简述
近期Codex额度刷了很多，闲来无事，想把硕士期间研究的MFPCC电控算法部署到嵌入式平台上尝试一下。
选择的平台是如下的电机驱动板：
这个控制器还是不错的，大家可以淘宝搜索购买。另外还有欧拉电子的FOC驱动器，我也深度使用过都很不错，不过这个性价比更高，这个才不到100CNY。此板是双路的FOC控制器，每一路电机都配备了2个INA240A2的电流传感器，线电流电流采样方案，第三相电流可以通过基尔霍夫电流定律计算出来，是foc驱动器的一种常用设计方案。驱动使用的是两颗ST的L6234PD，是集成的DMOS开关管，5A 峰值，并不是预驱+MOSFET的方案，此款驱动器是针对云台电机所优化设计的。
默认配备的是ESP32的驱动器，当然设计一个底座就可以更换控制器了。很适合自己项目要使用FOC驱动器时选择这款驱动器。
搭配2208云台电机，控制器是ESP32.使用Vscode端的PlatformIO进行开发。
轮胎是我之前做小车粘上去的。就是拿不下来了。。
MFPCC给Codex参考的2021年的TIE期刊张教授的MPFCC经典论文，即：Y. Zhang, J. Jin and L. Huang, “Model-Free Predictive Current Control of PMSM Drives Based on Extended State Observer Using Ultralocal Model,” in IEEE Transactions on Industrial Electronics, vol. 68, no. 2, pp. 993-1003, Feb. 2021, doi: 10.1109/TIE.2020.2970660.
https://ieeexplore.ieee.org/document/8984748
完全实现后 会进行开源。
2026-6-19一些问题：
目前是可以跑的，但是高速时有点问题：
codex反馈说：
1
|
“高速时MFPCC算法 Iq*=0.10 A，实测有效 Iq 却很小且 Id 偏大，说明电流采样/电角度链路限制了 MFPCC 输出。”
|
即给定速度100RPM他却只能够跑到50RPM左右。说明MFPCC的实现还存在一些问题。
我让Codex加了一组实验，即测试一下FOC算法下能否稳定100RPM，结论是完全可以的。说明当前 MFPCC-ESO 工程存在实现或参数问题。后续我会深度探究一下问题所在。
2026-7-2实现效果
速度从0到600R的曲线，打印保存了CSV数据，使用Python脚本绘制了一下，和经典FOC算法进行对比：
目前的效果是 明显MFPCC的iq id跟踪效果会更差，这可能是由于内环电流环的MFPCC算法导致。即使外环都是一样。内环对于外环的响应程度是不一致的。
FOC的iq id跟踪效果比较好，但是速度会有一点毛刺效果，这可能与没有精细调参有原因。
讲一下核心实现吧：
用了 FreeRTOS，不是裸机 Bare Metal。
当前任务分配是：
Core0任务是mfpcc_current 实时电流控制任务 5 kHz MFPCC/ESO 电流环、Clarke/Park、预测控制、PWM 写入
Core1任务是Arduino loop() 串口命令、状态打印、AS5600 I2C 角度读取、速度外环
Core1的我adc_dma 任务 ADC DMA 读取、两相电流平均、通知 Core0 控制任务
200 µs 周期下，34 µs / 200 µs ≈ 17% Core0 实时预算。这样看来ESP32的CPU运算速度还是可以的。
MFPCC核心算法实现：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
|
#include "mfpcc_controller.h"
#include <Arduino.h>
#include "math_utils.h"
void MfpccController::configure(float sampleTime, float ultraLocalAlpha,
float discreteEsoPole,
float voltageLimit,
float voltageSlewRate) {
sampleTime_ = sampleTime;
ultraLocalAlpha_ = ultraLocalAlpha;
esoPole_ = discreteEsoPole;
voltageLimit_ = voltageLimit;
voltageStepLimit_ = voltageSlewRate * sampleTime;
applyObserverConfiguration();
}
void MfpccController::applyObserverConfiguration() {
observer_.configure(sampleTime_, ultraLocalAlpha_, esoPole_);
}
void MfpccController::reset(const AlphaBeta& measuredCurrent) {
observer_.reset(measuredCurrent);
}
AlphaBeta MfpccController::update(
const AlphaBeta& measuredCurrent,
const AlphaBeta& currentReferenceK2,
const AlphaBeta& previouslyAppliedVoltage) {
// 先使用 u(k-1) 和 i(k) 更新 ESO，得到 i_hat(k+1)、F_hat(k+1)。
// 这一步把数字控制器的一拍计算/更新延迟包含在预测中。
observer_.update(measuredCurrent, previouslyAppliedVoltage);
// 论文式(20)：
// u*(k) = [i*(k+2)-i_hat(k+1)]/(alpha*Ts) - F_hat(k+1)/alpha
const float inverseAlpha = 1.0F / ultraLocalAlpha_;
const float inverseAlphaTs =
1.0F / (ultraLocalAlpha_ * sampleTime_);
AlphaBeta requested =
(currentReferenceK2 - observer_.estimatedCurrent()) *
inverseAlphaTs -
observer_.estimatedDisturbance() * inverseAlpha;
requested = motor_math::limitMagnitude(requested, voltageLimit_);
// ESO 会把采样噪声看成快速扰动。限制相邻周期的电压矢量增量，
// 避免这种高频估计直接变成电机可感知的电磁力矩脉动。
const AlphaBeta voltageIncrement =
motor_math::limitMagnitude(
requested - previouslyAppliedVoltage, voltageStepLimit_);
return motor_math::limitMagnitude(
previouslyAppliedVoltage + voltageIncrement, voltageLimit_);
}
void MfpccController::setUltraLocalAlpha(float value) {
ultraLocalAlpha_ = constrain(value, 20.0F, 1000.0F);
applyObserverConfiguration();
}
void MfpccController::setEsoPole(float value) {
esoPole_ = constrain(value, 0.05F, 0.95F);
applyObserverConfiguration();
}
void MfpccController::setVoltageLimit(float value) {
voltageLimit_ = constrain(value, 0.05F, 3.0F);
}
|
ESO观测器核心算法实现：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
|
#include "eso_observer.h"
#include <Arduino.h>
void ExtendedStateObserver::configure(float sampleTime,
float ultraLocalAlpha,
float discretePole) {
sampleTime_ = sampleTime;
ultraLocalAlpha_ = ultraLocalAlpha;
discretePole_ = constrain(discretePole, 0.05F, 0.95F);
// 论文令连续 ESO 两个极点都为 -omega0：
// beta1=2*omega0, beta2=omega0^2。
// 前向欧拉离散后，若指定离散极点 z0，则
// omega0=(1-z0)/Ts，beta01=Ts*beta1，beta02=Ts*beta2。
const float oneMinusPole = 1.0F - discretePole_;
beta01_ = 2.0F * oneMinusPole;
beta02_ = oneMinusPole * oneMinusPole / sampleTime_;
}
void ExtendedStateObserver::reset(const AlphaBeta& measuredCurrent) {
estimatedCurrent_ = measuredCurrent;
estimatedDisturbance_ = {};
}
void ExtendedStateObserver::update(
const AlphaBeta& measuredCurrent,
const AlphaBeta& previouslyAppliedVoltage) {
const AlphaBeta error = estimatedCurrent_ - measuredCurrent;
const AlphaBeta currentBeforeUpdate = estimatedCurrent_;
const AlphaBeta disturbanceBeforeUpdate = estimatedDisturbance_;
// 对应论文式(13)，alpha、beta 两个轴完全独立，写成矢量形式。
estimatedCurrent_ =
currentBeforeUpdate +
(disturbanceBeforeUpdate +
previouslyAppliedVoltage * ultraLocalAlpha_) *
sampleTime_ -
error * beta01_;
estimatedDisturbance_ =
disturbanceBeforeUpdate - error * beta02_;
}
|
体验
Codex开发嵌入式的体验很好。
PlatformIO的Vscode插件，体验也非常不错，配置环境超级简单，可以完美替代Arduino以及ESP-IDF等。