CN111448752A - 电力转换装置及空气调节机 - Google Patents
电力转换装置及空气调节机 Download PDFInfo
- Publication number
- CN111448752A CN111448752A CN201780097518.3A CN201780097518A CN111448752A CN 111448752 A CN111448752 A CN 111448752A CN 201780097518 A CN201780097518 A CN 201780097518A CN 111448752 A CN111448752 A CN 111448752A
- Authority
- CN
- China
- Prior art keywords
- failure
- compressor
- power conversion
- degree
- power
- 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.)
- Granted
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/10—Other safety measures
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
- F04C28/00—Control of, monitoring of, or safety arrangements for, pumps or pumping installations specially adapted for elastic fluids
- F04C28/28—Safety arrangements; Monitoring
-
- 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
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/02—Providing protection against overload without automatic interruption of supply
- H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Control Of Electric Motors In General (AREA)
- Inverter Devices (AREA)
Abstract
一种将直流电力转换为交流电力并向搭载于压缩机(1)的电动机施加交流电力的电力转换装置(500),其具备将直流电力转换为交流电力的逆变器(3)和故障度算出部,所述故障度算出部基于示出压缩机(1)的状态的物理量的测量结果算出故障度,所述故障度示出压缩机(1)的故障的程度。
Description
技术领域
本发明涉及向驱动压缩机的电动机施加电力的电力转换装置及具备该电力转换装置的空气调节机。
背景技术
在制冷循环装置等中,有诊断故障的技术。例如,在专利文献1中公开了基于第一状态值和第二状态值检测设备的异常的异常检测装置,所述第一状态值与驱动部停止时的设备相关,所述第二状态值与驱动部起动时的设备相关。
在先技术文献
专利文献
专利文献1:国际公开第2016/035187号
发明内容
发明要解决的课题
在压缩机中,有时期望根据故障的程度进行不同的应对。例如,有时期望根据故障的程度,进行使压缩机的电动机停止或变更压缩机的电动机的运转频率这样的不同的应对。然而,专利文献1记载的异常检测装置根据驱动部起动时的特定物理量与驱动部停止时的特定物理量的差异进行异常判定。因此,存在只能判定故障的有无这样的问题。
本发明鉴于上述情况而作出,其目的在于得到能够判定故障的程度的电力转换装置。
用于解决课题的手段
为了解决上述课题并达成目的,本发明的电力转换装置是将直流电力转换为交流电力并向搭载于压缩机的电动机施加交流电力的电力转换装置,其具备将直流电力转换为交流电力的逆变器。而且,该电力转换装置具备故障度算出部,所述故障度算出部基于示出压缩机的状态的物理量的测量结果算出故障度,所述故障度示出压缩机的故障的程度。
发明的效果
本发明的电力转换装置可以发挥能够判定故障的程度这样的效果。
附图说明
图1是示出实施方式1的电力转换装置的结构例的图。
图2是示出实施方式1的压缩机的结构例的图。
图3是示出实施方式1的逆变器的结构例的图。
图4是示出实施方式1的运算部的结构例的图。
图5是示出实施方式1的控制电路的结构例的图。
图6是示出使用实施方式1的压缩机的振动状态的测量结果的电力转换装置的结构例的图。
图7是示出被从实施方式1的图6所示的电力转换装置供给交流电力的压缩机的结构例的图。
图8是示出实施方式1的图6所示的电力转换装置的运算部的结构例的图。
图9是示出在实施方式1的压缩机正常时利用振动检测部检测出的振动级别的一例的图。
图10是示出在由于实施方式1的压缩机的驱动轴的特定部位的损伤而使得摩擦阻力比正常时增加的状态下利用振动检测部检测出的振动级别的一例的图。
图11是示出实施方式1的故障度算出部的功能结构例的图。
图12是示出实施方式1的中间部具有的神经模型的信号传递的概略图。
图13是示出实施方式1的在人为地生成故障的状态的情况下设定为教师信号的故障度的示意图。
图14是示出实施方式1的进行了与故障度相应的应对的情况下的电力转换装置的工作例的图。
图15是示出实施方式2的空气调节机的结构例的图。
具体实施方式
以下,基于附图,详细地说明本发明的实施方式的电力转换装置及空气调节机。此外,本发明不由该实施方式限定。
实施方式1.
图1是示出本发明的实施方式1的电力转换装置的结构例的图。本实施方式的电力转换装置500将从直流电源6供给的直流电力转换为交流电力,并向压缩机1、详细而言为压缩机1内的后述的电动机施加交流电力。本实施方式的压缩机1及电力转换装置500例如用于空气调节机、冰箱这样的使用制冷循环的制冷剂循环装置。在图1中,直流电源6、压缩机1也与电力转换装置500一起进行图示。如图1所示,电力转换装置500具备逆变器3、电压检测部7、电流检测元件8a、8b、电流检测部9a、9b及运算部21。
电压检测部7测量直流电压Vdc并向运算部21输出测量出的直流电压Vdc,所述直流电压Vdc是从直流电源6向逆变器3施加的直流电力的电压。电流检测元件8a、8b检测电机电流并分别将检测出的结果向电流检测部9a、9b输出,所述电机电流是从逆变器3向压缩机1施加的交流电力的电流。电流检测部9a、9b分别将利用电流检测元件8a、8b检测出的结果放大,并将放大后的结果作为分别与U相及W相对应的电机电流Iu、Iw而向运算部21输出。
此外,在此,说明电动机2为三相电动机的例子,但电动机2的相数不限定于此。另外,在此,说明检测电动机2的三相中的两相的电机电流并利用电机电流为三相平衡这一情况通过运算求出剩余的相的电流的例子,但也可以分别检测电动机2的三相的电机电流。另外,在利用电机电流为三相平衡这一情况而检测两相的电机电流的情况下,检测电机电流的相不限定于上述U相及W相,只要是三相中的两相即可。
图2是示出压缩机1的结构例的图。如图2所示,压缩机1具备电动机2、温度检测部13及油面测量部14。电动机2具备U相绕组2a、V相绕组2b及W相绕组2c。U相绕组2a、V相绕组2b及W相绕组2c分别与未图示的U相端子、V相端子、W相端子连接。
温度检测部13检测压缩机1的温度,并将检测出的温度作为温度Th向运算部21输出。油面测量部14测量冷冻机油的油面的高度,所述冷冻机油是压缩机1中的润滑油。油面测量部14向运算部21输出检测结果即压缩机1中的油面的高度Oi。
逆变器3将从直流电源6供给的直流电力转换为交流电力,并向压缩机1的电动机2施加交流电力。图3是示出逆变器3的结构例的图。如图3所示,逆变器3具备作为开关元件对的开关元件4a、4d、作为开关元件对的开关元件4b、4e及作为开关元件对的开关元件4c、4f。构成开关元件对的两个开关元件串联连接。在开关元件4a~4f分别反向并联连接有回流二极管5a~5f。
将开关元件4a及开关元件4d、开关元件4b及开关元件4e、开关元件4c及开关元件4f的各开关元件对分别称为桥臂(arm)。各桥臂并联连接。逆变器3的各桥臂的中点分别与电动机2的对应的相的相端子连接。开关元件4a与开关元件4d之间的中点与电动机2的U相端子连接,开关元件4b与开关元件4e之间的中点与电动机2的V相端子连接,开关元件4c与开关元件4f之间的中点与电动机2的W相端子连接。
在各开关元件对中,将作为与直流电源6的正极侧端子连接的开关元件的开关元件4a、开关元件4b及开关元件4c均称为上桥臂的开关元件。在各开关元件对中,将作为与直流电源6的负极侧端子连接的开关元件的开关元件4d、开关元件4e及开关元件4f均称为下桥臂的开关元件。
图4是示出运算部21的结构例的图。如图4所示,运算部21具备驱动信号生成部10、特征量算出部11及故障度算出部12。驱动信号生成部10使用从电压检测部7输入的直流电压Vdc和从电流检测部9a、9b输入的电机电流Iu、Iw,生成用于控制逆变器3的驱动信号,并向逆变器3输出驱动信号。具体而言,驱动信号是用于对逆变器3的开关元件4a~4f进行PWM(Pulse Width Modulation:脉冲宽度调制)控制的PWM信号。驱动信号生成部10生成驱动信号的方法可以使用任意的方法,能够使用如下的一般的方法,即:使用直流电压Vdc和电机电流生成PWM信号。
驱动信号生成部10生成与各开关元件对应的六个PWM信号Up、Vp、Wp、Un、Vn、Wn,并向逆变器3输出。向开关元件4a输入U相的上桥臂的开关元件用的PWM信号Up,向开关元件4b输入V相的上桥臂的开关元件用的PWM信号Vp,向开关元件4c输入W相的上桥臂的开关元件用的PWM信号Wp。向开关元件4d输入U相的下桥臂的开关元件用的PWM信号Un,向开关元件4e输入V相的下桥臂的开关元件用的PWM信号Vn,向开关元件4f输入W相的下桥臂的开关元件用的PWM信号Wn。
特征量算出部11使用电机电流Iu、Iw算出电机电流Iu、Iw的特征量Ia。将在后面说明特征量。故障度算出部12根据温度Th、油面的高度Oi等算出故障度Jud,所述故障度Jud是示出压缩机1的工作不良或故障的程度的信息。
对运算部21的硬件结构进行说明。运算部21利用处理电路来实现。该处理电路既可以是作为专用的硬件的处理电路,也可以是具备处理器的控制电路。另外,也可以由多个处理电路构成。在为专用的硬件的情况下,处理电路例如是单一电路、复合电路、程序化的处理器、并行程序化的处理器、ASIC(Application Specific Integrated Circuit:专用集成电路)、FPGA(Field Programmable Gate Array:现场可编程门阵列)或将它们组合而成的电路。
在实现运算部21的处理电路由具备处理器的控制电路实现的情况下,该控制电路例如是图5所示的结构的控制电路100。图5是示出本实施方式的控制电路100的结构例的图。控制电路100具备处理器101和存储器102。处理器101是CPU(也称为CentralProcessing Unit、中央处理装置、处理装置、运算装置、微处理器、微型计算机、处理器、DSP(Digital Signal Processor:数字信号处理器))等。存储器102例如对应于RAM(RandomAccess Memory:随机存取存储器)、ROM(Read Only Memory:只读存储器)、闪存等非易失性或易失性半导体存储器等。
在实现运算部21的处理电路是具备处理器101的控制电路100的情况下,通过使处理器101读出并执行存储在存储器102中的记述有运算部21的处理的程序,从而实现运算部21。另外,存储器102也作为处理器101实施的各处理中的临时存储器使用。
接着,说明本实施方式的工作。根据其他设备与具备压缩机1的设备的连接状况、具备压缩机1的设备的环境条件的不同,压缩机1有时会在压缩机1的起动等时产生液化的制冷剂溶入冷冻机油而积存的状态即所谓的制冷剂的滞留。当液化的制冷剂溶入冷冻机油时,冷冻机油的粘度降低而成为压缩机1的润滑不良的原因。另外,在制冷剂的路径内的制冷剂的滞留中,由于冷冻机油也与制冷剂一起积存,所以冷冻机油有时会不足。因此,运算部21能够在利用油面测量部14测量出的油面的高度偏离适当范围的情况下,判定为处于异常的状态。也将冷冻机油不足的状态及冷冻机油的粘度降低的状态汇总称为润滑不良。
当压缩机1在冷冻机油不足的状态或冷冻机油的粘度降低的状态下起动的情况下,会在压缩机1的驱动轴的滑动部产生微小的损伤。在一边维持该状态一边运转的情况下,虽然短时间内继续进行正常运转,但随着滑动部的损伤变深且机械摩擦变大,施加于压缩机1的驱动轴的负荷变大。结果,有时会产生压缩机1的工作不良或故障。
在本实施方式中,将示出压缩机1的工作不良或故障的程度的指标称为故障度。例如,在用L(级别:Level)1至L5这五个级别示出故障度时,将正常状态即没有故障的状态设为L1,将L2至L5设为工作不良或有故障的状态,L后面的数值越增加,则故障的程度越高。即,以如下方式算出故障度:在压缩机1正常的情况下值成为最小,随着压缩机1的故障的程度变高,值变大。此外,故障度的级别数不限定于该例子。故障度的级别数例如可以是示出正常的L0和示出异常的L1这两个级别。即,故障度算出部12只要能够最低限度地判别是否正常即是否有故障这两个级别即可。
例如,当在驱动轴的一部分产生压缩机1的滑动部的损伤的情况下,由于驱动轴的摩擦阻力变大,所以施加于电动机2的负荷变大。具体而言,例如,在时间区域中的特定区间负荷增加,负荷增大的结果为在压缩机1中流动的电流增加。在驱动条件相同且施加于压缩机1的负荷的大小相同的条件下,在压缩机1中流动的电流即电机电流基本相同。与此相对,当在时间区域中的特定区间电机电流增加即电机电流超过阈值的情况下,在驱动轴的一部分产生损伤的可能性较高。作为在有无损伤的判定中使用的电机电流,例如使用电机电流Iu和电机电流Iw中的任意一方或者将电机电流Iu与电机电流Iw相加得到的值。
特别是,压缩机1的驱动轴的特定部位的损伤会以成为电机电流的周期性的变动的方式呈现。即,通过从电机电流提取压缩机1的旋转频率的一次分量或旋转频率的特定次数分量、即特定频率的频率分量数据,从而能够识别正常状态和在压缩机1的驱动轴的特定部位存在损伤的异常状态。因此,在本实施方式中,特征量算出部11例如从电机电流提取压缩机1的旋转频率的一次分量或旋转频率的特定次数分量作为特征量,并向故障度算出部12输出。故障度算出部12基于从特征量算出部11输入的特征量算出故障度。将在后面说明故障度的算出方法。
在上述例子中,说明了使用电机电流判定在压缩机1的驱动轴的特定部位存在损伤的异常的例子,但在驱动信号生成部10通过矢量控制生成驱动信号的情况下,可以使用在矢量控制中使用的坐标转换后的dq轴分量的电流代替电机电流,进行上述特征量及故障度的算出。在该情况下,能够除去高次的噪音分量的影响。
另外,在产生制冷剂的滞留的情况下,由于冷冻机油与制冷剂一起滞留,所以利用油面测量部14测量出的油面的高度有时会从适当范围偏离。因此,故障度算出部12也能够基于利用油面测量部14测量出的油面的高度Oi是否在预先确定的适当范围内,算出压缩机1的故障度。在由于压缩机1的驱动轴的特定部位的损伤而使得摩擦阻力比正常时增加时,压缩机1的温度比正常时上升。因此,故障度算出部12也能够基于利用温度检测部13测量出的温度Th,并基于压缩机1的温度是否超过阈值而算出故障度。
另外,在由于压缩机1的驱动轴的特定部位的损伤而使得摩擦阻力比正常时增加时,压缩机1的激振力比正常时增加。因此,运算部21也能够使用压缩机1的振动状态、特别是旋转方向上的分量代替上述电机电流,并判别压缩机1的驱动轴的特定部位的损伤。
图6是示出使用压缩机1的振动状态的测量结果的电力转换装置的结构例的图。除了将图1所示的电力转换装置500的运算部21替换为运算部21a以外,图6所示的电力转换装置500a与实施方式1的电力转换装置500相同。电力转换装置500a向压缩机1a施加交流电力。
图7是示出被从图6所示的电力转换装置500a供给交流电力的压缩机1a的结构例的图。除了在图2所示的压缩机1追加振动检测部15以外,压缩机1a与图2所示的压缩机1相同。
振动检测部15检测压缩机1a的振动。振动检测部15是检测与振动相关的物理量、具体而言为加速度、速度、位移这样的物理量的传感器。振动检测部15将检测结果即示出压缩机1a的振动的状态的物理量作为振动信息Vib并向运算部21a输出。作为振动检测部15,例示了使用压电元件的传感器、使用激光的传感器,但不限于此,可以使用任意的传感器。
图8是示出图6所示的电力转换装置500a的运算部21a的结构例的图。除了具备故障度算出部12a代替故障度算出部12以外,运算部21a与图4所示的运算部21相同。运算部21a的硬件结构与运算部21相同。本实施方式的故障度算出部12a具有与图4所示的故障度算出部12相同的功能,而且,根据从振动检测部15输入的振动信息Vib,算出旋转频率的一次分量或旋转频率的特定次数分量这样的特征量,并基于特征量算出故障度。在图6所示的电力转换装置500a中,代替电机电流或在使用电机电流的故障判定的基础之上,基于从振动检测部15输入的振动信息Vib,检测由于压缩机1a的驱动轴的特定部位的损伤而使得摩擦阻力比正常时增加的异常。
图9是示出在压缩机1正常时利用振动检测部15检测出的振动级别的一例的图。图10是示出在由于压缩机1a的驱动轴的特定部位的损伤而使得摩擦阻力比正常时增加的状态下利用振动检测部15检测出的振动级别的一例的图。在图9及图10中,纵轴表示振动级别,横轴表示时间。振动级别例如是加速度。在将电动机2的机械角的360度设为一个周期时,在图10所示的例子中,在一个周期内的特定区间,振动与图9所示的例子相比增加。图9中的区间200的一个周期内的位置与图10所示的区间201相同,当对区间200和区间201进行比较时,可知区间201的振动级别较大。
这样,能够对振动级别即振动信息Vib包含的加速度等进行傅里叶变换,并根据与电动机2的机械角的一个周期对应的频率即旋转频率的一次分量或旋转频率的特定次数分量是否超过阈值,判定振动级别是否周期性地增加。
如以上那样,图1所示的故障度算出部12基于电机电流Iu、Iw、温度Th、油面的高度Oi这样的参数算出故障度。另外,图6所示的故障度算出部12a基于电机电流Iu、Iw、温度Th、油面的高度Oi、振动信息Vib这样的参数算出故障度。即,故障度算出部12及故障度算出部12a是基于电机电流Iu、Iw、温度Th、振动信息Vib、油面的高度Oi这样的参数检测故障的故障检测部。故障度算出部12在故障的检测中使用的参数是电机电流Iu、Iw、温度Th、油面的高度Oi等中的一个以上。故障度算出部12a在故障的检测中使用的参数是电机电流Iu、Iw、温度Th、振动信息Vib、油面的高度Oi等中的一个以上。在使用种类不同的多个物理量的测量结果即两个以上的参数的情况下,即使在故障时和正常时特定物理量的差异较小的情况下,也能够抑制误检测。例如,故障度算出部12分别使用两个参数进行故障判定,当在使用两个参数中的至少一方的故障判定中判定为故障的情况下,判定为是故障。此外,故障度算出部12及故障度算出部12a在故障的检测中使用的参数可以是电机电流Iu、Iw、温度Th、振动信息Vib、油面的高度Oi以外的参数。例如,可以包含直流电压Vdc作为参数。根据对具备压缩机1的设备的要求、具备压缩机1的设备的设置条件等适当地选择这些参数即可。
接着,说明本实施方式的故障度。可以对一个参数确定多个故障度,也可以根据在使用各参数的故障判定中判定为故障的参数的数量确定故障的程度。在前者的情况下,例如预先以多个级别对特征量设置阈值,通过将从特征量算出部11输入的特征量分别与多个级别的阈值进行比较,从而算出故障度。例如,故障度算出部12在对电机电流进行傅里叶变换而得到的上述特征量超过第一阈值且为第二阈值以下的情况下设为L1。故障度算出部12在对电机电流进行傅里叶变换而得到的上述特征量超过第二阈值的情况下设为L2。
在后者的情况下,即在根据判定为故障的参数的数量确定故障的程度的情况下,如当在使用各参数的故障判定中判定为故障的参数的数量为一个的情况下设为L2、当在使用各参数的故障判定中判定为故障的参数的数量为两个的情况下设为L3那样,预先定义各级别。或者,也可以按参数赋予权重并定义级别。例如,将故障度算出部12a算出的故障度设为级别(L)N,按参数预先确定级别增加数,并将ΔLi设为第i个参数的级别增加数。此外,级别增加数是当在使用该参数的故障判定中判定为故障的情况下增加的级别数。此时,N成为与在使用各参数的故障判定中判定为故障的参数相关的ΔLi的总和。各参数的ΔLi的值相当于权重。根据参数的重要度决定权重。
而且,也可以是,在使用多个参数的情况下,故障度算出部12例如预先确定每个参数的权重系数,根据各参数从适当范围的偏离量乘以权重系数得到的值的总和,算出故障度。
在本实施方式中,故障度算出部12、12a基于示出压缩机1、1a的状态的物理量的测量结果,算出表示压缩机1的故障的程度的故障度。示出压缩机1的状态的物理量的测量结果包括作为在电动机2中流动的电流的电机电流Iu、Iw、压缩机1的温度Th、示出压缩机1中的振动的状态的振动信息Vib、油面的高度Oi这样的参数。向故障度算出部12输入的数据可以是电机电流Iu、Iw、温度Th、振动信息Vib、油面的高度Oi这样的物理量的时序数据,也可以是对时序数据进行傅里叶变换而得到的特定频率的频率分量数据。
如以上那样,在预先确定故障度并按示出故障度的级别预先确定电力转换装置500实施的工作时,能够对故障进行适当的处理。例如,在判定为L2时,电力转换装置500在图1中未图示的电力转换装置500的内部或外部的显示部显示告知异常的信息。在判定为L3以上时,电力转换装置500在图1中未图示的电力转换装置500的内部或外部的显示部显示告知异常的信息,并且使逆变器3停止。在电力转换装置500a中,与故障度相应的工作也与电力转换装置500相同。
另一方面,如上所述,在使用多个参数判定故障的情况下,进行按参数使用阈值的判定,阈值的设定即故障判别的规则化会变得烦杂。另外,也需要按参数设定重要度即权重。
因此,在本实施方式中,故障度算出部12及故障度算出部12a使用机器学习系统算出故障度。此外,以下,说明故障度算出部12及故障度算出部12a使用机器学习算出故障度的例子,但故障度算出部12及故障度算出部12a中的故障度算出方法不限定该例子。另外,以下,以故障度算出部12a为例,对结构例进行说明,但对于故障度算出部12的结构及工作而言,仅输入信号的数量不同,其他与故障度算出部12a相同。
图11是示出故障度算出部12a的功能结构例的图。故障度算出部12a具有作为也被称为神经网络的机器学习系统的功能,并具有机器学习系统中的输入部23、中间部24及输出部25。输入部23、中间部24及输出部25分别与所谓的神经模型中的输入层、中间层及输出层对应。
当输入部23被输入电机电流的特征量Ia、振动信息Vib、油面的高度Oi、温度Th时,将输入的信号分别向中间部24的各神经元输出。中间部24具有多个神经元。此外,在此,示出振动信息Vib直接成为故障度算出部12a的输入的例子,但也可以向故障度算出部12a输入与电机电流同样地根据振动信息算出的特征量。
图12是示出中间部24具有的神经模型的信号传递的概略图。在将向中间部24输入的输入信号的数量设为n、将第i个输入信号设为xi(i=1~n)、将相对于各输入信号的权重系数设为wi时,向各神经元输入的输入信号的总和能够用以下的式(1)表示。
[数学式1]
在此,各神经元在以下的式(2)所示的y成为1时,即在输入信号的总和超过阈值θ时,向后段的神经元输出1。此外,如式(3)所示,式(2)中的fh(x)是阶梯函数。作为fh(x),也可以使用Sigmoid函数等代替阶梯函数。
[数学式2]
[数学式3]
在中间部24为一层的情况下,来自中间部24的各神经元的输出被输入到输出部25。在中间部24为两层以上的情况下,来自中间部24的各神经元的输出信号被输入到下一层的各神经元,利用各层的神经元进行相同的工作。然后,将输出信号从中间部24的最终层向输出部25输出。输出部25将从中间部24输出的输出信号作为输入信号,与中间部24的各神经元同样地,按照式(2)算出输出信号。但是,在输出部25中,使用Sigmoid函数等作为fh(x)。从输出部25输出的结果成为故障度Jud。
各神经元中的权重系数wi通过使用教师信号的误差逆传播法等算出即可。即,使用监督学习作为故障度算出部12a使用的机器学习。以分别进行正常的状态下的运转、各种条件的异常的状态下的运转并在该状态下成为期望的故障度的方式设定教师信号。由此,确定权重系数wi。例如,使L1与输出部25的输出值0.1对应,使L2与输出部25的输出值0.2对应,使L3与输出部25的输出值0.4对应,使L4与输出部25的输出值0.6对应,使L5与输出部25的输出值0.9对应。然后,同样地按以下方式设定教师信号:在以正常的状态运转的情况下,以与输出部25的输出值0.1对应的方式设定教师信号,并以使L5的状态与输出部25的输出值0.9对应的方式设定教师信号。此外,与各级别对应的输出部25的输出值不限定于该例子。
图13是示出在人为地生成故障的状态的情况下设定为教师信号的故障度的示意图。在图13所示的例子中,示出使用电机电流的特征量、压缩机1的温度、油面高度这三个参数作为用于故障度的算出的参数的例子。通过调整运转条件,从而人为地模拟故障状态。由于故障状态与时间一起变化,所以各参数也根据故障状态变化。
从时刻T0起开始运转,在该时刻,压缩机1正常。因此,与时刻T0对应的教师信号被设定为与L0对应的0。
在时刻T1,电机电流的特征量为I1,温度信息示出的压缩机1的温度为Th1,油面高度为Oi1。在时刻T1是正常状态。因此,与时刻T1对应的教师信号被设定为与L1对应的0.1。
在时刻T2以后,压缩机1的驱动轴的损伤逐渐进展。在时刻T3,电机电流的特征量从正常范围偏离,成为需要一些对策的状态。与时刻T3对应的教师信号被设定为与L3对应的0.4。在时刻T4,电机电流的特征量及压缩机1的温度从正常范围偏离。与时刻T4对应的教师信号被设定为与L4对应的0.6。
在时刻T5,电机电流的特征量、压缩机1的温度及油面高度全部都从正常范围偏离。与时刻T5对应的教师信号被设定为与作为最大的故障度的L5对应的0.9。如以上那样,按环境条件、运转条件设定各条件下的教师信号并使故障度算出部12a的机器学习系统学习。由此,设定权重系数。
在设定了权重系数时,能够在实际的运转中使故障度算出部12a使用设定的权重系数进行故障诊断。作为利用故障度算出部12a算出故障度后的电力转换装置500a的工作的一例,例如,在故障度超过阈值的情况下,使逆变器3的工作停止,并使电动机2的运转频率比正常时降低。具体而言,作为控制部的驱动信号生成部10基于故障度控制逆变器3。或者,也可以考虑使电力转换装置500a根据故障度向用户报知检测出了压缩机1的故障。向用户报知的方法可以是利用蜂鸣器等的声音进行报知的方法,也可以是通过在未图示的显示部显示而进行报知的方法。
例如,驱动信号生成部10对逆变器3进行控制,以便在故障度超过第一阈值的情况下使电动机2的运转频率比正常时的运转频率降低,在故障度超过比第一阈值大的第二阈值的情况下使电动机2停止。另外,电力转换装置500a在故障度超过第一阈值的情况下或在故障度超过第二阈值的情况下向用户报知检测出了压缩机1a的故障。
图14是示出进行了与故障度相应的应对的情况下的电力转换装置500a的工作例的图。在图14所示的例子中,电力转换装置500a在故障度为L3以上的情况下,使电动机2的运转频率从正常时的运转频率fm1降低,在故障度为L4以上的情况下,使逆变器3的工作停止,即禁止来自逆变器3的PWM信号的输出。具体而言,例如,从故障度算出部12a输出的故障度被输入到驱动信号生成部10,驱动信号生成部10在故障度为L3以上的情况下,以使电动机2的运转频率从正常时的运转频率fm1降低的方式生成驱动信号。另外,在故障度为L4以上的情况下,驱动信号生成部10不向逆变器3输出驱动信号。电力转换装置500中的与故障度对应的工作也与电力转换装置500a中的与故障度对应的工作相同。
如以上那样,在本实施方式的电力转换装置500、500a中,由于将故障的程度数值化为故障度,所以也能够向用户提示是紧急度较高的故障还是轻微的工作不良等信息。另外,通过预先根据故障度来确定应对,从而能够在故障度较高的情况下迅速地实施使逆变器3停止这样的应对。
另外,在本实施方式中,在压缩机1的故障诊断中使用多个参数。因此,在存在故障时和正常时特定物理量的差异较小的参数的情况下,由于即使在不能利用该参数检测出故障的情况下,也能够利用其他参数判断为故障,所以能够抑制误诊断。因此,能够实现抑制了误诊断的稳定的控制,能够谋求产品的质量提高。
另外,在本实施方式的电力转换装置500、500a中,由于使用机器学习系统进行故障诊断,所以用于进行使用多个参数的故障诊断的阈值等的设定不会变烦杂。因此,能够抑制用于设定阈值等的作业的劳力和时间并实施故障诊断。
实施方式2.
图15是示出本发明的实施方式2的空气调节机的结构例的图。本实施方式的空气调节机501具备在实施方式1中叙述的压缩机1及电力转换装置500。本实施方式的空气调节机501具有经由制冷剂配管86将在实施方式1中叙述的搭载有电动机2的压缩机1、四通阀82、室外热交换器83、膨胀阀84及室内热交换器85安装而成的制冷循环即制冷循环装置,并构成分体式空气调节机。从电力转换装置500向电动机2供给交流电力。
在压缩机1的内部设置有压缩制冷剂的压缩机构87和使其工作的电动机2,通过使制冷剂从压缩机1起在室外热交换器83与室内热交换器85之间循环,从而构成进行制冷制热等的制冷循环。此外,图15所示的结构不仅能够应用于空气调节机,也能够应用于冰箱、冷库等具备制冷循环的设备。
另外,在上述实施方式中,说明了空气调节机501具备压缩机1和电力转换装置500的例子,但空气调节机501也可以具备压缩机1a和电力转换装置500a来代替它们。如以上那样,实施方式1的电力转换装置500、500a能够搭载于空气调节机等设备。
以上的实施方式所示的结构示出本发明的内容的一例,既能够与其他公知的技术组合,也能够在不脱离本发明的构思的范围对结构的一部分进行省略、变更。
附图标记的说明
1、1a压缩机,2电动机,3逆变器,6直流电源,7电压检测部,8a、8b电流检测元件,9a、9b电流检测部,10驱动信号生成部,11特征量算出部,12、12a故障度算出部,13温度检测部,14油面测量部,21、21a运算部,23输入部,24中间部,25输出部,500、500a电力转换装置。
Claims (10)
1.一种电力转换装置,所述电力转换装置将直流电力转换为交流电力并向搭载于压缩机的电动机施加所述交流电力,其中,所述电力转换装置具备:
逆变器,所述逆变器将所述直流电力转换为所述交流电力;以及
故障度算出部,所述故障度算出部基于示出所述压缩机的状态的物理量的测量结果算出故障度,所述故障度示出所述压缩机的故障的程度。
2.根据权利要求1所述的电力转换装置,其中,
所述电力转换装置具备基于所述故障度控制所述逆变器的控制部。
3.根据权利要求2所述的电力转换装置,其中,
以如下方式算出所述故障度:在所述压缩机正常的情况下值成为最小,随着所述压缩机的故障的程度变高,值变大,
所述控制部对逆变器进行控制,以便在所述故障度超过第一阈值的情况下使所述电动机的运转频率比正常时的运转频率降低,在所述故障度超过比所述第一阈值大的第二阈值的情况下使所述电动机停止。
4.根据权利要求3所述的电力转换装置,其中,
所述电力转换装置在所述故障度超过第一阈值的情况下或在所述故障度超过第二阈值的情况下,向用户报知检测出了所述压缩机的故障。
5.根据权利要求1至4中任一项所述的电力转换装置,其中,
示出所述压缩机的状态的物理量的测量结果包括在所述电动机中流动的电流、所述压缩机的温度、所述压缩机中的振动的状态及所述压缩机中的润滑油的油面的高度中的至少一个。
6.根据权利要求1至5中任一项所述的电力转换装置,其中,
示出所述压缩机的状态的物理量的测量结果是种类不同的多个物理量的测量结果。
7.根据权利要求1至6中任一项所述的电力转换装置,其中,
所述故障度算出部使用机器学习算出所述故障度。
8.根据权利要求7所述的电力转换装置,其中,
所述机器学习是监督学习。
9.根据权利要求7或8所述的电力转换装置,其中,
向所述机器学习的输入数据是时序数据或特定频率的频率分量数据。
10.一种空气调节机,其中,所述空气调节机具备:
压缩机,所述压缩机具备电动机;以及
向所述电动机施加交流电力的权利要求1至9中任一项所述的电力转换装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/044782 WO2019116471A1 (ja) | 2017-12-13 | 2017-12-13 | 電力変換装置および空気調和機 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111448752A true CN111448752A (zh) | 2020-07-24 |
CN111448752B CN111448752B (zh) | 2023-07-14 |
Family
ID=66819056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780097518.3A Active CN111448752B (zh) | 2017-12-13 | 2017-12-13 | 电力转换装置及空气调节机 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7049363B2 (zh) |
CN (1) | CN111448752B (zh) |
WO (1) | WO2019116471A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11988421B2 (en) | 2021-05-20 | 2024-05-21 | Carrier Corporation | Heat exchanger for power electronics |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110454946B (zh) * | 2019-08-13 | 2021-04-06 | 江苏群达智能科技有限公司 | 一种通用型变频空调控制板使用的风机调速方法 |
JPWO2021200671A1 (zh) * | 2020-04-03 | 2021-10-07 | ||
JP7445533B2 (ja) * | 2020-06-15 | 2024-03-07 | 日立グローバルライフソリューションズ株式会社 | 異常検出装置、プログラムおよび電気機器システム |
JP2022174864A (ja) * | 2021-05-12 | 2022-11-25 | 三菱重工サーマルシステムズ株式会社 | 電動コンプレッサ制御装置、電動コンプレッサおよび電動コンプレッサ制御方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0392593A (ja) * | 1989-09-04 | 1991-04-17 | Daikin Ind Ltd | 密閉形圧縮機 |
CN101292126A (zh) * | 2005-10-21 | 2008-10-22 | 大金工业株式会社 | 拖车用冷冻装置 |
CN103429876A (zh) * | 2011-03-14 | 2013-12-04 | 通用电气公司 | 与电机联接的机械传动系的状况监测 |
CN104184383A (zh) * | 2014-09-17 | 2014-12-03 | 重庆大学 | 叶轮不平衡故障的双馈风力发电机定子电流诊断方法 |
CN105848938A (zh) * | 2014-01-10 | 2016-08-10 | 丰田自动车株式会社 | 混合动力车辆 |
JP6173530B1 (ja) * | 2016-06-07 | 2017-08-02 | 三菱電機株式会社 | 空調機の故障徴候検出装置 |
WO2017141411A1 (ja) * | 2016-02-19 | 2017-08-24 | 株式会社日立製作所 | モータ制御システム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1591795A4 (en) * | 2003-02-07 | 2011-07-06 | Atec Co Ltd | METHOD FOR DIAGNOSING ELECTRICAL INSTALLATION THROUGH HARMONICS |
US7496460B2 (en) | 2006-09-06 | 2009-02-24 | Eastway Fair Company Limited | Energy source monitoring and control system for power tools |
JP2008068359A (ja) | 2006-09-14 | 2008-03-27 | Hitachi Koki Co Ltd | 留め具打込機 |
JP5350684B2 (ja) | 2008-06-10 | 2013-11-27 | 三星電子株式会社 | 冷凍サイクル機器に用いられる故障診断装置 |
JP2013108681A (ja) | 2011-11-21 | 2013-06-06 | Daikin Industries Ltd | 空調システム |
GB2534406B (en) * | 2015-01-23 | 2017-01-11 | Rolls Royce Plc | Fault detection and diagnosis |
EP3373089B1 (en) | 2016-01-13 | 2021-03-10 | Mitsubishi Electric Corporation | Operating state classification device |
JP2017142153A (ja) | 2016-02-10 | 2017-08-17 | セイコーエプソン株式会社 | 寿命予測方法、寿命予測装置、および寿命予測システム |
JP6140331B1 (ja) | 2016-04-08 | 2017-05-31 | ファナック株式会社 | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム |
JP6677575B2 (ja) | 2016-06-01 | 2020-04-08 | 株式会社神戸製鋼所 | 回転機械の運転状態を診断する診断装置及び診断方法 |
-
2017
- 2017-12-13 CN CN201780097518.3A patent/CN111448752B/zh active Active
- 2017-12-13 JP JP2019559469A patent/JP7049363B2/ja active Active
- 2017-12-13 WO PCT/JP2017/044782 patent/WO2019116471A1/ja active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0392593A (ja) * | 1989-09-04 | 1991-04-17 | Daikin Ind Ltd | 密閉形圧縮機 |
CN101292126A (zh) * | 2005-10-21 | 2008-10-22 | 大金工业株式会社 | 拖车用冷冻装置 |
CN103429876A (zh) * | 2011-03-14 | 2013-12-04 | 通用电气公司 | 与电机联接的机械传动系的状况监测 |
CN105848938A (zh) * | 2014-01-10 | 2016-08-10 | 丰田自动车株式会社 | 混合动力车辆 |
CN104184383A (zh) * | 2014-09-17 | 2014-12-03 | 重庆大学 | 叶轮不平衡故障的双馈风力发电机定子电流诊断方法 |
WO2017141411A1 (ja) * | 2016-02-19 | 2017-08-24 | 株式会社日立製作所 | モータ制御システム |
JP6173530B1 (ja) * | 2016-06-07 | 2017-08-02 | 三菱電機株式会社 | 空調機の故障徴候検出装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11988421B2 (en) | 2021-05-20 | 2024-05-21 | Carrier Corporation | Heat exchanger for power electronics |
Also Published As
Publication number | Publication date |
---|---|
CN111448752B (zh) | 2023-07-14 |
JPWO2019116471A1 (ja) | 2020-11-19 |
WO2019116471A1 (ja) | 2019-06-20 |
JP7049363B2 (ja) | 2022-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111448752B (zh) | 电力转换装置及空气调节机 | |
KR102294575B1 (ko) | 컨버터를 위한 센서 고장 진단 시스템 | |
US10469019B2 (en) | Motor control system, motor control apparatus, method for controlling motor, and state estimator | |
JP2005251185A (ja) | 電気設備診断システム | |
CN107155353A (zh) | 电动机的诊断装置 | |
CN102874660B (zh) | 电梯控制装置 | |
JP6516878B2 (ja) | 電動機制御装置 | |
JP6527968B2 (ja) | モータ制御システム | |
CN112910375B (zh) | 用于电动驱动系统的集成式故障隔离和预后系统 | |
Orłowska-Kowalska et al. | Fault-diagnosis and fault-tolerant-control in industrial processes and electrical drives | |
KR20190014074A (ko) | 전동기의 진단 장치 | |
JP2017175871A (ja) | 車両走行制御装置及び車両走行装置 | |
KR101823140B1 (ko) | 인버터 고장 진단 방법 및 그 장치 | |
US20180091036A1 (en) | Ripple current reduction system | |
Lee et al. | Performance estimation of induction motor using artificial neural network | |
JP2018183006A (ja) | 電力変換装置、及び異常検出方法 | |
JP7378637B2 (ja) | 故障診断装置、学習装置、学習方法、および故障診断システム | |
JP2009112143A (ja) | 3相交流モータ制御装置および3相交流モータ制御方法 | |
JP2008011622A (ja) | インバータ装置とその交流電動機診断、及び診断結果表示方法 | |
JP2006304456A (ja) | 電力変換装置 | |
CN113544959A (zh) | 具有人工智能的中压变频驱动器 | |
JP2019193383A (ja) | 電力変換装置、及び異常検出方法 | |
JP7340482B2 (ja) | 機器監視装置及び機器監視方法 | |
KR102056187B1 (ko) | 교류 전동기 시스템의 고장 감지 장치 및 방법 | |
US20200091841A1 (en) | Use of motor flux linkage maps for monitoring the health of an actuator |
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 |