深入解析了磁场定向控制（FOC）技术，涵盖从麦克斯韦方程组到永磁同步电机（PMSM）的电磁理论基础。详细对比了有感 FOC（依赖传感器）与无感 FOC（基于反电动势估算）的原理、优缺点及适用场景，重点分析了无人机电调中无感 FOC 的主流选择原因。此外，文章还探讨了软件实现中的坐标变换、三环控制、效率优化角度（如 150°电流超前）等工程细节，为电机控制算法落地提供理论支撑与实践参考。
如果你拆开无人机、扫地机器人或工业机械臂的电机驱动部分，大概率会看到'FOC'这个词。磁场定向控制（Field-Oriented Control，简称 FOC）不是什么新鲜技术 —— 它诞生于 1960 年代，但直到嵌入式芯片算力提升后，才真正在民用领域普及。
简单说，FOC 的核心是'让电机像直流电机一样好控制'。直流电机通过电刷切换电流方向，实现稳定转矩输出，但电刷磨损、噪音大的问题始终存在；交流电机（尤其是永磁同步电机 PMSM）无电刷、效率高，但三相电流的'旋转特性'让控制变得复杂。FOC 通过数学变换，把三相交流电流'拆解'成两个直流分量，从此交流电机也能实现毫秒级的转矩响应。
但 FOC 分两种：有感和无感。有感 FOC 靠传感器'看'转子位置，无感 FOC 靠算法'猜'位置。从理论到实践，从实验室到无人机的螺旋桨，这两种技术藏着太多值得深挖的细节 —— 比如为什么麦克斯韦方程能解释电机旋转的本质？为什么无人机电调偏爱无感 FOC？又为什么某些场景下电流超前 150°效率最高？
这篇文章会从电磁理论底层讲起，用工程案例结合的方式，系统解析有感与无感 FOC 的工作原理，希望能让你对电机控制有更立体的理解。
要理解 FOC，先得明白电机为什么会转。所有电机的核心原理都能追溯到麦克斯韦方程组 —— 这组方程就像电磁世界的'宪法'，决定了电生磁、磁生电的一切规律。
麦克斯韦方程组由四个方程组成，用数学语言描述了电场与磁场的产生、相互作用及传播规律。对电机控制来说，最关键的是前两个方程：
| 方程名称 | 数学表达式（积分形式） | 物理意义 | 对电机的影响 |
|---|---|---|---|
| 高斯电场定律 | ∮ₛ E·dS = Q/ε₀ | 电荷产生电场，电场线从正电荷出发终止于负电荷 | 电机绕组中的电荷（电流）会产生电场，但电机旋转主要依赖磁场，这部分影响较小 |
| 高斯磁场定律 | ∮ₛ B·dS = 0 | 磁场是无源场，磁感线闭合（没有单独的磁单极子） | 电机中定子、转子的磁场都是闭合回路，比如永磁体的磁感线从 N 极出发回到 S 极 |
| 法拉第电磁感应定律 | ∮ₗ E・dl = -dΦ/dt （Φ 为磁通量） | 变化的磁场产生电场（感应电动势） | 转子旋转时，永磁体磁场切割定子绕组，产生反电动势（FOC 中无感位置估算的核心依据） |
| 安培 - 麦克斯韦定律 | ∮ₗ B・dl = μ₀(I + ε₀dΦ_E/dt) （Φ_E 为电通量） | 电流或变化的电场产生磁场 | 定子绕组通电产生旋转磁场，与转子永磁磁场相互作用产生转矩（电机旋转的直接动力） |
通俗解释：电机的旋转本质是'两个磁场的相互拉扯'。定子绕组通电后，根据安培定律产生旋转磁场；转子永磁体自带磁场，两个磁场就像两块磁铁，'异性相吸'的力让转子跟着定子磁场转动。而法拉第定律则告诉我们：转子转动时会切割定子磁场，产生反电动势，这个反电动势的大小和方向与转子位置直接相关 —— 这正是无感 FOC 估算位置的关键。
FOC 主要用于控制永磁同步电机（PMSM），其结构决定了控制难度和 FOC 的必要性。我们先看 PMSM 的核心部件：
| 部件 | 作用 | 对控制的影响 |
|---|---|---|
| 定子 | 由三相绕组（U、V、W）组成，呈 120°对称分布 | 通入三相交流电时产生旋转磁场，磁场转速（同步转速）n₀=60f/p（f 为电流频率，p 为极对数） |
| 转子 | 内置永磁体（如钕铁硼），产生恒定磁场（磁链 ψ_f） | 转子磁场会随转子旋转，其位置直接决定反电动势的相位，是 FOC 需要实时跟踪的核心参数 |
| 气隙 | 定子与转子之间的空气间隙（通常 0.2-1mm） | 气隙越小，磁场耦合越强，转矩越大，但装配要求更高；气隙磁场分布影响反电动势波形 |
PMSM 的磁场有两个关键特性：
两个磁场的夹角（称为'转矩角 θ'）决定了电磁转矩的大小。根据电磁力公式，转矩 T_e 与 sinθ成正比 —— 这就是为什么 FOC 需要精确控制 θ：只有让 θ稳定在合适角度，才能输出稳定且高效的转矩。
电磁转矩是电机旋转的动力，其计算公式可由洛伦兹力推导得出。对 PMSM，忽略铁芯饱和时，转矩公式为：
| 符号 | 含义 | 对转矩的影响 |
|---|---|---|
| p | 极对数 | 极对数越多，相同电流下转矩越大（如 4 极电机比 2 极电机转矩大一倍） |
| ψ_f | 永磁体磁链（恒定值） | 决定'永磁转矩'分量（ψ_f i_q），是 PMSM 的主要转矩来源 |
| L_d、L_q | d 轴、q 轴电感 | 若 L_d ≠ L_q（内嵌式 PMSM），会产生'磁阻转矩'（(L_d - L_q) i_d i_q），可增强总转矩 |
| i_d、i_q | d 轴、q 轴电流 | i_q 主要贡献转矩，i_d 影响磁链（弱磁或增磁） |
关键结论：
这正是 FOC 的核心思想：通过坐标变换，将三相电流分解为 i_d 和 i_q，分别控制磁链和转矩，实现解耦控制。
FOC 的本质是'坐标变换'—— 通过数学方法将三相旋转坐标系下的电流，转换到与转子同步旋转的 d-q 坐标系，从而实现像直流电机一样的'励磁'（i_d）和'电枢'（i_q）分离控制。
三相电机的电流 i_U、i_V、i_W 是随时间变化的正弦量，直接控制难度大。FOC 通过两步变换将其简化：
将三相电流（i_U、i_V、i_W）转换到 α-β两相静止坐标系（垂直正交的两个轴），公式如下：
物理意义：用两个垂直的电流分量（i_α、i_β）等效替代三相电流产生的磁场，简化计算（三相电流满足 i_U + i_V + i_W = 0，实际可只测两相）。
将 α-β坐标系的电流（i_α、i_β）转换到 d-q 旋转坐标系（d 轴与转子磁场同向，q 轴垂直于 d 轴），公式如下：
物理意义：d-q 坐标系随转子同步旋转，因此 i_d 和 i_q 在稳态时是直流（不再随时间变化）—— 这就把交流电机的控制问题转化成了直流电机的控制问题！
| 变换类型 | 输入 | 输出 | 核心作用 | 适用场景 |
|---|---|---|---|---|
| Clark 变换 | 三相电流（i_U、i_V） | 两相静止电流（i_α、i_β） | 降低维度，简化计算 | 所有三相电机控制 |
| Park 变换 | i_α、i_β + 转子角度 θ | 两相旋转电流（i_d、i_q） | 将交流量转为直流量，实现转矩与磁链解耦 | FOC 核心步骤，依赖转子位置 θ |
| 反 Park 变换 | i_d*、i_q* + θ | 电压指令（u_α*、u_β*） | 将 d-q 轴电压指令转回 α-β坐标系，用于生成 PWM | FOC 电压输出阶段 |
| 反 Clark 变换 | u_α*、u_β* | 三相电压指令（u_U*、u_V*、u_W*） | 生成驱动逆变器的三相电压 | 逆变器控制 |
FOC 的控制逻辑是'三环嵌套'，从内到外分别是电流环、速度环、位置环，每一环都用 PI 调节器实现：
| 控制环 | 输入 | 输出 | 带宽要求（典型值） | 核心作用 |
|---|---|---|---|---|
| 电流环 | 电流误差（i_d* - i_d、i_q* - i_q） | 电压指令（u_d*、u_q*） | 10-20kHz | 快速跟踪电流指令，抑制电流波动 |
| 速度环 | 速度误差（n* - n） | 转矩指令（i_q*） | 1-5kHz | 稳定电机转速，抵抗负载扰动 |
| 位置环 | 位置误差（θ* - θ） | 速度指令（n*） | 100-500Hz | 精确控制转子位置（如机械臂关节） |
工作流程：
SVPWM（空间矢量脉宽调制）是 FOC 的'执行器'，其作用是让逆变器输出的电压矢量尽可能接近理想圆形旋转磁场，相比传统 SPWM，SVPWM 能提高直流电压利用率 15%，这对电池供电的无人机至关重要。
有感 FOC 的核心是'直接测量转子位置'，通过传感器获取 θ，再用于 Park 变换。传感器的精度和实时性直接决定 FOC 的性能。
有感 FOC 常用的传感器有三种：霍尔传感器、光电编码器、旋转变压器。
| 传感器类型 | 工作原理 | 精度（典型值） | 成本 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|---|---|---|
| 霍尔传感器 | 利用霍尔效应，检测转子磁场变化输出高低电平 | 60°/30°分辨率（3/6 路） | 低 | 低成本场景（如风扇、洗衣机） | 结构简单、抗干扰强、功耗低 | 精度低，仅用于低速或开环控制 |
| 光电编码器 | 光栅盘旋转时，光电管检测明暗条纹输出脉冲 | 1024-4096 线 / 圈 | 中 | 伺服电机、数控机床 | 精度高、响应快 | 怕灰尘 / 油污，高温环境可靠性下降 |
| 旋转变压器 | 定子励磁绕组通入高频信号，转子绕组感应电压随角度变化 | 0.1°以内（配合解码芯片） | 高 | 汽车电机、工业机器人 | 抗振动、耐高低温、寿命长 | 成本高，需要专用解码芯片（如 AD2S1210） |
关键参数：
| 优势 | 局限 |
|---|---|
| 位置测量直接可靠，低速（甚至零速）性能稳定 | 传感器增加成本、体积和重量（对无人机不利） |
| 控制精度高，转矩波动小（适合精密控制） | 传感器引线增加布线复杂度，易受电磁干扰 |
| 动态响应快（传感器延迟通常 < 10μs） | 机械连接易磨损（如编码器轴断裂） |
无感 FOC 去掉了传感器，通过电机本身的电气信号（电压、电流）估算转子位置 θ。这要求算法能从噪声中提取位置信息，是 FOC 的技术难点。
根据法拉第电磁感应定律，转子旋转时，永磁磁场切割定子绕组会产生反电动势（Back EMF）。反电动势的相位与转子位置严格同步，其大小与转速成正比（E = k_e × n，k_e 为反电动势常数）。
对三相 PMSM，反电动势是正弦波，表达式为：
其中 Em 是反电动势峰值，θ 是转子电角度（θ = p× 机械角度）。
关键结论：反电动势的相位直接反映转子位置 θ，只要能准确检测反电动势，就能估算 θ。
无感算法分三大类：反电动势法（适用于中高速）、高频注入法（适用于低速 / 零速）、模型参考自适应（MRAS，全速度段）。
原理：通过测量定子端电压和电流，计算反电动势，再提取相位得到 θ。
端电压方程（忽略定子电阻）：U = L×di/dt + e（e 为反电动势），因此 e = U - L×di/dt。
实现步骤：
改进：过零点检测
在电机中性点可测时，反电动势过零点（e_U = e_V = e_W = 0）对应 θ = 0°、120°、240°，过零点后 30°即为换相点（适用于方波驱动，FOC 中需插值细化）。
原理：低速时反电动势很小（接近零速时 e=0），无法检测。向 d 轴注入高频电压（如 10kHz），利用电机的凸极效应（L_d ≠ L_q），检测电流响应中的高频分量，估算位置。
实现步骤：
原理：建立两个模型 —— 参考模型（用实际电流和电压计算反电动势）和可调模型（用估算位置计算反电动势），通过两者的误差调节估算位置。
优势：不依赖电机参数（鲁棒性强），可覆盖全速度段。
| 算法类型 | 适用速度段 | 计算量 | 对电机参数的依赖 | 典型应用场景 | 关键挑战 |
|---|---|---|---|---|---|
| 反电动势法 | 中高速（>10% 额定转速） | 小 | 高（依赖 L、R） | 无人机、电动工具 | 低速时反电动势小，易受噪声干扰 |
| 高频注入法 | 低速 / 零速 | 中 | 高（依赖凸极特性） | 电梯、伺服电机 | 高频噪声影响电流采样，需专用滤波器 |
| MRAS | 全速度段 | 大 | 低 | 工业机器人 | 模型参数失配时精度下降，需在线参数辨识 |
无感 FOC 的最大难题是'启动'—— 静止时反电动势为零，无法估算位置。常用启动策略：
| 启动策略 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| 预定位 | 向特定绕组通直流电，将转子'吸'到已知位置 | 简单可靠，适用于空载启动 | 带载时可能打滑，启动冲击大 |
| 开环加速 | 按预设角度逐步增加频率，强制拖动转子加速 | 适用于轻载场景（如风扇） | 频率与转速失配时会失步 |
| I/F 控制 | 保持电流 / 频率比恒定，开环加速到一定转速后切换闭环 | 启动平稳，带载能力较强 | 切换瞬间可能有冲击，参数调试复杂 |
无人机电调常用'预定位 + I/F 加速'：先将转子定位到 U 相轴线，再按预设角度开环加速至反电动势可检测的转速（通常 > 500rpm），最后切换到反电动势法闭环控制。
| 优势 | 局限 |
|---|---|
| 无传感器，降低成本、体积、重量（无人机核心需求） | 低速 / 零速性能差，启动复杂 |
| 无机械连接，可靠性高（减少故障点） | 依赖电机参数，不同电机需重新调试 |
| 抗干扰能力强（无传感器引线） | 动态响应略慢于有感（算法延迟 10-50μs） |
FOC 的理论模型是连续、理想的，但软件实现（嵌入式代码）是离散、有误差的。从公式到代码，需要解决一系列工程问题。
| 模块 | 理论模型 | 软件实现（以 STM32 为例） | 关键差异点 |
|---|---|---|---|
| 电流采样 | 连续电流信号 i (t) | ADC 定时采样（10kHz），得到离散值 i (kT) | 采样延迟（ADC 转换时间 + 中断响应，约 1-5μs） |
| Clark/Park 变换 | 连续数学变换（矩阵运算） | 整数 / 浮点运算，用查表法优化三角函数计算 | 浮点精度损失（用 Q15 格式定点运算平衡精度与速度） |
| PI 调节器 | 连续域传递函数 G (s) = Kp + Ki/s | 离散化（后向差分：Ki*T/2×(e (k)+e (k-1))） | 积分饱和（需限幅保护）、采样周期影响稳定性 |
| SVPWM 生成 | 空间电压矢量连续旋转 | 定时器比较输出，计算占空比时需考虑死区时间（2-5μs） | 死区导致电压畸变，需补偿 |
| 位置估算（无感） | 反电动势相位连续计算 | 数字滤波器（如一阶低通）平滑噪声，PLL 跟踪相位 | 滤波延迟导致相位滞后，影响高速性能 |
| 调试工具 | 作用 | 关键指标 |
|---|---|---|
| 示波器（带电流探头） | 观察三相电流波形是否对称、正弦 | 电流畸变率 < 5%（THD） |
| 逻辑分析仪 | 分析 PWM 信号与位置估算的同步性 | PWM 占空比跳变与位置更新的相位差 < 10° |
| 电机参数测试仪 | 离线测量 L、R、ψ_f（如用 LCR 表测电感） | 电感测量误差 < 10% |
常见问题：
无人机（尤其是多旋翼）对电调的要求苛刻：轻量、高效、快速响应。有感与无感 FOC 的选择，本质是性能与成本的平衡。
| 指标 | 要求 | 与 FOC 的关系 |
|---|---|---|
| 重量 | <10g（2200kV 电机配套电调） | 无感 FOC 省去传感器，比有感轻 30% 以上 |
| 效率 | >90%（满功率时） | FOC 的 SVPWM 比方波驱动效率高 5-10% |
| 响应速度 | 转速阶跃响应时间 < 5ms | 电流环带宽需 > 10kHz，无感算法延迟需 < 20μs |
| 抗干扰能力 | 能承受电机火花、电池纹波干扰 | 无感 FOC 无传感器引线，抗干扰优于有感 |
| 启动性能 | 0-10000rpm 加速时间 < 0.5s | 需优化无感启动策略，避免启动卡顿 |
| 场景 | 选择倾向 | 原因分析 | 典型产品 |
|---|---|---|---|
| 穿越机（竞速） | 无感 FOC | 追求轻量化（多 1g 重量影响机动性），高速下反电动势明显 | 大疆 F450 电调、好盈 Xrotor 系列 |
| 工业无人机（载重 > 20kg） | 有感 FOC | 低速悬停时需要稳定转矩，传感器提高可靠性 | 大疆农业无人机 T60 电调 |
| 消费级无人机（如 Mavic） | 无感 FOC | 成本敏感，且飞行中转速较高（>3000rpm），反电动势易检测 | 大疆 Mavic 3 电调 |
关键结论：90% 以上的中小型无人机用电调采用无感 FOC，只有对低速稳定性要求极高的场景（如植保机悬停）才用有感。
以某开源电调（基于 STM32G431）为例，软件架构分三层：
| 层级 | 功能 | 核心代码模块 | 运行频率 |
|---|---|---|---|
| 硬件抽象层 | 电流采样（ADC）、PWM 输出（定时器）、通信（UART） | adc.c、pwm.c、usart.c | 按需调用 |
| 算法层 | FOC 变换、位置估算、PI 调节 | foc.c（Clark/Park 变换）、sensorless.c（反电动势法）、pi.c | 电流环 10kHz，位置估算 5kHz |
| 应用层 | 姿态控制接口、保护逻辑（过流 / 过压） | app.c、protect.c | 1kHz |
保护逻辑是无人机安全的关键：当电流超过额定值 150% 时，电调需在 10μs 内关断 PWM，避免 MOSFET 烧毁。
电机效率（η = 输出机械功率 / 输入电功率）与电流矢量角度密切相关。在某些场景下，电流超前转子磁场 150°时效率最高，这需要从转矩与损耗的平衡分析。
输入电功率 P_in = 3×U×I×cosφ（φ 为功率因数角），输出机械功率 P_out = T_e×ω（ω 为机械角速度），效率 η = P_out / P_in = 1 - (P_loss / P_in)，其中损耗 P_loss 包括：
| 损耗类型 | 计算公式 | 与电流角度的关系 |
|---|---|---|
| 铜损（P_cu） | 3×(i_d² + i_q²)×R_s（R_s 为定子电阻） | 与电流平方成正比，角度变化影响 i_d、i_q 分配 |
| 铁损（P_fe） | k_h×f×B² + k_e×f²×B²（k_h 为磁滞系数，k_e 为涡流系数） | 与磁通密度 B 和频率 f 相关，i_d 影响 B（增磁 / 弱磁） |
| 机械损耗 | 摩擦损耗 + 风阻损耗（与转速相关） | 与角度无关，高速时占比增加 |
关键：铜损和铁损是效率的主要影响因素，且两者随电流角度的变化趋势相反 —— 这是存在最优角度的核心原因。
表面式 PMSM 的 L_d = L_q，转矩公式简化为 T_e = K×i_q（K 为常数）。为输出恒定转矩，i_q 需保持恒定，此时电流矢量角度 θ（与 d 轴夹角）变化仅影响 i_d（i_d = I×cosθ，i_q = I×sinθ，I 为电流幅值）。
| 电流角度 θ（与 d 轴夹角） | 铜损 P_cu（W） | 铁损 P_fe（W） | 总损耗 P_loss（W） | 效率 η（%） | 备注 |
|---|---|---|---|---|---|
| 90° | 12.5 | 8.2 | 20.7 | 89.3 | i_d=0，铜损最大，铁损较大 |
| 120° | 14.3 | 5.1 | 19.4 | 90.1 | 铁损下降明显，总损耗降低 |
| 150° | 16.8 | 2.3 | 19.1 | 90.3 | 总损耗最小，效率最高 |
| 160° | 20.5 | 1.8 | 22.3 | 88.7 | 铜损急剧增加，效率下降 |
结论：150°是该电机在额定转矩下的效率最优角度，这是铜损与铁损权衡的结果。不同电机（如内嵌式、不同磁钢材料）的最优角度可能不同，但核心逻辑一致 —— 找到总损耗最小的角度。
有感 FOC 和无感 FOC 不是替代关系，而是互补关系：有感在低速精密控制领域不可替代，无感在轻量化、低成本场景（如无人机）占据主导。
未来的发展方向包括：
从麦克斯韦方程到无人机的每一次悬停，FOC 技术的进步都在悄悄改变我们的生活。理解它的原理，不仅能让我们更好地使用电机，更能体会到'数学让世界更高效'的魅力。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online
通过删除不必要的空白来缩小和压缩JSON。 在线工具，JSON 压缩在线工具，online
