一、BLDC矢量控制基础知识:Clarke变换和Park变换

article/2025/9/20 14:08:04

BLDC矢量控制坐标变换

本文的目的在于梳理三相电机旋转矢量以及Clarke变换和Park变换的知识并给出推导。


文章目录

  • BLDC矢量控制坐标变换
  • 前言
  • 一、从旋转矢量说起
  • 二、Clarke变换
  • 三、一般实际使用的Clarke变换
  • 四、Clarke变换的性质
  • 五、Park变换
  • 六、Park变换的性质
  • 七、功率的变换
  • 总结


前言

最近想入手无刷电机的矢量控制,发现资料上比较零散,对一些变换公式说的不够清楚,让人倍感苦恼,为了夯实基础,扫除学习上的拦路虎,这里决心静下心来认真推导坐标变换公式。


一、从旋转矢量说起

三个线圈在空间(电角度空间)成120°放置,并且电流的相位也相差120°。
电流产生同相位的磁动势, A B C ABC ABC三相的磁动势分别 F c o s ( ω t ) , F c o s ( ω t − 2 π 3 ) , F c o s ( ω t + 2 π 3 ) Fcos({\omega}t),Fcos({\omega}t-\frac{2\pi}{3}),Fcos({\omega}t+\frac{2\pi}{3}) Fcos(ωt),Fcos(ωt32π),Fcos(ωt+32π)
为了书写方便,我们令相位 φ = ω t {\varphi=\omega}t φ=ωt
三个磁动势为:
{ F a = F c o s φ F b = F c o s ( φ − 2 π 3 ) F c = F c o s ( φ + 2 π 3 ) … … 1 \left\{\begin{aligned} &F_a=Fcos\varphi\\ &F_b=Fcos(\varphi-\frac{2\pi}{3})\\ &F_c=Fcos(\varphi+\frac{2\pi}{3})\end{aligned}\right.……1 Fa=FcosφFb=Fcos(φ32π)Fc=Fcos(φ+32π)1
在这里插入图片描述
为了表示这三个量的空间关系,也为了方便计算,我们在复平面上处理空间位置关系:
α \alpha α轴对应复平面的实轴, β \beta β轴对应复平面的虚轴,则这三相磁动势可表示如下:
A相的矢量: F c o s φ = F 2 ( e j φ + e − j φ ) Fcos\varphi=\frac{F}{2}(e^{j\varphi}+e^{-j\varphi}) Fcosφ=2F(ejφ+ejφ)
B相的矢量: F c o s ( φ − 2 π 3 ) e j 2 π 3 = F 2 ( e j ( φ − 2 π 3 ) + e − j ( φ − 2 π 3 ) ) e j 2 π 3 Fcos(\varphi-\frac{2\pi}{3})e^{j\frac{2\pi}{3}}=\frac{F}{2}(e^{j(\varphi-\frac{2\pi}{3})}+e^{-j(\varphi-\frac{2\pi}{3})})e^{j\frac{2\pi}{3}} Fcos(φ32π)ej32π=2F(ej(φ32π)+ej(φ32π))ej32π
C相的矢量: F c o s ( φ + 2 π 3 ) e − j 2 π 3 = F 2 ( e j ( φ + 2 π 3 ) + e − j ( φ + 2 π 3 ) ) e − j 2 π 3 Fcos(\varphi+\frac{2\pi}{3})e^{-j\frac{2\pi}{3}}=\frac{F}{2}(e^{j(\varphi+\frac{2\pi}{3})}+e^{-j(\varphi+\frac{2\pi}{3})})e^{-j\frac{2\pi}{3}} Fcos(φ+32π)ej32π=2F(ej(φ+32π)+ej(φ+32π))ej32π
三个矢量的总和为:
F 2 [ e j φ + e − j φ + ( e j ( φ − 2 π 3 ) + e − j ( φ − 2 π 3 ) ) e j 2 π 3 + ( e j ( φ + 2 π 3 ) + e − j ( φ + 2 π 3 ) ) e − j 2 π 3 ] \frac{F}{2}[e^{j\varphi}+e^{-j\varphi}+(e^{j(\varphi-\frac{2\pi}{3})}+e^{-j(\varphi-\frac{2\pi}{3})})e^{j\frac{2\pi}{3}}+(e^{j(\varphi+\frac{2\pi}{3})}+e^{-j(\varphi+\frac{2\pi}{3})})e^{-j\frac{2\pi}{3}}] 2F[ejφ+ejφ+(ej(φ32π)+ej(φ32π))ej32π+(ej(φ+32π)+ej(φ+32π))ej32π]
= F 2 ( e j φ + e − j φ + e j φ + e − j ( φ + 2 π 3 ) + e j φ + e − j ( φ − 2 π 3 ) ) =\frac{F}{2}(e^{j\varphi}+e^{-j\varphi}+e^{j\varphi}+e^{-j(\varphi+\frac{2\pi}{3})}+e^{j\varphi}+e^{-j(\varphi-\frac{2\pi}{3})}) =2F(ejφ+ejφ+ejφ+ej(φ+32π)+ejφ+ej(φ32π))
可以看到偶数项的旋转恰好抵消了,结果为 3 2 F e j φ = 3 2 F e j ω t \frac{3}{2}Fe^{j\varphi}=\frac{3}{2}Fe^{j{\omega}t} 23Fejφ=23Fejωt,于是我们得到大小为 3 2 F \frac{3}{2}F 23F的以角速度 ω \omega ω逆时针旋转的矢量 3 2 F e j ω t \frac{3}{2}Fe^{j{\omega}t} 23Fejωt

抛开具体的旋转角速度,只看相位角 φ \varphi φ,对于像1式那种(三相幅值有120°相差且空间电角度相差120°的矢量),他们三个的矢量和就有一个重要的公式:
F c o s φ + F c o s ( φ − 2 π 3 ) e j 2 π 3 + F c o s ( φ + 2 π 3 ) e − j 2 π 3 = 3 2 F e j φ … … 2 Fcos\varphi+Fcos(\varphi-\frac{2\pi}{3})e^{j\frac{2\pi}{3}}+Fcos(\varphi+\frac{2\pi}{3})e^{-j\frac{2\pi}{3}}=\frac{3}{2}Fe^{j\varphi}……2 Fcosφ+Fcos(φ32π)ej32π+Fcos(φ+32π)ej32π=23Fejφ2

这里特别提一下,永磁铁转子的磁场分解与合成容易给人造成误解,有人可能会认为“认为永磁体转子的磁场先分解到 A B C ABC ABC三个空间方向然后再按上述规则合成矢量,合成后应该是一个大小和永磁体转子原来磁场一样的以 ω \omega ω是磁场吧?”,但不幸的是并不是这样的:
假设永磁体转子的磁场强度为 ψ f ψ_f ψf且它与 A A A相的夹角为 θ \theta θ,则穿过 A A A相线圈的磁场为 ψ f c o s θ ψ_fcos\theta ψfcosθ,同理通过 B B B相线圈的磁场为 ψ f c o s ( θ − 2 π 3 ) ψ_fcos(\theta-\frac{2\pi}{3}) ψfcos(θ32π),而通过 C C C相线圈的磁场为 ψ f c o s ( θ + 2 π 3 ) ψ_fcos(\theta+\frac{2\pi}{3}) ψfcos(θ+32π)
因此从变换公式2式可以看出:
ψ f c o s θ + ψ f c o s ( θ − 2 π 3 ) e j 2 π 3 + ψ f c o s ( θ + 2 π 3 ) e − j 2 π 3 = 3 2 ψ f e j θ ψ_fcos\theta+ψ_fcos(\theta-\frac{2\pi}{3})e^{j\frac{2\pi}{3}}+ψ_fcos(\theta+\frac{2\pi}{3})e^{-j\frac{2\pi}{3}}=\frac{3}{2}ψ_fe^{j{\theta}} ψfcosθ+ψfcos(θ32π)ej32π+ψfcos(θ+32π)ej32π=23ψfejθ

因此需要注意上述矢量合成实际上是一种数学变换,永磁铁转子的磁场变换并不是变换成一个大小为 ψ f ψ_f ψf的旋转磁场,而是变换成一个大小为 3 2 ψ f \frac{3}{2}ψ_f 23ψf的旋转磁场。

二、Clarke变换

我们仍然用下图作说明:
在这里插入图片描述
我们把第一节关于旋转矢量的特殊问题,过渡到具有一般价值的3相2相变换上。
先把公式1带入公式2(再次强调三相量一定是形如公式1的量):
F a + F b e j 2 π 3 + F c e − j 2 π 3 = 3 2 F e j φ … … 2 F_a+F_be^{j\frac{2\pi}{3}}+F_ce^{-j\frac{2\pi}{3}}=\frac{3}{2}Fe^{j\varphi}……2 Fa+Fbej32π+Fcej32π=23Fejφ2
表达成矩阵形式:
3 2 F [ c o s φ s i n φ ] = [ F α F β ] = [ 1 − 1 2 − 1 2 0 3 2 − 3 2 ] [ F a F b F c ] \frac{3}{2}F\begin{bmatrix}cos\varphi\\sin\varphi\end{bmatrix}=\begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix}=\begin{bmatrix}1&-\frac{1}{2}&-\frac{1}{2}\\0&\frac{\sqrt3}{2}&-\frac{\sqrt3}{2}\end{bmatrix} \begin{bmatrix}F_a\\F_b\\F_c\end{bmatrix} 23F[cosφsinφ]=[FαFβ]=[102123 2123 ]FaFbFc
我们不具体指定某一具体量,而是从数学上抽象的看待三相矢量 F a , F b , F c F_a,F_b,F_c Fa,Fb,Fc,经过上面的变换,可以合成一个大小为原来 3 2 \frac{3}{2} 23的电角度和 F a F_a Fa相同的矢量,这个矢量在 α β \alpha\beta αβ坐标下的分量记为 F α , F β F_\alpha,F_\beta Fα,Fβ
通过变换 [ 1 − 1 2 − 1 2 0 3 2 − 3 2 ] \begin{bmatrix}1&-\frac{1}{2}&-\frac{1}{2}\\0&\frac{\sqrt3}{2}&-\frac{\sqrt3}{2}\end{bmatrix} [102123 2123 ]把再 A B C ABC ABC坐标下的三相矢量 [ F a F b F c ] \begin{bmatrix}F_a\\F_b\\F_c\end{bmatrix} FaFbFc变换成了 α β \alpha\beta αβ两相坐标下的矢量 [ F α F β ] \begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix} [FαFβ]
这个矩阵就是我们需要的Clarke变换了。
注意:如果 F a F_a Fa F b F_b Fb F c F_c Fc的大小为F,则 F α F_\alpha Fα F β F_\beta Fβ的大小就是 3 2 F \frac{3}{2}F 23F

那么如何通过 α β \alpha\beta αβ坐标下的矢量还原三相 A B C ABC ABC下的各分量呢,由于:
[ F α F β ] = 3 2 F [ c o s φ s i n φ ] \begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix} =\frac{3}{2}F\begin{bmatrix}cos\varphi\\sin\varphi\end{bmatrix} [FαFβ]=23F[cosφsinφ]
即: F α = 3 2 F c o s φ , F β = 3 2 F s i n φ F_\alpha=\frac{3}{2}Fcos\varphi,F_\beta=\frac{3}{2}Fsin\varphi Fα=23Fcosφ,Fβ=23Fsinφ
而在 A B C ABC ABC中又有: F a = F c o s φ , F b = F c o s ( φ − 2 π 3 ) , F c = F c o s ( φ + 2 π 3 ) F_a=Fcos\varphi,F_b=Fcos(\varphi-\frac{2\pi}{3}),F_c=Fcos(\varphi+\frac{2\pi}{3}) Fa=Fcosφ,Fb=Fcos(φ32π),Fc=Fcos(φ+32π)
利用简单的三角公式,我们能 F α , F β F_\alpha,F_\beta Fα,Fβ表示 F a , F b , F c F_a,F_b,F_c Fa,Fb,Fc,写成矩阵形式就有:
[ F a F b F c ] = 2 3 [ 1 0 − 1 2 3 2 − 1 2 − 3 2 ] [ F α F β ] = [ 2 3 0 − 1 3 3 3 − 1 3 − 3 3 ] [ F α F β ] \begin{bmatrix}F_a\\F_b\\F_c\end{bmatrix} =\frac{2}{3}\begin{bmatrix}1&0\\-\frac{1}{2}&\frac{\sqrt{3}}{2}\\-\frac{1}{2}&-\frac{\sqrt3}{2}\end{bmatrix} \begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix} =\begin{bmatrix}\frac{2}{3}&0\\-\frac{1}{3}&\frac{\sqrt{3}}{3}\\-\frac{1}{3}&-\frac{\sqrt3}{3}\end{bmatrix} \begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix} FaFbFc=3212121023 23 [FαFβ]=323131033 33 [FαFβ]
这样我们就得到了Clarke反变换。

三、一般实际使用的Clarke变换

上一节中得到了特殊的Clarke变换,正变换后分量的振幅是原来分量的 3 2 \frac{3}{2} 23,但实际应用中为了适应各种需求,常常在变换中增加系数 K K K(例如令 K = 2 3 K=\frac{2}{3} K=32以保证数学变换后振幅相同),这构成实际的Clarke变换:
Clarke变换:
[ F α F β ] = K [ 1 − 1 2 − 1 2 0 3 2 − 3 2 ] [ F a F b F c ] \begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix} =K\begin{bmatrix}1&-\frac{1}{2}&-\frac{1}{2}\\0&\frac{\sqrt3}{2}&-\frac{\sqrt3}{2}\end{bmatrix} \begin{bmatrix}F_a\\F_b\\F_c\end{bmatrix} [FαFβ]=K[102123 2123 ]FaFbFc
Clarke逆变换:
[ F a F b F c ] = 1 K [ 2 3 0 − 1 3 3 3 − 1 3 − 3 3 ] [ F α F β ] \begin{bmatrix}F_a\\F_b\\F_c\end{bmatrix} =\frac{1}{K}\begin{bmatrix}\frac{2}{3}&0\\-\frac{1}{3}&\frac{\sqrt{3}}{3}\\-\frac{1}{3}&-\frac{\sqrt3}{3}\end{bmatrix} \begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix} FaFbFc=K1323131033 33 [FαFβ]

四、Clarke变换的性质

下面规定如下记号,从变换的观点来看Clarke变换的性质:
C = K [ 1 − 1 2 − 1 2 0 3 2 − 3 2 ] , C − 1 = 1 K [ 2 3 0 − 1 3 3 3 − 1 3 − 3 3 ] \bm{C}=K\begin{bmatrix}1&-\frac{1}{2}&-\frac{1}{2}\\0&\frac{\sqrt3}{2}&-\frac{\sqrt3}{2}\end{bmatrix}, \bm{C^{-1}}=\frac{1}{K}\begin{bmatrix}\frac{2}{3}&0\\-\frac{1}{3}&\frac{\sqrt{3}}{3}\\-\frac{1}{3}&-\frac{\sqrt3}{3}\end{bmatrix} C=K[102123 2123 ]C1=K1323131033 33
注意: 时刻牢记,上述变换是在三相矢量(看公式1) [ F a F b F c ] \begin{bmatrix}F_a\\F_b\\F_c\end{bmatrix} FaFbFc [ F α F β ] \begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix} [FαFβ]的集合上进行的,它两都是 φ \varphi φ的函数,所以这两向量的实际自由度是一维的,所以存在变换,任意三维矢量和二维是矢量是不存在变换的,所以下面理解变换时不要直接去乘矩阵验证,这里的变换不具有全线性空间的可逆性,下面表述性质的时候不会写出被变换的向量了。
1.变换可逆: C C − 1 = E , C C − 1 = E \bm{C}\bm{C^{-1}}=\bm{E},\bm{C}\bm{C^{-1}}=\bm{E} CC1=ECC1=E
其中 E \bm{E} E是变换的单位元,这两个 E \bm{E} E写法一样,但实际不同,它们作用的矢量空间也不一样,见注意,还有再强调:不要用直接矩阵相乘的观点来看待问题。
2.转置性质:
这个性质从矩阵上很容易看出来
C T = 3 K 2 2 C − 1 , C − 1 T = 2 3 K 2 C \bm{C^T}=\frac{3K^2}{2}\bm{C^{-1}},\bm{{C^{-1}}^T}=\frac{2}{3K^2}\bm{C} CT=23K2C1C1T=3K22C

五、Park变换

如下图所示:
在这里插入图片描述

Park变换实际上就是代表了坐标的旋转,名为 d , q d,q d,q的坐标系,相对于 α , β \alpha,\beta α,β坐标系逆时针旋转了 θ \theta θ角度,则dq坐标系中的矢量变换关系为:
Park变换:
[ F d F q ] = [ c o s θ s i n θ − s i n θ c o s θ ] [ F α F β ] \begin{bmatrix}F_d\\F_q\end{bmatrix} =\begin{bmatrix}cos\theta&sin\theta\\-sin\theta&cos\theta\end{bmatrix} \begin{bmatrix}F_\alpha\\F_\beta\end{bmatrix} [FdFq]=[cosθsinθsinθcosθ][FαFβ]
Park逆变换
[ F α F β ] = [ c o s θ − s i n θ s i n θ c o s θ ] [ F d F q ] \begin{bmatrix}F_\alpha\\F_\beta \end{bmatrix} =\begin{bmatrix}cos\theta&-sin\theta\\sin\theta&cos\theta\end{bmatrix} \begin{bmatrix}F_d\\F_q\end{bmatrix} [FαFβ]=[cosθsinθsinθcosθ][FdFq]

六、Park变换的性质

下面规定如下记号,容易看出逆Park变换实际上就是把Park变换角度取负,从变换的观点来看Park变换的性质:
P ( θ ) = [ c o s θ s i n θ − s i n θ c o s θ ] , P ( − θ ) = [ c o s θ − s i n θ s i n θ c o s θ ] \bm{P(θ)}=\begin{bmatrix}cos\theta&sin\theta\\-sin\theta&cos\theta\end{bmatrix}, \bm{P(-θ)}=\begin{bmatrix}cos\theta&-sin\theta\\sin\theta&cos\theta\end{bmatrix} P(θ)=[cosθsinθsinθcosθ]P(θ)=[cosθsinθsinθcosθ]
可加性: P ( θ 1 ) P ( θ 2 ) = P ( θ 1 + θ 2 ) \bm{P(θ_1)}\bm{P(θ_2)}=\bm{P(θ_1+\theta_2)} P(θ1)P(θ2)=P(θ1+θ2)
交换律: P ( θ 1 ) P ( θ 2 ) = P ( θ 2 ) P ( θ 1 ) \bm{P(θ_1)}\bm{P(θ_2)}=\bm{P(θ_2)}\bm{P(θ_1)} P(θ1)P(θ2)=P(θ2)P(θ1)
微分性质: d d t P ( θ ) = d θ d t P ( θ + π 2 ) , d d t P ( − θ ) = − d θ d t P ( − θ + π 2 ) \frac{d}{dt}\bm{P(θ)}=\frac{dθ}{dt}\bm{P(θ+\frac{\pi}{2})},\frac{d}{dt}\bm{P(-θ)}=-\frac{dθ}{dt}\bm{P(-θ+\frac{\pi}{2})} dtdP(θ)=dtdθP(θ+2π)dtdP(θ)=dtdθP(θ+2π)
运算技巧:
关于矩阵对应的初等变换的意义:
[ 0 1 1 0 ] \begin{bmatrix}0&1\\1&0\end{bmatrix} [0110]
它左乘一个同尺寸的矩阵就是交换两行,而右乘同尺寸的矩阵就是交换两列。
有时候注意到这点可以简化计算。
对易性质:
利用 [ 0 1 1 0 ] \begin{bmatrix}0&1\\1&0\end{bmatrix} [0110]的初等变换的意义可以明显看出:
[ 0 1 1 0 ] P ( θ ) = P ( − θ ) [ 0 1 1 0 ] \begin{bmatrix}0&1\\1&0\end{bmatrix}\bm{P(θ)}=\bm{P(-θ)}\begin{bmatrix}0&1\\1&0\end{bmatrix} [0110]P(θ)=P(θ)[0110]
P ( θ ) [ 0 1 1 0 ] = [ 0 1 1 0 ] P ( − θ ) \bm{P(θ)}\begin{bmatrix}0&1\\1&0\end{bmatrix}=\begin{bmatrix}0&1\\1&0\end{bmatrix}\bm{P(-θ)} P(θ)[0110]=[0110]P(θ)
特殊角度变换: P ( π 2 ) = [ 0 1 − 1 0 ] , P ( − π 2 ) = [ 0 − 1 1 0 ] \bm{P(\frac{\pi}{2})}=\begin{bmatrix}0&1\\-1&0\end{bmatrix},\bm{P(-\frac{\pi}{2})}=\begin{bmatrix}0&-1\\1&0\end{bmatrix} P(2π)=[0110]P(2π)=[0110]

七、功率的变换

首先注意到,Park变换并不影响变换前后的功率:
[ u d u q ] [ i d i q ] = [ u α u β ] P T ( θ ) P ( θ ) [ i α i β ] = [ u α u β ] [ i α i β ] \begin{bmatrix}u_d&u_q\end{bmatrix} \begin{bmatrix}i_d\\i_q\end{bmatrix} =\begin{bmatrix}u_\alpha&u_\beta\end{bmatrix} P^T(\theta)P(\theta) \begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix} =\begin{bmatrix}u_\alpha&u_\beta\end{bmatrix} \begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix} [uduq][idiq]=[uαuβ]PT(θ)P(θ)[iαiβ]=[uαuβ][iαiβ]
再考察Clarke变换,有:
[ u a u b u c ] [ i a i b i c ] = [ u α u β ] C − 1 T C − 1 [ i α i β ] \begin{bmatrix}u_a&u_b&u_c\end{bmatrix} \begin{bmatrix}i_a\\i_b\\i_c\end{bmatrix} =\begin{bmatrix}u_\alpha&u_\beta\end{bmatrix} {C^{-1}}^TC^{-1} \begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix} [uaubuc]iaibic=[uαuβ]C1TC1[iαiβ]
利用Clarke变换的转置性质 C − 1 T = 3 K 2 2 C \bm{{C^{-1}}^T}=\frac{3K^2}{2}\bm{C} C1T=23K2C
[ u a u b u c ] [ i a i b i c ] = 2 3 K 2 [ u α u β ] [ i α i β ] \begin{bmatrix}u_a&u_b&u_c\end{bmatrix}\begin{bmatrix}i_a\\i_b\\i_c\end{bmatrix} =\frac{2}{3K^2} \begin{bmatrix}u_\alpha&u_\beta\end{bmatrix}\begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix} [uaubuc]iaibic=3K22[uαuβ][iαiβ]

这里我们看出资料上一般声称Clarke变换中取 K = 2 3 K=\sqrt\frac{2}{3} K=32 时可变换保持功率不变的原因。


总结

通过以上推导搞明白了刚开始接触这些知识的时候关于 K K K系数的不同取值的意义。


http://chatgpt.dhexx.cn/article/C0ITAEWZ.shtml

相关文章

永磁同步电机控制笔记:clark变换park变换示意图

文章目录 1、abc坐标系2、αβ坐标系2.1、Clark变换2.2、αβ坐标系电流图解 3.dq坐标系3.1、park变换3.2、dq坐标系电流图解 1、abc坐标系 向永磁同步电机通入如下三相电流 x -pi:0.01:pi; u sin(x); v sin(x - 2pi/3); w sin(x 2pi/3); 根据永磁同步电机转矩方程 Te -…

电机仿真记录(1)-clark、park坐标变换

实验平台:matlab2020b 不讲原理,只记录仿真 Clark 注意,2020之后的版本,都是自己定义函数都是使用的这个模块 非常的方便把你想输入的公式输进去就可以 function [alpha,beta] fcn(u1,u2,u3)alpha (u1-0.5*u2-0.5*u3)*2/3; b…

电机控制反Park变换和反Clarke变换公式推导

电机控制反Park变换和反Clarke变换公式推导 反Park变换 首先说明一点,正的Park变换和Clarke变换的变换对象是电流,而反Park变换和反Clarke变换的变换对象是电压。作图如下: 便可推导出: 反Clarke变换 作图如下: 公式…

简单记忆clarke和park坐标变换

简单记忆clarke和park坐标变换 简介 想用简单的办法把这些变换矩阵写出来,需要的时候可以使用,不用再去翻书(当然完全记住还是更快一些)。只是自己用来记忆这些变换的方法。 具体可以参考:手撕系列(2&am…

【Matlab】在Simulink中仿真Park变换

1.Park变换 如上图,Park变换的实质就是通过将矢量F的表示形式从2相静止坐标系表示转换为通过2相旋转坐标系来表示;如果dq坐标系跟着矢量F一起旋转的话那么他们就是定值啦~ 1.1.数学表达式 Park变换相对就简单很多了,就是坐标系的旋转&#x…

电机控制park变换公式推导

电机控制park变换公式推导 Clarke变换是将三相平面坐标系静止的向两相平面坐标系变化,把它映射到电机中的话,clarke变换得到的是静止的αβ坐标系,对应的是电机的定子。而我们今天要推导的park是旋转的dq坐标系,对应这的是电机的…

FOC项目知识点总结三 | 完全搞懂 Clarke 与 Park 变换(附动图,仿真文件以及详细讲解数学推导过程)

本文目的:最终可以完整推算两种变换 网上对于 Clarke 变换与 Park 变换的各种解释都是浅尝辄止,丝毫没有涉及到了其中的真实含义,对于前面的参数也只是几笔带过。真的是很令人抓狂。。。为了解决此类痛点,本人搜罗了网上可以找到…

小猫爪:PMSM之FOC控制02-Park变换

小猫爪:PMSM之FOC控制02-Park变换 1 推导2 Simulink仿真3 个人理解END 1 推导 废话不多说,直接就整出一个α-β轴和d-q轴的图: 然后再根据矢量计算得:   在这里不妨再贴上反park变换的结论(其实就是Park变换的逆过…

PMSM中常用的两种坐标变换——Park变换

Xiaoxiaodawei 摘要: 同步旋转的合成磁场是由三项定子绕组在气隙中产生的,而Park变换就是用一个假想的、随转子同步旋转的绕组来等效替代原来的三相定子绕组。根据等效的原则,不论使用什么样的绕组系统,只要可以在气隙中产生相同…

基于翻译模型(Trans系列)的知识表示学习

翻译模型(Trans) 解决问题:知识表示与推理 将实体向量表示(Embedding)在低维稠密向量空间中,然后进行计算和推理。 主要应用:triplet classification, link prediction 目前基于翻译模型&#x…

TransE模型:知识图谱的经典表示学习方法

传统的知识图谱表示方法是采用OWL、RDF等本体语言进行描述;随着深度学习的发展与应用,我们期望采用一种更为简单的方式表示,那就是【向量】,采用向量形式可以方便我们进行之后的各种工作,比如:推理&#xf…

【论文导读】Time-Series Representation Learning via Temporal and Contextual Contrasting(时间和上下文对比的时间序列表示学习)

Time-Series Representation Learning via Temporal and Contextual Contrasting(通过时间和上下文对比的时间序列表示学习) 论文信息摘要主要贡献论文结构1. Introduction2. Related Works3. MethodsArchitecture of proposed TS-TCC model 4. Experime…

表示学习(Representation Learning)之局部表示(Local Representation)与分布式表示(Distributed Representation)

一个良好的表示是内容充分高效表达的基础,作为沟通计算机与现实世界的桥梁,计算机行业人员每时每刻都在研究事物的表示。比如:编程语言,早期的机器语言和现在的高级程序语言可以看作是指令的两种不同表示方式,从可读性…

深度学习是表示学习的经典代表(浅谈什么是深度学习)

目录 先来看机器学习: 什么是特征? 深度学习是表示学习的经典代表: 深度学习的过程: 深度学习与传统机器学习差别: 深度学习代表算法: 先来看机器学习: 机器学习是利用经验experience来改…

深度学习中的表示学习_Representation Learning

一、深度学习网络的表达方式汇总及模型分类方法 人的大脑会对眼睛捕捉到的外界事物进行逐级抽象,逐渐提取出抽象的语义信息,以便为人脑所理解。深度学习从这一科学发现得到启发,通过网络的权值来捕捉外界输入模式的特征,并且通过…

基于GNN的图表示学习及其应用

文章内容概述 本文内容分两部分,第一部分为基于 GNN 的图表示学习,共包含两节,第1节主要从三种建模方法上对图表示学习进行对比阐述;第2节分别从两类无监督学习目标——重构损失与对比损失,对基于 GNN 的无监督表示学习…

知识表示学习(KG Embedding)—— TransX系列

文章目录 前言TransETransHTransRTransD总结参考资料 前言 知识表示学习是针对于知识图谱三元组所做的word embedding,平常所做的都是基于完整的文本表述比如一句话去产生word2vec这种副产物,但是KG中的embedding是更为直接的构建实体与关系之间的语义联…

网络表示学习总结

我的GitHub博客:咖啡成瘾患者 网络的邻接矩阵表示网络的分布式表示网络表示学习的经典工作 DeepwalkLINEnode2vec 网络表示学习的相关论文 最近看了paperweekly的两次关于网络表示学习的直播,涂存超博士与杨成博士讲解了网络表示学习的相关知识。本文将网…

Deep Multimodal Representation Learning(深度多模态表示学习)

多模态表示学习旨在缩小不同模态之间的异质性差距,在利用普遍存在的多模态数据中发挥着不可或缺的作用。基于深度学习的多模态表示学习由于具有强大的多层次抽象表示能力,近年来引起了人们的广泛关注。 多模态融合的核心问题是异质性间隙,而为…

干货!Labeling Trick: 一个图神经网络多节点表示学习理论

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入! GNN 旨在学习单节点表示。当我们想要学习一个涉及多个节点的节点集表示(如链路表示)时,以往工作中的一个常见做法是将 GNN 学习到的多个单节点表示直接聚合成节点集的联合表示…