手把手教你学Simulink——基于Simulink的基于SOGI的单相锁相与整流联合仿真

最常用的旋转坐标系锁相环其实现可见图一，在电网平衡情况下，可以很好的工作，其动态响应都非常棒。但是当电网输入不平衡时，因为的负序的原因，会在 dq 上产生二次谐波，因此影响了单同步旋转坐标系的锁相环工作。(图一 SRF PLL 实现原理)为了提升锁相环在不平衡电网情况下稳定性，所以很多学者提出了很多办法，很多都是在这个二次谐波上想办法，如使用低通滤波器把这个纹波抑制，这样牺牲了点带宽，也是一种好办...

在 Simulink 中实现了SOGI 正交信号发生器构建了SOGI-PLL 单相锁相模块集成到单相 PWM 整流器闭环系统验证了其在频率偏移、谐波干扰下的优异性能该方案是单相并网系统的工业级标准方案家用光伏逆变器单相电动汽车充电机小功率 UPS 系统动手建议尝试 MSOGI 抑制 3rd 谐波加入孤岛检测功能导出 C 代码部署到 TI C2000 微控制器SOGI 让单相信号“拥有三相智慧”——通过虚拟正交分量，解锁高性能同步与控制。

一般采用闭环锁相环技术，主要方案有：1)乘法鉴相器锁相环。该锁相环是硬件锁相设计的基础，其基本原理是计算输入信号与输出信号的乘积，经过滤波器和鉴相器输出后，得出输入输出信号的相位差，经过反馈使输出信号锁定输入信号，实现锁相功能。但是这种锁相环为了较好的滤除效果，会降低系统带宽，导致锁相速度受到限制。2)单同步坐标系软件锁相环(SSRF-PLL)。该锁相环技术是软件锁相环技术研究的基础，利...

是无线电发射中使频率较为稳定的一种方法，主要有VCO（压控振荡器）和PLL IC（锁相环集成电路），压控振荡器给出一个信号，一部分作为输出，另一部分通过分频与PLL IC所产生的本振信号作相位比较，为了保持频率不变，就要求相位差不发生改变，如果有相位差的变化，则PLL IC的电压输出端的电压发生变化，去控制VCO，直到相位差恢复，达到锁相的目的。能使受控振荡器的频率和相位均与输入信号保持确定关系的闭环电子电路。式中的ωi为输入信号的瞬时振荡角频率，θi（t）和θo（t）分别为输入信号和输出信号的瞬时相位。

本文介绍了基于SOGI的单相锁相与整流联合仿真方法。首先阐述了SOGI原理及其离散化实现，详细说明了SOGI-PLL控制结构，并构建了单相PWM整流器系统架构。在Simulink建模部分，分步骤指导了主电路搭建、SOGI模块实现、SOGI-PLL构建、电流控制环设计及调制策略实施。通过仿真验证了该方法在电网频率突变和电压谐波情况下的鲁棒性，结果显示锁相快速准确且THD低于3%。最后提出了自适应频率更新、多谐振SOGI等工程优化建议，该方案适用于光伏逆变器、充电机等单相并网系统。

频率的偏差会造成err泛滥，用err反过来调节频率，err不停，调频不止，从而达到频率自适应。整个框图看着就两个系数，k和另一个看着很牛但叫不上名字的符号，k可以根据典型二阶系统的最佳工业系数，将其定为根号2，另外一个如果你没意见的话就是46，如果有意见的话就自己画画伯德图按照你的喜好拿捏它。3.无论使用哪种方法，经过SOGI之后，想必已经拿到了准确的两个正交分量v’和qv’或者也可以说是alpha/beta静止坐标系下的两个分量，但最终我们想要的还是输入信号的角度信息。简述SOGI原理及程序实现。

根据个人的理解并构建了相应的仿真模型验证, 并解释了SOGI_PLL参数的特性和如何设计对应的参数, 后面贴出仿真模型供参考.

可见SOGI-PLL的基本的原理就是用SOGI滤波器对单相输入信号，人为制造出正交信号，再park变换的到正交的同步旋转的vd，vq分量，输出未能准确锁相的情况下，θ和θ‘不相等，vq输出不为0，经过PI调节后，修正θ’的输出，直至vq= 0，θ和θ‘相等，达到锁相的目的。

名词介绍 SOGI 二阶广义积分器（SOGI,Second-Order General Integrator）是近十几年来发展起来的一种新型的滤波器的结构，它具有广泛地应用。 而在电力电子通常在中用于产生一组相位差90°的波形如下图中的V’与V’’,作用即为正交信号发生器。 DSOGI-PLL 双二阶广义积分器锁相环（DSOGI-PLL,Double Second-Order General Integrator-PLL），为了针对三相电网电压不平衡时，电网出现正负序分量，为此设计DSOGI-PLL。

带能量回馈的单相整流器，能够完成单位功率因数整流，控制母线电压，逆变并网等功能。实现能量的双向流动，具备四象限电源功能。 在单相整流器中，电网电压的锁相是最基本最重要的技术点之一，相位之余整流器，就像空气之于人类。 本次记录一下基于二阶广义积分器虚拟两相的单相软件锁相环的simulink仿真。仿真搭建如图1 所示。 ...

📝 摘要（150字） SVD（奇异值分解）是一种强大的矩阵分解技术，能够从复杂数据中提取核心特征。它突破了传统特征分解对方阵的限制，适用于任意形状的矩阵（$A=U\Sigma V^T$）。SVD通过奇异值量化数据重要性，前几个奇异值往往包含90%以上的信息量，基于此的截断SVD可实现高效数据压缩与降噪。其数学本质是寻找线性变换中的关键拉伸方向（奇异向量）和强度（奇异值）。通过MATLAB仿真可见，SVD仅用10%的奇异值即可重建图像主体，验证了“从混沌中提炼秩序”的核心理念。SVD广泛应用于图像处理、推荐