在无刷直流电机仿真这条路上折腾了小半年，我发现自己最上头的画面，不是板子第一次转起来的瞬间，而是仿真模型里那条转速曲线稳稳咬住设定值的那一刻。没错，就是仿真。不少朋友不理解，放着现成的电机库不用，偏要自己手搓一套无刷直流电机仿真模型，又是坐标变换又是SVPWM又是PI整定，这不是跟自己过不去吗？但我的体会恰恰是，这段“手搓”的经历，比直接拖现成模型学到的东西多了一个量级。

这篇就把我从电机方程一路搭到转速闭环的完整过程记录下来，电机的参数、每个环节的原理、整定过程和踩过的坑都尽量交代清楚，给那些也想自己搭一套无刷直流电机仿真、又不想用黑盒模型的朋友一条可以直接上手的路。文章里所有代码和参数都是我实测跑过的最小可用版本，不追求花哨，只求你能跟着搭出来。

1. 为什么放着现成工具不用，非要自己搭电机模型

1.1 现成模型像罐头，省事但出事不好查

很多初学者起步都会选现成方案：在Simulink环境里找现成的电机模块，配一个封装好的FOC库，把母线电压、极对数、相电阻填进去，双击一跑，三相电流、转速、电磁转矩曲线就出来了。风平浪静，什么都好看。

可一旦你要做真项目，就会发现“能跑”和“能用”之间隔着好几条街。现成模型里的参数往往是理想化的，你手上那颗实际电机的磁链、电感、反电动势系数具体是多少，库里根本没有地方告诉你。更麻烦的是，如果转速响应和电流波形跟预期对不上，你没法判断问题出在模型本身、控制器参数还是坐标变换里面。黑盒模型挡在中间，定位问题跟隔着一层雾似的。

自己手搓就不一样了。每个状态量怎么算出来的、每个环节的带宽多少、哪个滤波引入的相位延迟有多大，你心里一清二楚。转速闭环一振荡，我基本能在十分钟内定位到是哪一环带宽没拉开，哪一级滤波器滞后太多。这种判断力，靠拖现成模型是练不出来的。

1.2 拆开看，一套手搓模型就是六块积木

搭模型的时候，我把整个系统拆成六块：电机本体模型、逆变器桥、PWM调制（SVPWM）、电流采样/滤波、电流环、转速环。

电机本体是“被控对象”，逆变器和PWM是“执行器”，电流环和转速环是“大脑”。这个分层特别重要——每一块都能单独验证，拼起来之后一旦出问题，能快速隔离到具体模块。

我的开发顺序是这样的：先用Python脚本做快速验证，把电机方程和PI控制器写成函数跑通，再接上SVPWM和逆变器逻辑，最后才把整套东西搬进Simulink环境搭最终版。为什么这么做？脚本调参方便，改一个参数重跑一遍只要几秒钟，而且报错信息比图形界面里拖线直观太多。

2. 电机本体建模：没搞清楚反电动势之前别动手

2.1 BLDC的反电动势，不能随手当正弦波处理

无刷直流电机从结构上说是永磁同步电机的一种，但它的驱动方式有讲究。BLDC的反电动势波形是梯形波，普通PMSM是正弦波。如果你不管三七二十一按正弦波建模，反电动势的谐波部分会直接体现成转矩脉动，电流环设计也会偏乐观。

不过实际项目里，在梯形波反电动势条件下用FOC算法也大有人在。原因在于你控制的是电流的基波平均值，谐波部分会被电流环带宽压制一部分，剩下的变成转矩脉动。我在模型里仍然按正弦反电动势近似，但对转速环这种慢动态来说完全够用，这也是大多数仿真教程的通用做法。

2.2 三相方程和坐标变换：三个变量变两个

最直接的三相静止坐标系方程长这样，每一相都包括电阻压降、电感压降和反电动势三项：

u_a = Rs * i_a + Ls * di_a/dt + e_a u_b = Rs * i_b + Ls * di_b/dt + e_b u_c = Rs * i_c + Ls * di_c/dt + e_c

三相量之间有120度相位差，三个PI控制器如果直接控制交流量，静态误差很难消除。所以要干两件事：

• Clarke变换：把三相静止的ia、ib、ic投影到两相静止坐标αβ
• Park变换：再把αβ投影到跟转子同步旋转的dq轴

这两步合在一起，本质上是把三个纠缠在一起的交流量，变成两个在稳态下恒定的直流量。在dq坐标系里，电流是直流，用PI就能做到无静差跟踪。这就是整个FOC的精髓。

坐标变换之后的dq轴电压方程简洁很多：

u_d = Rs * i_d + Ld * di_d/dt - ωe * Lq * i_q u_q = Rs * i_q + Lq * di_q/dt + ωe * Ld * i_d + ωe * λpm

方程里ωe是电角速度（等于极对数乘以机械角速度），λpm是转子磁链。反电动势项出现在u_q方程的ωe * λpm上，这就是为什么转速越高，你需要的端电压越高。

电磁转矩公式也顺手列出来。对于表贴式电机Ld等于Lq，所以：

Te = 1.5 * Pp * λpm * i_q = Kt * i_q

Kt是扭矩常数，对表贴式BLDC来说就是1.5乘以极对数再乘以磁链。这是个特别重要的换算关系，后面调转速环、算负载转矩全靠它。

2.3 我用的电机参数和一个能跑的核心代码

为了后面所有计算都能对上，我先给出一组我仿真时用的电机参数，之后所有PI整定、带宽计算都基于这组数：

扭矩常数Kt算出来是0.12 N·m/A。额定转速3000rpm对应机械角速度约314 rad/s，电角速度就是约1256 rad/s。所以额定点附近的反电动势压降大约在25V左右，加上电阻压降，48V母线还是撑得住的。

电机模型的核心更新代码，我用Python写了一个最简版本：

import numpy as np # 电机参数 Rs = 0.20 Ld = 0.15e-3 Lq = 0.15e-3 flux = 0.02 Pp = 4 J = 8e-5 B = 5e-5 def motor_step(x, udq, TL, dt): # x = [id, iq, omega_m] # udq = [ud, uq] id_, iq_, omega_m = x omega_e = Pp * omega_m # dq轴电流微分 did_dt = (udq[0] - Rs * id_ + omega_e * Lq * iq_) / Ld diq_dt = (udq[1] - Rs * iq_ - omega_e * Ld * id_ - omega_e * flux) / Lq # 电磁转矩和机械微分 Te = 1.5 * Pp * flux * iq_ dome_dt = (Te - TL - B * omega_m) / J # 显式欧拉积分 new_id = id_ + dt * did_dt new_iq = iq_ + dt * diq_dt new_omega = omega_m + dt * dome_dt return np.array([new_id, new_iq, new_omega])

这段代码里电机是机械和电气方程联立的。为了让读者能直接复现，我用的是最简单的显式欧拉积分。欧拉法在步长足够小的情况下可以稳定跑，但对步长很敏感，后面我会专门讲步长选择的问题。实际做长时间仿真时我换成的是四阶龙格库塔（ode4），同样的参数，波形平滑度和稳定性都好很多。

3. 执行器也得搭得像样：逆变器、SVPWM和时序

3.1 逆变器模型：理想开关加死区就够用

做系统级仿真时，完全没必要把MOSFET的开通关断过程、米勒平台、体二极管反向恢复这些细节全建模。那些属于器件级仿真，留给专门做功率半导体的人去纠结。

我的逆变器模型就是三个半桥的理想开关，外加一个死区时间参数。写代码的时候，逻辑就是根据PWM比较值判断每相上管还是下管导通，然后把对应的相电压赋给电机模型。要模拟死区就在换相瞬间插入一个两个管子都关断的小时间段。

系统级模型的重点是控制环，把开关瞬态省掉之后，仿真速度能快一个数量级。如果后面要做损耗分析、EMI评估，再单独把开关模型加进去不迟。

3.2 SVPWM的扇区判断和作用时间

SVPWM的全称是空间矢量脉宽调制。它的核心思想不是分别调制三相，而是把三相合成一个旋转电压矢量，然后用六个非零基本电压矢量和两个零矢量去逼近它。

实现时最常用的就是七段式发波，每个PWM周期内插入两段零矢量，开关次数均匀，谐波畸变最小。关键步骤只有两步：

第一步，判断当前目标电压矢量落在哪个扇区。已知目标矢量在αβ轴的分量Uα和Uβ，可以通过三个中间量的正负组合判断扇区：

A = Uβ B = (sqrt(3)/2) * Uα - (1/2) * Uβ C = -(sqrt(3)/2) * Uα - (1/2) * Uβ

三个量的正负组合对应六个扇区。常见的判断逻辑是：

第二步，计算相邻两个基本矢量的作用时间。设Uref是目标电压矢量幅值，Ts是PWM周期，θ是矢量在扇区内的角度，Udc是母线电压，相邻两个矢量的作用时间分别用下面两个表达式计算：

T1 = sqrt(3) * Uref * Ts * sin(π/3 - θ) / Udc T2 = sqrt(3) * Uref * Ts * sin(θ) / Udc

剩下的时间分给两个零矢量，而且零矢量要对称分配在周期头和周期尾，这样输出电压波形是对称的PWM。这就是七段式SVPWM的标准套路。

3.3 仿真步长、PWM周期和控制周期，三者千万别混为一谈

这是很多新手容易绕晕的地方。我用的配置是：

这样选的逻辑很直接。仿真步长是数值积分的采样间隔，必须比PWM周期小一个数量级，否则开关切换时刻落在积分间隔之外，电流波形会出现锯齿状误差。PWM周期由硬件决定，20kHz是电机驱动器的主流频率，兼顾开关损耗和电流纹波。电流环跟着PWM周期走，在一个周期内更新一次PI输出，这是单片机能轻松承受的频率。转速环比电流环慢10倍，因为机械时间常数远大于电气时间常数，没必要跑那么快。

有些人在仿真里把仿真步长设成跟PWM周期一样，结果电流波形全是高频毛刺，然后怀疑是算法问题。其实不是，是时间尺度的分辨率不够。我一开始也踩过，后面详细说。

4. 调PI像调火锅底料，光给结论不给过程是耍流氓

4.1 电流环参数：用零极点对消做一次计算

电流环的被控对象是电机绕组，它的传递函数近似是一个一阶惯性环节：

G(s) = 1 / (Ls + Rs)

PI控制器的传递函数是Kp加Ki/s。整定的经典思路是让PI的零点去对消电机的极点，这样闭环就变成一个纯一阶系统，带宽由PI比例系数决定。推导下来得到两条工程公式：

Kp = L * ωc Ki = Rs * ωc

其中ωc是期望的电流环截止角频率。截止频率通常取开关频率的10分之1到20分之1。我的开关频率是20kHz，取截止频率1.5kHz，对应ωc约9425 rad/s。

代入我的电机参数：

L = 0.15e-3，Rs = 0.20 Kp = 0.15e-3 * 9425 ≈ 1.41 V/A Ki = 0.20 * 9425 ≈ 1885 V/(A·s)

这两个数就是电流环PI的起点。跑仿真之后电流波形如果抖动，先把Kp往下调而不是急着调Ki。电流环是内环，它稳不住，转速环做得再漂亮也没用。

4.2 转速环参数：先Kp后Ki，单位换算是重灾区

转速环的被控对象比电流环简单，可以近似成一个纯积分环节加上扭矩常数Kt：

G(s) = Kt / (Js)

期望的转速环带宽通常取电流环带宽的10分之1到10分之1，我取150Hz，对应角频率约942 rad/s。忽略阻尼项，Kp的估算公式是：

Kp = J * ωc_ω / Kt Kp = 8e-5 * 942 / 0.12 ≈ 0.63 A/(rad/s)

注意这个单位。速度环的输出是q轴电流指令，转速误差单位是rad/s，所以Kp单位是“安培/每弧度每秒”。如果你把转速看成rpm，数值上就要换算，差了60/2π还不自知的话，调出来的参数会让人崩溃。我后来把转速环里所有量统一用SI单位：转速一律用rad/s，力矩一律用N·m，电流一律用A，避免反复换算出错。

Ki先不急着给，我的习惯是只加Kp空载启动，看阶跃响应。如果转速收敛不到设定值，说明积分作用不够，再慢慢加Ki。加Ki时注意设置积分限幅，我最终用的速度环参数是Kp=0.65，Ki=55，输出限幅±12A，积分限幅±6A。这两个限幅值看着不起眼，作用却很大，后面讲积分饱和时会专门说。

4.3 空载启动加负载突变，观察曲线咬住设定值

我最常用的调试场景是这样：0时刻给阶跃目标转速3000rpm，空载启动；0.3秒的时候突然加上1.0 N·m负载转矩，看转速跌落后能不能拉回来；0.5秒时再撤掉负载，看会不会过冲。

整定好之后的仿真行为大致是这样的：启动阶段电流先顶到限幅值12A，电磁转矩约1.44N·m，加速度稳定，转速线性上升。到接近3000rpm时电流回落，转速无超调地贴在目标值上。0.3秒突加负载后转速跌落到约2940rpm，然后转速环积分作用把它拉回3000rpm，恢复时间约40毫秒，稳态误差在0.5rpm以内。

那种曲线稳稳咬住设定值的感觉，确实像标题说的，跟吃火锅配冰阔落一样畅快。但为了这个结果，我整整调了两天，而且大部分时间浪费在错误方向上了。

5. 转速咬上去之前，我踩过的几个大坑

5.1 极对数问题：电角度和机械角度互相背叛

第一个让我怀疑人生的坑来自极对数。电机机械转一圈，电角度实际转了P圈。我在坐标变换里用Park变换需要电角度，但在机械方程里积分出来的是机械角度。如果忘了乘极对数，转速反馈信号全乱，PI控制器会输出一个高频振荡的电流指令。

这个错误非常隐蔽，因为模型还是能跑出转速曲线，只是波形带明显抖动。我当时的排查方式是打印udq和idq波形，发现id和iq在稳态下根本不恒定，而是叠加了一个高次波动，这才意识到角度信号频率不对。排查过程花了整整一晚上，最后不过是把Pp乘了进去。

5.2 反电动势系数单位换算：搜到的公式和模型参数对不上

第二个坑是反电动势系数的单位。网上资料里有人给V/(krpm)，有人给V/(rad/s)，还有人给V·s/rad。这三个单位之间差着系数，直接套用会差好几个数量级。

我在模型里用的磁链λpm单位是V·s/rad，反电动势项就是电角速度乘以磁链。但如果你拿电机的实测反电动势系数（比如标称多少V每千转每分钟）去反推磁链，一定要先统一单位。3000rpm对应的机械角速度是314rad/s，电角速度是1256rad/s，漏掉任何一个换算系数都会让模型里的反电动势跟实机差36倍。

我的建议是，模型内部所有物理量统一使用SI标准单位，外部标定数据进入模型前先做一次单位转换，并且把转换过程写在注释里。这样哪怕后面忘了，回头看代码也能想起来。

5.3 仿真步长太大，电流波形全是毛刺

第三个坑最为迷惑。最初我把仿真步长设成10μs，PWM周期50μs，心想这不比PWM快五倍了吗，应该够了吧。结果跑出来的电流波形上叠加了一层明显的锯齿状毛刺，转速环在稳定点附近小幅振荡。

排查了很久，最后把步长砍到1μs，毛刺消失，波形变得非常干净。原因是电感电流的动态速度太快了，理想化处理下电流的上升速率接近电压除以电感，量级能到几十万安培每秒，显式欧拉法在10μs步长下数值误差积累得太严重。

所以保守建议是：仿真步长至少要比PWM周期小一个数量级。如果模型里开关时刻是离散的，还要保证步长跟PWM周期是整数倍关系，否则不同步的周期性误差会变成低频干扰。

5.4 积分饱和带来的启动冲击和转速超调

最后一个坑也是最“经典”的：积分饱和。启动时电流长时间顶在12A限幅值，转速环误差一直很大，积分项疯狂累积，等转速真正到达3000rpm时，积分项已经把输出推到极其夸张的数值。转速是到了，积分器却还在持续输出，等于让电机继续加速，最终转速冲到3150rpm才被反向拉回来，形成一次明显的过冲。

解决方案是给速度环PI加积分限幅，并且当输出达到限幅时停止积分累加，这就叫抗积分饱和。我用的积分限幅是±6A，跟输出限幅±12A错开一半。加了之后启动过冲消失，转速曲线像用尺子画的一样服帖地贴上设定值。

6. 模型跑顺之后，离实机上电还有哪些功课

6.1 仿真模型里故意“忽略”的那些东西

仿真通过很容易让人过度自信，但我要提醒你：模型里忽略了不少东西。我列一下我仿真时根本不关心、但实机绕不开的量：

• MOS管导通压降和死区效应导致的电压偏差
• 母线电压波动和电容纹波
• 铁损、永磁体温度变化带来的磁链漂移
• 摩擦转矩的非线性（静摩擦和粘滞摩擦不是常数）
• 编码器零位误差和霍尔换相误差

这些在仿真模型里都被我当成理想条件，但实机上它们一个都不会缺席。所以仿真结果的绝对数值不要直接当实机性能预测，它更多是用来验证控制方案、参数量级和逻辑正确性的。

6.2 上板子前，参数至少要重新估一遍

我自己的流程是：在用仿真参数上硬件之前，先按实机重新测一遍关键参数。相电阻用LCR表或者直流压降法测量；相电感在锁住转子的情况下测；反电动势系数用对拖法，转速和开路电压做一个比值；转动惯量靠加减速实验或自由停车曲线辨识。

还有一个特别容易被忽略的环节：电角度零点标定。仿真模型里Park变换的角度是理想对齐的，但实机编码器零点跟电机磁极位置存在一个固定偏移。如果这个偏移不标定，id会混入非零值，电流环会产生严重的直轴电流浪费，降低效率。

6.3 最小可行验证路线：别一上来就闭环

最后分享一个我呕心沥血总结出来的上电顺序。不要一上来就切转速闭环跑阶跃，那样一出问题就是大烟花。先做一个开环电压斜坡测试，让电机缓慢转动，确认驱动和旋变/编码器逻辑正常；然后单独跑电流环，给定一个小电流指令，验证id和iq的解耦；再切转速环，给定低速目标，逐步往上加。

每次切换只改一个环节，确认稳定后再进行下一步。这个顺序帮我排除了不少低级问题，比如相位接反、编码器方向反了、PWM极性错误等等。仿真里没人接反线，实机可能犯的错，仿真根本发现不了。

这也是为什么我始终建议先把仿真做到“每个模块都能自己解释清楚”，再上实机。仿真帮不了你排除接线错误，但它能帮你排除算法错误。等算法层面的坑都被仿真消化掉，实机上电时剩下来的问题就只有物理世界自己的胡闹了。