在现代电力电子与电机控制领域，Park变换（Park's Transformation）无疑是最核心的数学工具之一。它由美国电气工程师Charles Park于1929年提出，旨在简化同步电机的分析与控制。对于从事永磁同步电机 (PMSM)、感应电机 (IM)控制工程师而言，深刻理解Park变换公式及其逆运算，是实现高性能矢量控制 (FOC)的基石。
许多初学者在面对三相交流系统时，往往感到头疼，因为三相电压和电流是随时间正弦变化的，直接控制难度极大。而Park变换通过坐标系的旋转，将这些时变的交流量转换为直流量，从而使得使用简单的比例-积分（PI）控制器就能实现精确的磁场和转矩控制。本文将深入探讨Park变换公式的数学本质、物理意义以及在工程实践中的关键应用。
Park变换是一种线性变换，它将三相静止坐标系（abc）下的电气量，经过中间的两相静止坐标系（αβ），最终转换到两相旋转坐标系（dq）中。其核心目的是将正弦稳态信号转换为直流信号。
在同步旋转坐标系下，电机的定子电压和电流方程中的电感参数变为常数，消除了交叉耦合项（或通过解耦控制消除影响），极大地简化了控制器的设计，提高了系统的动态响应性能。
广泛应用于新能源汽车驱动电机控制、风力发电变流器、不间断电源（UPS）、有源滤波器（APF）以及任何需要高精度交流电机控制的场景。
要掌握Park变换公式，必须理解其背后的坐标变换逻辑。通常，变换过程分为两步：首先进行Clark变换（三相到两相静止），然后进行Park变换（两相静止到两相旋转）。
假设三相静止坐标系为 a-b-c，两相静止坐标系为 α-β，两相旋转坐标系为 d-q。其中，d轴通常与转子磁场方向重合，q轴超前d轴90度电角度。
Park变换的核心矩阵如下所示。设 θ 为转子电角度（即dq坐标系相对于αβ坐标系的转角）：
注：此处展示的是功率不变或幅值不变的某种形式，实际工程中常采用幅值不变或有效值不变的形式，系数可能为 2/3 或 √2/3。
在大多数电机控制应用中，为了保持功率不变或幅值不变，变换矩阵前会乘以一个系数。常用的Park变换公式（幅值不变原则）为：
其中：
在生成PWM信号时，我们需要将控制器的输出（Vd, Vq）变换回三相静止坐标系。逆Park变换矩阵如下：
注意：逆变换通常输出的是αβ两相量，还需要经过逆Clark变换才能得到三相abc量。但在某些简化控制中，也可以直接用于SVPWM的扇区判断。
理论必须结合实践。下面提供一段简单的Python代码，演示如何实现Park变换和逆Park变换。这段代码使用了NumPy库进行矩阵运算，适用于快速验证算法。
import numpy as np
def park_transform(ia, ib, ic, theta):
"""
执行 Park 变换
:param ia, ib, ic: 三相电流
:param theta: 转子电角度 (弧度)
:return: id, iq, i0
"""
# 构建 Park 变换矩阵 (幅值不变原则)
# 注意：实际工程中需确认系数是 2/3 还是 sqrt(2/3)
c = np.cos(theta)
s = np.sin(theta)
c_b = np.cos(theta - 2np.pi/3)
s_b = np.sin(theta - 2np.pi/3)
c_c = np.cos(theta + 2np.pi/3)
s_c = np.sin(theta + 2np.pi/3)
park_matrix = (2/3) np.array([
[c, c_b, c_c],
[-s, -s_b, -s_c],
[0.5, 0.5, 0.5]
])
i_abc = np.array([ia, ib, ic])
i_dq0 = park_matrix @ i_abc
return i_dq0[0], i_dq0[1], i_dq0[2]
def inv_park_transform(id, iq, theta):
"""
执行逆 Park 变换 (输出 alpha, beta)
"""
c = np.cos(theta)
s = np.sin(theta)
c_b = np.cos(theta - 2np.pi/3)
s_b = np.sin(theta - 2np.pi/3)
c_c = np.cos(theta + 2np.pi/3)
s_c = np.sin(theta + 2np.pi/3)
inv_park_matrix = np.array([
[c, -s],
[c_b, -s_b],
[c_c, -s_c]
])
i_dq = np.array([id, iq])
i_alpha_beta = inv_park_matrix @ i_dq
return i_alpha_beta[0], i_alpha_beta[1]说明： 在实际嵌入式开发（如STM32）中，为了提高计算效率，通常会使用CORDIC算法或查找表来替代三角函数计算，并且会将浮点运算优化为定点运算。
在MATLAB/Simulink中，不需要手动编写矩阵乘法。 Simscape Electrical 库中提供了现成的Park Transformation模块。
这种方式适合系统级仿真，验证控制算法的稳定性。
Charles H. Park 在论文 "Two-Reaction Theory of Synchronous Machines" 中首次提出了这种坐标变换方法，用于分析同步电机的暂态过程。这是Park变换的起源。
随着电力电子技术的发展，Park变换开始被应用于交流调速系统的研究中。Blaschke 等人提出的矢量控制理论，极大地推动了Park变换在电机控制中的应用。
微处理器的普及使得实时计算Park变换成为可能。直接转矩控制 (DTC)和矢量控制 (FOC)成为主流，Park变换成为标准配置。
在新能源汽车、风力发电等领域，高性能Park变换算法结合现代控制理论（如滑模控制、自适应控制），实现了电机控制的极致性能。
以下是工程师们在实施Park变换时最常遇到的问题及解答。
角度θ通常来自电机自带的编码器、旋转变压器（Resolver）或霍尔传感器。在无感控制中，θ则通过观测器（如滑模观测器、扩展卡尔曼滤波）估算得到。θ的精度直接影响Park变换的准确性，进而影响控制性能。
理想情况下，平衡三相正弦量经过Park变换后应为直流量。如果出现纹波，可能的原因包括：1. 传感器存在偏置或增益误差；2. 转子位置角θ存在噪声或延迟；3. 电机本身存在谐波磁场；4. 采样不同步。需要仔细检查硬件和校准参数。
Park变换本身是一个线性变换，适用于任何线性或非线性负载的瞬时值分析。但在控制设计中，通常假设系统在线性区工作。对于强非线性负载，可能需要结合非线性控制策略，但Park变换作为坐标转换工具依然有效。
在数字控制系统中，θ通常需要限制在 [0, 2π] 范围内。可以通过取模运算实现：θ = θ % (2pi)。注意处理浮点数精度问题，避免累积误差。
Park变换公式不仅是电机控制理论的基石，也是连接物理世界与交流控制算法的桥梁。通过理解其数学原理，掌握其代码实现，并解决工程中的实际问题，工程师们能够设计出更高效、更稳定的电机驱动系统。希望本文能为您提供有价值的参考，助您在矢量控制的道路上走得更远。
如果您对其他相关话题感兴趣，如Space Vector Pulse Width Modulation (SVPWM)、Field Oriented Control (FOC) 的整体制动策略，欢迎继续探索本站的其他内容。