基于EKF扩展卡尔曼滤波算法的永磁同步电机PMSM无传感器矢量控制Simulink仿真模型。 1.依据PMSM的数学模型搭建电机模型 2.双闭环dq解耦控制，转速外环，转矩内环 3. EKF算法对电机的转子电角度和机械转速进行估算
搞电机控制的老铁们都知道，无传感器技术能省下编码器的成本和体积，但估算转子位置和转速这事儿可不容易。今天咱们就拿Simulink整一个基于扩展卡尔曼滤波（EKF）的永磁同步电机无感控制方案，直接从建模写到算法实现，中间夹带代码私货。
一、先给电机建个模
PMSM的数学模型是控制的基石。在dq旋转坐标系下，电压方程长这样：
% 电机参数设置（示例） Rs = 2.8; % 定子电阻 Ld = 0.0085;% d轴电感 Lq = 0.0085;% q轴电感 lambda_pm = 0.175; % 永磁体磁链 % 状态方程（Simulink函数块中的代码片段） function [did, diq] = fcn(vd, vq, id, iq, we, Rs, Ld, Lq, lambda_pm) did = (vd - Rs*id + Lq*we*iq) / Ld; diq = (vq - Rs*iq - Ld*we*id - lambda_pm*we) / Lq; end这里用了dq轴解耦的思路，把交叉耦合项显式处理。在Simulink里可以直接用Function模块实现，配合CLARK/PARK变换模块就能搭出电机本体模型。
二、双闭环控制怎么玩？
转速外环+电流内环是经典套路，但咱这里搞点变化——转矩内环。为啥不用电流环？因为PMSM转矩和iq直接相关，用转矩环更直观。
速度环PI参数整定有个小技巧：先关掉EKF，用编码器反馈调好转速响应，再切回估算值。内环的PI参数可以按电流环带宽设计：
% 控制参数初始化脚本 Kp_speed = 0.5; % 速度环P Ki_speed = 10; % 速度环I Kp_torque = 2.5; % 转矩环P Ki_torque = 300; % 转矩环I % 抗饱和处理（Simulink PI模块设置） OutputSaturation = [max_torque, -max_torque]; % 输出限幅实际调试时要注意，EKF的估算延迟会影响环路的相位裕度，速度环带宽别设太高，一般在几十Hz量级。
三、EKF核心操作
重点来了！EKF要做的事就是通过测量电流来反推转速和角度。状态变量选[θ, ω, id, iq]四个量，观测量为电流。
状态预测方程：
% 离散状态预测（采样周期Ts） theta_k = theta_prev + omega_prev*Ts + 0.5*alpha_prev*Ts^2; omega_k = omega_prev + alpha_prev*Ts; id_k = id_prev + (vd/Ld - Rs/Ld*id_prev + omega_prev*Lq/Ld*iq_prev)*Ts; iq_k = iq_prev + (vq/Lq - Rs/Lq*iq_prev - omega_prev*(Ld/Lq*id_prev + lambda_pm/Lq))*Ts;这里把加速度alpha也作为过程噪声处理，实际调试发现这样比固定噪声模型更稳定。
雅可比矩阵计算是关键步骤：
% 求雅可比矩阵F（部分代码） F = eye(4); F(1,2) = Ts; % θ对ω的偏导 F(2,3) = -1.5*pole_pairs*lambda_pm/J*Ts; % ω对iq的偏导 F(3,2) = (Lq*iq)/Ld*Ts; % id对ω的偏导 ...注意这里用解析法求导比数值差分稳定得多，特别是在低速时数值误差会被放大。
四、模型联调实战
把这三个部分连起来后，Simulink模型长这样：
- PWM逆变器输出三相电压
- PMSM模型+EKF估算模块
- 双环控制器生成vd/vq
- 坐标变换链闭环
调试时先给个空载启动，观察估算角度和真实值（如果有编码器）的相位差。重点看低速性能——这时候EKF的Q矩阵需要加大过程噪声权重：
Q = diag([1e-4, 1e-3, 1e-2, 1e-2]); % 过程噪声协方差 R = diag([0.1, 0.1]); % 观测噪声协方差有个骚操作：在加速阶段临时增大Q(2,2)（转速噪声项），能让收敛更快。
五、翻车预警
- 初始角度识别：上电时EKF需要初始角度，可以用高频注入或者开环拖动的土法子
- 参数敏感性：Ld/Lq误差超过20%时估算会飘，实在不行加个在线参数辨识
- 采样频率：至少10倍于电流环带宽，别低于20kHz
最后放个仿真结果截图（假装有图）：转速从0加速到1000rpm，估算误差<2%，转矩脉动控制在5%以内——妥妥的能交差！
搞完这套模型你会发现，EKF其实就像炒菜，火候（参数）对了就香，过了就糊。下次再聊聊怎么用龙伯格观测器搞事情，保证比卡尔曼这老头更带劲！
