企业官网建设流程全解析

Simulink永磁同步电机控制仿真：PI、滑模、ADRC与DTC全方案拆解

做电机控制的，迟早都会走上Simulink仿真这条路。无论是前期算法验证，还是参数整定前的预研，一套搭建规范、逻辑清晰的PMSM控制模型，能帮你省掉大量台架测试时间。我自己从最开始搭一个简单的FOC模型，到后面把PI、滑模、ADRC、直接转矩控制都走了一遍，最大的感受是：仿真模型的价值不在于把波形跑得多“完美”，而在于你能在模型里快速理解每种控制策略的适用边界，以及哪些参数会影响系统性能。

这篇文章把我搭建永磁同步电机（PMSM）Simulink仿真模型的完整过程拆开讲，涵盖SVPWM矢量控制、传统PI双环、滑模控制、ADRC自抗扰控制、直接转矩控制（DTC）五套方案。适合正在做电机控制仿真、准备从PI控制向先进控制过渡的开发者参考，也适合想系统梳理PMSM控制技术路线的人阅读。内容会包含建模思路、关键模块搭建、参数选择理由、实测波形分析，以及我踩过的坑。

1. 整体思路与方案选型分析

1.1 为什么选择Simulink做PMSM控制验证

做电机控制算法验证，可选路径其实不少：Matlab/Simulink、PLECS、C++自建仿真环境、甚至直接用真实电机台架。我选择Simulink的理由很直接：电气模块库足够完善，从PMSM电机本体到逆变器、测量模块都是现成的，省去了自己搭电机模型的麻烦。更重要的是，Simulink支持从模型直接生成C代码，算法验证完可以无缝切入嵌入式实现流程。

但这里要提醒一句：Simulink模型用起来方便，不代表可以乱搭。模型的架构直接决定后期改算法的效率。我第一次搭FOC模型时，把PI控制器、坐标变换、SVPWM全塞在一个子系统里，结果参数要调某个环节时，光改连线就花了大半天。后面痛定思痛，重新按“电机本体、逆变器、坐标变换、控制器、SVPWM、观测器”的模块化思路搭建，每个环节用Goto/From标签代替物理连线，整个仿真模型变得清爽得多。

1.2 控制方案选型与对比逻辑

我搭建的五套控制方案，在PMSM控制体系里刚好覆盖了从经典到现代的完整谱系：PI控制是工业界超过90%应用场景的基线方案；滑模控制在面对参数摄动和外部扰动时表现出更强的鲁棒性；ADRC不需要精确的电机模型，把未建模动态统一视为“总扰动”进行估计补偿；DTC则完全绕开了坐标系解耦的思路，直接在定子静止坐标系里做滞环比较和开关表选择。

我搭建这五套方案的目的，不单是为了把每种策略跑通，而是想在同一个电机参数下，横向比较它们在不同工况下的表现差异。所以从一开始就统一了电机参数、直流母线电压、开关频率、采样周期这些公共条件，确保对比结果有意义。

1.3 仿真环境与公共参数设置

先列一下我用的公共参数，后面所有方案都基于这套参数展开：

• 电机类型：表贴式三相永磁同步电机
• 极对数：4
• 定子电阻 Rs：2.875 Ω
• 直轴电感 Ld：0.0085 H
• 交轴电感 Lq：0.0085 H
• 永磁磁链：0.175 Wb
• 直流母线电压：311 V
• 开关频率：10 kHz
• 仿真步长：固定步长 1e-6 s（PWM周期细分的需求）

这里有一点值得注意：表贴式PMSM的Ld和Lq相等，所以没有磁阻转矩，控制上相对简单，但作为算法验证的基准模型已经足够。如果要模拟内置式电机，把Ld和Lq设成不同值即可，但随之而来的最大转矩电流比（MTPA）控制就是另一套话题了。

2. 基础必备：PMSM数学模型与坐标变换

2.1 从三相静止到两相旋转坐标系的数学推导

在Simulink里搭PMSM控制模型，绕不开坐标变换。三相静止坐标系下的电压方程是交流耦合的，控制起来非常不方便。通过Clark变换把三相坐标系转换到两相静止坐标系，再用Park变换转换到两相旋转坐标系，交流量就变成了直流量，PI控制器才能真正发挥作用。

电机在dq旋转坐标系下的电压方程是：

ud = Rs*id + Ld*d(id)/dt - ωe*Lq*iq uq = Rs*iq + Lq*d(iq)/dt + ωe*Ld*id + ωe*ψf

电磁转矩方程：

Te = 1.5*p*[ψf*iq + (Ld-Lq)*id*iq]

对表贴式电机来说，Ld=Lq，转矩简化为：

Te = 1.5*p*ψf*iq

这个简化极其重要：转矩只跟iq成正比。也就是说，你只需要控制iq就能直接控制转矩，这也是矢量控制“解耦”思想的精髓所在。

2.2 Simulink中坐标变换模块的搭建细节

坐标变换模块我推荐自己搭而不是直接用库里的封装块，原因有二：一是自己搭的模块方便加信号标注，调试时能看清内部数据流；二是便于以后升级到内置式PMSM时修改公式。

以Park变换模块为例，核心就是两个公式：

id = ialpha*cos(θe) + ibeta*sin(θe) iq = -ialpha*sin(θe) + ibeta*cos(θe)

注意角度的处理：θe是电角度，需要根据机械角度乘以极对数得到。在Simulink里用Fcn模块或简单的三角函数组合都能实现。我踩过的坑是角度单位问题，如果用角度制而Simulink里的sin/cos默认是弧度，波形会对不上。

2.3 电机本体建模的三种方式对比

PMSM电机本体的建模有三种方式：直接用Simscape Electrical库里的永磁同步电机模块；用Simulink标准库搭建磁链方程模块；使用第三方S-Function。我最推荐第一种方式，因为Simscape的电机模块内部已经实现了完整的电气方程和机械方程，只需要填参数即可，而且支持转矩输入、转速输出，方便后面加载负载。

自己用方程搭电机模型的优势是完全透明，能看到每个中间量，适合做控制器设计教学。缺点是遇到数值求解问题时排查成本高，而且固定步长仿真下容易发散。S-Function方式灵活度最高，但开发周期长，不适合快速验证算法的场景。

我的建议是：做控制策略对比时，用Simscape电机模块省时间；做控制理论深层分析时，再用方程建模方式。

3. 基线方案：PI控制与SVPWM矢量控制

3.1 SVPWM模块的实现原理与搭建步骤

SVPWM（空间矢量脉宽调制）是矢量控制的关键执行环节，它的核心思想是：在逆变器八种开关状态下，用相邻两个非零矢量和零矢量去合成期望的电压空间矢量。相比SPWM，SVPWM的直流电压利用率提高了约15%，这在母线电压受限的场合价值很大。

在Simulink中实现SVPWM，我拆成四步来做：

1. 判断扇区：根据Uα、Uβ的大小关系，确定目标电压矢量所在的扇区。这里有现成的公式，定义三个变量Uref1、Uref2、Uref3，根据符号组合判断扇区。

2. 计算相邻矢量作用时间：根据扇区索引，计算X、Y、Z三个时间变量，再对应到各扇区的T1、T2。

3. 计算占空比：根据T1、T2和零矢量分配策略，算出A、B、C三相的占空比比较值。这里一般用七段式SVPWM，谐波含量更优。

4. 生成PWM波：用比较值与三角载波比较，输出开关信号。

3.2 扇区判断与作用时间计算的代码实现

SVPWM的代码逻辑并不复杂，但每一步都得仔细。扇区判断的公式如下：

Uref1 = Ubeta Uref2 = (sqrt(3)*Ualpha - Ubeta) / 2 Uref3 = (-sqrt(3)*Ualpha - Ubeta) / 2

根据Uref1、Uref2、Uref3的正负组合，通过查表确定扇区。这里有一个小技巧：把三个符号位组合成二进制数，再通过一个Lookup Table完成扇区映射，比用if-else嵌套更直观。

作用时间计算是基于伏秒平衡原理。以扇区I为例，用U4(100)和U6(110)两个相邻矢量合成，作用时间T1、T2计算公式为：

T1 = sqrt(3)*Ts*Ualpha/Udc - Ts*Ubeta/Udc T2 = 2*Ts*Ubeta/Udc

搭完SVPWM后，验证方式很简单：给一个固定幅值和角度的Uα、Uβ，检查合成的电压矢量是否跟随。如果波形中心对称、无畸变说明扇区判断和时间计算都正确。

3.3 双闭环PI控制的参数整定方法与工程经验

电流内环加转速外环的PI控制结构是经典中的经典。电流环的目标是让iq、id快速跟踪给定值；转速环的目标是让转速跟踪给定转速，并为电流环提供iq给定值。

电流环PI参数整定，我习惯用零极点对消法做初算，再仿真校正。电流环被控对象是一阶惯性环节，开环传递函数近似为：

G(s) = Kp*(s+Ki/Kp) / (s*Lq)

让PI的零点对消电机极点的条件，即，Ki/Kp = Rs/Lq，再根据期望的电流环带宽选择Kp。以Lq=0.0085H、带宽500Hz为例，初算得到Kp约等于带宽乘电感，整理后一般在几十的量级。

转速环的整定思路类似，但转速环的等效被控对象是一阶积分环节，输出是转速。转速环带宽不能设置太高，一般取电流环带宽的1/5到1/10，否则整个系统容易出现振荡。我自己初调时为了追求快速响应把转速环Kp调得很大，结果速度波动明显加剧，最后把带宽降下来才稳定。

参数规律总结：电流环带宽决定了系统的动态响应上限；转速环带宽只要留足裕量，转速跟踪特性主要靠前馈补偿来改善。

3.4 矢量控制仿真波形的判读方法

跑完PI+FOC的仿真，重点看三个波形：转速响应曲线、iq电流响应曲线、三相电流波形。

转速响应理想形态是快速上升无超调，或者轻微超调在可接受范围内，稳态无静差。iq电流响应会跟着转速环输出走，启动瞬间会有一个冲击，此时电流环的作用就是把这个冲击压在一个安全极限内。三相电流波形在稳态时应该是标准正弦波，谐波含量低。

我初跑时遇到过一个典型问题：转速稳态正常，但三相电流有明显的“毛刺”和高频噪声。排查下来发现是SVPWM模块的PWM频率和Simulink仿真步长不匹配，载波周期内采样点太少导致的。把仿真步长从10微秒降到1微秒后，波形立刻变得干净。

4. 先进控制实现：滑模控制与ADRC控制

4.1 滑模控制器的设计原理与抖振问题

滑模控制的核心思路是设计一个滑模面，让系统状态沿着滑模面运动到平衡点。这种控制方式的优点是对参数摄动和外部扰动不敏感，这正是PI控制有时力不从心的地方。

电流环滑模控制器的设计，我先定义一个电流误差滑模面：

s = (iq_ref - iq) + c*∫(iq_ref - iq)dt

控制律取接近指数趋近律的形式，保证系统状态快速趋近滑模面。但滑模控制最大的工程问题是抖振：由于开关切换的不连续性，控制量会高频振荡，反映在电流波形上就是明显的毛刺。

我在仿真中把抖振抑制的经验总结为三条：第一，用饱和函数替代符号函数，边界层厚度取0.01级别，效果立竿见影；第二，滑模面参数c不要取太大，太大会加剧抖振；第三，配合低通滤波器滤掉控制量中的高频分量，但注意滤波器截止频率不能太低，否则会引入相位滞后，影响系统稳定性。

4.2 滑模控制Simulink模型搭建与参数调试

滑模控制的Simulink模型结构跟PI控制差别不大，只需把电流环控制器替换为滑模控制器即可。我把滑模控制器封装成一个子系统，内部拆成滑模面计算、趋近律计算、饱和函数三个环节。

参数调试时的核心是权衡两个指标：趋近速度和抖振幅度。理论上趋近系数越大，系统到达滑模面越快，但抖振也越强。我的做法是先把趋近系数从50开始，逐步增大观察波形，找到一个让电流波形保持光滑的上限。实测下来，这个上限值和仿真步长密切相关，步长越细，能容忍的趋近系数越大。

转速环如果也换成滑模控制器，抗负载扰动能力会比PI强很多。我在电机带载启动工况测试时，滑模控制的转速跌落比PI控制小将近40%，恢复时间也缩短了一个数量级。这也是滑模控制最大的价值所在：在强扰动下依然能保持稳态精度。

4.3 ADRC控制的扩张状态观测器原理

ADRC（自抗扰控制）自成一派，它的核心哲学是“观察并补偿”。传统PI控制把模型误差和外部扰动当作需要抵抗的东西，而ADRC把所有这些统称为“总扰动”，然后通过扩张状态观测器（ESO）实时估计出来，在控制律中主动补偿掉。

ADRC控制器由三个部分组成：跟踪微分器（安排过渡过程）、扩张状态观测器（估计状态和总扰动）、非线性状态误差反馈控制律。我最关注的是扩张状态观测器的设计，它把系统内部动态和外部扰动统一扩张成新的状态变量，在PMSM控制中就是把负载转矩和模型误差作为扩张状态。

ESO的带宽决定了扰动估计的速度和精度。带宽越大，估计越快，但对噪声也越敏感。实际整定时，我一般是把ESO带宽设置为电流环带宽的2到3倍，保证观测器比控制器快，也就是观测器有能力提前“看到”扰动并让补偿生效。

4.4 ADRC控制器在Simulink中的分步实现

ADRC的Simulink实现比我预想的要直白，关键是搞清楚三个环节各自的输入输出。

跟踪微分器输入是转速给定值，输出是过渡过程的转速参考值及其微分。我用的是最简形式，即一阶惯性过渡加上微分限幅。ESO的输入是电机输出转速和控制量，输出是估计转速和估计扰动。反馈控制律则是把转速误差经过非线性组合后，加上扰动补偿量，得到最终的iq给定。

搭建时最容易犯的错是反馈控制律中的扰动补偿符号搞反。正确的处理是：控制量等于“虚拟控制量减去扰动估计值除以控制增益”。符号反了，相当于把扰动放大而不是抑制，系统会直接发散。

ADRC参数中，ESO的三个观测器增益按带宽法配置，只需要确定一个带宽参数。控制律里的非线性增益取50到100之间，β参数一般取0.5。这套参数在仿真中表现出了非常强的抗负载扰动能力：突加额定负载后，转速跌落只有PI控制的1/3左右，恢复时间几乎可以忽略。

5. 直接转矩控制（DTC）方案实现与对比

5.1 DTC控制原理：滞环比较与开关表选择

直接转矩控制走的完全是另一条路线。它不进行Park变换，也不需要电流内环。核心思路是直接以定子磁链和电磁转矩为被控量，用滞环比较器对磁链幅值和转矩进行判断，再通过查开关表直接选择逆变器的开关状态。

DTC的优势是结构简单、动态响应极快，转矩响应是Bang-Bang式的；劣势也很明显，稳态时转矩脉动大，开关频率不固定。但在某些对动态性能要求极高的场合，DTC反而比矢量控制更有优势。

PMSM的磁链和转矩关系要特别注意：由于永磁体存在，定子磁链不能直接控制为零，而且初始磁链的建立过程需要额外处理。我在仿真中发现，如果启动时定子磁链初值设为零，转矩会先出现一段不正常的振荡，直到磁链建立起来。

5.2 DTC仿真模型的搭建与初始磁链问题

DTC模型结构跟FOC完全不同，我搭建时按照功能划分成：磁链估算模块、转矩估算模块、滞环比较器、开关表、逆变器。磁链估算基于定子电压模型反推磁链：

ψα = ∫(Uα - Rs*iα)dt ψβ = ∫(Uβ - Rs*iβ)dt

在实际应用中，这个积分器存在直流偏置和初始值问题，仿真中可以通过合理设置积分器初值来规避。我在模型里把积分器初值设成永磁磁链幅值，并将角度设为零，这样启动瞬间的磁链波形就不会出现大坑。

开关表的构造是DTC的核心。根据磁链和转矩滞环比较器的输出（三个层级），以及当前磁链所在的扇区，查表得到对应的电压矢量。Simulink里我用二维查找表配合扇区编号实现，比多路if-else写法清晰很多。

5.3 DTC与SVPWM矢量控制的性能对比分析

在同一个电机参数下，我分别跑了DTC和SVPWM矢量控制的仿真，结果对比如下：

从仿真波形看，DTC的转矩阶跃响应时间大约只有FOC的一半，但稳态时转矩脉动幅度大概是FOC的三倍以上。这个结果很直观地说明了两种技术路线的本质权衡：DTC用稳态质量换取了动态速度。实际工程选型时就需要考虑应用场景到底更需要动态还是稳态。

6. 五套方案的整体调试经验与避坑指南

6.1 参数整定的通用流程与仿真调参技巧

无论哪套控制方案，参数整定都有个共同流程：先调电流环（或转矩环），再调转速环（或磁链环）。内环稳定了，外环才有意义。我见过不少新手一上来就同时调两个环的参数，结果系统振荡了都说不清是哪个环引起的。

仿真调参的高效方法是借助Simulink Control Design工具箱做线性化分析。在模型的工作点处做线性化，得到系统的开环Bode图，可以直接看到相位裕度和穿越频率，比纯试错法靠谱得多。特别是PI参数初算完成后，用Bode图校验相位裕度，能避免后期大量试凑。

固定步长仿真下，步长的设置直接影响控制效果。我建议电流环的采样频率至少是开关频率的2倍，仿真步长则要小于PWM载波周期的1/100。用10kHz开关频率时，1微秒的固定步长是稳妥的。步长太大，SVPWM的占空比分辨率不够，逆变器输出电压的谐波会显著增加。

6.2 启动冲击、积分饱和与数值发散问题

PMSM仿真最头疼的三个典型问题，我逐个说说处理办法。

第一个是启动冲击。电机从零速启动时，反电动势为零，如果直接给满占空比，电流会瞬间冲到很大的值。解决方案是转速环输出加限幅，限制iq给定值的最大值。在Simulink里用Saturation模块即可，限幅值按电机额定电流的1.5倍设置比较合理。

第二个是积分饱和。转速环的PI控制器在启动和负载突变时，积分项会累积到很大值，导致转速超调和恢复缓慢。处理办法是给PI控制器加积分限幅，或者用条件积分法：误差大时自动暂停积分累加。Simulink的PID Controller模块里自带抗饱和功能，勾选即可。

第三个是数值发散。固定步长仿真偶尔会出现“NaN”或者无穷大，通常是SVPWM中扇区判断的边界溢出、或者某个除法运算的分母接近零。排查办法是给相关信号加饱和模块，或者在Fcn函数内部做分母判断处理。

6.3 各方案调试中的个性化注意事项

PI控制在调试时最需要注意的是电流环Id和Iq的耦合。标量PI控制在dq坐标系下理论上是解耦的，但实际因为电机参数误差和数字控制延时，两个轴之间仍存在交叉耦合。高速时这个问题会被放大，解决办法是加入前馈补偿项，把交叉耦合电动势补回去。

滑模控制的个性化问题是离散化后的抖振会加重。连续域仿真中原本很小的抖振，一旦把控制器离散化后再跑，因为采样保持的效应，高频切换会在离散时间点上被放大。我的处理办法是把饱和函数换成更高阶的平滑函数，同时配合离散域的滤波时间常数调整。

ADRC调试最需要耐心的是ESO的带宽标定。观测器增益如果太低，扰动估计滞后，控制效果比PI还不如；如果太高，高频噪声被放大到控制量上，电流波形出现高频谐波。我的经验是先把ESO带宽设置在开关频率的1/10附近，然后微调观察扰动估计波形，找到估计值跟实际负载变化同步的点，再反向确认带宽值是否合理。

DTC的个性化问题是磁链估算的误差累积。电压模型积分法在低速时误差很大，因为低速时定子电阻压降占比提升，模型对其他误差更敏感。仿真中可以通过初始磁链设置和积分器清零来缓解，但如果在实际应用中使用DTC，低速切换到电流模型是必须的。

7. 常见问题与故障排查实录

7.1 转速波形发散或剧烈振荡

仿真最常见的问题就是转速波形发散，常见原因和处理方式我整理了速查表：

7.2 电流波形畸变或三相不平衡

电流问题我建议优先排查SVPWM环节。如果三相电流幅值不等，大概率是扇区判断逻辑出错。如果每相电流都畸变，先看是开关频率附近的高频畸变还是低频畸变。高频畸变通常是仿真步长不够细，低频畸变则要检查电流环控制参数是否合适，或者反电动势前馈补偿是否正确。

7.3 不同控制策略切换时的注意事项

如果计划在一个模型里跑多套控制策略做对比，千万别用人工切换开关去切换控制器，因为切换瞬间的初始状态不一致会导致波形突变，对比结果失真。正确做法是用模型回调脚本，运行时指定使用哪套控制器，确保每次仿真都从相同的初始状态出发。

我搭建了一个控制策略选择变量，用Simulink的Model Variants功能管理五套控制器，每种控制器独立成子系统，通过变体选择器一键切换。这样做的好处是各控制器之间完全隔离，复用公共的电机模型和SVPWM模块，且切换控制器时不需要动模型内部任何连线。

提示：做多方案对比仿真时，务必保证各组仿真采用相同的采样时间、求解器设置和限幅条件，否则对比结论没有说服力。

我个人在实际操作中的体会是：仿真模型的层次化、模块化程度，直接决定你在算法比较上的效率上限。前期花点时间把公共框架搭干净，后面换控制器就像换模块一样快。这也是我建议每个做电机控制仿真的开发者，第一次搭建就把架构设计纳入考量，而不是先跑通再说。

最后再分享一个小技巧：在Simulink模型里给每个控制器子系统加一个Performance Metrics模块，自动统计启动时间、超调量、稳态误差、转矩脉动峰值等指标。跑完五套方案后直接导出对比表，省去了大量人工处理波形数据的时间。这套思路你也可以复用到其他控制工程领域，搭好框架后，任何新算法加进来就是一次“灌水”式对比实验。