CN104793137A - 一种基于电机运动特征值的异常负载类型判别方法 - Google Patents

Abstract

本发明公开了一种基于电机运动特征值的异常负载类型判别方法，通过定义并计算电机运动特征值，并根据特征值的大小以及特征值的变化，预测负载并鉴别负载的类型。本发明所达到的有益效果：采用本发明提供的方法，可以在复杂的生产过程环境下，改善电机驱动的机械设备对过程变化的适应程度，提高机械设备运行的安全性和可靠性。

Description

一种基于电机运动特征值的异常负载类型判别方法

技术领域

本发明涉及电机运行过程中遇到的随机负载的检测和鉴别方法，尤其是基于对电机运动特征值变化的分析来检测和鉴别随机负载的方法。

背景技术

电机通过传动装置驱动相应的机械设备完成生产过程操作，在某些情况下具有很复杂的生产过程工况，负载随机变化，而且类型具有多样性。这些生产过程设备一般属于重要的传统产业范畴。随着新技术的发展和国家对用高新技术改造传统产业的大力提倡，人们越来越注重在复杂工况下生产设备对生产过程的适应性，应当及时准确地鉴别随机变化的负载大小和负载类型。因为负载的变化，有可能属于正常的生产过程范围，也有可能是由于障碍物堵塞或挤压等引起的，对于不同的情况，处理方法也应当不同。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种准确预测随机负载的大小的方法，通过定义并计算电机运动特征值，并根据特征值的大小以及特征值的变化，预测负载并鉴别负载的类型。

为了实现上述目标，本发明采用如下的技术方案：

一种基于电机运动特征值的异常负载类型判别方法，其特征是，滚动存储本周期和前一次周期的过程参数，本周期过程中速度值记为转矩值记为前周期的速度值记为前一次周期的转矩值记在每个周期中每次均以当前时刻为0，往后以L为长度，以动态滚动的方式构造当前速度向量：前次速度向量 $\widetilde{\mathrm{\Ω}}=\{\widetilde{\hat{\mathrm{\ω}}}\left(0\right),...,\widetilde{\hat{\mathrm{\ω}}}\left(k\right),...,\widetilde{\hat{\mathrm{\ω}}}(L-1)\};$ 当前转矩向量 $T=\{{\hat{T}}_{\mathrm{fz}}\left(0\right),...{\hat{T}}_{\mathrm{fz}}\left(k\right),...,{\hat{T}}_{\mathrm{fz}}(L-1)\},$ 前次转矩向量 $\tilde{T}=\{{\tilde{\hat{T}}}_{\mathrm{fz}}\left(0\right),...{\tilde{\hat{T}}}_{\mathrm{fz}}\left(k\right),...,{\tilde{\hat{T}}}_{\mathrm{fz}}(L-1)\};$ 包括如下步骤：

1)对电机运行状态进行判断，

首先计算如下公式：

(1.1)动态计算速度向量内积

(1.2)动态计算转矩向量内积

(1.3)动态计算当前速度向量平方模

(1.4)动态计算前次速度向量平方模

(1.5)动态计算当前转矩向量平方模

(1.6)动态计算前次转矩向量平方模

(1.7)动态计算速度一致性系数

(1.8)动态计算转矩一致性系数

(1.9)动态计算速度相关性系数

(1.10)动态计算转矩相关性系数

根据步骤(1.1)～(1.10)中计算的速度一致性系数η_Ω、转矩一致性系数η_T、速度相关性系数λ_Ω、转矩相关性系数λ_T相对于标准值1的偏差，判断本次电机运动过程中是否负载异常，并因而导致速度异常，判定的标准依据历史经验计算值；

2)当由于负载异常而导致电机堵转后，通过对堵转过程中的运动曲线提取频域特征，以判断导致堵转的负载的类型，具体步骤如下：

(2.1)针对堵转过程中速度向量其长度为L，计算：

$A_{\mathrm{\Ω}}\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\widehat{\mathrm{\ω}}\left(k\right)\cos (2\mathrm{\πpk}/L)$

$B_{\mathrm{\Ω}}\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\widehat{\mathrm{\ω}}\left(k\right)\sin (2\mathrm{\πpk}/L)$

p＝1,……,L/2

(2.2)针对堵转后的转矩向量其长度为L，计算：

$A_T\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{\hat{T}}_{\mathrm{fz}}\left(k\right)\cos (2\mathrm{\πpk}/L)$

$B_T\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{\hat{T}}_{\mathrm{fz}}\left(k\right)\cos (2\mathrm{\πpk}/L)$

p＝1,……,L/2

(2.3)在所述步骤(2.1)和(2.2)中，p是频率点，共有L/2个频率点；计算速度向量在各个频率点上的功率平方谱H_Ω(p)，以及转矩向量在各个频率点上的功率平方谱H_T(p)：

H_Ω(p)＝A_Ω(p)²+B_Ω(p)²

H_T(p)＝A_T(p)²+B_T(p)²

p＝1,……,L/2

(2.4)计算速度功率平方谱高频比重系数：

${\mathrm{\ξ}}_{\mathrm{\Ω}}=\left(\underset{p=\frac{L}{4}}{\overset{\frac{L}{2}}{\mathrm{\Σ}}}{H}_{\mathrm{\Ω}}\left(p\right)\right)/\left(\underset{p=1}{\overset{\frac{1}{2}}{\mathrm{\Σ}}}{H}_{\mathrm{\Ω}}\left(p\right)\right)$

(2.5)计算转矩功率平方谱高频比重系数：

${\mathrm{\ξ}}_T=\left(\underset{p=\frac{L}{4}}{\overset{\frac{L}{2}}{\mathrm{\Σ}}}{H}_T\left(p\right)\right)/\left(\underset{p=1}{\overset{\frac{L}{2}}{\mathrm{\Σ}}}{H}_T\left(p\right)\right)$

(2.6)根据速度功率平方谱高频比重系数ξ_Ω和转矩功率平方谱高频比重系数ξ_T，可以判别导致堵转负载障碍物的类型，如果速度功率平方谱高频比重系数和转矩功功率平方谱高频功率比重系数均接近于0，则可以判定堵转负载障碍物为易变形的柔性障碍物；如果速度功率平方谱高频比重系数和转矩功率平方谱高频比重系数均大于0.5，可以判定堵转负载障碍物为刚体；如果介于这两种情况之间，则无法做出直接判断，根据具体的应用场合以及ξ_Ω和ξ_T的相对大小，做进一步的判断。

前述的一种基于电机运动特征值的异常负载类型判别方法，其特征是，所述和记录的是一次正常的生产运动过程。

本发明所达到的有益效果：采用本发明提供的方法，可以在复杂的生产过程环境下，改善电机驱动的机械设备对过程变化的适应程度，提高机械设备运行的安全性和可靠性。

附图说明

图1是电机运行过程中运动状态检测的原理框图；

图2是当发现电机运动异常时鉴别异常负载类型的原理框图；

图3是本发明应用实例的中断控制流程图；

图4是本发明应用实例的主流程图；

图5是本发明应用实例的电路框图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

电机驱动的生产过程的运动一般是循环往复的，在现代电机驱动系统中，电机的速度和转矩均为基本的控制过程参数。在本发明提供的方法中，定义并计算电机运动特征值，根据特征值的大小以及特征值的变化，预测负载并鉴别负载的类型。

首先要求滚动存储2个往复运动周期的过程参数，分别为本周期和前一次周期。本周期过程中的速度值记为转矩值记为前一次周期过程中的速度值记为前一次周期的转矩值记为 ${\tilde{\hat{T}}}_{\mathrm{fz}}\left(k\right),k=\mathrm{0,1,2}.......$ 要求 $\widetilde{\hat{\mathrm{\ω}}}\left(k\right),k=\mathrm{0,1,2}......$ 和 ${\tilde{\hat{T}}}_{\mathrm{fz}}\left(k\right),k=\mathrm{0,1,2}......$ 记录的必须是一次正常的生产运动过程，而对和则无此要求。

每次均以当前时刻为0，往后以L(一般取64)为长度，以动态滚动的方式构造当前速度向量：前一次速度向量 $\widetilde{\mathrm{\Ω}}=\{\widetilde{\hat{\mathrm{\ω}}}\left(0\right),...,\widetilde{\hat{\mathrm{\ω}}}\left(k\right),...,\widetilde{\hat{\mathrm{\ω}}}(L-1)\};$ 当前转矩向量 $T=\{{\hat{T}}_{\mathrm{fz}}\left(0\right),...{\hat{T}}_{\mathrm{fz}}\left(k\right),...,{\hat{T}}_{\mathrm{fz}}(L-1)\},$ 前一次转矩向量 $\tilde{T}=\{{\tilde{\hat{T}}}_{\mathrm{fz}}\left(0\right),...{\tilde{\hat{T}}}_{\mathrm{fz}}\left(k\right),...,{\tilde{\hat{T}}}_{\mathrm{fz}}(L-1)\};$

1)根据以下步骤(1.1)到(1.10)，分别对过程参数进行计算，如图1：

(1.1)动态计算速度向量内积

(1.2)动态计算转矩向量内积

(1.3)动态计算当前速度向量平方模

(1.4)动态计算前次速度向量平方模

(1.5)动态计算当前转矩向量平方模

(1.6)动态计算前次转矩向量平方模

(1.7)动态计算速度一致性系数

(1.8)动态计算转矩一致性系数

(1.9)动态计算速度相关性系数

(1.10)动态计算转矩相关性系数

无论对于永磁直流电机、三相永磁同步电机或采用矢量控制的三相异步电机，在正常的重复运动循环中都有λ_Ω≈1，λ_T≈1，η_Ω≈1，η_T≈1。根据步骤(1.1)～(1.10)中计算出的速度一致性系数η_Ω、转矩一致性系数η_T、速度相关性系数λ_Ω、转矩相关性系数λ_T，相对于标准值1的偏差，可以判断本次电机运动过程中是否负载异常，并因而导致速度异常，这里的判定根据历史经验计算值来进行。在速度和转矩放生异常时，对于不同的类型的电机，η_Ω、η_T、λ_Ω、λ_T相对于标准值1的偏差程度不同，可根据具体的应用场合而确定。

2)当由于负载异常而导致电机堵转后，可通过对堵转过程中的运动曲线提取频域特征，以判断导致堵转的负载的类型，如图2，具体步骤如下：

(2.1)针对堵转过程中速度向量其长度为L，计算：

$A_{\mathrm{\Ω}}\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\widehat{\mathrm{\ω}}\left(k\right)\cos (2\mathrm{\πpk}/L)$

$B_{\mathrm{\Ω}}\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\widehat{\mathrm{\ω}}\left(k\right)\sin (2\mathrm{\πpk}/L)$

p＝1,……,L/2

(2.2)针对堵转后的转矩向量其长度为L，计算：

$A_T\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{\hat{T}}_{\mathrm{fz}}\left(k\right)\cos (2\mathrm{\πpk}/L)$

$B_T\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{\hat{T}}_{\mathrm{fz}}\left(k\right)\cos (2\mathrm{\πpk}/L)$

p＝1,……,L/2

(2.3)在步骤(2.1)和(2.2)中，p是频率点，共有L/2个频率点。计算速度向量在各个频率点上的功率平方谱，以及转矩向量在各个频率点上的功率平方谱：

H_Ω(p)＝A_Ω(p)²+B_Ω(p)²

H_T(p)＝A_T(p)²+B_T(p)²

p＝1,……,L/2

(2.4)计算速度功率平方谱高频比重系数

${\mathrm{\ξ}}_{\mathrm{\Ω}}=\left(\underset{p=\frac{L}{4}}{\overset{\frac{L}{2}}{\mathrm{\Σ}}}{H}_{\mathrm{\Ω}}\left(p\right)\right)/\left(\underset{p=1}{\overset{\frac{1}{2}}{\mathrm{\Σ}}}{H}_{\mathrm{\Ω}}\left(p\right)\right)$

(2.5)计算转矩功率平方谱高频比重系数

${\mathrm{\ξ}}_T=\left(\underset{p=\frac{L}{4}}{\overset{\frac{L}{2}}{\mathrm{\Σ}}}{H}_T\left(p\right)\right)/\left(\underset{p=1}{\overset{\frac{L}{2}}{\mathrm{\Σ}}}{H}_T\left(p\right)\right)$

(2.6)根据速度功率平方谱高频比重系数ξ_Ω和转矩功率平方谱高频比重系数ξ_T，可以判别导致堵转负载障碍物的类型。

如果速度功率平方谱高频比重系数ξ_Ω和转矩功功率平方谱高频功率比重系数ξ_T均接近于0，则可以判定堵转负载障碍物为易变形的柔性障碍物；

如果速度功率平方谱高频比重系数ξ_Ω和转矩功率平方谱高频比重系数ξ_T均较大(根据历史经验计算值，将标准设置为大于0.5)，可以判定堵转负载障碍物为刚体；

如果介于这两种情况之间，则无法做出直接判断，可根据具体的应用场合，并依据ξ_Ω和ξ_T的相对大小以及历史经验计算值做出进一步的判断。

本方案通过计算电机运动特征参数，判断电机的运行状态及障碍负载的类型。用于判断电机运行状态的特征参数包括：速度一致性系数η_Ω，转矩一致性系数η_T，速度相关性系数λ_Ω，转矩相关性系数λ_T；用于判断障碍负载类型的特征参数包括：速度功率平方谱高频比重系数ξ_Ω，转矩功率平方谱高频比重系数ξ_T。采用本方案，可以在复杂的生产过程环境下，改善电机驱动的机械设备对过程变化的适应程度，提高机械设备运行的安全性和可靠性。

本发明提供的基于电机运行特征值的负载类型判别方法，在一种高性能通用电机驱动器上获得成功应用。

如图5所示，本高性能电机通用驱动器采用TMS320F28035为处理器，包括位置控制器模块PT、速度控制器模块ST、d轴电流控制器模块LD、q轴电流控制器模块LQ、旋转变换模块、逆旋转变换模块、转子磁场观测器模块和负载观测器模块，空间矢量脉宽调制(SVPWM)由TMS320F28035内部的硬件实现。上述模块可以组合连接，以适应不同的电机和不同的控制要求。除了微处理器以外，本高性能电机通用驱动器还包括了基本的硬件模块：采用霍尔电流检测器构成两相电流检测模块，采用增量式光电脉冲编码器构成位置和速度检测模块。

本高性能通用电机驱动器，采用模块化的软硬件结构，可以实现永磁有刷直流电机、永磁无刷直流电机、永磁同步交流伺服电机和采用矢量控制的三相异步电机的驱动，并可以根据不同类型的电机和不同类型的应用工况，通过计算电机运动特征值判断电机驱动机械设备运行过程中负载是否异常，以及判断异常的负载障碍物类型。判别负载异常以及负载障碍物类型的流程见图3和图4所示。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (2)

1.一种基于电机运动特征值的异常负载类型判别方法，其特征是，滚动存储本周期和前一次周期的过程参数，本周期过程中速度值记为转矩值记为前周期的速度值记为前一次周期的转矩值记 ${\tilde{\hat{T}}}_{\mathrm{fz}}\left(k\right),k=\mathrm{0,1,2}......;$ 在每个周期中每次均以当前时刻为0，往后以L为长度，以动态滚动的方式构造当前速度向量： $\mathrm{\Ω}=\{\widehat{\mathrm{\ω}}\left(0\right),...\widehat{\mathrm{\ω}}\left(k\right),...\widehat{\mathrm{\ω}}(L-1)\},$ 前次速度向量 $\widetilde{\mathrm{\Ω}}=\{\widetilde{\hat{\mathrm{\ω}}}\left(0\right),...\widetilde{\hat{\mathrm{\ω}}}\left(k\right),...\widetilde{\hat{\mathrm{\ω}}}(L-1)\};$ 当前转矩向量 $T=\{{\hat{T}}_{\mathrm{fz}}\left(0\right),...{\hat{T}}_{\mathrm{fz}}\left(k\right),...,{\hat{T}}_{\mathrm{fz}}(L-1)\},$ 前次转矩向量 $\tilde{T}=\{{\tilde{\hat{T}}}_{\mathrm{fz}}\left(0\right),...{\tilde{\hat{T}}}_{\mathrm{fz}}\left(k\right),...,{\tilde{\hat{T}}}_{\mathrm{fz}}(L-1)\};$ 包括如下步骤：

1)对电机运行状态进行判断，首先计算如下公式：

(1.1)动态计算速度向量内积 $<\mathrm{\&Omega;},\widetilde{\mathrm{\&Omega;}}>=\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}\widehat{\mathrm{\&omega;}}\left(k\right)\widetilde{\hat{\mathrm{\&omega;}}}\left(k\right);$

(1.2)动态计算转矩向量内积 $<T,\tilde{T}>=\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{\hat{T}}_{\mathrm{fz}}\left(k\right){\tilde{\hat{T}}}_{\mathrm{fz}}\left(k\right);$

(1.3)动态计算当前速度向量平方模

(1.4)动态计算前次速度向量平方模

(1.5)动态计算当前转矩向量平方模

(1.6)动态计算前次转矩向量平方模

(1.7)动态计算速度一致性系数

(1.8)动态计算转矩一致性系数

(1.9)动态计算速度相关性系数

(1.10)动态计算转矩相关性系数

根据步骤(1.1)～(1.10)中计算的速度一致性系数η_Ω、转矩一致性系数η_T、速度相关性系数λ_Ω、转矩相关性系数λ_T相对于标准值1的偏差，判断本次电机运动过程中是否负载异常，并因而导致速度异常，判定的标准依据历史经验计算值；

2)对所述步骤1)的结果判定，当由于负载异常而导致电机堵转后，通过对堵转过程中的运动曲线提取频域特征，以判断导致堵转的负载的类型，具体步骤如下：

(2.1)针对堵转过程中速度向量其长度为L，计算：

$A_{\mathrm{\&Omega;}}\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}\widehat{\mathrm{\&omega;}}\left(k\right)\cos (2\mathrm{\&pi;pk}/L)$

$B_{\mathrm{\&Omega;}}\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}\widehat{\mathrm{\&omega;}}\left(k\right)\sin (2\mathrm{\&pi;pk}/L)$

p＝1,……,L/2

(2.2)针对堵转后的转矩向量其长度为L，计算：

$A_T\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{\hat{T}}_{\mathrm{fz}}\left(k\right)\cos (2\mathrm{\&pi;pk}/L)$

$B_T\left(p\right)=\underset{k=0}{\overset{L-1}{\mathrm{\&Sigma;}}}{\hat{T}}_{\mathrm{fz}}\left(k\right)\sin (2\mathrm{\&pi;pk}/L)$

p＝1,……,L/2

(2.3)在所述步骤(2.1)和(2.2)中，p是频率点，共有L/2个频率点；计算速度向量在各个频率点上的功率平方谱H_Ω(p)，以及转矩向量在各个频

率点上的功率平方谱H_T(p)：

H_Ω(p)＝A_Ω(p)²+B_Ω(p)²

H_T(p)＝A_T(p)²+B_T(p)²

p＝1,……,L/2

(2.4)计算速度功率平方谱高频比重系数：

${\mathrm{\&xi;}}_{\mathrm{\&Omega;}}=\left(\underset{p=\frac{L}{4}}{\overset{\frac{L}{2}}{\mathrm{\&Sigma;}}}{H}_{\mathrm{\&Omega;}}\left(p\right)\right)/\left(\underset{p=1}{\overset{\frac{L}{2}}{\mathrm{\&Sigma;}}}{H}_{\mathrm{\&Omega;}}\left(p\right)\right)$

(2.5)计算转矩功率平方谱高频比重系数

${\mathrm{\&xi;}}_T=\left(\underset{p=\frac{L}{4}}{\overset{\frac{L}{2}}{\mathrm{\&Sigma;}}}{H}_T\left(p\right)\right)/\left(\underset{p=1}{\overset{\frac{L}{2}}{\mathrm{\&Sigma;}}}{H}_T\left(p\right)\right)$

(2.6)根据速度功率平方谱高频比重系数ξ_Ω和转矩功率平方谱高频比重系数ξ_T，可以判别导致堵转负载障碍物的类型，如果速度功率平方谱高频比重系数和转矩功功率平方谱高频功率比重系数均接近于0，则可以判定堵转负载障碍物为易变形的柔性障碍物；如果速度功率平方谱高频比重系数和转矩功率平方谱高频比重系数均大于0.5，可以判定堵转负载障碍物为刚体；如果介于这两种情况之间，则无法做出直接判断，根据具体的应用场合以及ξ_Ω和ξ_T的相对大小，做进一步的判断。

2.根据权利要求1所述的一种基于电机运动特征值的异常负载类型判别方法，其特征是，所述和记录的是一次正常的生产运动过程。