1. 项目背景与核心价值
他励直流电动机作为电机学实验中的经典研究对象，在工业控制、机器人驱动和自动化设备领域具有广泛应用。不同于普通直流电机，他励电机的励磁绕组和电枢绕组分别由独立电源供电，这种特殊结构使其具有更灵活的调速特性和更稳定的机械特性。
在高校电机学实验中，学生通常通过物理接线和示波器观测来理解他励电机的工作原理。但随着虚拟仿真技术的发展，通过代码实现电机数学模型并可视化运行过程，已经成为一种高效的学习手段。这种数字化实验方法不仅能避免实体实验中的设备损耗风险，还能通过参数调整快速观察不同工况下的电机特性。
2. 数学模型构建
2.1 基本方程建立
他励直流电动机的数学模型包含三个核心方程：
-
电枢回路方程：
math复制U_a = E_a + I_a R_a + L_a \frac{dI_a}{dt}其中
U_a为电枢电压，E_a为反电动势，I_a为电枢电流，R_a为电枢电阻，L_a为电枢电感。 -
反电动势方程：
math复制E_a = K_e \Phi \omegaK_e为电机常数，Φ为励磁磁通，ω为机械角速度。 -
电磁转矩方程：
math复制T_e = K_t \Phi I_aT_e为电磁转矩，K_t为转矩常数。
2.2 状态空间表达
将上述方程转换为状态空间形式更利于编程实现。选择电枢电流I_a和转速ω作为状态变量：
code复制dI_a/dt = (U_a - K_eΦω - I_aR_a)/L_a
dω/dt = (K_tΦI_a - Bω - T_L)/J
其中B为粘滞摩擦系数，J为转动惯量，T_L为负载转矩。
3. Python实现方案
3.1 环境配置
推荐使用Python科学计算栈：
python复制import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import odeint
3.2 参数初始化
典型电机参数示例：
python复制# 电机参数
Ra = 0.5 # 电枢电阻(Ω)
La = 0.01 # 电枢电感(H)
Ke = 0.1 # 反电动势常数(V/(rad/s))
Kt = 0.1 # 转矩常数(Nm/A)
J = 0.01 # 转动惯量(kg·m²)
B = 0.001 # 摩擦系数(Nm/(rad/s))
Phi = 0.5 # 励磁磁通(Wb)
3.3 动态方程实现
定义状态方程函数：
python复制def motor_model(state, t, Ua, Tl):
Ia, w = state
# 电枢电流微分方程
dIa_dt = (Ua - Ke*Phi*w - Ia*Ra)/La
# 转速微分方程
dw_dt = (Kt*Phi*Ia - B*w - Tl)/J
return [dIa_dt, dw_dt]
3.4 仿真执行
设置仿真条件并求解：
python复制# 时间点设置
t = np.linspace(0, 10, 1000)
# 初始条件 [Ia0, w0]
init_state = [0, 0]
# 输入条件 (额定电压50V，空载)
Ua = 50
Tl = 0
# 求解微分方程
states = odeint(motor_model, init_state, t, args=(Ua, Tl))
Ia = states[:,0]
w = states[:,1]
4. 结果可视化与分析
4.1 动态响应曲线
python复制plt.figure(figsize=(12,8))
# 电枢电流曲线
plt.subplot(2,1,1)
plt.plot(t, Ia, 'b-', linewidth=2)
plt.ylabel('Armature Current (A)')
plt.grid(True)
# 转速曲线
plt.subplot(2,1,2)
plt.plot(t, w*30/np.pi, 'r-', linewidth=2) # 转换为RPM
plt.ylabel('Speed (RPM)')
plt.xlabel('Time (s)')
plt.grid(True)
plt.tight_layout()
plt.show()
4.2 特性分析
-
启动特性：
- 初始电流冲击可达额定值的5-7倍
- 转速呈指数规律上升
- 电气时间常数
τ_e = L_a/R_a - 机械时间常数
τ_m = J/B
-
稳态特性：
- 空载转速
ω_0 = U_a/(K_eΦ) - 堵转转矩
T_s = (K_tΦU_a)/R_a
- 空载转速
5. 进阶功能实现
5.1 PWM调速模拟
python复制def pwm_wave(t, freq, duty):
period = 1/freq
return 1 if (t % period) < duty*period else 0
# 生成PWM输入信号
pwm_freq = 1000 # 1kHz
duty_cycle = 0.7 # 70%
Ua_pwm = np.array([pwm_wave(ti, pwm_freq, duty_cycle)*50 for ti in t])
5.2 负载突变模拟
python复制Tl = np.zeros_like(t)
Tl[t>5] = 0.5 # 5秒后施加负载
6. 实验拓展方向
-
参数敏感性分析：
- 改变励磁磁通Φ观察转速变化
- 调整电枢电阻Ra研究对启动电流的影响
-
控制算法实现：
python复制# 简单PI速度控制示例 Kp = 0.5 Ki = 0.1 error_integral = 0 w_ref = 1000 * (np.pi/30) # 目标转速1000RPM for i in range(1, len(t)): error = w_ref - w[i-1] error_integral += error * (t[i]-t[i-1]) Ua[i] = Kp*error + Ki*error_integral # 限幅保护 Ua[i] = np.clip(Ua[i], 0, 50) -
效率特性分析：
python复制# 计算效率 input_power = Ua * Ia output_power = (Kt*Phi*Ia - B*w) * w efficiency = output_power / input_power
7. 工程实践要点
-
参数测量技巧：
- 电枢电阻Ra应采用直流降压法测量
- 空载实验可确定KeΦ值
- 堵转实验可确定KtΦ值
-
数值计算建议：
- 使用较小的仿真步长（<1ms）捕捉电流纹波
- 对PWM信号可考虑平均模型简化计算
-
实际应用考量：
- 电枢电感La对电流连续性起关键作用
- 换向过程产生的火花需额外建模
- 温度对电阻Ra的影响可达20-30%
关键提示：仿真时建议先使用标准参数验证模型正确性，再逐步引入非线性因素。实际电机参数可通过厂商数据手册或实验测量获得。