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
引言
永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）因具有高效、高功率密度、
高可靠性等特点，被广泛应用于工业自动化、电动汽车等领域。传统的 PMSM 控制方法需要机械传感
器来获得电机的转子位置和速度信息，但传感器安装成本高、易受环境干扰等问题限制了其在应用中
的推广。为了解决这一问题，近年来，基于扩展卡尔曼滤波（Extended Kalman Filter, EKF）
的无传感器控制方法得到了广泛研究和应用。
本文基于 EKF 扩展卡尔曼滤波算法，搭建了永磁同步电机 PMSM 的无传感器矢量控制 Simulink 仿
真模型。具体包括以下几个部分：依据 PMSM 的数学模型搭建电机模型、双闭环 dq 解耦控制、转速
外环和转矩内环以及 EKF 算法对电机的转子电角度和机械转速进行估算。
1. 依据 PMSM 的数学模型搭建电机模型
在 PMSM 无传感器控制中，首先需要搭建电机模型。根据 PMSM 的数学模型，我们可以得到其 dq 坐
标系下的电流动态方程和电动势方程。通过建立 Simulink 模型，将这些方程转化为仿真模型中的数
学表达式，从而实现对 PMSM 的建模。
2. 双闭环 dq 解耦控制，转速外环，转矩内环
为了实现电机的精确控制，我们采用了双闭环 dq 解耦控制策略。其中，dq 解耦可以将 PMSM 的电流
控制分解为独立的转矩和磁链控制。转速外环使用 PI 控制器，通过对电机的转速进行调节，使其跟
踪给定的转速指令。转矩内环使用 PI 控制器，通过对电机的电流进行调节，以实现对电机转矩的精
确控制。
3. EKF 算法对电机的转子电角度和机械转速进行估算
为了实现无传感器控制，我们需要对电机的转子电角度和机械转速进行估算。在本文中，我们采用了
EKF 算法来对这些参数进行估算。EKF 算法通过对电机的状态进行迭代估算，不断修正预测值，从而
实现对电机转子电角度和机械转速的准确估计。
结论
通过本文的研究，我们基于 EKF 扩展卡尔曼滤波算法，搭建了永磁同步电机 PMSM 的无传感器矢量控
制 Simulink 仿真模型。在模型中，我们实现了依据 PMSM 的数学模型搭建电机模型、双闭环 dq 解
耦控制、转速外环和转矩内环以及 EKF 算法对电机的转子电角度和机械转速进行估算。该仿真模型为
无传感器控制提供了一种有效的手段，为 PMSM 在实际应用中的推广提供了基础。
