CN108365789B - 控制装置、方法以及系统、学习装置和模型数据生成方法 - Google Patents
控制装置、方法以及系统、学习装置和模型数据生成方法 Download PDFInfo
- Publication number
- CN108365789B CN108365789B CN201810159188.2A CN201810159188A CN108365789B CN 108365789 B CN108365789 B CN 108365789B CN 201810159188 A CN201810159188 A CN 201810159188A CN 108365789 B CN108365789 B CN 108365789B
- Authority
- CN
- China
- Prior art keywords
- demagnetization
- exciting magnet
- harmonic components
- data
- increase
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000005347 demagnetization Effects 0.000 claims abstract description 141
- 230000004907 flux Effects 0.000 claims abstract description 128
- 238000000605 extraction Methods 0.000 claims abstract description 40
- 238000012360 testing method Methods 0.000 claims abstract description 36
- 239000000284 extract Substances 0.000 claims abstract description 14
- 230000005284 excitation Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 description 26
- 238000010276 construction Methods 0.000 description 14
- 239000004615 ingredient Substances 0.000 description 13
- 238000001514 detection method Methods 0.000 description 12
- 238000009790 rate-determining step (RDS) Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/141—Flux estimation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/13—Observer control, e.g. using Luenberger observers or Kalman filters
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/18—Estimation of position or speed
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
- H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
- H02P27/06—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters
Abstract
控制装置、方法以及系统、学习装置和模型数据生成方法。控制装置(100)具备：电力供给电路(200)，其向具有励磁磁铁(23)和定子(30)的电动机(10)供给驱动电力；磁通估计器(324)，其取得与电动机(10)的电枢交链磁通相关的磁通相关数据；谐波提取部(350)，其从磁通相关数据中提取谐波成分；以及退磁检测部(360)，其根据谐波成分的增加，检测励磁磁铁(23)的退磁。
Description
技术领域
本申请涉及控制装置、控制方法、控制系统、学习装置和模型数据生成方法。
背景技术
国际公开第2014/118958号中公开了一种退磁诊断装置，该退磁诊断装置比较自适应磁通观测器在无负载运转时根据电力转换器施加的交流电压和电流传感器检测出的电动机电流而估计的永磁同步电动机的磁通和预先设定的磁通参照值，从而诊断有无退磁。
发明内容
本公开的目的在于提供能够以更高的可靠性检测励磁磁铁的退磁的控制装置。
本公开的一个侧面的控制装置具备：电力供给电路，其向具有励磁磁铁和电枢的电动机供给驱动电力；数据取得部，其取得作为与电动机的电枢交链磁通相关的数据的磁通相关数据；谐波提取部，其从磁通相关数据中提取谐波成分；以及退磁检测部，其根据谐波成分的增加来检测励磁磁铁的退磁。
本公开的另一侧面的控制方法包含如下步骤：控制电力供给电路向具有励磁磁铁和电枢的电动机供给驱动电力；取得作为与电动机的电枢交链磁通相关的数据的磁通相关数据；从磁通相关数据中提取谐波成分；以及根据谐波成分的增加来检测励磁磁铁的退磁。
本公开的又一侧面的控制系统具备控制装置和学习装置，控制装置具有：电力供给电路，其向具有励磁磁铁和电枢的电动机供给驱动电力；数据取得部，其取得作为与电动机的电枢交链磁通相关的数据的磁通相关数据；谐波提取部，其从磁通相关数据中提取谐波成分；以及退磁检测部，其根据模型来检测励磁磁铁的退磁，该模型是以表示多个次数的谐波成分的大小与励磁磁铁的退磁状态之间的关系的方式通过机械学习构建的，学习装置具有：数据蓄积部，其蓄积与多个次数的谐波成分的大小相关的数据和与励磁磁铁的退磁状态相关的数据的组合数据；和模型构建部，其通过基于数据蓄积部中蓄积的组合数据的机械学习来构建模型。
本公开的又一侧面的学习装置具备：数据蓄积部，其蓄积与具有励磁磁铁和电枢的电动机的电枢交链磁通中的、多个次数的谐波成分的大小相关的数据和表示励磁磁铁的退磁状态的数据的组合数据；和模型构建部，其通过基于所蓄积的组合数据的机械学习来构建表示多个次数的谐波成分的大小与励磁磁铁的退磁状态之间的关系的模型。
本公开的又一侧面的模型数据生成方法包含如下步骤：蓄积与具有励磁磁铁以及电枢的电动机的电枢交链磁通中的、多个次数的谐波成分的大小相关的数据和表示励磁磁铁的退磁状态的数据的组合数据；和通过基于所蓄积的组合数据的机械学习来导出确定表示多个次数的谐波成分的大小与励磁磁铁的退磁状态之间的关系的模型的数据。
根据本公开，可提供能够以更高的可靠性检测励磁磁铁的退磁的控制装置。
附图说明
图1是示出控制装置的概要结构的示意图。
图2是简化示出电动机的结构的示意图。
图3是示出控制电路的功能结构的框图。
图4是示出退磁诊断器的功能结构的框图。
图5是示出学习装置的功能结构的框图。
图6是控制系统的硬件结构图。
图7是示出退磁诊断步骤的流程图。
图8是示出模型构建步骤的流程图。
具体实施方式
以下，参照附图对实施方式详细地进行说明。在说明中，对相同要素或具有相同功能的要素标注相同的标号，省略重复的说明。
[驱动系统]
图1所示的驱动系统1是用于利用电力来对驱动对象进行驱动的系统。驱动系统1具备电动机10、位置传感器50和控制装置100。
(电动机)
电动机10具有励磁磁铁和电枢。电动机10例如是旋转式电动机。图2是简化示出旋转磁场式电动机的结构的一例作为电动机10的一例的示意图。如图2所示，电动机10具有转子20和定子30。转子20具有轴21、设置于轴21的外周的转子铁芯22以及安装于转子铁芯22的励磁磁铁23。励磁磁铁23例如是永久磁铁。定子30(电枢)具有定子铁芯41和多个线圈42。定子铁芯41包含包围转子20的磁轭41a和从磁轭41a向转子20侧突出的多个齿41b。多个齿41b沿着磁轭41a的内周实质上等间隔地配置。多个线圈42被分别装配在多个齿41b上，根据电力的供给产生旋转磁场。在图中，为了简单起见，示出了三相三槽的定子30，但是，定子30的槽数不限于此。
另外，电动机10只要具有励磁磁铁和电枢，可以任意构成。例如，在图中，例示了励磁磁铁23设置于转子铁芯22的表面的SPM(Surface Permanent Magnet)电动机，但不限于此。电动机10也可以是励磁磁铁23嵌入于转子芯22内的IPM(Interior Permanent Magnet)电动机。此外，为了简单起见，设励磁为两个极、电枢为三相三槽进行图示，但是，电场的极数和电枢的槽数不限于此。电动机10可以是旋转电机型电动机，也可以是线性电动机。
(位置传感器)
位置传感器50是至少检测与电动机10的动作速度相关的信息的传感器。位置传感器50例如是旋转编码器，产生与转子20的旋转速度成比例的频率的脉冲信号。
(控制装置)
返回到图1，控制装置100具备电力供给电路200、电流传感器111、112、113以及控制电路300。电力供给电路200向电动机10供给驱动电力。整流电路210例如是二极管桥式电路，将交流电源PS的电力直流化后输出至直流母线201、202。平滑电容器220连接于直流母线201、202之间，使直流母线201、202间的直流电压平滑化。
逆变器电路230是将直流母线201、202的直流电力转换为交流电力(例如三相交流电力)并输出至电动机10的电路。逆变器电路230包含开关电路240和栅极驱动电路250。
开关电路240是具有多个开关元件241的桥式电路，通过对该多个开关元件241的接通/断开进行切换而将直流电力转换为交流电力。开关元件241例如是功率MOSFET(MetalOxide Semiconductor Field Effect Transistor)或IGBT(Insulated Gate BipolarTransistor)等，根据栅极驱动信号对接通/断开进行切换。
栅极驱动电路250生成基于来自控制电路300的指令(例如电压指令)的栅极驱动信号，输出至开关电路240的开关元件241。栅极驱动电路250也可以包含防止上臂(正极直流母线201侧的开关元件241)和下臂(负极直流母线202侧的开关元件241)同时接通的死区时间电路(未图示)。
电力供给电路200只要构成为向电动机10提供驱动电力，可以任意构成。例如，电力供给电路200可以是具有整流电路210、平滑电容器220和逆变器电路230并向电动机10供给电压的电压型逆变器，也可以是具备直流电抗器来代替平滑电容器220并向电动机10供给电流的电流型逆变器，此外，也可以是在交流电源PS侧的交流电力与电动机10侧的交流电力之间进行双向的电力转换的矩阵变换电路。
电流传感器111、112、113检测从逆变器电路230到电动机10的电流。电流传感器111检测u相电流(三相交流的U相电流)，电流传感器112检测v相电流(三相交流的V相电流)，电流传感器113检测w相电流(三相交流的W相电流)。
控制电路300构成为执行如下动作：控制电力供给电路200向电动机10供给驱动电力；根据驱动电力，导出与线圈42的交链磁通(电枢交链磁通)相关的磁通相关数据；从磁通相关数据中提取谐波成分；以及根据谐波成分的增加，检测励磁磁铁23的退磁。以下，对控制电路300的结构更详细地进行说明。在该说明中，“αβ坐标系”意味着固定于电动机10的定子30的固定坐标系。αβ坐标系具有彼此正交的“α轴”和“β轴”。α轴和β轴均与轴21的中心线正交。“dq坐标系”意味着与电动机10的转子20一起旋转的旋转坐标系。dq坐标系具有彼此正交的“d轴”和“q轴”。d轴和q轴均与轴21的中心线正交。
如图3所例示那样，作为功能上的结构(以下称作“功能模块”)，控制电路300具有指令生成部310和信息检测部320。
指令生成部310以使电动机10的速度跟随目标速度的方式，生成针对电力供给电路200的指令值。指令值可以是电压指令值，也可以是电流指令值。例如，作为进一步细分化后的模块，指令生成部310具有速度控制器311、电流控制器312和坐标转换器313。
速度控制器311生成用于缩小目标速度ω_ref与电动机10的速度ω(例如，转子20相对于定子30的旋转角速度)之间的偏差的q轴电流指令iq_ref。q轴电流意味着q轴方向上的电流(用于使定子30产生q轴方向上的磁通的电流)。例如，速度控制器311通过对目标速度ω_ref与速度ω之间的偏差进行比例运算、比例/积分运算或比例/积分/微分运算来生成q轴电流指令iq_ref。
电流控制器312生成用于缩小q轴电流指令iq_ref与q轴电流iq之间的偏差的q轴电压指令Vq_ref。q轴电压意味着与q轴电流相同方向上的电压。例如，电流控制器312通过对q轴电流指令iq_ref与q轴电流iq之间的偏差进行比例运算、比例/积分运算或比例/积分/微分运算来生成q轴电压指令Vq_ref。
与此同样地，电流控制器312生成用于缩小d轴电流指令id_ref与d轴电流id之间的偏差的d轴电压指令Vd_ref。d轴电流意味着d轴方向上的电流(用于使定子30产生d轴方向上的磁通的电流)。d轴电流指令id_ref例如通过操作者的输入来设定。d轴电压意味着与d轴电流相同方向上的电压。
坐标转换器313对q轴电压指令Vq_ref和d轴电压指令Vd_ref实施坐标转换，生成u相电压指令Vu_ref、v相电压指令Vv_ref以及w相电压指令Vw_ref，并将它们输出至逆变器电路230的栅极驱动电路250。u相电压是U相的电压，v相电压是V相的电压，w相电压是W相的电压。
信息检测部320检测由指令生成部310进行的控制处理等所需的各种信息。例如，作为进一步细分化后的模块，信息检测部320具有坐标转换器321、位置导出器322、速度导出器323、磁通估计器324、退磁诊断器330和退磁通知器326。
坐标转换器321对分别由电流传感器111、112、113检测出的u相电流iu、v相电流iv和w相电流iw进行坐标转换而导出d轴电流id和q轴电流iq。
位置导出器322根据由位置传感器50检测出的信息，导出转子20的位置信息(例如，dq坐标系相对于αβ坐标系的旋转角度θ)。例如，位置导出器322对来自位置传感器50的脉冲信号进行计数，导出旋转角度θ。由位置导出器322导出的旋转角度θ被用于上述坐标转换器313、321中的坐标转换。
速度导出器323根据由位置传感器50检测出的信息，导出转子20的速度信息(例如上述速度ω)。例如，速度导出器323根据来自位置传感器50的脉冲信号的频率，导出速度ω。由速度导出器323导出的速度ω被反馈给上述速度控制器311。
另外，位置导出器322和速度导出器323只要分别导出转子20的位置信息和速度信息，可以任意构成。例如，速度导出器323也可以构成为通过基于d轴电流id和q轴电流iq的扭矩估计值的积分导出速度ω，来代替由位置传感器50检测出的信息。位置导出器322也可以构成为利用由速度导出器323导出的速度ω的积分导出旋转角度θ。
磁通估计器324(数据取得部)取得作为与线圈42的交链磁通相关的数据的磁通相关数据。例如，磁通估计器324根据由电力供给电路200供给至电动机10的驱动电力，导出与线圈42的交链磁通相关的估计数据作为磁通相关数据。例如，磁通估计器324根据d轴电流id、q轴电流iq、d轴电压指令Vd_ref和q轴电压指令Vq_ref来计算α轴磁通估计值Φα和β轴磁通估计值Φβ。α轴磁通估计值Φα是α轴方向上的磁通估计值，β轴磁通估计值Φβ是β轴方向上的磁通估计值。更具体来说，磁通估计器324根据下式导出α轴磁通估计值Φα和β轴磁通估计值Φβ。
Φd：d轴磁通估计值
Φq：q轴磁通估计值
Vd_ref：d轴电压指令
Vq_ref：q轴电压指令
id：d轴电流
iq：q轴电流
R：电动机的绕组电阻
Ld：d轴电感
Lq：q轴电感
ω：速度
θ：旋转角度
另外，上述式(1)基于以下电压/电流方程式(3)。在转子20以恒定速度旋转的稳定状态下，能够忽略式(3)的微分项。对忽略了微分项的式(3)进行变形，进一步将电压值替换为电压指令值时，得到式(1)。
Vd：d轴电压
Vq：q轴电压
另外，磁通相关数据的导出方法不限于这里例示的方法。例如，也可以使用电压传感器等的实际测量值来代替u相电压指令Vu_ref、v相电压指令Vv_ref和w相电压指令Vw_ref。此外，磁通相关数据只要至少是与线圈42的交链磁通相关的数据即可，不一定是表示线圈42的交链磁通本身的数据。此外，磁通相关数据也可以不一定需要是根据驱动电力导出的估计数据，也可以是磁通传感器等的实际测量值。
退磁诊断器330根据由磁通估计器324导出的磁通相关数据来诊断有无励磁磁铁23的退磁。当退磁诊断器330检测到励磁磁铁23的退磁时，退磁通知器326向操作者通知励磁磁铁23的退磁。例如，退磁通知器326利用操作画面上的显示或指示灯的点亮等来通知励磁磁铁23的退磁。如图4所示，作为细分化后的模块，退磁诊断器330包含基波提取部340、多个谐波提取部350和退磁检测部360。
基波提取部340从由磁通估计器324导出的磁通相关数据中提取基波成分。基波成分是指与转子20的旋转同步的频率的振动成分。基波提取部340例如包含振幅导出器341。振幅导出器341导出α轴磁通估计值Φα和β轴磁通估计值Φβ的振幅(以下称作“基波振幅|Φ|”。)。例如，振幅导出器341导出α轴磁通估计值Φα和β轴磁通估计值Φβ的平方和的平方根作为基波振幅|Φ|。
谐波提取部350从由磁通估计器324导出的磁通相关数据中提取谐波成分。谐波成分是指通过将基波成分的频率乘以整数而得到的频率的振动成分。例如，谐波提取部350包含坐标转换器351、低通滤波器352、353以及振幅导出器354。
坐标转换器351对α轴磁通估计值Φα和β轴磁通估计值Φβ实施坐标转换，导出dhqh坐标系的磁通估计值Φdh和磁通估计值Φqh。dhqh坐标系是以与dq坐标系相比为整数h倍的角速度旋转的坐标系，具有与d轴对应的dq轴和与q轴对应的dq轴。磁通估计值Φdh是dh轴方向上的磁通估计值，磁通估计值Φqh是qh轴方向上的磁通估计值。低通滤波器352、353是用于分别从磁通估计值Φdh、Φqh中提取低频成分的滤波器。振幅导出器354导出由低通滤波器352、353提取的低频成分的振幅(以下称作“h次谐波振幅|Φh|”)。例如，振幅导出器354导出由低通滤波器352、353提取的低频成分的平方和的平方根作为h次谐波振幅|Φh|。
另外，谐波成分的导出方法不限于这里例示的方法。例如，谐波提取部350也可以在低通滤波器352、353之前将作为坐标转换器351的输出的磁通估计值Φdh、Φqh输入至振幅导出器354，使振幅导出器354的输出通过低通滤波器，导出h次谐波振幅|Φh|。此外，谐波提取部350也可以使α轴磁通估计值Φα和β轴磁通估计值Φβ通过带通滤波器，导出h次谐波振幅|Φh|。此外，谐波提取部350也可以对α轴磁通估计值Φα和β轴磁通估计值Φβ实施快速傅立叶变换而导出h次谐波振幅|Φh|。
多个谐波提取部350分别提取多种谐波成分。图中例示出多个谐波提取部350包含提取二次谐波成分的谐波提取部350A、提取六次谐波成分的谐波提取部350B以及提取12次谐波成分的谐波成分提取部350C的情况。
退磁检测部360根据由谐波提取部350提取的谐波成分的增加来检测励磁磁铁23的退磁。退磁检测部360可以至少根据偶数次谐波成分的增加来检测励磁磁铁23的退磁，也可以至少根据二次谐波成分(由谐波提取部350A提取的谐波成分)的增加来检测励磁磁铁23的退磁，也可以至少根据六次谐波成分(由谐波提取部350B提取的谐波成分)的增加来检测励磁磁铁23的退磁，也可以根据多个次数的谐波成分的合计值的增加来检测励磁磁铁23的退磁。此外，退磁检测部360也可以根据谐波成分相对于基波成分的相对增加来检测励磁磁铁23的退磁。例如，退磁检测部360包含指标导出器361、累计器362和比较器363。
指标导出器361根据由谐波提取部350提取的谐波成分和由基波提取部340检测出的基波成分，导出与励磁磁铁23的退磁相关的指标值。例如，指标导出器361导出由谐波提取部350A、350B、350C提取的谐波成分的合计值，导出该合计值相对于基波成分的相对值。更具体来说，指标导出器361导出二次谐波振幅|Φ2|、六次谐波振幅|Φ6|和12次谐波振幅|Φ12|的合计值，将该合计值除以基波振幅|Φ|而导出指标值。另外，指标值只要表示谐波成分的大小相对于基波成分的大小的相对值，可以是任何值。例如，指标值也可以是通过将基波幅度|Φ|除以上述合计值而得到的值。累计器362导出由指标导出器361依次导出的规定数量的指标值的累计值。
比较器363比较由累计器362导出的累计值和预先设定的阈值，根据它们的关系来判定有无励磁磁铁23的退磁。例如，在通过将上述合计值除以基波振幅|Φ|而导出上述指标值的情况下，当上述累计值超过阈值时，比较器363判定为存在励磁磁铁23的退磁(检测到励磁磁铁23的退磁)。在通过将基波振幅|Φ|除以上述合计值而导出上述指标值的情况下，在当上述累计值低于阈值时，比较器363判定为存在励磁磁铁23的退磁。
比较器363也可以根据上述累计值的变化率来判定有无励磁磁铁23的退磁。例如，在通过将上述合计值除以基波振幅|Φ|而导出上述指标值的情况下，也可以是，当上述累计值的增加率超过阈值时，比较器363判定为存在励磁磁铁23的退磁。在通过将基波振幅|Φ|除以上述合计值而导出上述指标值的情况下，也可以是，当上述累计值的减少率超过阈值时，比较器363判定为存在励磁磁铁23的退磁。
(学习装置)
返回到图1，驱动系统1也可以还具备学习装置400。即，驱动系统1也可以具备具有控制装置100和学习装置400的控制系统CS1。学习装置400利用机械学习来构建表示多个次数的谐波成分的大小与励磁磁铁23的退磁状态之间的关系的模型。
如图5所例示那样，作为功能模块，学习装置400具有磁通数据取得部411、退磁数据取得部412、数据蓄积部413、模型构建部414和模型保持部415。
磁通数据取得部411从多个谐波提取部350取得与多个次数的谐波成分的大小相关的数据。以下，将由磁通数据取得部411取得的数据称作“谐波分布”。
退磁数据取得部412取得与励磁磁铁23的退磁状态相关的数据。例如，退磁数据取得部412取得通过实际测量而确认了退磁状态的操作者的输入。以下，将由退磁数据取得部412取得的数据称作“退磁实际数据”。
数据蓄积部413蓄积由磁通数据取得部411取得的谐波分布和由退磁数据取得部412取得的退磁实际数据的组合数据。例如，数据蓄积部413将由磁通数据取得部411和退磁数据取得部412在实质上相同的定时对同一电动机10取得的谐波分布和退磁实际数据组合起来进行蓄积。实质上相同的定时意味着这些取得定时接近到在谐波分布和退磁实际数据之间存在相关性的程度。
模型构建部414通过基于数据蓄积部413中蓄积的组合数据的机械学习来构建上述模型。例如，模型构建部414通过基于在数据蓄积部413中蓄积的组合数据的深度学习来导出与上述模型相当的神经网络的参数数据。模型保持部415对确定由模型构建部414构建的模型的数据(例如上述参数数据)进行存储。
在驱动系统1具备学习装置400的情况下，退磁检测部360也可以构成为根据由学习装置400构建的模型来检测励磁磁铁23的退磁。例如，退磁检测部360也可以构成为将与多个次数的谐波成分的大小相关的数据输入至上述模型中，根据由此得到的输出数据来检测励磁磁铁23的退磁。
(硬件结构的例示)
接着，例示控制电路300和学习装置400的硬件结构。如图6所示，控制电路300具有一个或多个处理器391、内存392、存储器393、输入/输出端口394、通信端口395和显示设备396。存储器393具有例如硬盘等可由计算机读取的存储介质。存储介质存储有用于使控制装置100执行后述的控制步骤的程序。存储介质也可以是非易失性半导体存储器、磁盘以及光盘等可取出的介质。内存392临时存储从存储器393的存储介质加载的程序和处理器391的运算结果。处理器391与内存392协作执行上述程序，从而构成上述的各功能模块。
输入/输出端口394依照来自处理器391的指令，在电流传感器111、112、113、位置传感器50以及栅极驱动电路250之间输入/输出电信号。通信端口395依照来自处理器391的指令，在与学习装置400等之间进行信息通信。显示设备396例如是液晶面板等，依照来自处理器391的指令，显示各种信息。例如，显示设备396也可以用作通知励磁磁铁23的退磁的上述退磁通知器326。
学习装置400由一个或多个计算机构成。例如，学习装置400具有一个或多个处理器491、内存492、存储器493、通信端口494、显示设备495和输入设备496。存储器493具有例如硬盘等可由计算机读取的存储介质。存储介质包含用于使学习装置400执行后述的模型构建步骤的程序的存储区域和分配给上述数据蓄积部413的存储区域。存储介质也可以是非易失性半导体存储器、磁盘以及光盘等可取出的介质。内存492临时存储从存储器493的存储介质加载的程序和处理器491的运算结果。处理器491与内存492协作执行上述程序，从而构成上述的各功能模块。
通信端口494依照来自处理器491的指令，在与控制电路300的通信端口395之间进行信息通信。显示设备495例如是液晶面板等，是依照来自处理器491的指令显示各种信息的设备。输入设备496例如是键盘和鼠标等用于取得操作者的输入数据的设备。例如，输入装置496也可以用作取得与励磁磁铁23的退磁状态相关的数据的上述磁通数据取得部411。
另外，学习装置400也可以设置在与控制电路300分离的位置。该情况下，可以在通信端口395、494之间存在局域网，也可以进一步存在互联网等广域网。控制电路300和学习装置400的硬件结构不一定限于由程序构成各功能模块的情况。例如，上述的各功能模块也可以由专用逻辑电路或集成该专用逻辑电路而得到的ASIC(Application SpecificIntegrated Circuit)构成。
[控制步骤]
接着，作为电动机10的控制方法的一例，对由控制电路300执行的控制步骤进行说明。该控制步骤包含如下动作：控制电力供给电路200向电动机10供给驱动电力；根据驱动电力导出与线圈42的交链磁通相关的磁通相关数据；从磁通相关数据中提取谐波成分；以及根据谐波成分的增加检测励磁磁铁23的退磁。控制电路300以固定的周期反复进行规定的控制步骤。在以下内容中，对一个周期的控制步骤进行说明。
如图7所示，控制电路300首先依次执行步骤S01、S02。在步骤S01中，坐标转换器321取得由电流传感器111、112、113检测出的u相电流iu、v相电流iv以及w相电流iw，将它们转换为d轴电流id和q轴电流id，位置导出器322和速度导出器323根据由位置传感器50产生的信号分别导出旋转角度θ和速度ω。在步骤S02中，指令生成部310根据各种指令值和在步骤S01中取得的数据，生成上述指令值并输出至电力供给电路200。
接下来，控制电路300依次执行步骤S03、S04、S05。在步骤S03中，磁通估计器324根据由电力供给电路200供给至电动机10的驱动电力，导出与线圈42的交链磁通相关的上述磁通相关数据。在步骤S04中，基波提取部340从磁通相关数据中提取基波成分，谐波提取部350从磁通相关数据中提取谐波成分，指标导出器361根据所提取的基波成分和谐波成分导出上述指标值。在步骤S05中，累计器362对上述指标值进行累计。例如，累计器362通过将h次谐波振幅|Φh|的上述合计值除以基波振幅|Φ|来计算上述指标值。
接下来，控制电路300执行步骤S06。在步骤S06中，累计器362确认规定数量的指标值的累计是否已完成。在步骤S06中判定为指标值的累计数低于上述规定数量时，控制电路300完成该周期的控制步骤而不执行以后的处理。
在步骤S06中，如果判定为指标值的累计数已达到上述规定数量，则控制电路300执行步骤S07。在步骤S07中，比较器363确认上述指标值的累计值是否超过上述阈值。在步骤S07中判定为上述累计值没有超过上述阈值时，控制电路300结束该周期的控制步骤而不执行以后的处理。
在步骤S07中判定为上述累计值超过了上述阈值时，控制电路300执行步骤S08。在步骤S08中，退磁通知器326向操作者通知励磁磁铁23的退磁。至此，结束该周期的控制步骤。
[模型的构建步骤]
接着，作为模型数据的生成方法的一例，对由学习装置400执行的上述模型的构建步骤进行说明。该步骤包含如下动作：蓄积与线圈42的交链磁通中的多个次数的谐波成分的大小相关的数据和表示励磁磁铁23的退磁状态的数据的组合数据；以及通过基于所蓄积的组合数据的机械学习导出数据，该数据用于确定表示多个次数的所述谐波成分的大小与励磁磁铁23的退磁状态之间的关系的模型。
如图8所示，学习装置400首先依次执行步骤S11、S12。在步骤S11中，磁通数据取得部411等待接收来自多个谐波提取部350的上述谐波分布。在步骤S12中，磁通数据取得部411取得从多个谐波提取部350接收到的谐波分布，将其蓄积在数据蓄积部413中。
接下来，学习装置400执行步骤S13。在步骤S13中，退磁数据取得部412确认有无退磁实际数据的输入。在步骤S13中，如果判定为没有退磁实际数据的输入，则学习装置400将处理返回到步骤S11。之后，学习装置400反复进行谐波分布的取得和蓄积，直到存在退磁实际数据的输入为止。
在步骤S13中判定为存在退磁实际数据的输入时，学习装置400执行步骤S14。在步骤S14中，退磁数据取得部412取得所输入的退磁实际数据，将该退磁实际数据蓄积在数据蓄积部413中。这时，退磁数据取得部412将该退磁实际数据和以与该退磁实际数据同一的电动机10作为对象的谐波分布的最新数据对应地蓄积在数据蓄积部413中。由此，上述组合数据被蓄积在数据蓄积部413中。
接下来，学习装置400执行步骤S15。在步骤S15中，模型构建部414确认在数据蓄积部413中是否蓄积了规定数量的上述组合数据。在步骤S15中判定为组合数据的蓄积数量低于规定数量时，学习装置400将处理返回到步骤S11。之后，反复进行组合数据的蓄积，直到组合数据的蓄积数量达到规定数量为止。
在步骤S15中判定为组合数据的蓄积数量达到规定数量时，学习装置40执行步骤S16。在步骤S16中，模型构建部414通过基于数据蓄积部413中蓄积的组合数据的机械学习来构建上述模型，并将其保存在模型保持部41中。例如，模型构建部414生成确定上述模型的数据(例如神经网络的参数数据)，并将其保存在模型保持部415中。至此，结束模型的构建步骤。
[本实施方式的效果]
如以上进行说明那样，控制装置100具备：电力供给电路200，其向具有励磁磁铁23和定子30的电动机10供给驱动电力；磁通估计器324，其取得作为与线圈42的交链磁通相关的数据的磁通相关数据；谐波提取部350，其从磁通相关数据中提取谐波成分；以及退磁检测部360，其根据谐波成分的增加，检测励磁磁铁23的退磁。
当退磁发生时，线圈42的交链磁通的基波成分减少，另一方面，线圈42的交链磁通的谐波成分增加。退磁以外的主要原因(例如失步现象或削弱磁通控制)也可能引起基波成分的减少，与此相对，退磁以外的主要原因难以引起谐波成分的增加。因此，基于谐波成分的增加，能够以更高的可靠性检测励磁磁铁23的退磁。
退磁检测部360也可以至少根据偶数次谐波成分的增加来检测励磁磁铁23的退磁。为了使转子20产生转矩而由定子30产生的磁通Φe(旋转磁场的磁通)作用在从作为励磁磁铁23的磁极方向的d轴偏移的位置(参照图2)。由此，存在励磁磁铁23的退磁发生在从d轴向旋转方向侧偏移的位置的趋势。当发生这样的退磁时，在线圈42的交链磁通的波形中，对称性(例如，以电枢交链磁通为最大的时刻作为基准的对称性)下降。因此，存在这样的趋势：与奇数次相比，在偶数次的情况下更容易发生因退磁导致的谐波成分的增加。因此，至少根据偶数次谐波成分的增加来检测励磁磁铁23的退磁，由此能够以更高的可靠性检测励磁磁铁23的退磁。
退磁检测部360也可以至少根据二次谐波成分的增加来检测励磁磁铁23的退磁。存在这样的趋势：与3次以上的次数相比，因退磁导致的谐波成分的增加在二次的情况下变大。因此，至少根据二次谐波成分的增加来检测励磁磁铁23的退磁，由此能够以更高的可靠性检测励磁磁铁23的退磁。
退磁检测部360也可以至少根据六次谐波成分的增加来检测励磁磁铁23的退磁。当发生励磁磁铁23的退磁时，有时因死区时间补偿的定时偏差而使得六次谐波成分的增加变大。在这样的情况下，至少根据六次谐波成分的增加来检测励磁磁铁23的退磁，由此能够以更高的可靠性检测励磁磁铁23的退磁。
退磁检测部360也可以根据多个次数的谐波成分的合计值的增加来检测励磁磁铁23的退磁。该情况下，能够以更高的可靠性检测励磁磁铁23的退磁。
退磁检测部360也可以根据如下模型来检测励磁磁铁23的退磁，该模型是以表示多个次数的谐波成分的大小与励磁磁铁23的退磁状态之间的关系的方式通过机械学习构建的。该情况下，能够以更高的可靠性检测励磁磁铁23的退磁。
也可以是，控制装置100还具备基波提取部340，该基波提取部340从磁通相关数据中提取基波成分，退磁检测部360根据谐波成分相对于基波成分的相对增加来检测励磁磁铁23的退磁。当由于与退磁不同的主要原因而使线圈42的交链磁通的谐波成分增加时，例如，在强磁通控制中，基波成分也一起增加的可能性较大。在这样的情况下，也不易发生谐波成分相对于基波成分的相对增加。因此，基于谐波成分相对于基波成分的相对增加，能够以更高的可靠性检测励磁磁铁23的退磁。
控制装置100也可以还具备指令生成部310，该指令生成部310生成针对电力供给电路200的指令值(电压指令值或电流指令值等)，以使电动机10的速度跟随目标速度ω_ref，退磁检测部360也可以根据指令值相对于目标速度的相对增加和谐波成分的增加双方来检测励磁磁铁23的退磁。在没有发生退磁的情况下，指令值存在与目标速度成比例的趋势。例如，指令值存在与通过将电动机10的感应电压常数与目标速度ω_ref相乘而得到的值大致一致的趋势。与此相对，当发生退磁时，为了跟随目标速度ω_ref和产生期望的扭矩，需要更多的电力，因此会发生指令值相对于目标速度的相对增加。因此，根据指令值相对于目标速度ω_ref的相对增加和谐波成分的增加双方来检测励磁磁铁23的退磁，由此能够以更高的可靠性检测励磁磁铁23的退磁。
作为表示指令值相对于目标速度ω_ref的相对增加的数据的具体例，可以举出将指令值除以与目标速度ω_ref成比例的基准指令值(例如，通过将电动机10的感应电压常数与目标速度相乘而得到的值)而得到的值。以下，将该值称作“指令倍率”。例如，上述指标导出器361也可以构成为，将由谐波提取部350提取的h次谐波振幅|Φh|的合计值除以基波振幅|Φ|而得到的值与上述指令倍率相乘而计算出上述指标值。
以上，对实施方式进行了说明，但是，本发明不一定限于上述实施方式，能够在不脱离其主旨的范围内进行各种变更。
以下对上述实施方式进行附注。
[附注1]
一种控制装置，其具备：
电力供给电路，其向具有励磁磁铁和电枢的电动机供给驱动电力；
数据取得部，其取得作为与所述电动机的电枢交链磁通相关的数据的磁通相关数据；
谐波提取部，其从所述磁通相关数据中提取谐波成分；以及
退磁检测部，其根据所述谐波成分的增加来检测所述励磁磁铁的退磁。
[附注2]
在附注1所述的控制装置中，所述退磁检测部至少根据偶数次的所述谐波成分的增加来检测所述励磁磁铁的退磁。
[附注3]
根据附注2所述的控制装置，
所述退磁检测部至少根据二次的所述谐波成分的增加来检测所述励磁磁铁的退磁。
[附注4]
根据附注2或3所述的控制装置，
所述退磁检测部至少根据六次的所述谐波成分的增加来检测所述励磁磁铁的退磁。
[附注5]
根据附注1～4中的任意一项所述的控制装置，
所述退磁检测部根据多个次数的所述谐波成分的合计值的增加来检测所述励磁磁铁的退磁。
[附注6]
根据附注1～4中的任意一项所述的控制装置，
所述退磁检测部根据模型来检测所述励磁磁铁的退磁，该模型是以表示多个次数的所述谐波成分的大小与所述励磁磁铁的退磁状态之间的关系的方式通过机械学习构建的。
[附注7]
根据附注1～6中的任意一项所述的控制装置，
该控制装置还具备基波提取部，该基波提取部从所述磁通相关数据中提取基波成分，
所述退磁检测部根据所述谐波成分相对于所述基波成分的相对增加来检测所述励磁磁铁的退磁。
[附注8]
根据附注1～7中的任意一项所述的控制装置，
该控制装置还具备指令生成部，该指令生成部以使所述电动机的速度跟随目标速度的方式生成针对所述电力供给电路的指令值，
所述退磁检测部根据所述指令值相对于所述目标速度的相对增加和所述谐波成分的增加双方来检测所述励磁磁铁的退磁。
[附注9]
一种控制方法，包含如下步骤：
控制电力供给电路向具有励磁磁铁和电枢的电动机供给驱动电力；
取得作为与所述电动机的电枢交链磁通相关的数据的磁通相关数据；
从所述磁通相关数据中提取谐波成分；以及
根据所述谐波成分的增加来检测所述励磁磁铁的退磁。
[附注10]
一种控制系统，其具备控制装置和学习装置，
所述控制装置具有：
电力供给电路，其向具有励磁磁铁和电枢的电动机供给驱动电力；
数据取得部，其取得作为与所述电动机的电枢交链磁通相关的数据的磁通相关数据；
谐波提取部，其从所述磁通相关数据中提取谐波成分；以及
退磁检测部，其根据模型来检测所述励磁磁铁的退磁，该模型是以表示多个次数的所述谐波成分的大小与所述励磁磁铁的退磁状态之间的关系的方式通过机械学习构建的，
所述学习装置具有：
数据蓄积部，其蓄积与所述多个次数的所述谐波成分的大小相关的数据和与所述励磁磁铁的退磁状态相关的数据的组合数据；和
模型构建部，其通过基于所述数据蓄积部中蓄积的所述组合数据的机械学习来构建所述模型。
[附注11]
一种学习装置，其具备：
数据蓄积部，其蓄积与具有励磁磁铁和电枢的电动机的电枢交链磁通中的、多个次数的谐波成分的大小相关的数据和表示所述励磁磁铁的退磁状态的数据的组合数据；和
模型构建部，其通过基于所蓄积的所述组合数据的机械学习来构建表示所述多个次数的所述谐波成分的大小与所述励磁磁铁的退磁状态之间的关系的模型。
[附注12]
一种模型数据生成方法，包含如下步骤：
蓄积与具有励磁磁铁以及电枢的电动机的电枢交链磁通中的、多个次数的谐波成分的大小相关的数据和表示所述励磁磁铁的退磁状态的数据的组合数据；和
通过基于所蓄积的所述组合数据的机械学习来导出确定表示所述多个次数的所述谐波成分的大小与所述励磁磁铁的退磁状态之间的关系的模型的数据。
Claims (10)
1.一种控制装置，其具备：
电力供给电路，其向具有励磁磁铁和电枢的电动机供给驱动电力；
数据取得部，其取得作为与所述电动机的电枢交链磁通相关的数据的磁通相关数据；
谐波提取部，其从所述磁通相关数据中提取谐波成分；
退磁检测部，其根据所述谐波成分的增加来检测所述励磁磁铁的退磁；以及
基波提取部，该基波提取部从所述磁通相关数据中提取基波成分，
所述退磁检测部根据所述谐波成分相对于所述基波成分的相对增加来检测所述励磁磁铁的退磁。
2.根据权利要求1所述的控制装置，其中，
所述退磁检测部至少根据偶数次的所述谐波成分的增加来检测所述励磁磁铁的退磁。
3.根据权利要求2所述的控制装置，其中，
所述退磁检测部至少根据二次的所述谐波成分的增加来检测所述励磁磁铁的退磁。
4.根据权利要求2所述的控制装置，其中，
所述退磁检测部至少根据六次的所述谐波成分的增加来检测所述励磁磁铁的退磁。
5.根据权利要求1至4中的任意一项所述的控制装置，其中，
所述退磁检测部根据多个次数的所述谐波成分的合计值的增加来检测所述励磁磁铁的退磁。
6.根据权利要求1至4中的任意一项所述的控制装置，其中，
所述退磁检测部根据模型来检测所述励磁磁铁的退磁，该模型是以表示多个次数的所述谐波成分的大小与所述励磁磁铁的退磁状态之间的关系的方式通过机械学习构建的。
7.根据权利要求1至4中的任意一项所述的控制装置，其中，
所述控制装置还具备指令生成部，该指令生成部以使所述电动机的速度跟随目标速度的方式生成针对所述电力供给电路的指令值，
所述退磁检测部根据所述指令值相对于所述目标速度的相对增加和所述谐波成分的增加双方来检测所述励磁磁铁的退磁。
8.一种控制方法，包含如下步骤：
控制电力供给电路向具有励磁磁铁和电枢的电动机供给驱动电力；
取得作为与所述电动机的电枢交链磁通相关的数据的磁通相关数据；
从所述磁通相关数据中提取谐波成分；
根据所述谐波成分的增加来检测所述励磁磁铁的退磁；以及
从所述磁通相关数据中提取基波成分，
在检测所述励磁磁铁的退磁时，根据所述谐波成分相对于所述基波成分的相对增加来检测所述励磁磁铁的退磁。
9.一种控制装置，其具备：
电力供给电路，其向具有励磁磁铁和电枢的电动机供给驱动电力；
数据取得部，其取得作为与所述电动机的电枢交链磁通相关的数据的磁通相关数据；
谐波提取部，其从所述磁通相关数据中提取谐波成分；以及
退磁检测部，其根据所述谐波成分的增加来检测所述励磁磁铁的退磁，
所述退磁检测部根据多个次数的所述谐波成分的合计值的增加来检测所述励磁磁铁的退磁。
10.一种控制方法，包含如下步骤：
控制电力供给电路向具有励磁磁铁和电枢的电动机供给驱动电力；
取得作为与所述电动机的电枢交链磁通相关的数据的磁通相关数据；
从所述磁通相关数据中提取谐波成分；以及
根据所述谐波成分的增加来检测所述励磁磁铁的退磁，
在检测所述励磁磁铁的退磁时，根据多个次数的所述谐波成分的合计值的增加来检测所述励磁磁铁的退磁。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810159188.2A CN108365789B (zh) | 2018-02-26 | 2018-02-26 | 控制装置、方法以及系统、学习装置和模型数据生成方法 |
| JP2018064910A JP6465236B1 (ja) | 2018-02-26 | 2018-03-29 | 制御装置、制御方法、制御システム、学習装置、及びモデルデータの生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810159188.2A CN108365789B (zh) | 2018-02-26 | 2018-02-26 | 控制装置、方法以及系统、学习装置和模型数据生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108365789A CN108365789A (zh) | 2018-08-03 |
| CN108365789B true CN108365789B (zh) | 2019-06-07 |
Family
ID=63002955
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810159188.2A Expired - Fee Related CN108365789B (zh) | 2018-02-26 | 2018-02-26 | 控制装置、方法以及系统、学习装置和模型数据生成方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6465236B1 (zh) |
| CN (1) | CN108365789B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113212169A (zh) * | 2021-05-28 | 2021-08-06 | 联合汽车电子有限公司 | 磁链的监控方法、装置、设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101149423A (zh) * | 2007-11-02 | 2008-03-26 | 清华大学 | 永磁同步电机永磁磁场畸变实时检测与分析方法及其装置 |
| WO2014118958A1 (ja) * | 2013-01-31 | 2014-08-07 | 三菱電機株式会社 | 永久磁石同期電動機の減磁診断装置 |
| CN105322857A (zh) * | 2014-06-04 | 2016-02-10 | 常州依道牵引科技有限公司 | 一种基于永磁同步电机防失磁诊断方法 |
| CN105974312A (zh) * | 2016-06-06 | 2016-09-28 | 安徽大学 | 永磁同步电机退磁故障诊断方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5175312B2 (ja) * | 2010-03-19 | 2013-04-03 | 高麗大學校産學協力團 | 永久磁石同期モータの永久磁石の減磁状態診断装置、診断方法、該診断方法を実行させるためのプログラムを記録した記録媒体、そして永久磁石同期モータの駆動装置 |
-
2018
- 2018-02-26 CN CN201810159188.2A patent/CN108365789B/zh not_active Expired - Fee Related
- 2018-03-29 JP JP2018064910A patent/JP6465236B1/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101149423A (zh) * | 2007-11-02 | 2008-03-26 | 清华大学 | 永磁同步电机永磁磁场畸变实时检测与分析方法及其装置 |
| WO2014118958A1 (ja) * | 2013-01-31 | 2014-08-07 | 三菱電機株式会社 | 永久磁石同期電動機の減磁診断装置 |
| CN105322857A (zh) * | 2014-06-04 | 2016-02-10 | 常州依道牵引科技有限公司 | 一种基于永磁同步电机防失磁诊断方法 |
| CN105974312A (zh) * | 2016-06-06 | 2016-09-28 | 安徽大学 | 永磁同步电机退磁故障诊断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 永磁同步电机均匀失磁故障性能分析;张志艳等;《微电机》;20140930;第47卷(第9期);全文 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019149925A (ja) | 2019-09-05 |
| CN108365789A (zh) | 2018-08-03 |
| JP6465236B1 (ja) | 2019-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8587250B2 (en) | Apparatus and method for rotating-sensor-less identification of magneto-mechanical parameters of an AC synchronous motor | |
| CN103018577B (zh) | 一种测量永磁同步电机参数的方法 | |
| CN103185839B (zh) | 永磁电机电感参数测量装置及其方法 | |
| CN104081655B (zh) | 逆变器控制装置 | |
| US10353014B2 (en) | Watchdog scheme for monitoring a power electronic inverter and determining a manner of operating a load | |
| CN101873096A (zh) | 确定电机磁通量矢量位置的方法 | |
| CN104426447B (zh) | 用于确定电子换向电机的磁极转子位置的方法和装置 | |
| RU2689117C2 (ru) | Способ определения частоты ротора и/или угла ротора реактивной электрической машины, управляющее устройство, а также приводная система | |
| CN107402350B (zh) | 一种三相异步电机偏心故障检测方法 | |
| CN105871280A (zh) | 用于估计电机中的差分电感的方法和系统 | |
| CN103155399B (zh) | Pm电动机的电流控制增益调整方法、电流控制方法以及控制装置 | |
| JP6011324B2 (ja) | 回転電機制御装置 | |
| WO2011162011A1 (ja) | 同期機の磁極位置検出装置 | |
| JP3687603B2 (ja) | Ｐｍモータの磁極位置推定方式 | |
| CN103956957A (zh) | 一种异步电机转子电阻辨识方法和装置 | |
| CN103907282A (zh) | 功率变换装置 | |
| US8368420B2 (en) | Method of error detection when controlling a rotating-field motor | |
| JP2009171680A (ja) | 永久磁石形同期電動機の制御装置 | |
| CN106788061B (zh) | 一种基于降阶电流环的永磁同步电机转动惯量识别方法 | |
| CN108365789B (zh) | 控制装置、方法以及系统、学习装置和模型数据生成方法 | |
| JP4207810B2 (ja) | Ｐｍモータの評価試験装置 | |
| CN104682721B (zh) | 用于控制逆变器的设备和方法 | |
| CN105262402B (zh) | 无刷直流电机转矩波动检测系统 | |
| CN106130428A (zh) | 一种洗衣机用无位置传感器变频直驱电机的速度检测方法 | |
| Zheng et al. | Diagnostic strategy and modeling of PMSM stator winding fault in electric vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190607 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |