如何提高运动控制效率？方法是什么？

运动控制是工业控制领域的核心之一，在焊接、抛光、包装，装配等工业场景中发挥着巨大作用。运动控制最早起源于电机控制，电机控制的任务是控制单个电机转矩，转速，位置等参数，使电机完成规定的动作。而运动控制是在电机控制的基础上实现了对多个电机控制，控制系统自动协调多个电机完成指定的运动。复杂精密运动控制系统的应用在大大降低生产成本的同时也减少了加工中误操作的发生，提高了产品质量。如今工业生产自动化技术飞速发展，多种多样的运动控制系统广泛应用于物流行业与大型装配生产线。

工业运动控制涵盖一系列应用，包括基于逆变器的风扇或泵控 制、具有更为复杂的交流驱动控制的工厂自动化以及高级自动 化应用(如具有高级伺服控制的机器人)。这些系统需要检测和 反馈多个变量，例如电机绕组电流或电压、直流链路电流或电 压、转子位置和速度。变量的选择和所需的测量精度取决于终 端应用需求、系统架构、目标系统成本或系统复杂度。还有其 他考虑因素，例如状态监控等增值特性。据报道，电机占全球 总能耗的 40%，国际法规越来越注重全体工业运动应用的系统 效率(参见图 1)。

各种电机控制信号链拓扑中的电流和电压检测技术会因电机额 定功率、系统性能要求和终端应用而有所差异。由于这个原 因，不同的传感器选择、电流隔离要求、ADC 选择、系统集成 度和系统电源 / 接地划分，导致电机控制信号链实现方案也不相 同。虽然隔离要求通常对最终电路拓扑和架构有着重要影响， 但本文关注的重点是如何改善电流检测(作为一个影响因素)来实 现更高效的电机控制系统。

电流和电压测量

图 2 所示为一个通用电机控制信号链。为实现高保真测量而进行 的信号调理并非易事。相位电流检测尤其困难，因为该节点连 接的电路节点与逆变器模块核心中的栅极驱动器输出的节点相 同，因此在隔离电压和开关瞬变方面的需求也相同。

电机控制中最常用的电流传感器为分流电阻、霍尔效应传感器 (HES)以及电流互感器(CT)。虽然分流电阻不具有隔离功能且会 引起损耗，但它是所有传感器中最具线性、成本最低且同时适 用于交流和直流测量的传感器。为限制分流功率损耗的信号电 平衰减通常将分流应用限制为 50 A 或更低。电流互感器和霍尔效 应传感器可提供固有的隔离，因此能够用于电流较高的系统， 但它们的成本更高，并且在精度上不及采用分流电阻的解决方 案，这是由于此类传感器本身的初始精度较差或者在温度方面 的精度较差。与传感器类型不同，电机电流测量节点有很多选 择，如图 3 所示，其中以直接同相绕组电流测量最为理想，可 用于高性能系统。

有许多拓扑可用来检测电机电流，并需考虑多种因素，例如成 本、功耗以及性能水平，但对大多数系统设计人员而言，一个 重要目标是在成本控制范围内提高效率。

从霍尔效应传感器到分流电阻

与隔离式 Σ-Δ调制器耦合的分流电阻可提供最优质的电流反 馈，其中的电流电平足够低。目前，系统设计人员明显倾向于 从霍尔效应传感器转移到分流电阻，并且与隔离式放大器方案 相比，设计人员更倾向于采用隔离式调制器方案。将霍尔效应 传感器替换为分流电阻的系统设计人员往往会选择隔离式放大 器，并继续使用之前在基于霍尔效应传感器的设计中使用的模 数转换器(ADC)。这种情况下，无论模数转换性能如何，设计性 能都会受到隔离式放大器的限制。

将隔离式放大器和 ADC 替换为隔离式Σ-Δ调制器可消除性能瓶 颈，并大大改善设计，通常可将其从 9 到 10 位精度的反馈提升到 12 位水平。此外，还可配置处理Σ-Δ调制器输出所需的数字滤 波器，以实现快速过流保护(OCP)环路，从而无需模拟过流保护 电路。

现有Σ-Δ调制器可提供±250 mV (±320 mV 满量程用于 OCP)的差分输 入范围，特别适合阻性分流器测量。模拟调制器对模拟输入持 续采样，而输入信息则包含在数字输出流内，其数据速率最高 可达 20 MHz。通过适当的数字滤波器可重构原始信息。由于可在 转换性能和带宽或滤波器群延迟之间作出权衡，因此更粗、更 快的滤波器能够以 2 μs 的数量级提供快速 OCP 响应，非常适用于 IGBT 保护。

缩小分流电阻尺寸

从信号测量方面来看，一些主要难题与分流电阻的选择有关， 因为需要实现灵敏度和功耗之间的平衡。电阻自身的发热效应 导致的非线性情况也会是使用较大电阻所面临的挑战。因此， 设计人员必须做出权衡取舍，而更棘手的是，他们往往需要选 择一个适当大小的分流电阻，以满足不同电流电平下各种型号 和电机的需求。如果面对数倍于电机额定电流的峰值电流，并 需要可靠捕获两者的值，则保持动态范围也是一个难题。

面对这些难题，系统设计人员非常需要具有更宽动态范围或 更高信噪比和信纳比(SINAD)的优异Σ-Δ调制器。最新的隔离式 Σ-Δ调制器产品具有 16 位分辨率，并可确保高达 12 位有效位数 (ENOB)的性能。

高性能隔离式Σ-Δ调制器

更高性能的隔离式Σ-Δ调制器可满足工业电机控制设计中的多 种需求，并可通过缩小分流电阻尺寸来提高电机驱动器的功 效。ADI 公司的调制器 AD7403 就是一个很好的工业应用实例(参见 图 4)。它是 AD7401A 的新一代产品，可在相同的 20 MHz 外部时钟 速率下提供更宽的动态范围。这使设计人员可以更为灵活地选 择分流电阻大小，并能够在更高电流电平下使用分流电阻替换 霍尔效应传感器。该芯片的 ENOB 典型值为 14.2 位。此外，还可 通过缩短测量延迟改善动态响应。这款器件的隔离方案支持比 上一代产品更高的连续工作电压(VIORM)，从而可通过使用更高 的直流总线电压和更低的电流来提高系统效率。

不受控制的运动没有意义，几乎可以肯定;没有生产力。工程和工业运动控制在工厂自动化中发挥着重要作用，无数的机器和组件独立移动，并串联移动。除了时间因素外，力、速度、准确性和位置等其他因素在控制和设计运动以实现特定结果方面也起着至关重要的作用。

早期的运动控制技术主要基于耗时且昂贵的解决方案，如齿轮、凸轮、皮带传动等。下一阶段见证了机电、液压和气动产品的时代，如气缸、螺线管、夹具、等等。现在是紧凑、智能和可扩展的电子和基于计算机技术的时代。所谓的可编程运动控制采用由各种性能参数驱动的代码和算法，这些参数和算法可以嵌入到智能设备的软件程序和内存中。

无数运动控制算法的主要目标是调节速度、扭矩和位置。虽然每种算法都有根据需要选择的好处，但下面列出的算法可能是自动化行业中最受欢迎的。

位置PID算法

该算法的工作原理是输出输入比(称为增益)和在运动控制下以比例、积分和差分模式收到的反馈。它仅适用于目标轮廓的位置反馈，但可以控制运动部件的位置和速度。

位置 PID 算法强调目标配置文件以定义任何给定时刻的运动轴。所需的运动控制输出来自目标 Vs 的信息。运动轴的实际位置，以及所需的进给量。由于此类算法根据闭环运动控制的反馈原理来计算过程变量，因此可以实现高精度。

由于 PID 算法高效准确的运动控制能力，它被广泛应用于机器人等专业自动化以及汽车巡航控制等日常应用。

优点

最强大的算法之一，它使用过去、现在和未来的元素来响应微分错误的逻辑。

基于高精度逻辑的运动控制具有出色的响应和跟踪能力。

在工业自动化中被广泛使用、接受和理解。

缺点

作为一种反馈算法，除非产生或识别出错误，否则控制是不可能的。

从响应滞后中恢复会导致运动控制结果的性能不佳。

不适合国防和精密机器人等高级应用。

梯形算法

梯形算法是一种应用于无刷直流电机 (BLDC) 的运动控制机制。它根据定子-转子单元的换向原理运行，并以特定方式使用通过定子的电流的开关。这导致转子根据其对换向转子产生的磁场的极性响应而旋转。

旋转的转子由于与诱导其运动的电流相反而引起反电动势(电磁力)。这种反电动势导致永久梯形波形，因此得名梯形算法。无论是否使用检测电机位置的霍尔传感器，都会影响这种连续的电力换向。

这种换向技术也称为六步算法，可在相对于定子的六个不同方向上产生平滑的旋转。

优点

在设计和性能方面简单、低成本且可靠。

运动控制机制需要低处理能力。

高效适用于电动工具和无人机等高速和高扭矩应用。

缺点

低速运动控制效率低下。

连续换向引起的转矩波动问题。

电噪声和声学噪声。

场定向控制(FOC)

FOC 也称为矢量控制，是一种用于运动控制的高计算算法，其基本目标是在给定速度下实现最大扭矩。随着集成电路 (IC) 的快速发展，FOC 的实际应用在最近已呈多方面增长。如此之多，以至于它已将其优势商品化为日常机器，如钻床、切割机和磨床(电动工具)，在这些机器中，电池和性能始终很重要。

有趣的是，FOC 是第一项用于控制电机的两个最重要变量——扭矩和磁通的技术。这一实际优势使 FOC 成为最适合高性能电机应用的算法。此外，能够在各种速度范围内提供平稳运行，即使在零速时也能产生最大扭矩，产生快速加速或减速，使 FOC 成为各种工业应用的首选。

从技术上讲，在 FOC 中，电流分为两个垂直分量。引起垂直拉力的部分是产生扭矩的部分。导致不希望的向外拉动的另一部分是通量。FOC 以实现最大扭矩的方式对齐这两个组件。

优点

宽电流范围内的最大转矩响应

动态响应快，性能稳定

更好地控制扭矩和速度

缺点

需要传感器来确定转子的精确位置

低负载条件下的控制和效率降低

设计无传感器 FOC 需要专业知识，并且需要大量成本

虽然一些运动控制算法不断发展，但它们的网络包容性和与设备的连接性是最困难的任务之一。使用 EtherNet/IP 和 EtherCAT 技术的应用控制协议的最新进展将此类智能算法与现场设备和设备结合在一起。这有助于为使用智能传感器和网关的变频驱动器提供精确通信。

用于工业自动化的基于云的远程运动控制是下一件大事。目前，一些运动控制算法已经在云应用中实现。然而，观察这些算法在分布式网络和系统中的执行效率会很有趣。很快，将配备复杂的算法来远程控制和监控旋转电机的位置，并进行自我调整以克服由周围干扰引起的谐波失真。

由于对速度、准确性、远程可能性和可负担性的需求不断增加，运动控制算法的未来和范围正在上升。然而，这项利基技术需要领先企业和研究学者的更大推动力。此外，由于5G技术已经影响到许多工业应用，运动控制