简介：一份电机设计方向的MATLAB源代码合集，由作者原创整理并开放分享，适合电机与电气工程专业学生、初学者及从事电机设计的工程师用来巩固电机学原理、练习MATLAB建模仿真。压缩包共17个文件，全部为.m脚本，大小仅11KB，涵盖直流电机、交流电机、变压器等多类典型习题与设计案例，涉及磁路计算、电枢回路分析、转矩功率计算、参数识别等知识点。代码结构简洁，入门友好，便于逐行学习电机模型的建立方法和仿真流程。当前已有261人学习下载，可作为课堂实验、课程设计或自学提升的参考素材。通过运行这些源码，可直观理解从电机数学模型到性能仿真验证的完整思路，并在此基础上扩展自己的设计计算脚本。
1. 这套电机设计源代码是什么
看到标题里的 mablab，估计不少老哥会心一笑。严格说这个词拼错了，正确拼写是 MATLAB。不过不重要，我能看懂，大家也能看懂，标题抓人就行。
这套源代码是我把压箱底的电机设计脚本整理了一遍，去掉项目相关的敏感参数后放出来的。核心内容覆盖了电机电磁设计的常用计算模块，包括磁路估算、槽满率校验、绕组参数计算、等效电路参数提取、效率估算，以及参数化扫描选优。说白了，就是一套“从已知尺寸反推性能”的工具箱。你手头有一个电机方案，把定转子尺寸、绕组匝数、磁钢参数填进去，脚本能帮你算出这电机大概能出多少力、效率多少、槽满率合不合理、温升会不会超，省得每次改一个参数就重新手算一遍。
很多刚入行做电机设计的同学，第一步接触的是 Maxwell、Magnet、JMAG 这些有限元软件。有限元精度高，但建模慢、计算慢，方案初选阶段动辄几十分钟甚至几小时跑一次仿真，效率确实低。这套 MATLAB 脚本定位就是“快速筛方案”——在有限元之前，用解析法把方案的可行性先过滤一遍，能省下大量时间。适合三类人看：一是刚入行的电机设计工程师，二是做电机控制的同学想理解电机参数来源，三是搞课程设计或毕设的学生，拿这套代码当模板改改就能用。
因为代码量不算小，我会挑核心模块的代码片段逐段讲，讲清楚每个公式在算什么、为什么这么算、哪些地方最容易踩坑。有基础的朋友可以直接拿去改自己的参数，新手也不用怕，跟着文章的节奏走一遍，基本能跑通。
2. 为什么用 MATLAB 而不是直接上有限元
2.1 解析法在方案初选阶段的价值
做电机设计的人都知道一个现实：方案前期 80% 的时间花在“试”上。试不同的槽极配合、试不同的磁钢厚度、试不同的气隙长度。如果每一个试算都开有限元模型，建模、画网格、设边界条件、等收敛，一天下来可能就跑了两三个方案。而用解析公式，一个方案从改参数到出结果，几秒钟的事，参数化扫一圈十几分钟，能把上百个组合的电磁性能趋势摸个大概，再挑几个趋势好的方案进有限元精细验证。
这套代码背后的计算思路，本质是磁路法。把电机的磁场等效成磁路来算，核心就是安培环路定理和磁通连续性原理。气隙磁密大概多少、铁芯饱和程度如何、绕组能产生多少磁动势，都能用解析式预估。精度肯定比不上有限元，但方案趋势的准确性完全够用。我的经验是，解析法预判“哪个方案更好”的排序，和有限元结果通常高度一致，拿来筛选方案非常可靠。
2.2 MATLAB 在这类任务里比手算脚本更顺手
写电机设计脚本，语言选择其实很多。Python 也行，但 MATLAB 在矩阵运算和绘图上有天然优势。电机设计遍地都是数组运算——不同槽号的磁密分布、不同转速下的损耗曲线、不同电流下的转矩输出，全是向量化操作。MATLAB 写起来顺手，画图也方便，改个参数重新跑一遍，图直接就出来了。
另外 MATLAB 的脚本调试体验对工程师很友好。可以分段跑、随时看中间变量、变量工作区一目了然。做电机设计最烦的就是算到一半发现中间某个量错了，全盘重来。MATLAB 这种交互式调试方式，能让你快速定位问题出在哪一步。我有些同事用 Python 写类似脚本，调试时还得 print 一堆中间量，效率确实差一些。
3. 源代码的整体框架与模块划分
3.1 程序的主流程设计
这套代码我按功能模块组织，主脚本只负责“串流程”，核心算法都在独立函数里。主脚本的逻辑很清晰：先定义电机基本参数，然后逐个调用计算模块，最后汇总输出结果。整体流程归纳下来是“参数输入 → 磁路计算 → 绕组参数 → 性能估算 → 结果输出”五步。
代码组织上，我用的是一个主脚本加若干函数的模式。主脚本叫motor_design_main.m，函数文件放在同一个目录下，每个函数一个文件。这样做的原因是电机设计本身就是一个多物理场耦合的迭代过程，把每个环节拆成独立函数，改一处不用动全局，也方便单独测试。
拿交流永磁同步电机来举例，整个主流程是这样的：
%% 主程序入口 clear; clc; close all; % 1. 电机基本参数输入（永磁同步电机示例） design_params = struct(); design_params.p = 4; % 极对数 design_params.Q = 24; % 槽数 design_params.Dsi = 75e-3; % 定子内径 [m] design_params.Dso = 120e-3; % 定子外径 [m] design_params.L = 80e-3; % 铁芯长度 [m] design_params.gap = 0.5e-3; % 气隙长度 [m] design_params.Br = 1.2; % 磁钢剩磁 [T] design_params.hm = 3.5e-3; % 磁钢厚度 [m] design_params.Nc = 30; % 每槽导体数 design_params.Dwire = 0.85e-3; % 导线直径 [m] design_params.rho_cu = 1.72e-8; % 铜电阻率 [Ohm*m] design_params.I_rated = 12; % 额定电流 [A] design_params.n_rated = 3000; % 额定转速 [rpm] % 2. 磁路计算 [B_g, B_t, B_s] = f_magnetic_circuit(design_params); % 3. 绕组参数计算 [R_ph, L_m, L_sigma] = f_winding_params(design_params, B_g); % 4. 性能估算 [T_avg, P_out, P_loss, eta] = f_performance_est(design_params, B_g, R_ph, L_m); % 5. 结果显示 f_display_results(design_params, B_g, B_t, B_s, R_ph, L_m, L_sigma, T_avg, P_out, eta);3.2 为什么用结构体而不是散落的变量
看到这里你可能注意到，我用了一个design_params结构体来装所有输入参数。这个习惯是踩过坑之后才养成的。早期我写脚本，定子内径一个变量名Dsi，磁钢厚度一个hm，气隙一个delta。等参数多了以后，函数传参能写到手抽筋，而且一不小心就把变量传错了。
用结构体之后的好处是显而易见的——函数调用只需要传一个结构体进去，字段名就是参数名，清晰不容易错。而且做参数扫描时特别方便，改结构体里的字段再重新调一次函数就行，不用维护一大串传参列表。
提示：每个函数内部第一件事就是检查结构体里需要的字段是否存在。这个习惯能省掉排错时的大量时间。
4. 核心计算代码逐段讲解
4.1 磁路计算模块
磁路计算是整个程序的核心，它的任务是根据磁钢参数和磁路尺寸，估算出气隙磁通密度、定子齿磁密和定子轭磁密。这三个值基本决定了电机能不能出力、铁芯会不会饱和。
先说物理概念。永磁体的磁动势相当于一个“电池”，把磁通“压”过整个磁路。磁路里每一段的磁阻就像电阻，气隙的磁阻通常最大，因为空气导磁能力比铁差了好几个数量级。所以电机设计里有个粗略规律：气隙长度对性能影响极其敏感，气隙稍微大一点，气隙磁密就明显往下掉。
function [B_g, B_t, B_s] = f_magnetic_circuit(p) % 磁路计算：根据磁钢参数估算气隙磁密 % 输入 p：电机参数结构体 % 输出 B_g：气隙磁密 [T], B_t：定子齿磁密 [T], B_s：定子轭磁密 [T] mu0 = 4*pi*1e-7; % 真空磁导率 % 1. 极距：每个极对应的定子内圆弧长 tau_p = pi * p.Dsi / (2 * p.p); % 2. 气隙磁通截面积近似（假设 B_g 在极弧范围内均匀分布） alpha_p = 0.7; % 极弧系数，常见范围 0.65-0.85 A_g = alpha_p * tau_p * p.L; % 3. 磁钢磁动势（设磁钢工作点为剩磁的一半附近） H_m = p.Br / mu0 * 0.5; % 磁钢磁场强度 F_m = H_m * p.hm; % 磁动势 [A] % 4. 气隙磁阻 + 铁芯磁阻估算（铁芯磁阻按气隙的 10% 粗估） R_gap = p.gap / (mu0 * A_g); R_total = 1.1 * R_gap; % 5. 气隙磁通和气隙磁密 Phi = F_m / R_total; B_g = Phi / A_g; % 6. 齿磁密和轭磁密估算 slot_pitch = pi * p.Dsi / p.Q; tooth_width = slot_pitch * 0.45; % 齿宽约为齿距的 45% B_t = B_g * slot_pitch / tooth_width; h_yoke = (p.Dso - p.Dsi) / 2 - (p.Dsi - p.gap * 2) * 0.03; % 近似定子轭高 B_s = Phi / (2 * h_yoke * p.L) * p.Q / (2 * p.p); % 轭部磁通近似为总磁通的 1/2 分布 fprintf('气隙磁密: %.3f T\n', B_g); fprintf('定子齿磁密: %.3f T\n', B_t); fprintf('定子轭磁密: %.3f T\n', B_s); end这段代码里最关键的几个设计决策我展开说一下。
极弧系数alpha_p取了 0.7。这个系数表示磁钢产生的磁通在气隙圆周上的有效覆盖范围，永磁电机通常取 0.65 到 0.85，具体和磁钢形状、充磁方式有关。如果你的磁钢是内嵌式且圆弧角较大，可以往 0.8 靠，表贴式一般在 0.7 到 0.75 之间。这段代码只是粗估，所以选了个中间值。
磁钢工作点 “剩磁的一半” 是怎么来的？永磁体的工作点由磁钢的回复线和外部磁路的磁导共同决定。气隙越大、磁阻越大，工作点越低。没有外部磁路参数时，先假设工作在Br/2附近是一种保守做法。等后续再用负载磁场迭代修正。这个假设影响的是转矩估计的绝对值，不影响方案间的相对比较。
铁芯磁阻按气隙磁阻的 10% 估算，是工程上的经验值。硅钢片的相对磁导率通常在几千到上万，但考虑饱和效应后，实际等效磁导率会大幅下降，所以铁芯磁阻大致为气隙磁阻的 5% 到 20%，取 10% 是比较折中的方案。
4.2 绕组参数计算模块
绕组参数包括相电阻、励磁电感和漏感。这三个参数直接影响铜耗、弱磁能力和转矩特性。永磁电机的电感参数尤其重要，因为它直接决定了电机的高速弱磁能力。
function [R_ph, L_m, L_sigma] = f_winding_params(p, B_g) % 绕组参数计算 % 输出 R_ph：每相电阻 [Ohm], L_m：励磁电感 [H], L_sigma：漏感 [H] mu0 = 4*pi*1e-7; % 1. 每相串联匝数 % 电机槽数为 Q，每槽导体数为 Nc，三相电机每相占 1/3 的槽 m = 3; % 相数 N_ph = p.Q * p.Nc / m; % 每相串联导体数（整距集中绕组） % 2. 每匝平均长度：定子端部+槽内部分 % 经验公式取 2*(L + L_end)，端部长度按极距比例估计 tau_p = pi * p.Dsi / (2 * p.p); L_end = 1.3 * tau_p; % 端部长度近似 L_avg = 2 * (p.L + L_end); % 3. 相电阻 A_cu = pi * (p.Dwire/2)^2; % 导线截面积 R_ph = p.rho_cu * N_ph * L_avg / A_cu; % 4. 励磁电感（简化为均匀气隙模型） % L_m = 3/pi * mu0 * Dsi * L * (N_ph)^2 / (2 * p.gap * p.p^2) L_m = 3/pi * mu0 * p.Dsi * p.L * N_ph^2 / (2 * p.gap * p.p^2); % 5. 漏感估算：取励磁电感的 5%-10% L_sigma = 0.08 * L_m; fprintf('每相电阻: %.3f Ohm\n', R_ph); fprintf('励磁电感: %.4f mH\n', L_m*1e3); fprintf('漏感: %.4f mH\n', L_sigma*1e3); end相电阻的计算里，匝数N_ph用的是总槽数乘每槽导体数再除以相数。这里注意，每槽导体数Nc在工艺上通常是偶数，因为要绕成线圈嵌入槽里。如果你的设计里每槽导体数是 1 或者奇数，得确认下绕线工艺能不能实现。
端部长度用1.3 * tau_p，这是一个经验系数。端部长度受跨距、绕组形式的影响很大，分布绕组比集中绕组端部长，大电机比小电机端部比例小。这个系数在方案初算阶段足够用了。
励磁电感公式背后是磁场储能的概念。电感定义为每单位电流变化产生的磁链变化，在均匀气隙模型下，气隙磁阻越大、电感越小，和公式里电感与气隙长度成反比的情况一致。注意这个公式没有考虑饱和，所以算出来的值在额定电流附近通常偏大，实际应用时需要加个 0.8 左右的修正因子。
4.3 性能估算模块
性能估算模块把磁路和绕组的计算结果汇总，估算额定工况下的电磁转矩、输出功率、损耗和效率。
function [T_avg, P_out, P_loss, eta] = f_performance_est(p, B_g, R_ph, L_m) % 性能估算（额定工况） % 输出 T_avg：平均电磁转矩 [Nm], P_out：输出功率 [W] % P_loss：总损耗 [W], eta：效率 % 1. 转矩估算：永磁电机电磁转矩公式 T = 1.5 * p * Psi_f * i_q % 其中 Psi_f 为永磁磁链 Psi_f = B_g * (p.Dsi * p.L / (2 * p.p)); % 转子磁链粗估 i_q = p.I_rated; % 假设 id=0 控制，额定电流全部为交轴电流 T_avg = 1.5 * p.p * Psi_f * i_q; % 2. 转速和机械角速度 Omega = 2 * pi * p.n_rated / 60; % 3. 电磁功率和输出功率（忽略机械损耗、杂散损耗） P_em = T_avg * Omega; P_cu = 3 * R_ph * p.I_rated^2; % 铜耗 P_fe = 0.05 * P_em; % 铁耗按电磁功率的 5% 粗估 P_loss = P_cu + P_fe; % 4. 效率 P_out = P_em - P_loss; eta = P_out / P_em * 100; fprintf('电磁转矩: %.2f Nm\n', T_avg); fprintf('输出功率: %.2f W\n', P_out); fprintf('总损耗: %.2f W\n', P_loss); fprintf('效率: %.2f %%\n', eta); end转矩公式里，Psi_f是永磁磁链，它的计算用了B_g * (Dsi * L / (2 * p.p))，这个几何量其实是气隙圆周上每条磁力线穿过的面积近似。这里假设气隙磁密是方波分布，且极弧系数已经在磁路计算时不带进去，最终通过测试修正。
损耗这块我只算了铜耗和铁耗。铜耗用3 * R_ph * I^2，是三相总铜耗，这个公式从焦耳定律来，没问题。铁耗按电磁功率的 5% 算是经验值。实际铁耗和磁密频率有关，高频电机的铁耗占比可能达到 10% 甚至更高。机械损耗和杂散损耗这里没算，所以算出来的效率实际上是偏高的。严谨的做法是在输出功率里减去机械损耗和杂散损耗，这两个我通常按额定功率的 1% 到 2% 估算，代码里为了简洁略掉了。
5. 参数化扫描让代码真正“活”起来
5.1 单参数扫描的实现
前面这些代码，单次运行得到的是给定参数下的单个结果。但电机设计最有价值的操作是参数化扫描——让参数自动变化，看性能怎么变。这就像拿到了一张地图，能看到全局趋势，而不只是站在一个点上。
%% 槽满率扫描 Dwire_list = 0.5e-3 : 0.05e-3 : 1.0e-3; sf_results = zeros(size(Dwire_list)); for i = 1:length(Dwire_list) p = design_params; p.Dwire = Dwire_list(i); sf_results(i) = f_slot_fill_factor(p); end figure; plot(Dwire_list*1e3, sf_results*100, 'b-o', 'LineWidth', 1.5); xlabel('导线直径 (mm)'); ylabel('槽满率 (%)'); title('槽满率随导线直径变化'); grid on;这段代码的核心思路是：复制设计参数结构体，只修改导线直径，调用槽满率计算函数，记录结果。循环结束后把结果画出来。
槽满率这个参数非常关键，它是工艺可行性的硬约束。槽满率超过 75%，槽里的线就不太好嵌了，工装损耗大不说，还可能损伤导线绝缘。一般手工嵌线控制在 70% 以内，机器嵌线可以稍微高一些。算出槽满率后发现超了，就得换细一点的线或者加大槽面积。
5.2 多参数组合扫描与选优
实际工程中单参数扫描不够，很多时候需要看两个参数共同作用的结果。比如磁钢厚度和气隙长度的组合，既影响成本又影响性能。
%% 磁钢厚度 & 气隙扫描 hm_list = 2.5e-3 : 0.25e-3 : 5e-3; gap_list = 0.3e-3 : 0.1e-3 : 0.8e-3; [T_grid, ~] = meshgrid(hm_list, gap_list); eta_grid = zeros(size(T_grid)); for i = 1:length(hm_list) for j = 1:length(gap_list) p = design_params; p.hm = hm_list(i); p.gap = gap_list(j); [~, ~, ~, ~, ~, eta] = f_solve_design(p); eta_grid(j, i) = eta; end end figure; surf(hm_list*1e3, gap_list*1e3, eta_grid, 'EdgeColor', 'none'); xlabel('磁钢厚度 (mm)'); ylabel('气隙 (mm)'); zlabel('效率 (%)'); title('效率随磁钢厚度与气隙的变化'); colorbar;两层循环横扫一组组合，跑完画个三维曲面图，一眼就能看出最优区域在哪。这种多参数扫描看起来很耗时，但对于解析法来说，几百上千个组合也就跑几十秒。如果换成有限元，同样的扫描规模可能需要好几天。
注意：扫描步长的选择有讲究。步长太粗，最优区域可能被跳过；步长太细，计算时间指数增长。我的习惯是先用粗步长找趋势，锁定最优区域后再用细步长精扫。
6. 常见错误与排查技巧实录
6.1 单位错误——电机设计排错第一杀手
电机设计脚本里最容易出问题的地方就是单位。毫米和米搞混、转每分和弧度每秒搞混，都会导致结果差好几个数量级。有一段时期我自己深受其害。气隙磁密算出来 0.005 T，折腾了一上午发现是气隙长度用了毫米没转成米。气隙 0.5 毫米应该写0.5e-3，写成了0.5，磁阻直接小了 1000 倍，磁密也小了 1000 倍。
我的排查办法是：每个函数输出关键中间量的同时，打印单位。气隙磁密我记得打印 “B_g = 0.8 T”，而不是只打印 “B_g = 0.8”。这样控制台扫一眼就知道数量级合不合理。气隙磁密在 0.6 到 1.1 T 之间是正常范围，低于 0.4 或高于 1.4，基本可以断定输入参数有问题。
6.2 公式方向错误——极对数与槽数的关系
另一个高频错误是把极对数和槽数搞混。极对数p是极数的二分之一。一个 4 极电机，p = 2。有的同学写脚本时想着“4 极电机”，直接在代码里写p = 4，结果所有和极对数相关的公式全错了。
还有一种情况是槽极配合的合理性检查。常见的配合有 24 槽 4 极、48 槽 8 极、12 槽 10 极等。有些组合会产生很大的齿槽转矩或者不平衡磁拉力，设计时需要避开。代码里可以加一个简单的判断逻辑，检查槽数和极数是否满足Q / (2 * p * m)是整数（三相电机m = 3），否则提示风险。
6.3 波形系数与实际波形的差异
解析法假设气隙磁密是理想方波或正弦波，但实际磁密波形往往介于两者之间。转矩估算用方波假设会偏高，反电动势估算用正弦假设会偏低。这个误差在方案筛选阶段可以接受，但如果要给客户报方案，最好用有限元验证一轮。
我的建议是：解析法脚本用于内部筛选，最终对外输出的规格参数，用有限元或样机测试数据兜底。两种手段配合使用，效率和精度都能兼顾。
7. 代码组织与工程化经验
7.1 目录结构与命名规范
项目代码如果只有几个文件，怎么放都无所谓。但电机设计项目跑起来后，脚本数量很容易膨胀到二十个以上。我的建议目录结构是这样的：
motor_design/ ├── main/ # 主脚本入口 │ └── motor_design_main.m ├── functions/ # 核心函数库 │ ├── f_magnetic_circuit.m │ ├── f_winding_params.m │ ├── f_performance_est.m │ └── f_slot_fill_factor.m ├── plots/ # 输出图片 ├── data/ # 设计参数存档 │ └── design_v1.mat └── docs/ # 设计笔记函数文件命名统一前缀f_，一眼就能认出是函数不是脚本。主脚本放main目录，不和函数混在一起，避免误改。设计参数存档用.mat文件，每次跑完一个大方案，把参数结构和结果一起存下来，后面回溯分析时能精确复现当时的方案。
7.2 参数版本管理与结果可复现
电机设计是一个持续迭代的过程。今天调了磁钢厚度，明天改了气隙，后天可能又想回到之前的方案。如果没有版本管理，最后会陷入“哪个参数配哪份结果”的混乱。
我用一个简单的办法：每次跑完重要方案，用datestr(now, 'yyyymmdd_HHMM')作为前缀保存结果文件，同时在参数结构体里加一个备注字段记录改了什么、为什么改。这样一周后回头翻，也能清楚知道当时的设计意图。这套习惯不复杂，但非常管用。很多同事的项目后期翻车，都是因为参数版本混乱，归根到底是没有记录习惯。
8. 这套代码还能怎么扩展
基础版代码跑通之后，可以按需扩展功能。我列几个实际工作中经常加的模块，供参考。
加一个齿槽转矩估算模块。齿槽转矩是永磁电机特有的问题，表现为不通电时转子也有“咬合感”。它是磁钢和定子齿之间的吸引力导致的力矩波动。可以用能量法估算，程序里算一下磁场储能随转子位置的变化率，能大致判断齿槽转矩的量级。
加一个温升估算模块。铜耗和铁耗算出来后，结合散热面积和散热系数，可以估算绕组温升。温升 = 损耗 / (散热系数 * 散热面积)，散热系数对机壳自然冷却通常取 10 到 20 W/(m²·K)，强制风冷可以取 30 到 60，水冷更高。这个估算精度一般，但能帮你判断这个方案是否需要上强力冷却手段。
加一个材料成本估算模块。把硅钢片重量、铜线重量、磁钢重量分别算出来，再乘以各自单价，就能得到电磁材料的直接成本。这个数据在做方案对比时特别好用，老板问“这个方案和那个方案差多少钱”，直接秒回。
这些扩展都基于同一套架构——加函数、接主流程、输出指标。代码框架搭得好，扩展新功能只是时间问题。
最后再分享一个小技巧。这套代码我用到现在，最大的心得是：解析法设计脚本不是一次写对的，而是反复打磨的。每做完一个实际项目，都会把“预测值”和“实测值”对比一下，如果偏差大，就回头修正经验系数。比如铁耗比例、端部长度系数、极弧系数，都是这么一点点修正出来的。你拿到这套代码，第一次跑出来的结果大概率和你手头的实际电机有偏差，这不是代码的问题，而是它的经验系数是基于我做的电机类型标定的。建议你用自己的实测数据把系数重新校一遍，这套代码就会越用越顺手。
本文还有配套的精品资源，点击获取
