CN110299874B - 一种基于wifi的开关磁阻电动机智能控制系统 - Google Patents
一种基于wifi的开关磁阻电动机智能控制系统 Download PDFInfo
- Publication number
- CN110299874B CN110299874B CN201910654190.1A CN201910654190A CN110299874B CN 110299874 B CN110299874 B CN 110299874B CN 201910654190 A CN201910654190 A CN 201910654190A CN 110299874 B CN110299874 B CN 110299874B
- Authority
- CN
- China
- Prior art keywords
- switched reluctance
- reluctance motor
- control
- motor
- module
- 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
Images
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
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/0077—Characterised by the use of a particular software algorithm
-
- 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
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/08—Reluctance motors
-
- 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
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/04—Arrangements for controlling or regulating the speed or torque of more than one motor
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明为一种基于WIFI的开关磁阻电动机智能控制系统,该系统包括服务器、WIFI通讯模块、移动端及多个底层智能开关磁阻电机控制器、多个开关磁阻电机,每个底层智能开关磁阻电机控制器连接生产线上的一个开关磁阻电机,包括监测模块、驱动模块、控制模块、WIFI模块;所述移动端对服务器中的各项功能进行访问和修改,能接收故障预警信息。多台开关磁阻电机在正常运行时实时反馈开关磁阻电机运行参数,并将数据周期性的发送到服务器中;服务器利用接收的大量数据结合强化学习算法对开关磁阻电机控制参数进行优化和记录,并且在采集到的开关磁阻电机参数偏离正常值达到安全阈值时对控制模块的控制参数进行优化更新,更好地控制开关磁阻电机运行。
Description
技术领域
本发明涉及开关磁阻电机控制系统领域,尤其涉及一种可远程升级开关磁阻电机控制参数和进行故障预警的新型开关磁阻电机智能控制系统。
背景技术
目前开关磁阻电动机的工业实际应用大部分使用PI控制器进行控制,理论研究方向多为复杂神经网络以及迭代控制算法等,由于现场控制器大多使用STM32等单片机进行现场控制,控制算法步长受限且算法固定,(如使用先进智能算法则需要大量存储空间,工厂实际所使用控制器考虑成本和耐用性问题通常不会采用大存储器设计,导致可供选择的实际应用算法很少)在线监测与实时自我调整并不现实。目前针对开关磁阻电机的控制系统大多设定之后对控制参数不再进行修改,且在设计之初即认定开关磁阻电机模型参数不发生任何改变。然而实际应用中伴随着机械结构的磨损与退磁等现象,开关磁阻电机模型的参数会随着不停使用而发生变化,当变化量超过某一阈值之后,针对开关磁阻电机原本模型参数所设置的控制参数会导致控制效果的下降甚至出现事故。而对于能够自我调节控制参数的算法,例如神经网络算法与迭代学习算法等,则很难通过现场控制器对其进行较好的承载,单片机、DSP等芯片的存储量、运算速度都限制了高级自适应算法的实现。本发明的基于WIFI的开关磁阻电动机智能控制系统可在开关磁阻电机按设定参数运转时收集数据(电机运行参数包括转速、电压、电流、温度、噪声)用于定期更新开关磁阻电机控制参数,确保开关磁阻电机运行效率的同时还可监测开关磁阻电机运行状态正常与否。
当前开关磁阻电机的控制虽然在科研领域可以做到智能控制,可是由于实际中工厂使用环境与使用要求的限制(工厂实际使用现场的控制器需考虑节省空间、节约成本与耐用性,在设计上应尽量避免电路复杂,使用芯片过多等情况)导致智能控制很难应用于实际生产之中,如CN107544354A公开一种基于开关磁阻电机的机房远程监控系统,该系统使用机房远程监控开关磁阻电机运行状态。缺点在于机房仅进行数据监控,未设置远程更新及故障预测,服务器仅作数据记录使用,不包含数据处理、分析及提出解决方案的功能。又如CN201711444747公开一种基于开关磁阻电机的工业设备远程监控系统,该系统在开关磁阻电机的基础控制模式上添加了监测模块与上位机,监测模块将监测所得各项系数直接送至上位机,上位机分析数据得到故障与否的结论。缺点在于上位机不负责下位机控制参数的更新,无法定期调整电机控制效果,同时缺乏故障预警,仅能在检测到故障发生时及时上报。
发明内容
工厂对于生产线各环节开关磁阻电机的监测力度不够,通常是在设定好固定的控制算法及其参数后任其自动运行,在开关磁阻电机出现故障之后进行停机报警,对于实际生产干扰非常严重,针对这一问题,本发明提供一种基于WIFI的开关磁阻电动机智能控制系统。该系统可以在线监测生产线各环节开关磁阻电机的实际运行状况并在服务器端进行数据存储及分析,并可针对各开关磁阻电机实际运行状况进行个性化控制参数更新与开关磁阻电机故障可能预警,整套系统基于WIFI通讯模块进行远程数据传输,控制模块与服务器并无实际线材连接,降低了在工厂铺设线路及相关维护的成本。
为实现上述目的,本发明采用如下技术方案:
本发明的基本思想是利用充分利用服务器的数据存储计算能力结合强化学习算法得到更符合开关磁阻电机运行特性的控制策略并通过WIFI通讯模块连接多台开关磁阻电机同时进行数据采集和优化。
本发明的目的是提供一套适用于开关磁阻的智能控制系统,在实际工厂应用中实现通过无线通讯对电机参数进行数据存储与处理,并定期进行控制参数更新。实现了对电机参数的实时监控与控制参数的更新,提高了对生产线电机的控制效率,解决了传统调试办法的人工与耗时问题。同时可以检测故障电机风险并及时上报检修,减少了因电机突然故障停机而生产停滞的可能。
具体技术方案是:
一种基于WIFI的开关磁阻电动机智能控制系统,其特征在于,该系统包括服务器、WIFI通讯模块、移动端及多个底层智能开关磁阻电机控制器、多个开关磁阻电机,服务器及WIFI通讯模块构成上层智能控制网络,每个底层智能开关磁阻电机控制器连接生产线上的一个开关磁阻电机,包括监测模块、驱动模块、控制模块、WIFI模块;所述监测模块一方面连接控制模块,一方面连接开关磁阻电机;驱动模块的输出端与开关磁阻电机的输入端连接,驱动模块的输入端连接控制模块的输出端;控制模块同时通过WIFI模块与上层智能控制网络中的WIFI通讯模块双向通信,所述智能控制网络中的WIFI通讯模块与服务器双向通信;
所述移动端对服务器中的各项功能进行访问和修改,包括检查开关磁阻电机更新控制参数、观察开关磁阻电机参数曲线、接收故障预警信息;
多台开关磁阻电机在正常运行时实时反馈开关磁阻电机运行参数,并将电机运行参数及控制参数通过底层智能开关磁阻电机控制器的控制模块和WIFI模块周期性的发送到服务器中;服务器利用接收的大量数据结合强化学习算法对开关磁阻电机控制参数进行优化和记录,并且在采集到的开关磁阻电机参数偏离正常值达到安全阈值时对底层控制模块的控制参数进行优化更新,且控制参数优化更新是在开关磁阻电机正常运行停机时进行,更好地控制开关磁阻电机运行。
所述强化学习算法的流程是:控制参数与电机运行参数通过WIFI模块传输至服务器后,服务器将各项数据按时间戳存入数据库中,若此时有电机运行参数超出安全阈值则通过移动端向工作人员示警;
强化学习算法对数据库中各项数据进行分析学习,找出两项规律函数:
1)找出电机运行参数关于电机控制参数的规律函数,以调整电机控制参数得到更好的控制效果;
2)找出电机控制参数不变的情况下电机各项运行参数关于时间的规律函数,进而对未来电机运行参数变化进行预测,即得到预测函数;
强化学习算法将预测函数所得预测结果与同一时间戳的真实结果进行比对,根据比对结果对预测函数进行修正,修正过程中若连续40次比对结果误差值小于等于5%,即判断预测结果为“可信”,停止对预测函数的修正;
然后进行长周期预测,在长周期预测结束后的一时间戳的预测值超出安全阈值,则将此预测值的时刻和各项参数储入“预警库”,同时将上述长周期预测的一半时间后的此时刻预测值与“预警库”储存的预测值进行比对,若结果相差不超过5%则向移动端下发故障预警信息,提示工作人员关注、检修电机;
在停止对预测函数修正后,若监测到强化学习算法预测结果与真实值比对结果连续三次误差值大于5%,则判断预测结果为“不可信”并重新对预测函数继续进行修正。
所述预测函数用磨损率表示,
磨损率计算公式为:磨损率=转速下降百分比×30%+噪声提高百分比×40%+温度上升百分比×30%。
与现有技术相比,本发明的有益效果是:
与传统的利用PI控制器直接控制开关磁阻电机不同的是,本发明引入服务器运行强化学习算法同时控制多台开关磁阻电机。利用WIFI通讯模块连接服务器与控制模块实现无线控制。
本发明提出的技术方案主要优点是:服务器通过WIFI模块同时连接多台开关磁阻电机,大大节省单台开关磁阻电机的控制资源的同时显著提升了服务器的利用率;避免了传统PI控制器在开关磁阻电机长期运行后开关磁阻电机参数变化引起的控制效果变差和开关磁阻电机损耗加重问题;强化学习算法充分利用服务器接收的数据进行复杂的在线运算,实现在对开关磁阻电机运行损耗和参数变化的自适应优化;同时,本发明可针对系统控制的每一台开关磁阻电机进行磨损率预测,可以对生产线中任何环节的开关磁阻电机设备的性能实现较为精准的预测与监控,将生产环节中开关磁阻电机因素的影响降至最低。
附图说明
图1为本发明强化学习算法的流程图。
图2为本发明系统的整体结构框图。
图3为本发明系统的工作流程图。
具体实施方式
下面结合实施例及附图进一步解释本发明,但并不以此作为对本申请保护范围的限定。
本发明基于WIFI的开关磁阻电动机智能控制系统,该系统包括服务器、WIFI通讯模块、移动端及多个底层智能开关磁阻电机控制器、多个开关磁阻电机,服务器及WIFI通讯模块构成上层智能控制网络,每个底层智能开关磁阻电机控制器连接生产线上的一个开关磁阻电机,包括监测模块、驱动模块、控制模块、WIFI模块;所述监测模块一方面连接控制模块,一方面连接开关磁阻电机;驱动模块的输出端与开关磁阻电机的输入端连接,驱动模块的输入端连接控制模块的输出端;控制模块同时通过WIFI模块与上层智能控制网络中的WIFI通讯模块双向通信,所述智能控制网络中的WIFI通讯模块与服务器双向通信。
所述控制模块基于DSP芯片设计,使用流行的PID控制算法进行基础控制,控制模块将控制信号传至驱动模块,并定期从WIFI通讯模块接受系统更新;
所述驱动模块使用IGBT进行开关控制,驱动信号来自于控制模块;
所述监测模块包括编码器、红外温度计、电流钳、电压钳、分贝仪,电流钳、电压钳安装在开关磁阻电机的输入电缆上,以非接触方式监测电压电流,编码器安装在电机轴端监测电机转速,分贝仪、红外温度计安装在监测模块本体上,遥感监测电机噪声和温度,以上各检测仪器所监测信息都传输至监测模块本体进行预处理,即监测开关磁阻电机运转过程中的各项指标参数并将所测数据进行初步处理(模数转换、数据打包)送往WIFI通讯模块
所述WIFI通讯模块将监测模块处理得出的数据包送往服务器,服务器通过WIFI模块将更新程序送往控制模块,更新程序在开关磁阻电机正常运行停机时进行控制参数更新;
多台开关磁阻电机在正常运行时实时反馈开关磁阻电机运行参数,如电压、电流、位置、转矩等,并将参数通过底层智能开关磁阻电机控制器的控制模块和WIFI模块周期性的发送到服务器中;服务器利用接收的大量数据结合强化学习算法对开关磁阻电机控制参数进行优化和记录,并且在采集到的开关磁阻电机参数偏离正常值达到一定阈值时对底层控制模块的控制参数进行优化更新,更好的控制开关磁阻电机运行。
所述服务器中包括强化学习算法及数据库,数据库进行数据存储,强化学习算法对数据进行处理,存储部分使用SQL进行编写,按照每个电机的每类数据分别进行存储,实现对不同种类数据的有条理存储;数据处理部分使用C++编写,实现电压、电流、温度、噪声、转速的数据可视化处理,将以上数据表示为时间顺序的曲线,并计算同样的电压及电流的情况下,开关磁阻电机转速下降的百分比、噪声提高的百分比及温度上升的百分比之间的关系,记为磨损率;
磨损率计算公式为:磨损率=转速下降百分比×30%+噪声提高百分比×40%+温度上升百分比×30%,
方便工作人员使用移动端进行查看,以及通过强化学习算法对每台开关磁阻电机的参数进行机器学习,预测每台开关磁阻电机的磨损率,具体实现方式为将电压、电流、噪声、温度、转速输入至强化学习算法,算法自动进行学习得到电压、电流、噪声、温度、转速各参数之间的关系和各个参数与时间的关系,即通过对当前磨损率的学习得以进行故障预测;
对每个开关磁阻电机数据进行存储整理,并按时间轴得到各项参数历史曲线,使用强化学习算法对开关磁阻电机参数进行监控和调整,定期将数据超出安全阈值的开关磁阻电机上报控制中心,并将改变开关磁阻电机的更新控制参数数据(电压、电流、温度、噪声、转速)通过WIFI模块发送到控制模块;服务器同时为移动端开放接口,接受访问并提供故障预警,移动端指手持PDA与手机,移动端可通过WIFI连接至服务器中预留接口。
所述移动端可对服务器中的各项功能进行访问和修改,包括检查开关磁阻电机更新控制参数、观察开关磁阻电机参数曲线、接收故障预警信息。
强化学习算法的流程(参见图1)是:控制参数与电机运行参数通过WIFI模块传输至服务器后,服务器将各项数据按时间戳存入数据库中,若此时有电机运行参数超出安全阈值(根据经验设定)则通过移动端向工作人员示警;
强化学习算法对数据库中各项数据进行分析学习,找出两项规律函数:
1)找出电机运行参数关于电机PID控制参数(控制模块中加载用于控制电机运行的PID控制器)的规律函数,以调整电机控制参数得到更好的控制效果;
2)找出电机控制参数不变的情况下电机各项运行参数关于时间的规律函数,进而可以对未来电机运行参数变化进行预测,即得到预测函数;
强化学习算法将预测函数所得预测结果与同一时间戳的真实结果进行比对,根据比对结果对预测函数进行修正,修正过程中若连续40次比对结果误差值小于等于5%,即判断预测结果为“可信”,停止对预测函数的修正,并进行长周期预测,强化学习算法根据预测函数预测两小时内电机运行参数,若对某一时间戳的预测值超出安全阈值(两小时后的预测值结果若超出安全阈值标准),则将数据(此预测值的时刻和各项参数)储入“预警库”,同时将经过规定时间后(前面长时间预测的一半时间)对此结果进行验证预测(经一小时后此时刻的预测值与“预警库”储存的预测值进行比对),若结果相差不超过5%则向移动端下发故障预警信息(故障预警信息包括预测故障电机的编码、位置信息和预测故障结果),提示工作人员关注、检修电机。
在停止对预测函数修正后,若监测到强化学习算法预测结果与真实值比对结果连续三次误差值大于5%,则判断预测结果为“不可信”并重新对预测函数继续进行修正。
本发明的基本思想是利用充分利用服务器的数据存储计算能力结合强化学习算法得到更符合开关磁阻电机运行特性的控制策略并通过WIFI通讯模块连接多台开关磁阻电机进同时进行数据采集和优化。
实施例
本实施例控制系统包括服务器和WIFI通讯模块、多个底层智能开关磁阻电机控制器、多个开关磁阻电机,每个底层智能开关磁阻电机控制器连接生产线上的一个开关磁阻电机,包括监测模块、驱动模块、控制模块、WIFI模块。多台开关磁阻电机在正常运行时实时反馈开关磁阻电机运行参数,如电压、电流、位置、转矩等,并将参数通过底层控制模块和WIFI模块周期性的发送到服务器中。服务器利用接收的大量数据结合强化学习算法对开关磁阻电机控制参数进行优化和记录,并且在采集到的开关磁阻电机参数偏离正常值达到一定安全阈值(安全阈值为采集的参数与正常值之间的相对误差,本实施例中安全阈值设为两级,分别为15%、30%,超过15%之后提示工作人员对开关磁阻电机进行巡检,超过30%进行报警,提示工作人员对开关磁阻电机立即进行检修或更换,以避免影响生产作业)时对控制模块的控制参数进行优化更新,更好的控制开关磁阻电机运行。
底层智能开关磁阻电机控制器的控制模块通过相应驱动模块对开关磁阻电机进行控制,WIFI通讯将通过监测模块收集到的开关磁阻电机相关数据传送至服务器。服务器对收集到的数据进行分析后可得出生产线不同环节开关磁阻电机的相对最优控制系数,在每套新系统接入智能控制网络时,服务器即可将相应控制参数下载至底层智能开关磁阻电机控制器以控制开关磁阻电机。
系统工作流程(参见图3)是:
开关磁阻电机的底层智能开关磁阻电机控制器中的控制模块使用预设算法对开关磁阻电机进行控制,控制参数使用统一预设参数,此参数针对绝大多数开关磁阻电机的平均参数所设,可进行基本控制,该预设算法为电机控制的现有算法。
系统运行时监测模块对开关磁阻电机的各项参数进行严密监控,被测参数为开关磁阻电机转速、电压、电流、温度、噪声。
监测模块将各项数据经过模数转换后,编码成数据串送往控制模块。
控制模块对数据串进行解码后再进行拆分,反馈参数(电流、电压、转速)被用于闭环控制,并将当前控制参数、与各项电机运行参数(电机运行参数包括转速、电压、电流、温度、噪声)打包通过WIFI模块发送至服务器。
服务器将得到数据打上时间戳,按时间顺序分类记录各项数据,得到基于时间顺序的各项参数曲线以便移动端设备访问查看。
服务器使用所搭载强化学习算法对上述的打包数据进行分析,经过不断循环运算可以得到针对每个开关磁阻电机各项参数的最优控制方案,以及预测有可能发生故障的开关磁阻电机。
若预测有开关磁阻电机开关磁阻电机可能发生故障,服务器会向上层控制中心和/或移动端发送预警信息。
若不需要预警,则判断是否需要更新控制参数,若底层开关磁阻电机的控制参数有可用更优更新,服务器将上述得到的最优控制方案作为更新参数通过WIFI模块传输至控制模块对底层控制参数进行更新。
如果不需要更新,则开关磁阻电机的底层控制模块使用旧参数进行控制。
本发明能够根据开关磁阻电机当前及过往的各项参数与磨损率计算开关磁阻到达磨损率阈值的时间并提前通知工作人员进行检修,对于短时间内未达到磨损率阈值但当前控制器控制性能下降的开关磁阻电机进行控制器参数更新以调整电机使其发挥应有性能。
本发明将把稳定性、经济性好的底层控制和长期性、自调节优势的智能控制相结合,并通过WIFI传输的形式将二者一分为二,则可以在保持底层稳定性的前提下使用强化学习算法(强化学习算法可以使用当前较为流行的遗传算法或神经网络算法为基础)对开关磁阻电机进行基于大量数据分析的自调节控制并可进行故障预测。
本发明未述及之处适用于现有技术。
Claims (4)
1.一种基于WIFI的开关磁阻电动机智能控制系统,其特征在于,该系统包括服务器、WIFI通讯模块、移动端及多个底层智能开关磁阻电机控制器、多个开关磁阻电机,服务器及WIFI通讯模块构成上层智能控制网络,每个底层智能开关磁阻电机控制器连接生产线上的一个开关磁阻电机,包括监测模块、驱动模块、控制模块、WIFI模块;所述监测模块一方面连接控制模块,一方面连接开关磁阻电机;驱动模块的输出端与开关磁阻电机的输入端连接,驱动模块的输入端连接控制模块的输出端;控制模块同时通过WIFI模块与上层智能控制网络中的WIFI通讯模块双向通信,所述智能控制网络中的WIFI通讯模块与服务器双向通信;
所述移动端对服务器中的各项功能进行访问和修改,包括检查开关磁阻电机更新控制参数、观察开关磁阻电机参数曲线、接收故障预警信息;
多台开关磁阻电机在正常运行时实时反馈开关磁阻电机运行参数,并将电机运行参数及控制参数通过底层智能开关磁阻电机控制器的控制模块和WIFI模块周期性的发送到服务器中;服务器利用接收的大量数据结合强化学习算法对开关磁阻电机控制参数进行优化和记录,并且在采集到的开关磁阻电机参数偏离正常值达到安全阈值时对底层控制模块的控制参数进行优化更新,且控制参数优化更新是在开关磁阻电机正常运行停机时进行,更好地控制开关磁阻电机运行;
所述强化学习算法的流程是:控制参数与电机运行参数通过WIFI模块传输至服务器后,服务器将各项数据按时间戳存入数据库中,若此时有电机运行参数超出安全阈值则通过移动端向工作人员示警;
强化学习算法对数据库中各项数据进行分析学习,找出两项规律函数:
1)找出电机运行参数关于电机控制参数的规律函数,以调整电机控制参数得到更好的控制效果;
2)找出电机控制参数不变的情况下电机各项运行参数关于时间的规律函数,进而对未来电机运行参数变化进行预测,即得到预测函数;
强化学习算法将预测函数所得预测结果与同一时间戳的真实结果进行比对,根据比对结果对预测函数进行修正,修正过程中若连续40次比对结果误差值小于等于5%,即判断预测结果为“可信”,停止对预测函数的修正;
然后进行长周期预测,在长周期预测结束后的一时间戳的预测值超出安全阈值,则将此预测值的时刻和各项参数储入“预警库”,同时将上述长周期预测的一半时间后的此时刻预测值与“预警库”储存的预测值进行比对,若结果相差不超过5%则向移动端下发故障预警信息,提示工作人员关注、检修电机;
在停止对预测函数修正后,若监测到强化学习算法预测结果与真实值比对结果连续三次误差值大于5%,则判断预测结果为“不可信”并重新对预测函数继续进行修正。
2.根据权利要求1所述的基于WIFI的开关磁阻电动机智能控制系统,其特征在于,所述控制模块基于DSP芯片设计,加载有PID控制算法进行基础控制;
所述驱动模块使用IGBT进行开关控制,驱动信号来自于控制模块;
所述监测模块包括编码器、红外温度计、电流钳、电压钳、分贝仪,电流钳、电压钳安装在开关磁阻电机的输入电缆上,以非接触方式监测电压电流,编码器安装在电机轴端监测电机转速,分贝仪、红外温度计安装在监测模块本体上,遥感监测电机噪声和温度,以上各检测仪器所监测信息都传输至监测模块进行预处理。
3.根据权利要求1所述的基于WIFI的开关磁阻电动机智能控制系统,其特征在于,所述预测函数用磨损率表示,
磨损率计算公式为:磨损率=转速下降百分比×30%+噪声提高百分比×40%+温度上升百分比×30%。
4.根据权利要求1所述的基于WIFI的开关磁阻电动机智能控制系统,其特征在于,安全阈值设为两级,分别为15%、30%,超过15%之后提示工作人员对开关磁阻电机进行巡检,超过30%进行报警,提示工作人员对开关磁阻电机立即进行检修或更换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910654190.1A CN110299874B (zh) | 2019-07-19 | 2019-07-19 | 一种基于wifi的开关磁阻电动机智能控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910654190.1A CN110299874B (zh) | 2019-07-19 | 2019-07-19 | 一种基于wifi的开关磁阻电动机智能控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110299874A CN110299874A (zh) | 2019-10-01 |
CN110299874B true CN110299874B (zh) | 2021-05-18 |
Family
ID=68031412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910654190.1A Active CN110299874B (zh) | 2019-07-19 | 2019-07-19 | 一种基于wifi的开关磁阻电动机智能控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110299874B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110823384B (zh) * | 2020-01-09 | 2020-04-24 | 成都智创利源科技有限公司 | 一种开关磁阻电机检测系统及控制方法 |
CN114172324A (zh) * | 2020-09-11 | 2022-03-11 | 名硕电脑(苏州)有限公司 | 回焊炉马达监控系统 |
CN112182858A (zh) * | 2020-09-14 | 2021-01-05 | 新誉轨道交通科技有限公司 | 标准动车组空调制冷系统不良预测方法及系统 |
CN115149875B (zh) * | 2022-07-27 | 2024-01-12 | 苏州金钥匙自动化设备有限公司 | 一种开关磁阻电动机的控制系统及控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1611955A (zh) * | 2003-05-17 | 2005-05-04 | 杜玉晓 | 分布式智能电机监测系统 |
US20150303857A1 (en) * | 2012-11-23 | 2015-10-22 | Protean Electric Limited | Control system for an electric motor |
CN106571754A (zh) * | 2015-10-08 | 2017-04-19 | 韩非 | 基于物联网和emc的直流无刷电机智能管理系统 |
CN107544354A (zh) * | 2017-10-13 | 2018-01-05 | 安徽全柴集团有限公司 | 基于开关磁阻电机的机房远程监控系统 |
CN109613908A (zh) * | 2018-11-23 | 2019-04-12 | 浙江永发机电有限公司 | 一种具有云大数据平台的智能电机系统 |
-
2019
- 2019-07-19 CN CN201910654190.1A patent/CN110299874B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1611955A (zh) * | 2003-05-17 | 2005-05-04 | 杜玉晓 | 分布式智能电机监测系统 |
US20150303857A1 (en) * | 2012-11-23 | 2015-10-22 | Protean Electric Limited | Control system for an electric motor |
CN106571754A (zh) * | 2015-10-08 | 2017-04-19 | 韩非 | 基于物联网和emc的直流无刷电机智能管理系统 |
CN107544354A (zh) * | 2017-10-13 | 2018-01-05 | 安徽全柴集团有限公司 | 基于开关磁阻电机的机房远程监控系统 |
CN109613908A (zh) * | 2018-11-23 | 2019-04-12 | 浙江永发机电有限公司 | 一种具有云大数据平台的智能电机系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110299874A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110299874B (zh) | 一种基于wifi的开关磁阻电动机智能控制系统 | |
JP5207614B2 (ja) | コントローラ、プロセス制御方法及びプロセス制御システム | |
KR102085655B1 (ko) | 전력선 통신 게이트웨이를 이용한 산업용 plc 연동 및 스마트 팩토리 설비 원격 모니터링 시스템 및 이를 이용한 a/s 유지보수 방법 | |
JP6190115B2 (ja) | 非周期的に更新されるコントローラにおける設定点変更の補正方法 | |
US9043263B2 (en) | Systems and methods for control reliability operations using TMR | |
WO2014018291A2 (en) | Systems and methods for improving control system reliability | |
CN114035520A (zh) | 一种空气压缩站的智能监管系统及方法 | |
CN114250471B (zh) | 一种油气智慧管道架构下的阴极保护电位随动控制系统 | |
US20230131828A1 (en) | Predictive maintenance system and method for intelligent manufacturing equipment | |
CN212012708U (zh) | 一种基于lora无线传输的水泥生产线巡检系统 | |
CN116880151A (zh) | 一种多余度计算机控制系统 | |
CN113326585B (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
CN110829422A (zh) | 船舶智能电源系统、装置和协调方法 | |
CN105704198A (zh) | 一种物联网管理控制系统及方法 | |
CN110865612A (zh) | 一种镀铝自动化控制冗余传感系统 | |
CN107634548B (zh) | 一种风电场有功功率变化率智能控制方法 | |
CN117171590B (zh) | 一种电机智能驱动优化方法及系统 | |
CN112276976B (zh) | 基于云控平台的功能机器人控制系统 | |
CN103048964A (zh) | 门控单元驱动控制分散控制系统及控制方法 | |
CN113903099B (zh) | 一种基于scada的设备监测方法及系统 | |
CN219733591U (zh) | 一种空压机冷却系统 | |
CN117967524A (zh) | 基于物联网的多数据融合的风机健康监测方法 | |
CN110347107B (zh) | 张力测量监控管理分析系统对张力控制指标的控制方法 | |
Kornaros et al. | Smart Manufacturing Maintenance through LoRaWAN-based Ecosystem | |
CN117905939A (zh) | 一种用于智能电气阀门定位器的反馈系统及其应用方法 |
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 |