无感FOC低速破局：d轴正弦波高频注入算法推导与工程实战

1. 无感FOC低速困境与HFI的破局逻辑

搞过永磁同步电机（PMSM）无感FOC的人都有一个共识：中高速域用反电动势观测器（比如滑模观测器、隆贝格观测器、龙伯格观测器）基本能打，但一到低速甚至零速，反电动势幅值小到被噪声淹没，转子位置估算直接崩盘。这时候就得换思路——既然反电动势靠不住，那就主动往电机里“打信号”，靠凸极效应（saliency）来提取转子位置。这就是高频注入（HFI, High Frequency Injection）的核心逻辑。

我最早接触HFI是在一个低速大扭矩直驱项目上，电机额定转速才200rpm，启动阶段用反电动势观测器根本锁不住转子，抖得跟筛子一样。后来切到d轴正弦波高频注入方案，才把零速和低速段的位置估算稳下来。这篇文章就把d轴正弦波高频注入的算法原理从头推一遍，把每一步的数学逻辑和工程落地细节都讲清楚。

这篇文章适合谁看？如果你已经做过有感FOC或者无感FOC的中高速方案，想啃低速无感这块硬骨头，那这篇推导对你会有直接帮助。如果你连Clarke/Park变换和SVPWM都还没搞明白，建议先把基础补一补再来看，不然推导过程会比较吃力。

核心关键词先摆出来：无感FOC、HFI、d轴正弦波高频注入、算法原理、PMSM无感FOC控制、转子位置估算。这些词后面会反复出现，因为整个推导就是围绕它们展开的。

先说清楚一个前提：HFI能成立的根本原因是转子凸极效应。对于内置式永磁同步电机（IPMSM），d轴和q轴的电感不相等（Ld ≠ Lq），这个差异就是位置信息的“载体”。表贴式电机（SPMSM）Ld≈Lq，凸极率极低，HFI效果会很差，通常需要人为制造凸极或者改用其他方案。这一点在选型阶段就要确认，不然算法写得再漂亮也白搭。

2. d轴正弦波高频注入的数学推导全流程

2.1 从电机高频模型说起

推导的起点是PMSM在dq坐标系下的电压方程。先写完整版：

ud = Rs·id + Ld·(did/dt) - ωe·Lq·iq uq = Rs·iq + Lq·(diq/dt) + ωe·Ld·id + ωe·ψf

其中Rs是定子电阻，ωe是电角速度，ψf是永磁体磁链。当注入频率ωh远高于基波频率ωe时（通常ωh是基波的10倍以上），可以做几个合理简化：

• 电阻压降Rs·i在高频下相对电感压降ωh·L·i可以忽略，因为ωh·L >> Rs
• 反电动势项ωe·ψf在低速时很小，可以忽略
• 交叉耦合项ωe·L·i在低速时也可以忽略

简化后得到高频域下的电压方程：

udh ≈ Ld·(didh/dt) uqh ≈ Lq·(diqh/dt)

写成矢量形式，在估计的dq坐标系（带^上标）下：

[ûdh] [Ld 0 ] [dîdh/dt] [ûqh] = [0 Lq] [dîqh/dt]

注意这里有个关键点：上面的方程是在真实dq坐标系下成立的。但实际控制中我们用的是估计dq坐标系，两者之间存在角度误差Δθ = θ - θ̂。这个角度误差就是我们要提取的目标。

2.2 坐标变换与角度误差的引入

把真实dq坐标系下的电感矩阵变换到估计dq坐标系，需要用到旋转矩阵。设估计坐标系超前真实坐标系Δθ角度，变换关系为：

[id ] [ cosΔθ sinΔθ] [îd] [iq ] = [-sinΔθ cosΔθ] [îq]

把电感矩阵也做同样的旋转变换，得到估计坐标系下的高频电压方程：

[ûdh] [L0 + L1·cos(2Δθ) L1·sin(2Δθ) ] [dîdh/dt] [ûqh] = [L1·sin(2Δθ) L0 - L1·cos(2Δθ)] [dîqh/dt]

其中L0 = (Ld + Lq)/2是平均电感，L1 = (Ld - Lq)/2是半差电感。这个矩阵就是整个HFI算法的核心——角度误差Δθ被编码在了电感矩阵的交叉项里。

2.3 d轴正弦波注入的具体形式

现在确定注入信号的形式。所谓“d轴正弦波高频注入”，就是在估计的d轴（即d̂轴）上叠加一个高频正弦电压：

ûdh = Vh·cos(ωh·t) ûqh = 0

Vh是注入电压幅值，ωh是注入角频率。为什么选d轴注入而不是q轴？因为d轴注入时，q轴电流响应中会包含sin(2Δθ)项，这个项在Δθ=0附近有良好的线性度，而且d轴注入对转矩的扰动相对可控。q轴注入也能做，但信号处理方式不同，后面会对比。

把注入电压代入上面的矩阵方程，求解电流响应。由于是高频正弦稳态，可以用相量法或者直接解微分方程。先展开：

Vh·cos(ωh·t) = (L0 + L1·cos2Δθ)·(dîdh/dt) + L1·sin2Δθ·(dîqh/dt) 0 = L1·sin2Δθ·(dîdh/dt) + (L0 - L1·cos2Δθ)·(dîqh/dt)

这是一个耦合的微分方程组。对于高频正弦稳态，可以假设电流响应也是同频率的正弦形式，用复数阻抗法求解。把d/dt替换为jωh：

[Vh] [jωh(L0 + L1·cos2Δθ) jωh·L1·sin2Δθ ] [Îdh] [0 ] = [jωh·L1·sin2Δθ jωh(L0 - L1·cos2Δθ)] [Îqh]

解这个2x2线性方程组，得到电流相量：

Îdh = Vh·(L0 - L1·cos2Δθ) / [jωh·(L0² - L1²)] Îqh = -Vh·L1·sin2Δθ / [jωh·(L0² - L1²)]

把分母有理化，注意1/j = -j：

Îdh = -j·Vh·(L0 - L1·cos2Δθ) / [ωh·(L0² - L1²)] Îqh = j·Vh·L1·sin2Δθ / [ωh·(L0² - L1²)]

取q轴电流的时域表达式。Îqh是纯虚数乘以j，实际上对应的是正弦还是余弦取决于符号约定。整理后：

îqh(t) = Vh·L1·sin(2Δθ) / [ωh·(L0² - L1²)] · sin(ωh·t)

这就是最关键的结论：q轴高频电流的幅值正比于sin(2Δθ)，当Δθ→0时，îqh→0。换句话说，q轴高频电流的包络就是角度误差的“指示器”。

2.4 信号解调与位置误差提取

实际采样得到的q轴电流里，除了高频注入响应，还有基波电流、PWM开关噪声、采样噪声等。需要先把高频分量提取出来。常用方法是同步解调（synchronous demodulation）：

1. 对采样得到的îqh乘以与注入信号同频的参考信号sin(ωh·t)
2. 通过低通滤波器（LPF）滤除二倍频分量
3. 得到与sin(2Δθ)成正比的直流量

数学上：

îqh(t)·sin(ωh·t) = Vh·L1·sin(2Δθ)/[ωh·(L0²-L1²)] · sin²(ωh·t) = A·sin(2Δθ)·[1 - cos(2ωh·t)]/2

经过LPF后，cos(2ωh·t)项被滤除，剩下：

ε = (A/2)·sin(2Δθ) ≈ A·Δθ (当Δθ很小时)

这个ε就是位置误差信号。把它送入一个锁相环（PLL）或者龙伯格观测器，就能估算出转子位置和转速。

注意：这里有个容易踩的坑——解调用的参考信号相位必须和注入信号严格对齐。如果注入用的是cos，解调也必须用cos，否则会引入额外的相位偏差，导致估算角度系统性偏移。我在早期调试时就因为这个问题，角度一直差个固定值，查了半天才发现是解调参考相位搞错了。

2.5 为什么是sin(2Δθ)而不是sin(Δθ)

有人会问，为什么误差信号是2倍角度？这是因为凸极效应的周期是π（电角度），而不是2π。d轴和q轴电感差异在转子旋转180度电角度后就重复了，所以位置误差信号天然带有2倍频特性。这意味着：

• 在Δθ=0和Δθ=π处，误差信号都为零，存在伪收敛点
• 需要额外的极性判断逻辑来区分N极和S极
• PLL的线性化范围大约在±π/4以内，超出后可能锁到错误点

解决伪收敛点的常用方法是脉冲注入极性辨识：在d轴正负方向分别注入短时电压脉冲，比较电流响应的饱和程度。由于永磁体的存在，d轴正方向的电感饱和程度与负方向不同，据此可以判断磁极极性。这一步在零速启动时是必须的。

3. 工程落地：从理论到可运行代码的关键环节

3.1 注入参数的选择与计算

理论推导完了，接下来是工程落地。注入参数选不好，要么信噪比不够，要么噪声和损耗太大。核心参数有三个：注入电压幅值Vh、注入频率ωh、以及LPF的截止频率。

注入电压幅值Vh：太小了信噪比不够，太大了会引入可听噪声和额外损耗。经验公式是取额定电压的10%~20%。比如母线电压300V，额定相电压峰值约150V，那Vh取15V~30V比较合适。我一般从15V开始试，逐步加大到能稳定估算为止。

注入频率ωh：需要远高于基波频率，同时远低于PWM开关频率。通常取PWM频率的1/10到1/5。比如PWM频率10kHz，注入频率取1kHz~2kHz。太低会与基波耦合，太高则一个PWM周期内采样点不够，解调精度下降。

LPF截止频率：要低于注入频率，同时高于位置环带宽。一般取注入频率的1/5到1/3。比如注入1kHz，LPF截止取200Hz~300Hz。

下面是一个参数选择的参考表：

3.2 离散化实现与代码框架

实际算法跑在MCU上，需要把连续域推导离散化。假设PWM频率为fpwm，控制周期Ts = 1/fpwm。注入信号在每个控制周期更新：

// 注入信号生成 float theta_h = 2.0f * PI * fh * t; // 注入相位 float Vh_d = Vh * cosf(theta_h); // d轴注入电压 float Vh_q = 0.0f; // q轴不注入 // 叠加到电流环输出 ud_ref += Vh_d; uq_ref += Vh_q;

解调部分：

// 采样得到iq_fb后，先提取高频分量 // 方法1：带通滤波（BPF） iq_hp = BPF(iq_fb); // 中心频率fh // 同步解调 float demod = iq_hp * sinf(theta_h); // 与注入同相 // 低通滤波提取直流分量 float error = LPF(demod); // 得到正比于sin(2Δθ)的误差信号 // PLL估算位置和转速 theta_est += (Kp_pll * error + Ki_pll * integral) * Ts;

这里有个实现细节：带通滤波器和低通滤波器的设计。我一般用二阶巴特沃斯滤波器，离散化用双线性变换。BPF的中心频率设fh，带宽设fh/2左右；LPF的截止频率设fc。滤波器系数可以离线算好，运行时直接查表或者用差分方程迭代。

3.3 与基波控制的融合策略

HFI不是独立运行的，它要和无感FOC的基波控制融合。典型的融合策略是按速度分段：

• 零速和极低速（<5%额定转速）：纯HFI模式，反电动势观测器不工作
• 低速到中速（5%~15%额定转速）：HFI和反电动势观测器加权融合，HFI权重逐渐降低
• 中高速（>15%额定转速）：纯反电动势观测器模式，HFI关闭

融合时的权重函数可以用sigmoid或者线性过渡。我一般用线性过渡，简单可靠：

float w_hfi = 1.0f - (speed - speed_low) / (speed_high - speed_low); w_hfi = clamp(w_hfi, 0.0f, 1.0f); float w_bemf = 1.0f - w_hfi; theta_final = w_hfi * theta_hfi + w_bemf * theta_bemf;

注意：两个观测器的角度不能直接线性加权，因为角度是周期量，直接加权可能在0/2π边界处产生跳变。正确做法是先把角度误差信号加权，再送入同一个PLL。或者用角度误差的sin/cos分量加权后再求角度。这个坑我在项目里踩过，直接加权角度导致切换时电机抖了一下。

3.4 极性辨识的工程实现

前面提到sin(2Δθ)存在伪收敛点，需要极性辨识。工程上常用的方法是d轴正负脉冲注入法：

1. 在估计的d轴正方向注入一个短时电压脉冲（比如持续几个PWM周期），记录电流响应幅值I_pos
2. 在估计的d轴负方向注入同样幅值和时长的脉冲，记录电流响应幅值I_neg
3. 如果I_pos > I_neg，说明估计的d轴正方向对应真实N极；反之则需要将估算角度加π

原理是：d轴正方向对应永磁体N极时，定子电流产生的磁场与永磁体磁场同向，铁芯饱和程度更高，电感更小，同样电压下电流更大。

// 极性辨识伪代码 float I_pos = inject_pulse(+Vpulse, Tpulse); float I_neg = inject_pulse(-Vpulse, Tpulse); if (I_neg > I_pos) { theta_est += PI; // 翻转180度电角度 }

这个辨识过程通常在启动前做一次，持续时间几十毫秒。注意脉冲幅值不能太大，否则可能引起转子微小转动或者退磁风险；也不能太小，否则饱和差异不明显。一般取额定电压的30%~50%，持续时间为几个PWM周期。

4. 调试实战：常见问题与排查技巧

4.1 角度估算不准的排查思路

HFI调试最常见的问题就是角度估算不准，表现为电机启动抖动、低速运行不平稳、带载能力差。排查时按以下顺序逐项检查：

第一步：确认凸极率。先测电机的Ld和Lq。如果Ld≈Lq（凸极率<1.1），HFI基本没法用。可以用LCR表在转子不同位置测量，或者用驱动器注入不同方向的电压脉冲测量电流响应来反推电感。

第二步：检查注入信号是否真的加进去了。用示波器看相电流波形，应该有明显的高频纹波。如果看不到，检查注入代码是否被执行、电压是否被限幅。

第三步：检查解调相位。这是最容易出问题的地方。注入用cos，解调也必须用cos；注入用sin，解调也必须用sin。相位差90度会导致误差信号变成cos(2Δθ)，在Δθ=0处不是零点，PLL会锁到错误位置。

第四步：检查滤波器参数。BPF中心频率是否等于注入频率？LPF截止频率是否合适？滤波器阶数太高会引入太大相位延迟，导致PLL环路不稳定。

第五步：检查PLL参数。Kp和Ki是否合理？带宽太高会引入噪声，太低则动态响应慢。可以先从低带宽开始调，稳定后再逐步提高。

下面是一个常见问题速查表：

4.2 噪声与可听噪声的抑制

HFI的一个副作用是可听噪声。注入频率如果在1kHz~5kHz范围，人耳很敏感，会听到刺耳的啸叫。解决办法有几个：

• 提高注入频率：移到15kHz以上，超出人耳听觉范围。但受限于PWM频率和采样率，不是所有平台都能做到。
• 降低注入幅值：在保证信噪比的前提下尽量减小Vh。
• 随机化注入频率：让注入频率在一定范围内随机跳变，把单频啸叫变成宽带噪声，听感上会好很多。这个技巧在消费类电机驱动里很常用。
• 使用方波注入替代正弦波：方波注入的高频分量更丰富，但解调方式不同，这里不展开。

我个人的经验是，如果PWM频率能到20kHz，注入频率取1.5kHz~2kHz，Vh取额定电压的10%左右，噪声基本可以接受。如果对噪声要求特别高，那就得上随机化或者方波注入方案。

4.3 计算延迟与相位补偿

数字控制系统中，采样、计算、PWM更新都存在延迟。这些延迟会导致解调信号的相位偏差，进而影响角度估算精度。总延迟通常为1.5个PWM周期（采样延迟0.5周期+计算延迟0.5周期+PWM更新延迟0.5周期）。

补偿方法是在解调参考信号中减去延迟对应的相位：

float theta_h_comp = theta_h - omega_h * T_delay; float demod = iq_hp * sinf(theta_h_comp);

T_delay = 1.5 * Ts。如果不补偿，在注入频率较高时（比如2kHz），1.5个PWM周期（10kHz PWM下为150us）对应的相位偏差是2π2000150e-6 = 1.88rad，约108度，足以让解调完全失效。这个坑非常隐蔽，因为现象是角度估算“差不多但总差一点”，不仔细看波形很难发现。

4.4 与隆贝格观测器的对比与选择

热词里提到了“无感foc隆贝格观测器”，这里顺便对比一下。隆贝格观测器（Luenberger Observer）本质上是基于反电动势模型的状态观测器，在中高速域表现很好，但低速时反电动势太小，观测器增益需要很大，噪声放大严重。HFI则完全不依赖反电动势，靠凸极效应工作，低速性能好，但高速时注入信号会产生额外损耗和噪声。

所以工程上通常是两者结合：低速用HFI，高速用隆贝格观测器，中间做平滑过渡。这样既保证了全速域的位置估算精度，又避免了单一方法的局限性。选择哪种观测器做高速段，取决于具体应用——隆贝格观测器结构简单、参数好调，滑模观测器鲁棒性强但抖振大，扩展卡尔曼滤波精度高但计算量大。对于大多数工业应用，隆贝格观测器+HFI的组合已经够用了。

5. 从推导到产品的几个关键决策点

5.1 注入方式的选择：旋转注入 vs 脉振注入

HFI的注入方式不止d轴正弦波一种。常见的有：

• 旋转高频注入：在αβ坐标系注入旋转电压矢量，同时在d轴和q轴产生激励。优点是位置信息提取简单，不需要极性辨识（因为旋转注入本身能区分N/S极）。缺点是转矩脉动大，解调复杂。
• 脉振高频注入：在估计的d轴或q轴注入脉振信号。d轴脉振就是本文推导的方案，q轴脉振类似但误差信号形式不同。脉振注入转矩脉动小，但需要极性辨识。

选择哪种取决于应用场景。对转矩脉动敏感的场合（比如直驱、精密控制），选脉振注入；对算法简洁性要求高的场合，选旋转注入。我做的项目大多是脉振d轴注入，因为转矩脉动小，对负载冲击小。

5.2 采样时机与PWM同步

HFI对电流采样时机很敏感。注入信号是高频的，如果采样时刻与PWM不同步，采到的电流相位会随周期变化，解调结果就不稳定。正确做法是在每个PWM周期的固定时刻采样，通常是在PWM计数器过零或者峰值时触发ADC。

对于中心对齐PWM，一般在计数器过零时采样，此时开关噪声最小。如果注入频率是PWM频率的1/2，那每个注入周期有两个采样点，刚好满足奈奎斯特采样定理。如果注入频率更高，就需要更高的采样率或者用欠采样技术。

提示：采样时机不对是HFI调试中最隐蔽的问题之一。现象是角度估算时好时坏，或者随转速变化。用示波器同时看PWM触发信号和电流采样触发信号，确认两者严格同步。

5.3 参数敏感性分析

HFI算法对电机参数的敏感性需要评估。从推导看，误差信号幅值正比于L1/(L0²-L1²)，也就是凸极率越高，信号越强。但算法本身不依赖具体的Ld、Lq数值，只依赖凸极的存在。这意味着：

• 电感随电流饱和变化时，误差信号幅值会变，但零点位置不变（仍然是Δθ=0）
• 温度变化导致电感变化，同样只影响幅值不影响零点
• 不同批次的电机凸极率有差异，可能需要调整Vh来保证信噪比

这个特性让HFI的鲁棒性比较好，不需要精确的电感参数。但PLL的增益需要根据误差信号幅值来调整，否则不同电机上环路带宽不一致。工程上可以在启动时做一次自校准，测量误差信号幅值，然后自动调整PLL增益。

5.4 计算资源评估

HFI算法的计算量主要来自：注入信号生成（sin/cos查表或CORDIC）、带通滤波、同步解调、低通滤波、PLL。在100MHz级别的MCU上，这些运算占用大约5%~10%的CPU资源，对于大多数应用是可以接受的。

如果计算资源紧张，可以简化滤波器阶数，或者用查表法替代实时三角函数计算。我一般用256点正弦表+线性插值，精度足够且速度快。BPF和LPF用二阶就够，再高收益不大反而增加延迟。

6. 写在最后：一些踩坑后的真心话

HFI这个算法，理论推导看起来漂亮，但真正落地时魔鬼都在细节里。我印象最深的一次是调试一个低速大扭矩电机，角度估算一直有大约5度的周期性误差，查了滤波器、PLL、采样时机都没问题。最后用示波器逐点对比注入信号和解调参考信号，发现是代码里sin和cos用反了——注入用的是sin，解调却用了cos。改过来之后误差直接降到1度以内。这种低级错误在推导时觉得不可能犯，但实际写代码时因为变量命名混乱、复制粘贴，真的很容易搞错。

另一个体会是不要迷信仿真。Matlab/Simulink里跑得好好的HFI模型，放到实际硬件上可能完全不是那么回事。仿真里没有PWM死区、没有ADC量化噪声、没有计算延迟、没有参数漂移。我现在的习惯是仿真只用来验证算法框架，参数整定和细节调试全部在硬件上做。

最后说一个实用技巧：用误差信号的波形来诊断问题。把解调后的误差信号用DAC输出或者通过串口上传到上位机，观察它的波形。正常情况下，稳态时误差信号应该在零附近小幅波动；如果看到明显的周期性波动，说明角度估算有周期性误差；如果看到直流偏置，说明解调相位有问题；如果看到噪声很大，说明滤波器参数或者注入幅值需要调整。这个信号是HFI调试的“听诊器”，学会看它的波形，大部分问题都能快速定位。

这个方案后续还可以往几个方向扩展：一是结合粒子群算法等优化方法自动整定PLL参数，省去手动调参的麻烦；二是用神经网络做误差信号的智能解调，替代传统滤波器，在低信噪比下获得更好的效果；三是把HFI和隆贝格观测器的融合做得更精细，比如用模糊逻辑动态调整权重。这些方向我还在摸索，有进展再另开一篇聊。