三相感應電機的建模仿真(2)基于ABC相坐標系S-Fun的仿真模型

1. 概述

2. 三相感應電動機狀態方程式

3. 基于S-Function的仿真模型建立

4. 瞬態分析實例

5. 總結

6. 參考文獻

1. 概述

? ? ? ?前面建立的三相感應電機在ABC相坐標系下的數學模型是一組周期性變系數微分方程(其電感矩陣是轉子位置角的函數,轉子位置角隨時間按正弦規律變化),依目前的數值計算和計算機水平求解這組方程已完全沒有問題。自然坐標系下的三相感應電機數學模型,將其用于電機控制系統的設計和控制策略的分析定制也許不太合適,有點勉為其難。而將其用于理解電機的基本物理原理和數學特性,設計更高效的電機和優化算法;對分析三相感應電機的啟動、運行和制動等狀態,深入理解電機的工作原理和學生工程師的教育培訓;提供電機的故障診斷和分析的詳細信息;用于電機與機械系統的耦合分析等也許是非常合適的。

? ? ? ?電機的數學模型具有多樣性,而根據數學模型建立的仿真模型更具多樣性 ,因為同一個數學模型可以建立起對應的多個仿真模型。本文將根據前面所建立的三相感應電機在ABC相坐標系下的數學模型,用Matlab的動態分析工具Simulink建立基于S函數的仿真模型,這個仿真模型只對磁鏈方程和電磁轉矩方程建立S函數,而電壓方程和機械運動方程仍然用Simulink的基本功能模塊建立,這樣更方便對三相感應電機的某些運行狀態或動態行為進行仿真。用建立的仿真模型對三相感應電動機在三相對稱電源下直接起動和在不對稱三相電源下直接起動的起動過程進行仿真分析。

2. 三相感應電動機相坐標系下的狀態方程式

? ? ? ?為閱讀方便,將前面建立的三相感應電動機在ABC相坐標系下的狀態方程式羅列如下:

\mathbf{u}=\mathbf{Ri}+\mathbf{L}\frac{d\mathbf{i}}{dt}+\omega_r\frac{\partial\mathbf{L}}{\partial\theta}\mathbf{i}\\\frac12n_p\mathbf{i}^T\frac{\partial\mathbf{L}}{\partial\theta}\mathbf{i}=T_L+\frac J{n_p}\frac{d\omega_r}{dt}\\\omega_r=\frac{d\theta}{dt}? ? (1)

(1)式中,

\mathbf{u}=\begin{bmatrix}u_A&u_B&u_C&u_a&u_b&u_c\end{bmatrix}^T;?R=diag(R_s\quad R_s\quad R_s\quad R_\mathrm{r}\quad R_r\quad R_r)

\mathbf{i}=\begin{bmatrix}\dot{\boldsymbol{\iota}}_{A}&\dot{\boldsymbol{\iota}}_{B}&\dot{\boldsymbol{\iota}}_{C}&\dot{\boldsymbol{\iota}}_{a}&\dot{\boldsymbol{\iota}}_{b}&\dot{\boldsymbol{\iota}}_{c}\end{bmatrix}^{T}

\begin{gathered}L=\begin{bmatrix}M_{ss}+L_{sl} & -M_{ss}/2 & -M_{ss}/2 & M_{sr}\cos\theta_1 & M_{sr}\cos\theta_3 & M_{sr}\cos\theta_2\\ -M_{ss}/2 & M_{ss}+L_{sl} & -M_{ss}/2 & M_{sr}\cos\theta_2 & M_{sr}\cos\theta_1 & M_{sr}\cos\theta_3\\ -M_{ss}/2 & -M_{ss}/2 & M_{ss}+L_{sl} & M_{sr}\cos\theta_3 & M_{sr}\cos\theta_2 & M_{sr}\cos\theta_1\\ M_{sr}\cos\theta_1 & M_{sr}\cos\theta_2 & M_{sr}\cos\theta_3 & M_{rr}+L_{rl} & -M_{rr}/2 & -M_{rr}/2\\ M_{sr}\cos\theta_3 & M_{sr}\cos\theta_1 & M_{sr}\cos\theta_2 & -M_{rr}/2 & M_{rr}+L_{rl} & -M_{rr}/2\\ M_{sr}\cos\theta_2 & M_{sr}\cos\theta_3 & M_{sr}\cos\theta_1 & -M_{rr}/2 & -M_{rr}/2 & M_{rr}+L_{rl}\end{bmatrix}\end{gathered}

M_{ss}:定子繞組互感;M_{rr}:轉子繞組互感;L_{ls}:定子繞組漏感;

L_{lr}:折算到定子繞組的轉子繞組漏電感;M_{sr}:定轉子繞組間的互感;

\theta_1=\theta\text{,}\theta_2=\theta-2\pi/3\text{,}\theta_3=\theta+2\pi/3\theta:定子A相繞組與轉子a相繞組之間的夾角。

也可以將式(1)中的電壓方程式寫成以下矩陣形式:

\begin{bmatrix}\mathbf{u}_s\\\mathbf{u}_r\end{bmatrix}=\begin{bmatrix}\mathbf{R}_s&\mathbf{0}\\\mathbf{0}&\mathbf{R}_r\end{bmatrix}\begin{bmatrix}\mathbf{i}_s\\\mathbf{i}_r\end{bmatrix}+p\begin{bmatrix}\mathbf{L}_s&\mathbf{M}_{sr}\\\mathbf{M}_{rs}&\mathbf{L}_r\end{bmatrix}\begin{bmatrix}\mathbf{i}_s\\\mathbf{i}_r\end{bmatrix}? ? (2)

方程(2)中,

\mathbf{u}_s=\begin{bmatrix}u_A&u_B&u_C\end{bmatrix}^T;\quad\mathbf{u}_r=\begin{bmatrix}u_a&u_b&u_c\end{bmatrix}^T;

\mathbf{R}_s=diag(R_s\quad R_s\quad R_s);?\mathbf{R}_r=diag(R_r\quad R_r\quad R_r);

\mathbf{i}_s=\begin{bmatrix}i_A&i_B&i_C\end{bmatrix}^T;\quad\mathbf{i}_r=\begin{bmatrix}i_a&i_b&i_c\end{bmatrix}^T;

設定、轉子零序電流等于零,即設i_A+i_B+i_C=0? ?i_a+i_b+i_c=0,則有

\mathbf{L}_s=diag(L_s\quad L_s\quad L_s)\mathbf{L}_{r}=diag(L_{r}\quad L_{r}\quad L_{r})

L_s=L_{ss}+L_{sm}/2;\quad L_r=L_{rr}+L_{sm}/2

\mathbf{M}_{sr}=M_{sr}\begin{bmatrix}\cos\theta & \cos(\theta+2\pi/3) & \cos(\theta-2\pi/3)\\ \cos(\theta-2\pi/3) & \cos\theta & \cos(\theta+2\pi/3)\\ \cos(\theta+2\pi/3) & \cos(\theta-2\pi/3) & \cos\theta\end{bmatrix}

\mathbf{M}_{rs}=\mathbf{M}_{sr}^T

T_e=n_pi^T\frac{\partial L}{\partial\theta}i? ? (3)

3. 基于S-Function的仿真模型

? ? ? ?根據以上數學模型,用Simulink建立的ABC相坐標系下的三相感應電動機仿真模型如圖1和圖2所示,其中,左邊圖形為最后的封裝形式,它由三個子系統所組成,如右邊圖形所示。圖1中的子系統1表示的是定轉子電壓方程,子系統2是用S函數表示的磁鏈方程和電磁轉矩方程,S函數取名為flux_torque,如圖2所示,子系統3表示的是進行運動方程。這個仿真模型可以作為通用的仿真模型使用,可以用于為了三相感應電動機電源電壓不對稱、定轉子繞組回路串電阻或電抗、起動、調速以及繞組開路故障等的動態行為的仿真分析。如果要考慮主磁路飽和因素,可以在S函數中加以補充。如果要對三相感應電機的定子繞組故障(一相開路,兩相短路等)、定子繞組回路串電阻(電抗)起動以及轉子繞組回路串電阻起動等可以在子系統1中進行修改來達到仿真的目的。如果要對轉子的轉動慣量對電機運行性能的影響進行仿真分析,可以修改子系統3來進行。S函數的程序代碼如下:

圖1. 三相感應電動機ABC相坐標數學模型

圖2. 圖1中子系統2的S-Fun(磁鏈和電磁轉矩方程)模塊

% This S function corresponds to the ABC phase coordinate 
% mathematical model of a three-phase induction motorfunction [sys,x0,str,ts,simStateCompliance] =flux_torque(t,x,u,flag,Lsl,Lrl,Lm,np)
%==========================================================================
switch flagcase 0[sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes;case 1sys=mdlDerivatives(t,x,u);case 2sys=mdlUpdate(t,x,u);case 3sys=mdlOutputs(t,x,u,Lsl,Lrl,Lm,np);case 4sys=mdlGetTimeOfNextVarHit(t,x,u);case 9sys=mdlTerminate(t,x,u);otherwiseDAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));
end
%==========================================================================
function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes
sizes = simsizes;
sizes.NumContStates  = 0;
sizes.NumDiscStates  = 0;
sizes.NumOutputs     = 7;
sizes.NumInputs      = 7;
sizes.DirFeedthrough = 1;
sizes.NumSampleTimes = 1;   % at least one sample time is needed
sys = simsizes(sizes);
x0  = zeros(0,0);
str = [];
ts  = [0 0];
simStateCompliance = 'UnknownSimState';
%==========================================================================
function sys=mdlDerivatives(t,x,u)
sys  = [];%==========================================================================
function sys=mdlUpdate(t,x,u)
sys = [];
%==========================================================================
function sys=mdlOutputs(t,x,u,Lsl,Lrl,Lm,np)
% Write inductance matrix for magnetic flux equation
ang=2/3*pi;
Lml=2/3*Lm;
Ls=Lsl+Lml;
Lr=Lrl+Lml;% Stator inductance matrix
Lss=[Ls -Lml/2 -Lml/2;-Lml/2  Ls -Lml/2;-Lml/2 -Lml/2  Ls];% Rotor inductance matrix
Lrr=[Lr -Lml/2 -Lml/2;-Lml/2  Lr -Lml/2;-Lml/2 -Lml/2  Lr];% Matrix of mutual inductance between stator and rotor
Lsr=Lml*[cos(u(1)),cos(u(1)+ang),cos(u(1)-ang);cos(u(1)-ang),cos(u(1)),cos(u(1)+ang);cos(u(1)+ang),cos(u(1)-ang),cos(u(1))];% Total inductance matrix
L=[Lss Lsr; Lsr' Lrr];%The derivative of the total inductance matrix with respect to the rotor position angle
dLsrdtheta=Lml*[-sin(u(1)), -sin(u(1)+ang),-sin(u(1)-ang);-sin(u(1)-ang),-sin(u(1)), -sin(u(1)+ang);-sin(u(1)+ang),-sin(u(1)-ang),-sin(u(1))];dLdtheta =[zeros(3,3) dLsrdtheta;dLsrdtheta' zeros(3,3)];% Current state variable
Psi=[u(2);u(3);u(4);u(5);u(6);u(7)];
I=L\(Psi);% Electromagnetic torque
Te=I'*dLdtheta*I*np;
sys=[I(1);I(2);I(3);I(4);I(5);I(6);Te];%==========================================================================
function sys=mdlGetTimeOfNextVarHit(t,x,u)
sampleTime = 1;    %  Example, set the next hit to be one second later.
sys = t + sampleTime;
%==========================================================================
function sys=mdlTerminate(t,x,u)
sys = [];
% end mdlTerminate

4. 瞬態分析實例

? ? ? ?仿真計算用的電機參數如下:額定電壓Un=220v,額定頻率fn=50Hz,極對數np=2,轉動慣量J=0.01,摩擦阻尼系數Bm=0.0006,定子電阻Rs=6.033歐,定子電感Lss=0.29614H,轉子電阻Rr=4.467歐,轉子電感Lrr=0.29614H,定子繞組互感Ms=0.1363H,轉子繞組互感Mr=0.1363H,定轉子繞組互感Msr=0.2726H;負載轉矩TL=7.5N.m。

4.1 對稱電源直接起動

? ? ? 在三相額定對稱電壓下帶恒轉矩負載TL=7.5N.m直接起動,起動過程的仿真結果圖3所示。

設Y接三相對稱電源電壓為

u_{A}=220\sqrt{2}\sin(\omega t)\nu\\u_{B}=220\sqrt{2}\sin(\omega t-120^{\circ})\nu\\u_{C}=220\sqrt{2}\sin(\omega t+120^{\circ})\nu

圖3. 三相感應電動機在三相對稱電源電壓下直接起動時的定子電流特性

圖4. 三相感應電動機三相對稱電源電壓下直接起動時的電磁轉矩和轉速特性

? ? ? ?從圖3和圖4的仿真結果來看,三相對稱定子繞組感應電動機在三相對稱電源下起動并穩定運行,起動電流倍數約為5.56,定子穩態電流幅值為3.6A,三相定子電流平衡。電機穩定運行時,電磁轉矩無脈振現象,轉速為1467r/min。

4.2 非對稱電源直接起動

? ? ? ?三相感應電動機在不對稱電源電壓下運行是實際中經常遇到的一個問題,因為當電網中有較大的單相負載(如電爐﹑電焊機等),或者電網中發生暫時性短路故障(兩相短路﹑一相接地等),或電網一相斷開等都將引起電網三相電壓不平衡。

? ? ?在電動機帶恒轉矩負載TL=7.5N.m,定子繞組端直接施加三相不對稱電壓:

u_{A}=176\sqrt{2}\sin(\omega t)\nu\\u_{B}=220\sqrt{2}\sin(\omega t-120^{\circ})\nu\\u_{C}=220\sqrt{2}\sin(\omega t+120^{\circ})\nu

直接起動時的仿真結果如圖5和圖6所示。

圖5. 三相感應電動機在非對稱三相電源電壓下直接起動時的定子電流特性

圖6. 三相感應電動機在非對稱三相電源電壓下直接起動時的轉矩和轉速特性

? ? ? ?從圖5和圖6的仿真結果可見,三相對稱定子繞組感應電動機在三相不對稱電源下起動并穩定運行,起動時定子各相的沖擊電流(起動過程中的最大電流幅值)與圖3的定子電流相比較相差不大,但穩態時電機三相定子電流不平衡,A相電流幅值大為減小(約為0.5A),而另外兩相電流幅值都有所增加(約為4.5A)。這種三相定子電流不平衡的程度會隨三相電源電壓的不平衡程度的增加而增加。電機穩定運行時,電磁轉矩波形有明顯的二倍頻脈振現象,轉速也有明顯的波動(振動)。起動過程有所延長,穩定轉速的數值也略有降低。

? ? ? ?從上面的結果可以對稱結論:三相電源電壓不對稱時,電動機的平均起動轉矩較小,轉速的過渡過程較長,電機的過載能力降低(轉矩最大值有所減小);由于電流的波動加劇,使轉矩的脈振程度增加,這將會加大電機的電磁噪聲和機械振動。用瞬時對稱分量法來分析,可知三相感應電動機在電源電壓不對稱情況下運行時的各不利因素,都是由于負序磁場分量造成的(負序磁場分量的存在還會增加電機的鐵耗)。不對稱程度增大時,負序磁場分量值變大,上述不利情形將會更為嚴重。因此,三相異步電動機一般不容許在較嚴重不對稱電源電壓下運行,否則必須相應地降低電動機的容量。

? ? ? ?對三相感應電動機在電源電壓不對稱情況下運行的瞬態和穩態過程進行仿真,仿真的結果可以作為電機以及系統控制﹑調節﹑保護裝置設計的直接理論依據,對完善電機及其系統的運行性能有實際意義。

5. 總結

? ? ? ?本文根據三相感應電機在ABC相坐標系下的數學模型建立了基于S函數的仿真模型,然后應用這個仿真模型對?三相感應電動機在三相對稱電源和不對稱電源兩種情況下的直接起動過程進行了仿真分析。得出了有用的分析結論。?

6. 參考文獻

(1)黃守道,鄧建國,羅德榮. 電機瞬態過程分析德Matlab建模仿真 北京 電子工業出版社,2013

(2)湯蘊璆等 交流電機動態分析. 北京 機械工業出版社 2004

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/41050.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/41050.shtml
英文地址,請注明出處:http://en.pswp.cn/web/41050.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

qt 開發筆記堆棧布局的應用

1.概要 畫面中有一處位置&#xff0c;有個按鈕點擊后&#xff0c;這片位置完全換成另一個畫面&#xff0c;這中情況特別適合用堆棧布局。 //堆棧布局的應用 #include <QStackedLayout> QStackedLayout *layout new QStackedLayout(this); layout->setCurrentIndex(…

Unity Scrollview的Scrollbar控制方法

備忘&#xff1a;碰到用scrollview自帶的scrollbar去控制滑動&#xff0c;結果發現用代碼控制scrollbar.value無效&#xff0c;搜了一下都是說用scrollRect.verticalNormalizedPosition和scrollRect.horizontalNormalizedPosition來控制的。我尋思著有關聯的scrollbar為什么用不…

【代碼隨想錄算法訓練營第六十天|并查集、卡碼網107.尋找可能存在的路徑】

文章目錄 卡碼網107.尋找可能存在的路徑 并查集基礎內容還是看代碼隨想錄 并查集 卡碼網107.尋找可能存在的路徑 純并查集的基礎應用&#xff0c;并查集只是看元素是否在同一個集合中&#xff0c;因此在加入的時候需要先查看兩個元素是否已經在一個并查集中&#xff0c;如果不…

Interview preparation--Https 工作流程

HTTP 傳輸的弊端 如上圖&#xff0c;Http進行數據傳輸的時候是明文傳輸&#xff0c;導致任何人都有可能截獲信息&#xff0c;篡改信息如果此時黑客冒充服務器&#xff0c;或者黑客竊取信息&#xff0c;則其可以返回任意信息給客戶端&#xff0c;而且不被客戶端察覺&#xff0c;…

2.3.2 主程序和外部IO交互 (文件映射方式)----C#調用范例

2.3.2 主程序和外部IO交互 &#xff08;文件映射方式&#xff09;----C#調用范例 效果顯示 1 說明 1 .1 Test_IOServer是64bit 程序&#xff0c; BD_SharedIOServerd.dll 在 /Debug文件夾中 1 .2 Test_IOServer是32bit 程序&#xff0c; BD_SharedIOClientd.dll (32bit&#…

[FreeRTOS 內部實現] 事件組

文章目錄 事件組結構體創建事件組事件組等待位事件組設置位 事件組結構體 // 路徑&#xff1a;Source/event_groups.c typedef struct xEventGroupDefinition {EventBits_t uxEventBits;List_t xTasksWaitingForBits; } EventGroup_t;uxEventBits 中的每一位表示某個事件是否…

適用于Mac和Windows的最佳iPhone恢復軟件

本文將指導您選擇一款出色的iPhone數據恢復軟件來檢索您的寶貴數據。 市場上有許多所謂的iPhone恢復程序。各種程序很難選擇并選擇其中之一。一旦您做出了錯誤的選擇&#xff0c;您的數據就會有風險。 最好的iPhone數據恢復軟件應包含以下功能。 1.安全可靠。 2.恢復成功率高…

java MultipartFile multipartFile 文件上傳重命名

java MultipartFile multipartFile 文件上傳重命名 我們在文件上傳的時候&#xff0c;需要考慮重名覆蓋問題&#xff0c;為邏輯嚴謹&#xff0c;需要在文件上傳的時候&#xff0c;將文件名前方拼接UUID或者時間戳&#xff0c;來區分同名文件&#xff0c;但因此引出如何修改前端…

Windows下Visual Studio 中配置第一個CUDA工程

今天整NVIDIA 的CUDA 安裝和第一個CUDA 代碼&#xff0c;順便添加一個有CUDA工程的空框架。 &#xff08;1&#xff09;首先確認自己的CUDA 已經安裝成功 >>cmd 進入命令窗&#xff0c;在窗口輸入查看cuda 是否安裝成功&#xff0c;能查到CUDA的版本號&#xff0c;表示安…

VitePress安裝部署

VitePress安裝部署 VitePress安裝步驟 安裝 Node環境 官網下載&#xff1a;https://nodejs.org/zh-cn 傻瓜式安裝到完成 npm環境 安裝完Node環境之后&#xff0c;可以直接運行下面的命令安裝npm npm install -g pnpm關于pnpm源&#xff1a; 有時候需要國內源&#xff0c…

0706_ARM8

練習1&#xff1a; PWM控制蜂鳴器&#xff0c;風扇&#xff0c;震動馬達 pwm.h #ifndef __UART4_H__ #define __UART4_H__ #include "stm32mp1xx_gpio.h" #include "stm32mp1xx_rcc.h" #include "stm32mp1xx_tim.h"//蜂鳴器 PB6 TIME4_CH1 初…

基于python的數據分解-趨勢-季節性-波動變化

系列文章目錄 前言 時間序列數據的分解&#xff0c;一般分為趨勢項&#xff0c;季節變化項和隨機波動項。可以基于加法或者乘法模型。季節變化呈現出周期變化&#xff0c;因此也叫季節效應(周期&#xff09;。 一、數據分解步驟 &#xff08;1&#xff09;估計時間序列的長期…

儀器校準后出了校準證書后,是不是就代表儀器合格了?

儀器校準是一門技術活&#xff0c;對于從事生產制造的企業而言&#xff0c;是不可或缺的一環&#xff0c;因為這與產品質量密切相關。所以&#xff0c;了解儀器校準的相關知識也變得尤為重要。 在拿到校準證書后&#xff0c;是不是說明儀器合格了&#xff1f;相信不少企業品管人…

指針回顧.

指針的主要作用&#xff1a;提供一種間接訪問數據的方法 1.地址:區分不同內存空間的編號 2.指針:指針就是地址,地址就是指針 3.指針變量:存放指針的變量稱為指針變量,簡稱為指針 1.指針的定義 int *p NULL; int *q NULL; char *p NULL; double *p NUL…

PCDN技術如何提高內容分發效率?(貳)

PCDN技術通過以下方式提高內容分發效率: 1.利用用戶設備作為分發節點:與傳統的 CDN技術主要依賴中心化服務器不同&#xff0c; PCDN技術利用用戶的設備作為內容分發的節點。當用戶下載內容時&#xff0c;他們的設備也會成為內容分發的一部分&#xff0c;將已下載的內容傳遞給其…

第34集《大乘起信論》

好&#xff0c;請大家打開《講義》七十六頁&#xff0c; 子三、釋雙行 前面是把大乘的止跟大乘的觀&#xff0c;各別的說明&#xff0c;這個是針對初學的菩薩&#xff0c;應該是這樣修學的&#xff1b;這個地方是告訴我們的目標&#xff0c;應該使令自己在操作上最好是能夠止…

STL--求交集,并集,差集(set_intersection,set_union,set_difference)

set_intersection(重要) 求兩個有序的序列的交集. 函數聲明如下: template<class InputIterator1, class InputIterator2, class OutputIterator>OutputIterator set_intersection(InputIterator1 _First1, //容器1開頭InputIterator1 _Last1, //容器2結尾(不包含)Inp…

jenkins配置gitee源碼地址連接不上

報錯信息如下&#xff1a; 網上找了好多都沒說具體原因&#xff0c;最后還是看jenkins控制臺輸出日志發現&#xff1a; ssh命令執行失敗&#xff08;git環境有問題&#xff0c;可能插件沒安裝成功等其他問題&#xff09; 后面發現是jenkins配置git的地方git安裝路徑錯了。新手…

加入新數據預測,基于黏菌優化算法SMA優化SVM支持向量機回歸預測(多輸入單輸出)

加入新數據預測&#xff0c;基于黏菌優化算法SMA優化SVM支持向量機回歸預測&#xff08;多輸入單輸出&#xff09; 1.數據均為Excel數據&#xff0c;直接替換數據就可以運行程序。 2.所有程序都經過驗證&#xff0c;保證程序可以運行。 3.具有良好的編程習慣&#xff0c;程序…

cmake find_package 使用筆記

目錄 1 find_package2 config mode2.1 搜索的文件名2.2 搜索路徑 3 module mode3.1 搜索的文件名3.2 搜索路徑 參考 1 find_package 這是官方文檔 下面是學習總結&#xff1a; 首先是find_package的作用是什么&#xff1f;引入預編譯的庫。 find_package有兩種模式&#xff1a…