条ID:钱多多先森,关注更多AI.CV.数码.个人理财领域知识,关注我,一起成长 在深度学习中,数据.模型.参数.非线性.前向传播预测.反向偏微分参数更新等等,都是该领域的基础内容.究竟他们最基础的 ...
最新文章
- Linux环境下服务器 Tomcat war包部署步骤
- ABAP和Java的destination和JNDI
- Codeforces Round #725 (Div. 3) G. Gift Set 二分
- php 环信easyui_环信easeui集成:坑总结2018
- 医疗健康领域的短文本解析探索----文本纠错
- 如何将PDF转换为DOCX?
- 【精益生产】108页PPT搞懂精益生产价值流分析图(VSM)
- 五大主流云盘横评对比,百度、腾讯、115、iCloud、OneDrive哪家更值得付费?
- 爬虫python创意_最经典的Python爬虫(图片)案例
- Java带宽限速器、Springboot限速器
- 创意设计:带自动喂鱼的鱼缸自动控制系统设计与制作 单片机程序 原理图 源代码
- 电信系统服务器地址,电信高速dns服务器地址谁知道?
- win7计算机锁频图片怎么设置,win7锁屏壁纸怎么换_win7更换锁屏壁纸的操作方法...
- 空间大地测量与GPS导航定位时间系统相互转换,格里高利时通用时儒略日,GPS时,年积日相互转换
- php下拉框css样式,纯CSS实现的下拉菜单
- 常见的数据校验方式(奇偶,累加,CRC校验)
- 基于深度学习的目标检测算法综述(二)
- 最近看到一个故事,你让我妻守空房,我让你妻哭断肠
- 用matlab求已知分布的概率密度函数,已知某分布地概率密度函数,怎样得到服从该分部的随机数...
- JDBC链接数据库的步骤