CN106019045B - 一种永磁同步电机匝间短路故障诊断的方法 - Google Patents
一种永磁同步电机匝间短路故障诊断的方法 Download PDFInfo
- Publication number
- CN106019045B CN106019045B CN201610327167.8A CN201610327167A CN106019045B CN 106019045 B CN106019045 B CN 106019045B CN 201610327167 A CN201610327167 A CN 201610327167A CN 106019045 B CN106019045 B CN 106019045B
- Authority
- CN
- China
- Prior art keywords
- short
- short circuit
- circuit
- turn
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Ac Motors In General (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了一种永磁同步电机匝间短路故障诊断的方法,包括以下步骤:S1、假设在某一相定子绕组发生匝间短路的情况下,利用扩展卡尔曼滤波器估算出该相的短路电流和短路匝数;如此,利用扩展卡尔曼滤波器估算出三个短路电流和三个短路匝数;S2、选取三个短路电流和三个短路匝数中短路电流幅值最大量与设定的阈值比较,若所选短路电流幅值最大量大于设定的阈值时,表明有匝间短路故障发生;若所选短路电流幅值不大于设定的阈值时,表明没有匝间短路故障发生;S3、判断故障相:在出现匝间短路故障的情况下,三个短路电流幅值中短路电流幅值最大量所在的相即为故障相。
Description
技术领域
本发明涉及故障诊断技术领域,尤其涉及一种永磁同步电机匝间短路故障诊断的方法。
背景技术
在电机故障中,定子绕组匝间短路是一种最为常见且破坏力很强的故障。因此,为了保证安全运行,一种有效的故障诊断方法是很有必要的。
目前,主要有三种方法用于诊断定子绕组匝间短路故障。第一种基于信号分析的方法,如定子电流,磁链,电压,对称分量和小波变换等;这些方法利用相应的工具来分析与匝间短路故障有关的特征频率成分,这些方法需要一定的时间来分析采样的信号,不适合实时地诊断故障;第二种是基于知识的方法,如模糊逻辑系统,神经网络,支持向量机等;这些方法需要大量的训练样本和训练时间,往往不适合实时诊断的需要;第三种是基于状态或参数故障估算的方法,这种方法需要所研究系统的数学模型;但是目前所采用的这种方法都不能判断故障相。
发明内容
基于背景技术存在的技术问题,本发明提出了一种永磁同步电机匝间短路故障诊断的方法。
本发明提出的永磁同步电机匝间短路故障诊断的方法,包括以下步骤:
S1、假设在某一相定子绕组发生匝间短路的情况下,利用扩展卡尔曼滤波器估算出该相的短路电流和短路匝数;如此,利用扩展卡尔曼滤波器估算出三个短路电流和三个短路匝数;
S2、选取三个短路电流和三个短路匝数中短路电流幅值最大量与设定的阈值比较,若所选短路电流幅值最大量大于设定的阈值时,表明有匝间短路故障发生;若所选短路电流幅值不大于设定的阈值时,表明没有匝间短路故障发生;
S3、判断故障相:在出现匝间短路故障的情况下,三个短路电流幅值中短路电流幅值最大量所在的相即为故障相。
优选地,利用扩展卡尔曼滤波器计算某一相的短路电流和短路匝数的方法为:
以a相出现匝间短路故障为例,根据永磁同步电机匝间短路故障下的电流状态方程,选取状态变量和输入变量分别为x.=[iα iβ if μ]T、其中,Vα和Vβ为两相静止坐标系定子电压,iα和iβ为两相静止坐标系定子电流,μ为a相绕组短路匝数比,if为短路回路电流,则系统对应的非线性方程为
式中:ω是零均值高斯白噪声,u为输入向量;
式中:Rf是短路电阻,Rs是定子电阻,电感Lc=L-M,L是自感,M是互感;
选取αβ坐标系下的定子电流作为观测输出量,即y=[iα iβ]T,则系统的测量方程为y=h(x)+v
式中:v是零均值白噪声;
对f(x)和h(x)分别进行线性化处理得到相应的雅克布矩阵为:
式中:
f41=f42=f43=f44=0;
线性化处理以后,选取协方差矩阵Q和R,最后套用已知的扩展卡尔曼滤波器公式估算出短路电流和短路匝数。
本发明提出的一种永磁同步电机匝间短路故障诊断方法,利用扩展卡尔曼滤波器分别估算出在任一相定子绕组发生匝间短路的情况下的三个短路电流和三个短路匝数;根据估算的短路电流的幅值与设定的阈值的比较结果判断是否出现匝间短路故障;在出现匝间短路故障的情况下,进一步判断故障相所在。本发明可对永磁同步电机是否出现匝间短路故障进行实时诊断,克服了现有技术中不能进行实时诊断的弊端;本发明不需要研究系统的数学模型,也不需要额外的检测设备,利用扩展卡尔曼滤波器估算出短路电流和短路匝数即可判断是否出现匝间短路故障,且可进一步判断出故障相所在,保证了对永磁同步电机匝间短路故障诊断的实时性和可靠性。
附图说明
图1为永磁同步电机匝间短路等效图;
图2为一种永磁同步电机匝间短路故障诊断的方法的框图。
具体实施方式
如图1、图2所示,图1、图2为本发明提出的一种永磁同步电机匝间短路故障诊断的方法。
参照图1、图2,本发明提出的一种永磁同步电机匝间短路故障诊断的方法,包括以下步骤:
S1、假设在某一相定子绕组发生匝间短路的情况下,利用扩展卡尔曼滤波器估算出该相的短路电流和短路匝数;如此,利用扩展卡尔曼滤波器估算出三个短路电流和三个短路匝数;
S2、判断是否出现匝间短路故障:若任一相短路电流幅值大于设定的阈值时,表明有匝间短路故障发生;若三个短路电流幅值均不大于设定的阈值时,表明没有匝间短路故障发生;
S3、判断故障相:在出现匝间短路故障的情况下,三个短路电流幅值中短路电流幅值最大量所在的相即为故障相。
下面以永磁同步电机a相(b相和c相类似)发生匝间短路为例对本发明作进一步说明:
1、数学模型
根据图1,永磁同步电机在a相发生匝间短路故障的情况下,定子绕组的电压方程在αβ坐标系下表示为
式中:Vα和Vβ两相静止坐标系定子电压,iα和iβ两相静止坐标系定子电流,eα和eβ两相静止坐标系定子绕组反电动势,μ是a相绕组短路匝数比,if是短路回路电流,Rf是短路电阻,Rs是定子电阻,L是自感,M是互感,电感Lc=L-M。以电流状态方程的形式为
2、扩展卡尔曼滤波器的原理
扩展卡尔曼滤波器方法用于估计动态非线性系统状态的数学工具;非线性系统模型和它的离散非线性测量方程为
y(t)=h(x(t))+Bu(t)+ν(t) (4)
式中:x(t)为系统状态向量,ω(t)和ν(t)分别为系统噪声和测量噪声,其均值为零;u(t)为输入向量;y(t)为输出向量。
扩展卡尔曼滤波器实际上为一个循环递推算法,主要由两步构成,预测与滤波。第一步预测阶段主要是计算状态预测值和状态误差协方差预测值;第二步滤波也称为更新阶段,在该步骤中将要计算出所构造的扩展卡尔曼滤波器增益,进行状态误差协方差矩阵的更新,并且对所预测的状态进行更新。
第一步:预测;它是基于上一个估算值xk-1|k-1和实际值在Tk-1到Tk之间提供给系统的输入均值uk-1来计算。
Pk|k-1=Pk-1|k-1+[Fk-1Pk-1|k-1+Pk-1|k-1Fk-1 T]Ts+Q (6)
式中:Ts为采样周期,k为采样时刻,Q为ω(t)的协方差矩阵,Fk-1为系统梯度矩阵。
第二步:滤波;应用实测量来反馈修正在上一步预测出的状态估计值和它的协方差矩阵,迭代公式如下:
Pk|k=Pk|k-1-KkHPk|k-1 (9)
式中:Kk为卡尔曼增益矩阵,表示为
Kk=Pk|k-1HT(HPk|k-1HT+R)-1 (10)
式中:H为变换矩阵,R为ν(t)的协方差矩阵。
3、扩展卡尔曼滤波器的设计
根据永磁同步电机匝间短路故障下的电流状态方程式(2),选取状态变量和输入变量分别为x.=[iα iβ if μ]T,则系统对应的非线性方程为
式中:
式中:Rf是短路电阻,Rs是定子电阻,电感Lc=L-M,L是自感,M是互感;
选取αβ坐标系下的定子电流作为观测输出量,即y=[iα iβ]T,则系统的测量方程为
y=h(x)+v (12)
式中:
对f(x)和h(x)分别进行线性化处理得到相应的雅克布矩阵为:
式中:
f41=f42=f43=f44=0;
线性化处理以后,选取协方差矩阵Q和R,最后套用已知的扩展卡尔曼滤波器公式估算短路电流和短路匝数。
上述只考虑了a相发生匝间短路情况下,在实际应用中,并不知道具体是哪一相发生了匝间短路。因此,按照上述类似的方法,另外设计两个扩展卡尔曼滤波器分别估算在b相和c相发生匝间短路故障下的短路电流和短路匝数。
4、故障诊断
根据估算的三个短路电流和三个短路匝数,选取其中短路电流幅值最大的量与设定的阈值进行比较,当所选短路电流幅值大于设定的阈值时,表明有匝间短路故障发生,并且所选短路电流幅值最大量所在的相就是故障相;当所选短路电流幅值不大于设定的阈值时,表明没有匝间短路故障发生,永磁同步电机处于正常运行状态。
利用此方法可对永磁同步电机是否出现匝间短路故障进行实时诊断,克服了现有技术中不能进行实时诊断的弊端;本方法不需要研究系统的数学模型,也不需要额外的检测设备,利用扩展卡尔曼滤波器估算出短路电流和短路匝数即可判断是否出现匝间短路故障,且可进一步判断出故障相所在,保证了对永磁同步电机匝间短路故障诊断的实时性和可靠性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种永磁同步电机匝间短路故障诊断的方法,其特征在于,包括以下步骤:
S1、假设在某一相定子绕组发生匝间短路的情况下,利用扩展卡尔曼滤波器估算出该相的短路电流和短路匝数;如此,利用扩展卡尔曼滤波器估算出三个短路电流和三个短路匝数;
S2、判断是否出现匝间短路故障:选取三个短路电流和三个短路匝数中短路电流幅值最大量与设定的阈值比较,若所选短路电流幅值最大量大于设定的阈值时,表明有匝间短路故障发生;若所选短路电流幅值不大于设定的阈值时,表明没有匝间短路故障发生;
S3、判断故障相:在出现匝间短路故障的情况下,三个短路电流幅值中短路电流幅值最大量所在的相即为故障相;
利用扩展卡尔曼滤波器计算某一相的短路电流和短路匝数的方法为:
以a相出现匝间短路故障为例,根据永磁同步电机匝间短路故障下的电流状态方程,选取状态变量和输入变量分别为其中,Vα和Vβ为两相静止坐标系定子电压,iα和iβ为两相静止坐标系定子电流,μ为a相绕组短路匝数比,if为短路回路电流,则系统对应的非线性方程为
式中:ω是零均值高斯白噪声,u为输入向量;
式中:Rf是短路电阻,Rs是定子电阻,电感Lc=L-M,L是自感,M是互感;
选取αβ坐标系下的定子电流作为观测输出量,即y=[iα iβ]T,得到系统的测量方程为
y=h(x)+v
式中:v是零均值白噪声;
对f(x)和h(x)分别进行线性化处理得到相应的雅克布矩阵为:
式中:
f41=f42=f43=f44=0;
线性化处理以后,选取协方差矩阵Q和R,套用已知的扩展卡尔曼滤波器公式估算出短路电流和短路匝数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610327167.8A CN106019045B (zh) | 2016-05-16 | 2016-05-16 | 一种永磁同步电机匝间短路故障诊断的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610327167.8A CN106019045B (zh) | 2016-05-16 | 2016-05-16 | 一种永磁同步电机匝间短路故障诊断的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106019045A CN106019045A (zh) | 2016-10-12 |
CN106019045B true CN106019045B (zh) | 2019-11-12 |
Family
ID=57098633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610327167.8A Active CN106019045B (zh) | 2016-05-16 | 2016-05-16 | 一种永磁同步电机匝间短路故障诊断的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106019045B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226699B (zh) * | 2018-02-05 | 2023-07-18 | 国网山西省电力公司电力科学研究院 | 干式电抗器匝间绝缘带电检测装置及检测诊断方法 |
CN111257751A (zh) * | 2020-02-25 | 2020-06-09 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 电机故障诊断设备、方法、装置及存储介质 |
CN112083349B (zh) * | 2020-08-01 | 2023-04-07 | 南通长江电器实业有限公司 | 一种永磁同步电机定子绕组匝间短路故障诊断方法 |
CN112731204B (zh) * | 2020-12-29 | 2022-12-06 | 哈尔滨宇龙自动化有限公司 | 一种永磁同步电机匝间短路故障定位检测控制方法 |
CN113064073B (zh) * | 2021-03-12 | 2022-02-18 | 合肥恒大江海泵业股份有限公司 | 基于剩余电流的永磁同步电机匝间短路故障诊断方法 |
CN113625117A (zh) * | 2021-08-17 | 2021-11-09 | 河北工业大学 | 电机定子匝间短路故障诊断方法、装置及系统 |
CN114035126B (zh) * | 2021-10-25 | 2022-07-26 | 电子科技大学 | 一种离线状态下永磁同步电机绕组匝间短路匝数确定方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2388973B1 (es) * | 2011-01-05 | 2013-11-04 | Universitat Politècnica De Catalunya | Equipo de diagnóstico de fallos de corto circuito para motores síncronos de imanes permanentes y método de utilización de este. |
JP5876846B2 (ja) * | 2013-03-13 | 2016-03-02 | 東芝三菱電機産業システム株式会社 | 電動機駆動装置 |
CN103487719B (zh) * | 2013-09-17 | 2015-09-16 | 东南大学 | 一种区分永磁同步电机定子绕组故障类型的方法 |
CN103487718B (zh) * | 2013-09-17 | 2015-11-18 | 东南大学 | 一种永磁同步电机匝间短路故障诊断的方法 |
CN103558547B (zh) * | 2013-11-01 | 2015-12-02 | 东南大学 | 一种永磁同步电机的智能故障诊断方法 |
KR20150080063A (ko) * | 2013-12-30 | 2015-07-09 | 주식회사 효성 | 확장형 칼만 필터를 이용한 동기 발전기의 고장 진단 방법 및 장치 |
CN103956956B (zh) * | 2014-05-13 | 2017-01-04 | 北京理工大学 | 一种基于扩展卡尔曼滤波器的无刷直流电机状态估计方法 |
CN104035029B (zh) * | 2014-05-14 | 2016-08-17 | 浙江大学 | 一种感应电机定子匝间短路检测及线圈级别定位方法 |
CN205039733U (zh) * | 2015-09-11 | 2016-02-17 | 湖南工业大学 | 永磁同步电机永磁磁链失磁监测装置 |
-
2016
- 2016-05-16 CN CN201610327167.8A patent/CN106019045B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106019045A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106019045B (zh) | 一种永磁同步电机匝间短路故障诊断的方法 | |
Qi et al. | Severity estimation of interturn short circuit fault for PMSM | |
Gandhi et al. | Recent advances in modeling and online detection of stator interturn faults in electrical motors | |
Namdar et al. | A robust stator inter-turn fault detection in induction motor utilizing Kalman filter-based algorithm | |
CN113064073B (zh) | 基于剩余电流的永磁同步电机匝间短路故障诊断方法 | |
Alvarez-Gonzalez et al. | Permanent magnet synchronous machines inter-turn short circuit fault detection by means of model-based residual analysis | |
Rayyam et al. | Stator and rotor faults detection in Induction Motor (IM) using the Extended Kaman Filter (EKF) | |
Bessam et al. | A novel method for induction motors stator inter-turn short circuit fault diagnosis based on wavelet energy and neural network | |
US20230396204A1 (en) | Online monitoring and compensation of stator inter-turn short circuit fault in permanent magnet synchronous machines | |
Hashemi et al. | A Robust Approach for Inter-Turn Fault Detection of PMSM Used for Autonomous Vehicles | |
Rayyam et al. | Detection of broken bars in induction motor using the Extended Kalman Filter (EKF) | |
Nguyen et al. | Fault severity estimation using nonlinear Kalman filter for induction motors under inter-turn fault | |
El Sayed et al. | Comparative analysis between unscented and extended Kalman filters for PMSG inter-turn fault detection | |
Khov et al. | Monitoring of turn short-circuit faults in stator of PMSM in closed loop by on-line parameter estimation | |
Faiz et al. | Interturn fault diagnosis in brushless direct current motors—A review | |
Nag et al. | A modified approach for application of augmented extended Kalman filter for stator interturn fault diagnosis of a synchronous generator | |
Moon et al. | Unscented transformnations of UKF for sensorless speed control of PMSM | |
Karami et al. | Model-based fault detection in induction Motors | |
Zhang et al. | Nonlinear estimation of stator winding resistance in a brushless DC motor | |
Buchholz et al. | Online-identification of the machine parameters of an induction motor drive | |
Rkhissi-Kammoun et al. | Current sensor fault-tolerant control scheme for induction machine in electric vehicle applications using RISE-algebraic estimation approach | |
Saad et al. | IM stator winding faults diagnosis using EKF | |
Nadarajan et al. | Comparing extended Kalman filter and particle filter for estimating field and damper bar currents in brushless wound field synchronous generator for stator winding fault detection and diagnosis | |
Progovac et al. | System identification of permanent magnet machines and its applications to inter-turn fault detection | |
Prasad et al. | Reliability of different fault detection algorithms under high impedance faults |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |