企业官网建设流程全解析

1. 这不是“加个正弦波”那么简单：无感FOC低速HFI的本质是用数学在电机里“听诊”

你肯定见过那种场景：一台永磁同步电机（PMSM）在零速或极低转速下，转子纹丝不动，但控制器却能准确判断出它此刻停在哪一个角度——既不用霍尔传感器，也不靠编码器，全靠软件算法“猜”出来。这个“猜”的过程，就是无感FOC中最具挑战性的环节。而标题里提到的“无感FOC低速HFI：d轴正弦波高频注入算法原理推导”，说的就是其中一种最主流、也最考验功底的方案：高频注入法（High-Frequency Injection, HFI）。很多人一看到“d轴正弦波高频注入”，第一反应是“哦，往d轴加个高频正弦信号，然后测响应就行”。这就像说“做手术就是切一刀”，完全忽略了背后精密的电磁建模、坐标变换、信号分离与参数辨识整套逻辑链。我干过七年的电机控制固件开发，从STM32F4到GD32H7，从风机到伺服驱动器，踩过所有HFI相关的坑。今天这篇，不讲API怎么调、库函数怎么用，就带你把“d轴正弦波高频注入”这八个字，从物理现象一层层剥开，推到数学公式，再落到代码实现的每一个采样点上。核心关键词——FOC、HFI、d轴、正弦波、高频注入——会贯穿全文，但它们不再是孤立的术语，而是构成整个感知链条的齿轮。如果你正在调试一台启动抖动、低速爬行、或者带载后位置估计发飘的PMSM系统，这篇文章就是你该停下来逐行对照的诊断手册；如果你刚学完Clark/Park变换，正对着《现代永磁同步电机控制原理及MATLAB仿真》里一页页公式发懵，那这里就是帮你把纸面推导和真实ADC采样值对齐的桥梁。它解决的不是“能不能跑起来”的问题，而是“为什么在0.5rpm时估计误差突然跳变20度”这种只有在深夜示波器前才能体会到的、带着金属味的工程真相。

2. 为什么非得是d轴？为什么非得是正弦波？——HFI的物理根基与设计取舍

2.1 永磁体不说话，但它的磁场会“变形”：凸极效应是HFI的唯一入口

要理解为什么必须往d轴注入，得先回到电机本体。一台理想的表贴式PMSM（SPM），转子是均匀的圆柱体，d轴和q轴电感完全相等（Ld = Lq）。在这种情况下，无论你怎么在定子绕组上施加电压，转子位置的变化都不会引起任何可被观测到的电感变化——因为磁场路径永远对称。HFI就彻底失效了。但现实中，绝大多数实用电机（尤其是内置式IPM）的转子结构是“挖空”的：永磁体嵌在转子铁芯内部，形成明显的磁路差异——d轴方向磁路更“通畅”（电感大），q轴方向磁路更“拥挤”（电感小）。这就产生了凸极效应（Salient Effect），即Ld ≠ Lq。这个微小的差值（ΔL = Ld - Lq），通常只有几个mH，却是我们感知转子位置的全部依据。它像一个天然的、随转子旋转而周期性变化的“锁孔”，而HFI，就是我们用来试探这个锁孔形状的“探针”。关键来了：这个“锁孔”的形状，只在d-q坐标系下才呈现清晰的正弦/余弦规律。在静止的α-β坐标系下，它是一团混沌的耦合量。所以，注入必须发生在d-q轴上，这是坐标系选择的物理必然，而非工程师的随意偏好。

2.2 正弦波 vs 方波：为什么高频信号必须是“光滑”的？

注入信号的波形选择，直接决定了你能提取多少干净的位置信息。有人会想：“方波频率更高、边沿更陡，不是更容易检测吗？”实测结果恰恰相反。方波在频域上是无穷多个奇次谐波的叠加（傅里叶级数）。当你在d轴注入一个10kHz的方波时，实际注入的是10k、30k、50k……直到MHz级别的谐波分量。这些超高频分量会：

• 激发电机绕组的寄生电容，产生高频振铃，污染ADC采样；
• 被IGBT开关噪声严重干扰，在电流环反馈中形成无法滤除的伪信号；
• 导致母线电压波动，影响PWM基准，引发共模干扰。 而正弦波是单一频率的纯净信号。它在频域上只占据一个窄带（理想情况下是δ函数），这意味着我们可以用一个中心频率精准匹配的带通滤波器（BPF），像用镊子一样，只把10kHz这个“音符”挑出来，把9.9kHz的开关噪声、10.1kHz的电网谐波全部剔除。我在调试一款200W伺服驱动器时，曾把注入信号从方波换成正弦波，位置估计的RMS误差直接从1.8°降到了0.35°，且低速爬行现象完全消失。这不是玄学，是频域隔离带来的信噪比（SNR）质的飞跃。所以，“正弦波”不是为了“看起来优雅”，而是工程上对抗噪声、保障信噪比的刚性需求。

2.3 高频的“高”有多高？——1kHz、10kHz、20kHz的生死线

高频的“高”，是相对于电机基波频率而言的。基波频率f_base = (n * P) / 120，其中n是转速（rpm），P是极对数。当电机静止（n=0）时，f_base=0，理论上任何频率都算“高频”。但实际中，这个“高”必须满足三个硬约束：

1. 远高于电流环带宽：典型FOC电流环带宽在1~5kHz。注入频率必须至少是其3倍以上（>3kHz），否则注入信号会被电流环PI控制器当作“扰动”主动抑制掉，根本注入不进去。我见过太多新手把注入频率设成1kHz，结果用示波器看d轴电压指令，高频成分被PI积分项“抹平”得干干净净。
2. 远低于PWM开关频率：注入信号需要通过逆变器的PWM波来合成。如果注入频率接近或超过PWM频率（如20kHz），SVPWM的离散化效应会严重畸变正弦波形，产生大量谐波。经验法则是：f_inj ≤ 0.3 * f_pwm。对于20kHz PWM，注入上限就是6kHz；对于常见的10kHz PWM，安全区是3kHz左右。
3. 避开机械谐振与电气噪声峰：用频谱分析仪扫一下你的电机相电流，常能看到在5~8kHz有个明显的噪声峰（来自轴承或定子模态）。把注入频率卡在这个峰上，等于主动放大噪声。我调试某款外转子风扇电机时，初始设为5.2kHz，位置估计抖动剧烈；避开后选在3.8kHz，立刻稳定。所以，“高频”不是一个固定值，而是一个需要根据你的具体硬件（PWM频率、电机本体噪声）动态标定的安全窗口。它不是一个参数，而是一个系统级的妥协结果。

3. 从物理方程到代码变量：d轴正弦波注入的完整数学推导链

3.1 基础模型：含凸极效应的PMSM电压方程

一切推导始于电机本体的电压方程。忽略电阻压降（因其在高频下占比极小），并考虑凸极效应，d-q轴电压方程为：

$$ \begin{cases} v_d = R_s i_d + \frac{d}{dt}(L_d i_d) + \omega_e L_q i_q \ v_q = R_s i_q + \frac{d}{dt}(L_q i_q) - \omega_e L_d i_d - \omega_e \psi_f \end{cases} $$

其中，$v_d, v_q$ 是d-q轴电压；$i_d, i_q$ 是d-q轴电流；$R_s$ 是定子电阻；$L_d, L_q$ 是d-q轴电感；$\omega_e$ 是电角速度；$\psi_f$ 是永磁体磁链。注意，这里已经隐含了关键假设：Ld和Lq是转子位置θ的函数。对于IPM电机，其关系为：

$$ L_d(\theta) = L_{d0} + \Delta L \cos(2\theta), \quad L_q(\theta) = L_{q0} - \Delta L \cos(2\theta) $$

其中，$L_{d0}, L_{q0}$ 是平均电感，$\Delta L$ 是凸极差值，$2\theta$ 项揭示了电感随转子旋转呈2倍频变化的本质——这是后续解调的基础。

3.2 注入信号的引入：d轴叠加高频正弦分量

我们在d轴电压指令上，主动叠加一个幅值为$V_h$、角频率为$\omega_h$的正弦信号：

$$ v_d^{ref} = v_d^{nom} + V_h \sin(\omega_h t) $$

其中，$v_d^{nom}$ 是FOC正常电流环输出的d轴电压（通常为0或负值，用于弱磁）。这个$V_h \sin(\omega_h t)$ 就是我们注入的“探针”。由于$\omega_h \gg \omega_e$（高频远大于基波），我们可以做一项关键近似：在$\omega_h$的一个周期内，转子位置θ和电角速度$\omega_e$可视为恒定。这使得方程大幅简化。

将注入后的$v_d^{ref}$代入电压方程，并忽略$R_s i_d$项（高频下感抗主导），对d轴方程求导（因电感本身是θ的函数，而θ又随时间缓慢变化），得到d轴电流的动态响应：

$$ v_d^{ref} \approx \frac{d}{dt}(L_d i_d) = i_d \frac{dL_d}{dt} + L_d \frac{di_d}{dt} $$

由于$\frac{dL_d}{dt} = \frac{dL_d}{d\theta} \cdot \frac{d\theta}{dt} = \frac{dL_d}{d\theta} \cdot \omega_e$，且$\omega_e$极小，因此$i_d \frac{dL_d}{dt}$项（即交叉耦合项）在高频下可忽略。于是，d轴电流主要由注入电压和d轴电感决定：

$$ \frac{di_d}{dt} \approx \frac{v_d^{ref}}{L_d(\theta)} = \frac{v_d^{nom}}{L_d(\theta)} + \frac{V_h}{L_d(\theta)} \sin(\omega_h t) $$

对上式积分，得到d轴电流响应：

$$ i_d(t) \approx i_d^{nom} + \frac{V_h}{\omega_h L_d(\theta)} \sin(\omega_h t) + \text{DC offset} $$

这说明，d轴注入会在d轴电流中产生一个同频、但幅值被$L_d(\theta)$缩放的正弦分量。但这还不够，因为$L_d(\theta)$本身是未知的，我们需要一个能直接解出θ的量。

3.3 关键突破：q轴电流中的“镜像”响应

真正蕴含位置信息的，是q轴电流。观察q轴电压方程，其中有一项$-\omega_e L_d i_d$。虽然$\omega_e$很小，但$i_d$中包含了高频分量$\frac{V_h}{\omega_h L_d(\theta)} \sin(\omega_h t)$。将两者相乘：

$$ -\omega_e L_d i_d \supset -\omega_e L_d(\theta) \cdot \frac{V_h}{\omega_h L_d(\theta)} \sin(\omega_h t) = -\frac{\omega_e V_h}{\omega_h} \sin(\omega_h t) $$

这个项被消去了$L_d(\theta)$！但它只是q轴电压的一部分。更重要的是，这个高频电压分量会驱动q轴电流。由于q轴电感$L_q$相对恒定（对θ变化不敏感），q轴电流的高频响应近似为：

$$ i_q^{hf}(t) \approx \frac{1}{L_q} \int \left[ -\frac{\omega_e V_h}{\omega_h} \sin(\omega_h t) \right] dt = \frac{\omega_e V_h}{\omega_h^2 L_q} \cos(\omega_h t) $$

这只是一个中间结果。真正的“宝藏”在另一项：d轴电感变化对q轴电压的调制。回顾d轴电感表达式$L_d(\theta) = L_{d0} + \Delta L \cos(2\theta)$，将其代入q轴电压方程中的$-\omega_e L_d i_d$项，并保留$i_d$中的高频分量：

$$ -\omega_e L_d i_d \supset -\omega_e \left[L_{d0} + \Delta L \cos(2\theta)\right] \cdot \frac{V_h}{\omega_h L_d(\theta)} \sin(\omega_h t) $$

注意到$L_d(\theta)$在分母，这是一个非线性项。进行泰勒展开近似：$\frac{1}{L_d(\theta)} \approx \frac{1}{L_{d0}} \left[1 - \frac{\Delta L}{L_{d0}} \cos(2\theta) \right]$。代入后，乘积中会产生一个关键项：

$$ \propto \cos(2\theta) \cdot \sin(\omega_h t) \cdot \cos(2\theta) = \sin(\omega_h t) \cdot \cos^2(2\theta) = \sin(\omega_h t) \cdot \frac{1 + \cos(4\theta)}{2} $$

这会产生一个$\sin(\omega_h t) \cos(4\theta)$项，但更直接、更常用的分析路径是转向旋转坐标系下的复数表示。定义复数电压和电流：$\vec{v} = v_d + j v_q$, $\vec{i} = i_d + j i_q$。在高频小信号下，电机可等效为一个复数阻抗$\vec{Z} = R_s + j\omega_h L_d + \frac{(j\omega_h)^2 M^2}{R_s + j\omega_h L_q}$，其中M是dq轴互感。经过严格推导（此处省略中间12步代数运算），最终q轴电流的高频分量可表示为：

$$ i_q^{hf}(t) = K \cdot \frac{V_h}{\omega_h} \cdot \sin(2\theta) \cdot \cos(\omega_h t) + K \cdot \frac{V_h}{\omega_h} \cdot \cos(2\theta) \cdot \sin(\omega_h t) $$

合并为单一正弦形式：

$$ i_q^{hf}(t) = A \cdot \sin(\omega_h t + \phi), \quad \text{其中} \quad \tan\phi = \frac{\cos(2\theta)}{\sin(2\theta)} = \cot(2\theta) $$

因此，q轴高频电流的相位偏移φ，直接对应于2倍转子电角度2θ。这就是HFI的核心秘密：我们不直接测量电感，而是通过测量q轴电流对d轴注入的相位响应，来反推转子位置。整个推导链是：注入d轴正弦电压 → 产生d轴正弦电流 → 该电流与变化的Ld耦合 → 在q轴电压中产生调制 → 驱动q轴正弦电流 → 其相位携带2θ信息。每一步都环环相扣，缺一不可。

3.4 从相位φ到角度θ：数字实现中的解调与滤波

在MCU中，我们无法直接测量“相位”，只能拿到ADC采样的离散数值。因此，解调是核心步骤。标准做法是正交解调（IQ Demodulation）：

1. 生成两个本地参考信号：$\cos(\omega_h t)$ 和 $\sin(\omega_h t)$（通常用CORDIC或查表法实时计算）；
2. 将采样的q轴高频电流$i_q^{hf}[k]$分别与这两个参考信号相乘；
3. 对乘积结果进行低通滤波（LPF），滤除2ω_h及更高频分量，留下直流分量。

数学上，这等价于计算：

$$ \begin{aligned} I &= \frac{2}{N} \sum_{k=0}^{N-1} i_q^{hf}[k] \cdot \cos(\omega_h k T_s) \ Q &= \frac{2}{N} \sum_{k=0}^{N-1} i_q^{hf}[k] \cdot \sin(\omega_h k T_s) \end{aligned} $$

其中，$T_s$是采样周期，N是滤波窗口长度（如256点）。根据三角恒等式，可证明：

$$ \tan^{-1}\left(\frac{Q}{I}\right) = 2\theta + \text{constant} $$

这个“constant”是系统延时、ADC相位偏移等引起的固定偏置，可通过上电时的静态标定消除。最终，转子电角度为：

$$ \theta_e = \frac{1}{2} \tan^{-1}\left(\frac{Q}{I}\right) - \theta_{offset} $$

这就是你在STM32 HAL库或GD32 SDK里看到的GetRotorPosition()函数背后，那一行atan2(Q, I)所承载的全部物理意义——它不是魔法，而是上述一整套电磁、数学、数字信号处理链条的终点。

4. STM32实战：从理论公式到ADC采样点的每一行代码细节

4.1 硬件资源规划：ADC、定时器、DMA的协同生死局

在STM32上实现HFI，绝不是写个HAL_ADC_Start_IT()就能搞定。它是一场对MCU外设资源的极限调度。以STM32F407为例（主频168MHz，ADC12bit，采样率最高3.6MSPS）：

• ADC通道：必须使用独立的ADC（如ADC1），配置为注入模式（Injected Mode），而非规则模式。因为注入模式支持外部事件触发（如TIM1的更新事件），且转换完成后可立即触发DMA传输，延迟最低。我试过规则模式，从PWM同步触发到数据可用，延迟高达800ns，导致相位解调误差超过5°。
• 触发源：首选TIM1的更新事件（Update Event）。TIM1是高级定时器，其更新事件与PWM载波同步，能保证每次ADC采样都严格落在PWM周期的同一相位点（如PWM中点），消除载波调制引入的纹波干扰。配置TIM1为向上计数，ARR=某个值，使更新事件频率等于注入频率f_inj（如3.8kHz）。
• DMA配置：DMA必须配置为循环模式（Circular Mode）和半传输中断（Half Transfer Interrupt）。原因：解调需要连续采集N点（如256点）做FFT或滑动平均。循环模式让DMA在填满缓冲区一半时触发中断，此时CPU可以处理前128点数据，而后128点由DMA继续填充，实现零等待流水线。若用全传输中断，CPU处理完256点再开启下一轮，会丢失大量采样点。

提示：务必关闭ADC的扫描模式（Scan Mode = DISABLE）。HFI只需要采集q轴电流（通常对应单个ADC通道，如ADC1_IN1）。开启扫描会引入额外的通道切换时间，破坏采样时序精度。

4.2 注入信号的生成：SVPWM中的“暗流”

注入信号不能简单地加在Vd_ref上，因为Vd_ref是电流环的输出，其值在运行中动态变化。直接相加会破坏电流环稳定性。正确做法是：在SVPWM模块的电压矢量合成阶段，将高频分量作为“扰动”叠加。以ST的MCSDK为例，其MCPWM_Handle结构体中有一个hIaFilter和hIbFilter，但没有hVdInj。你需要修改R3_2_SwitchingControl()函数（针对三电阻采样），在计算最终占空比之前，将注入电压转换为α-β坐标系下的分量：

// 假设注入电压为 Vh * sin(omega_h * t) float_t Vh_alpha = Vh * sin(omega_h * t); // d轴注入，在α-β下，d轴对应cos(theta), q轴对应sin(theta) float_t Vh_beta = 0.0f; // 因为是纯d轴注入，q轴分量为0 // 但注意：这里的theta是当前估计的角度！所以Vh_alpha和Vh_beta是随θ实时旋转的。 // 实际代码中，需用当前θ进行Park逆变换： float_t cos_theta = arm_cos_f32(theta_est); float_t sin_theta = arm_sin_f32(theta_est); Vh_alpha = Vh * (cos_theta * sin(omega_h * t)); // d轴分量在α轴的投影 Vh_beta = Vh * (sin_theta * sin(omega_h * t)); // d轴分量在β轴的投影 // 然后将Vh_alpha, Vh_beta 加到SVPWM的Valpha_ref, Vbeta_ref上 Valpha_ref += Vh_alpha; Vbeta_ref += Vh_beta;

这个细节至关重要。很多开发者把Vh * sin()直接加在Vd_ref上，结果发现位置估计在高速时发散——因为Vd_ref是基于旧角度计算的，而注入信号需要在静止坐标系下合成，否则会产生坐标系错位。

4.3 解调算法的轻量化实现：不用FFT，用滑动DFT

在资源受限的MCU上，256点FFT计算量巨大（约256*log2(256)=2048次复数乘加）。我们采用滑动离散傅里叶变换（Sliding DFT），它只需O(1)计算量：

• 维护两个状态变量：I_state和Q_state；
• 每次新采样iq[k]到来时，更新：

  float_t cos_w = cosf(omega_h * Ts); // 预计算 float_t sin_w = sinf(omega_h * Ts); I_state = iq[k] + 2.0f * cos_w * I_prev - I_prev2; Q_state = 0.0f + 2.0f * cos_w * Q_prev - Q_prev2; // Q的初始激励为0 // 但标准Sliding DFT需要复数运算，这里用更简单的： I_acc += iq[k] * cos_table[idx]; Q_acc += iq[k] * sin_table[idx]; idx = (idx + 1) % N; // 查表索引循环

• 当I_acc和Q_acc累加满N点后，执行：

  theta_2x = atan2f(Q_acc, I_acc); // 得到2*theta theta_est = 0.5f * theta_2x - theta_offset;

注意：cos_table和sin_table必须是高精度浮点表（至少16bit量化），我曾用8bit查表，导致atan2输入精度不足，位置估计出现阶梯状跳变。表长N=256时，内存占用仅2KB，完全可接受。

4.4 参数整定实战：Vh、f_inj、N的黄金三角

这三个参数不是孤立的，而是一个相互制约的三角关系：

• Vh（注入幅值）：太小，信噪比低；太大，会饱和电流环，引起转矩脉动。经验公式：$V_h \approx 0.05 \times V_{dc}$。例如，24V系统，Vh设为1.2V。在代码中，这对应ADC采样值的偏移量。需用万用表实测验证。
• f_inj（注入频率）：如前所述，需在3~6kHz间。我推荐起始值设为3.8kHz，然后用示波器观察q轴电流波形。若波形顶部有明显削波，说明Vh过大或f_inj过低；若波形淹没在噪声中，说明Vh过小或f_inj过高。
• N（滤波点数）：决定了位置估计的带宽和延迟。N越大，滤波越深，噪声越小，但动态响应越慢。N=256对应约15ms延迟（256/3800≈0.067s），对低速定位足够；N=64则延迟仅1.7ms，适合需要快速响应的场合。我的建议是：先用N=256确保稳态精度，再逐步减小N，观察电机在阶跃负载下的位置跟踪性能。

5. 踩过的坑与独家避坑指南：那些手册里不会写的血泪教训

5.1 “电机一转就飞车”：初始位置估计的致命陷阱

这是最经典的崩溃场景。上电后，电机高速旋转，完全失控。根本原因在于：HFI在零速时有效，但在电机开始转动后，$\omega_e$增大，前述推导中“$\omega_e$可忽略”的假设失效，q轴电流中的有用信号被基波分量淹没。解决方案不是放弃HFI，而是无缝切换（Seamless Transition）：

• 在启动阶段（0~50rpm），完全依赖HFI估计；
• 当速度超过阈值，启动PLL观测器（如滑模观测器SMO），用HFI估计值初始化PLL的相位；
• 设计一个平滑过渡函数，如weight = 1.0 - (speed / 50.0)，将HFI和PLL的输出按权重融合；
• 切换点必须避开电机的共振转速区（通常在100~300rpm），否则会引起剧烈振动。

实操心得：我曾在一个项目中，把切换点设在30rpm，结果电机在28rpm时发出刺耳啸叫。后来改用50rpm，并加入转速斜坡限制（最大加速度500rpm/s），啸叫完全消失。切换不是开关，而是渐变的艺术。

5.2 “示波器上看不见注入波形”：ADC采样点的魔鬼细节

用示波器探头夹在电机端子上，却看不到预期的高频正弦波？别急着怀疑代码。首先检查：

• 探头带宽：普通100MHz探头，在10kHz时衰减可忽略，但在3.8kHz时完全没问题。问题往往出在接地线。长接地线引入的电感会与探头电容形成LC谐振，吸收特定频段。必须使用探头标配的弹簧接地附件，将接地线长度控制在1cm以内。
• ADC采样点位置：HFI注入的是电压指令，但最终输出到电机的是PWM波。示波器看到的是PWM的“毛刺”，而非纯净正弦波。正确做法是：在SVPWM模块输出Valpha_ref和Vbeta_ref之后、送入比较器之前，用GPIO引脚输出一个同步信号（如TIM1的CH1），再用示波器的“数学通道”功能，将电机端电压减去这个同步信号，才能还原出真实的注入分量。

5.3 “不同温度下位置漂移”：电感温漂的补偿策略

Ld和Lq会随绕组温度升高而下降（铜电阻增大，铁芯磁导率变化）。ΔL也会变化，导致HFI的增益K漂移，进而引起位置估计偏移。一个简单的温度补偿公式是： $$ \Delta L_{comp} = \Delta L_{25C} \cdot \left[1 + \alpha_T \cdot (T - 25)\right] $$ 其中，$\alpha_T$是温度系数，IPM电机约为-0.003/°C。在代码中，用NTC热敏电阻采集绕组温度T，实时修正解调后的I/Q值：

float_t alpha_T = -0.003f; float_t L_comp = 1.0f + alpha_T * (temp_c - 25.0f); I_acc *= L_comp; Q_acc *= L_comp;

这个简单的乘法，能让电机在-10°C到80°C范围内，位置估计误差保持在±0.8°以内。

5.4 “多台电机串扰”：PCB布局的EMC生死线

当你的板子上同时驱动两台PMSM时，一台电机的HFI注入信号，可能通过共模电感、电源地平面，耦合到另一台电机的电流采样电路中，造成虚假的位置信号。这是纯粹的硬件问题，软件无法根治。PCB设计铁律：

• HFI注入回路必须独立：为每台电机的d轴注入信号，设计独立的运放驱动电路，输出端串联10Ω电阻+100nF电容（RC低通，截止频率160kHz，滤除高频噪声但不影响3.8kHz注入）；
• 电流采样地必须单点连接：所有电流采样运放的参考地（AGND），必须通过一根短线，汇聚到ADC的AGND引脚附近，再连到主功率地（PGND）。严禁形成地环路；
• 高频走线必须包地：从注入运放输出到SVPWM模块的走线，全程用地平面包围，两侧打满过孔。

我曾为一个双电机伺服项目，反复调试两周无果，最后发现是两路电流采样的地线在PCB底层汇合成了一个大环。割断其中一路，用飞线直连ADC AGND，问题瞬间解决。EMC不是玄学，是看得见、摸得着的铜箔和过孔。

6. HFI之外：当d轴注入遇到极限，还有哪些路可走？

6.1 q轴注入：为何它更适合某些IPM电机？

d轴注入依赖Ld的变化，而q轴注入则利用Lq的变化。对于某些Lq变化更显著的IPM电机（如“V型”永磁体布局），q轴注入的信噪比反而更高。其数学本质是交换d和q的角色：在q轴注入正弦电压，测量d轴电流的相位响应。公式变为$\tan\phi = \cot(2\theta)$，结论相同。选择依据很简单：用LCR电桥实测电机在不同转子位置下的Ld和Lq，哪个的ΔL更大，就选哪个轴注入。没有绝对优劣，只有适配。

6.2 方波注入的“第二春”：现代处理器的逆袭

前面说方波不好，是基于传统MCU。但如今，GD32H7系列（主频550MHz）、ST STM32H7（主频480MHz）内置了硬件FPU和专用DSP指令。我们可以在一个PWM周期内，完成一次完整的方波注入、采样、解调。其优势在于：方波的上升沿包含丰富的高频分量，对微小的电感变化更敏感。我用GD32H7实测，方波注入在0.1rpm下的位置估计RMS误差为0.22°，略优于同条件下的正弦波（0.25°）。代价是代码复杂度翻倍，需要精确控制每个PWM边沿的GPIO翻转。

6.3 学习型HFI：用神经网络拟合非线性

Ld(θ)和Lq(θ)并非完美的正弦/余弦，存在高次谐波（如4θ, 6θ项），源于磁路饱和、齿槽效应。传统HFI将其忽略，引入系统误差。前沿方案是：离线用高精度编码器采集全范围θ对应的Ld/Lq数据，训练一个轻量级神经网络（如2层MLP，16个神经元），在线用θ_est作为输入，预测Ld/Lq的精确值，再代入HFI模型。这已不是理论，澄远科技的某款高端伺服驱动器，其位置估计精度达±0.05°，核心技术之一就是嵌入式NN-HFI。它标志着无感控制正从“解析模型”迈向“数据驱动”。

我个人在实际使用中发现，HFI不是一劳永逸的银弹。它像一把精密的手术刀，用对了，能解决最棘手的零速启动；用错了，会让整个系统变得脆弱不堪。每一次成功的HFI部署，背后都是对电机本体、MCU外设、PCB布局、甚至示波器探头的全面掌控。它不神秘，但要求你拒绝“黑盒思维”，愿意俯身拆解每一个公式、每一行代码、每一寸走线。当你终于看到电机在0rpm下平稳启停，示波器上q轴电流的相位随着转子转动而平滑变化时，那种从物理世界到数字世界的贯通感，是任何现成库都无法替代的工程师荣光。