matlab2014a如何画电机效率云图,maxwell电机转矩扫描与使用MTPA策略绘制效率map图...
matlab2014a如何画电机效率云图,maxwell电机转矩扫描与使用MTPA策略绘制效率map图...
1.电机转矩扫描
电机用的ipm_1工具
电流激励设置：3d
A相：Im*sin(2*pi*fs*time+th)
B相：Im*sin(2*pi*fs*time+th-2*pi/3)
C相：Im*sin(2*pi*fs*time+th+2*pi/3)
初始机械角度：blog
电机参数：(先保持init和th都为0)ip
A相轴线位置：it
N极轴线：io
1.1初始机械角度
首先扫描init(原始设置是52.5deg)，因为电机有两对极，因此扫描范围是0到180度，间隔5度。table
观察转矩图：class
能够看到，不一样init下转矩有明显变化。下面以init为横轴，平均转矩为纵轴，进行进一步观察。效率
能够看到，在5~95deg区间内转矩为正，电机工做在电动状态，其余区间转矩为负，电机工做在发电状态。40deg时电机转矩达到最大值。csv
在35~45deg进行进一步扫描，以下图。
init为38.5deg时，转矩达到最大，为4.5956Nm。
1.2电流角
对th进行扫描。
th为4.97327(285度)时转矩最大，最大值为4.643Nm。
1.3小结
能够看到，上面的两幅图有轴对称关系，即设置init和设置th是等价的，当th为285度时，即再通过75度电角度才到达零点，也能够说成让转子先转约38度机械角度。略小于52.5度，及定子磁场超前于转子磁场。
画出下图，能更好地说明这一问题。
data1
data2
plot(data1$init..deg.,data1$avg.Moving1.Torque...deg.,type="l",col="red")
par(new=TRUE)
plot((2*pi-data2$th...)/pi*90,data2$avg.Moving1.Torque....,type="l",col="blue")
能够看到，两者几乎彻底重合。
若是开启机械瞬态分析，则能够看到转速的波动，但此时没有添加外电路，因此不能设定控制策略。
2.MTPA
2.1dq变换
下面对不一样的电流进行扫描，在此以前先回顾一下Clark和Park变换，即Id和Iq的计算。
以前在matlab中搭建的模型：
即
\[I_d=I_\alpha\cos(th)+I_\beta\sin(th)\\=\frac{2}{3}(I_a-0.5(I_b+I_c))\cos(th)+\frac{2}{3}\frac{\sqrt3}{2}(I_b-I_c)\sin(th)\\=\frac{2}{3}(I_a\cos(th)+I_b\cos(th-\frac{2\pi}{3})+I_c\cos(th+\frac{2\pi}{3}))\]
同理
\[I_q=-I_\alpha\sin(th)+I_\beta\cos(th)\\=-\frac{2}{3}(I_a-0.5(I_b+I_c))\sin(th)+\frac{2}{3}\frac{\sqrt3}{2}(I_b-I_c)\cos(th)\\=-\frac{2}{3}(I_a\sin(th)+I_b\sin(th-\frac{2\pi}{3})+I_c\sin(th+\frac{2\pi}{3}))\]
在maxwell的Output Variables中能够进行这样的设置：
2.2MTPA
保持init=52.5deg，即d轴和A相轴线对齐，扫描Im和th，其中th扫描范围0~2*pi，步长0.1745(10deg)，Im扫描范围0~7.5A，步长0.5A。
获得下图：
导出表格
获得下表：
绘图观察一下：
data
data
library(ggplot2)
ggplot(data,aes(th...,avg.Moving1.Torque....,col=factor(Im..A.)))+geom_line()
ggplot(data,aes(th...,avg.Moving1.Torque....,col=factor(Im..A.)))+geom_line()+
xlim(0,1.7)+ylim(-1000,7000)
寻找每一个电流下的最大转矩：
I
n
temp
table
for(i in 1:n){
dataI
index
table[i,]
}
获得表格：
这就是这一转速下的转矩指令表。
2.3效率MAP
下面利用maxwell中的工具绘制效率map，与上面的扫描结果进行对比。
在View菜单栏中打开ACT Extensions工具。
选择Machine Toolkit进入。
选择待求解的工程，并进行相应设置。
其中极数是为了肯定电流频率和电机转速的关系。
设置求解精度。
进一步设置：(通常保持默认便可)
完成设置后点击Finish开始计算。
计算完成后获得下列图像。
由于损耗中只考虑了StrandedLoss，因此效率很高。
ID：
IQ：
Im/1.414=Irms：
提取转速为1800rpm处的值：
并与扫描法获得的结果对比，以下图：
library(readxl)
table2
layout(matrix(c(1,1,2,3), 2, 2, byrow = FALSE),
widths=c(1, 1), heights=c(1, 1))
plot(table$Tor,table$Im,type="l",col="red",xlim=c(0,7000),ylim=c(0,8),xlab="Torque/mNm",ylab="Im/A")
par(new=TRUE)
plot(1000*table2$Torque,table2$Im,type="l",col="blue",xlim=c(0,7000),ylim=c(0,8),xlab="",ylab="")
legend("topleft",legend=c("sweep","toolkit"),
col=c("red","blue"),lty=1,lwd=2)
plot(table$Tor,-table$Id,type="l",col="red",xlim=c(0,7000),ylim=c(-5000,0),xlab="Torque/mNm",ylab="Id/mA")
par(new=TRUE)
plot(1000*table2$Torque,1000*table2$Id,type="l",col="blue",xlim=c(0,7000),ylim=c(-5000,0),xlab="",ylab="")
legend("bottomleft",legend=c("sweep","toolkit"),
col=c("red","blue"),lty=1,lwd=2)
plot(table$Tor,table$Iq,type="l",col="red",xlim=c(0,7000),ylim=c(0,6000),xlab="Torque/mNm",ylab="Iq/mA")
par(new=TRUE)
plot(1000*table2$Torque,1000*table2$Iq,type="l",col="blue",xlim=c(0,7000),ylim=c(0,6000),xlab="",ylab="")
legend("topleft",legend=c("sweep","toolkit"),
col=c("red","blue"),lty=1,lwd=2)
可见两者很是接近，从方法上说是一致的。也就是说，使用扫描法多考虑几个转速取值，并兼顾电流和电压限制，一样能够手动绘出效率map图。