CN111470067A - 基于模型预测的串联式混合动力系统故障诊断系统和方法 - Google Patents
基于模型预测的串联式混合动力系统故障诊断系统和方法 Download PDFInfo
- Publication number
- CN111470067A CN111470067A CN202010578207.2A CN202010578207A CN111470067A CN 111470067 A CN111470067 A CN 111470067A CN 202010578207 A CN202010578207 A CN 202010578207A CN 111470067 A CN111470067 A CN 111470067A
- Authority
- CN
- China
- Prior art keywords
- generator
- output
- engine
- fault diagnosis
- model
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims description 85
- 238000001514 detection method Methods 0.000 claims description 32
- 238000004146 energy storage Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 17
- 230000007246 mechanism Effects 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 14
- 238000004804 winding Methods 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 230000026058 directional locomotion Effects 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 3
- 238000013178 mathematical model Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Hybrid Electric Vehicles (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种基于模型预测的串联式混合动力系统故障诊断系统和诊断方法,其中,诊断系统包括MCU(微控制单元)、预测模型、传感器模块和故障诊断模块。故障诊断模块进行故障诊断的实际工作对象为串联式混合动力系统,传感器模块安装在实际工作对象上,且,预测模型和故障诊断模块均运行在MCU上。通过预测模型预测数据与传感器数输出的据进行比对的串联式混合动力系统故障诊断算法,可准确定位故障元件的位置和故障类型,诊断过程计算量小、响应速度快,可在故障出现一个周期内给出预警。并基于预测模型,系统所有参数都是可以准确计算的,因而可对故障进行准确、定量的分析,以数据的形式判定故障严重程度,准确计算系统剩余功率输出能力。
Description
技术领域
本发明涉及一种混合动力系统故障诊断领域,具体涉及一种基于模型预测的串联式混合动力系统故障诊断系统和方法。
背景技术
现有的无人机的动力系统主要有三种,即发动机动力,电池动力,发动机电池并联动力等。发动机动力主要用于固定翼无人机和无人直升机,少用于多旋翼无人机。电池动力主要用于固定翼无人机,无人直升机,多旋翼无人机以及垂直起降混合翼无人机等。发动机电池并联动力主要用于多旋翼无人机和垂直起降混合翼无人机。发动机电池并联动力工作原理为:在多旋翼无人机应用中,发动机作为主动力,驱动螺旋桨提供主升力;电池作为从动力,驱动电机带动螺旋桨提供姿态动力,调整无人机姿态。在垂直起降混合翼无人机应用中,发动机作为固定翼模式动力,电池作为多旋翼模式动力。上述结构的工作系统存在如下问题:第一是发动机动力:传动结构复杂,维护工作繁重。第二是电池动力:能量密度低。第三是发动机电池并联动力:结构复杂, 维护工作繁重,重量太大。
串联式混合动力系统是指通过活塞式或涡轮式发动机驱动发电机产生电能、再利用电能按需为电池充电、并驱动电动机产生动力驱动车辆、飞机等载具的混合动力系统。串联式混合动力系统具有发动机、发电机、整流器、储能电池、逆变器、电动机等多个综合性部件,牵涉到机械、传动、电机、电力电子、自动控制等多方面学科,是一种较为复杂的控制系统。考虑到这样一种系统内组成要素众多,传感器、执行器数量大且关系复杂,在实际生产、使用中容易出现各种各样的故障现象,因此需要设计一种故障诊断算法来进行在线自动故障诊断。
发明内容
本发明的目的是针对现有技术中存在的上述问题,提供了一种基于模型预测的串联式混合动力系统故障诊断系统和方法。
为了实现上述目标,本发明采用如下的技术方案:
基于模型预测的串联式混合动力系统故障诊断系统,包括MCU、预测模型、传感器模块和故障诊断模块;
前述故障诊断模块进行故障诊断的实际工作对象为串联式混合动力系统;
前述传感器模块安装在所述实际工作对象上,用于收集进行故障诊断所需要的数据,并将收集到的数据分为两路,分别发送至预测模型和故障诊断模型;
前述预测模型和故障诊断模块均运行在MCU上,所述预测模型通过计算得出下一周期的预测数据,进行预测更新,再将更新后的系统状态数据传送至所述故障诊断模块,在下一周期,所述故障诊断模块将传感器采集的实际数据与预测数据进行比较处理来判断故障的过程,如此循环往复。
优选地,前述传感器模块与所述MCU相连,用于接收不同类型的传感器信号,经MCU处理后计算出混动系统的实际工作参数,并通过数据接口向外发送,所述传感器包括发动机转速传感器、发动机节气门开度传感器、发电机输出电压波形检测电路、发电机输出电流波形检测电路、储能电池输出电压与电流检测电路及输出电压与电流检测电路。
优选地,前述传感器模块与所述MCU相连,包括发动机转速传感器、发动机节气门开度传感器、发电机输出电压波形检测电路、发电机输出电流波形检测电路、储能电池输出电压与电流检测电路和输出电压与电流检测电路。
优选地,前述预测模型包括发动机子模型、传动子模型、发电机-整流器子模型和后端电路子模型,连接传输的关系为:
1.发动机子模型根据转速数据、节气门开度数据和负载扭矩,计算输出扭矩和预测转速;
2.发动机子模型输出的扭矩和预测转速,输入传动子模型,计算出传动后转速;
3.根据总输出电流和电池输出电流数据,按照后端电路子模型计算出发电机负载电流;
4.将传动后转速与发电机电流输入发电机-整流器子模型,得到发电机预测输出电压和理想吸收扭矩;
5.发电机吸收扭矩通过传动子模型再返回至发动机子模型,作为其负载扭矩,参与下一周期的运算。
更优选地,前述故障诊断模块包括后端电路故障子模块、传动故障诊断子模块、发动机故障子模块、发电机电磁故障子模块和发电机三相不均衡故障子模块。
再优选地,一种包含如前所述的基于模型预测的串联式混合动力系统故障诊断方法,包括如下步骤:
S1:确定拟进行故障诊断的串联式混合动力系统,将传感器模块安装在这一系统上,收集进行故障诊断所需要的数据;
S2:将步骤S1采集到的传感器数据分为两路,分别发送至预测模型和故障诊断模块;
S3:预测模型和故障诊断模块接收到步骤S2所传输的数据后,在MCU上开始运行,预测模型通过计算得出下一周期的预测数据,进行预测更新,之后再将更新后的系统状态数据传送至故障诊断模块;
S4:故障诊断模块将步骤S2中传感器模块采集的实际数据与步骤S3中预测模型预测数据进行比较处理来判断故障,如此循环往复,通过将两者数据进行比对,校验两者之间的相关程度,即诊断故障是否发生,并判明其严重程度。
进一步优选地,前述步骤S1中,所述传感器模块接收不同类型的传感器信号,经MCU处理后计算出混动系统的实际工作参数,并通过数据接口向外发送,包括:
1.发动机转速传感器:安装在发动机输出轴上,为霍尔传感器或曲轴位置传感器,在检
测到发动机输出轴转动过一定的角度时将输出一个方波脉冲,MCU接收到这一脉冲后定时
计数,测量这一脉冲频率从而计算出发动机的输出转速;计算公式为:
3.发电机输出电压波形检测电路:使用精密电阻对发电机输出的三相和整流后电压分
别分压,然后经电压抬升后输入MCU;MCU采样该信号后恢复出发电机输出交流电压的波形,
并从波形中进一步分析出交流信号的幅值、频率和相位;以A相电压瞬时值为例,其计算
公式为:
4.发电机输出电流波形检测电路:在发电机的三相输出线路和整流后输出线路上分别串联电阻极小的精密采样电阻,电流通过该电阻后会产生微弱的电压信号,再通过差分放大电路将此信号放大,输入MCU进行采样计算,即恢复出三相电流瞬时值;以A相电流瞬时值为例,其计算公式为:
再进一步优选地,前述步骤S2中,预测模型通过总-分-总方式建立,总体模型为串联式混合动力系统总体模型,分设的模型包括:发动机子模型、传动子模型、发电机-整流器子模型和后端电路子模型四大部分,所述分设的模型具体的运算过程是:
1.发动机子模型
输入参数为节气门开度、转速和负载扭矩,输出为扭矩及转速,发动机的数学模型建立较为复杂,因此在工程上使用MAP图的形式建立,即事先测量好一款发动机在不同转速和节气门开度下的输出扭矩,保存在二维查找表中,使用时直接查表、再线性插值得到实际工况下相对准确的输出扭矩;即:
在一个周期内,发动机的转速变化增量由输出转矩减去负载转矩的富余加速转矩再除以轴系转动惯量得出,即:
2.传动子模型
传动子模型按照理想传动结构建立,假设输入输出转速之比严格为传动比k,忽略传动机构上的扭矩损失;其模型输入为传动机构输入轴的转速和传动机构输出轴的负载转矩,模型输出为传动机构输出轴的转速和负载端折算到传动机构输入轴上的负载转矩,设传动比为k,则:
3.发电机-整流器子模型
发电机-整流器子模型对常用的三相永磁同步发电机建立,输入为发电机轴的转速,输
出为三相绕组的交流电压;对于正常工作的三相发电机而言,其电枢电压与转速之间成线
性关系;线性系数Ke在出厂时即确定,正常工作中不会发生变化;因此,预测出发电机电枢
电压理论值为:
考虑实际工作的发电机,受其内阻和电磁饱和特性的限制,其输出电压与输出电流之间还会有一接近线性的损耗,将其记为电压调整率△U,此系数经实验测出;因此,得实际输出的整流后电压为:
忽略整流桥上的压降损耗,得整流前的三相电压有效值分别为:
三相电流分别为:
又对于理想电机模型,其电功率等于机械功率,故得:
4.后端电路子模型
后端电路包括整流器电路、储能电池电路、能源混合电路和负载,其中负载采用恒流源抽象,能源混合电路的工作模式为:若发电机输出电能不足,则控制电池输出电流补充剩余的部分;若发电机输出电能充足,则控制其多余的输出给电池充能的方式,即其满足两端电流值之和必与另一端相等,因而其可采用三端并联电路抽象;
根据基尔霍夫定律,可得:
考虑负载电流、电池输出电流为已知量,则发电机输出电流可由下式预测:
模型展开与运行:
将上述模型预测公式分别转换成框图模型,并按照总体连接关系展开整理,可得到预
测模型;预测模型可存储在故障诊断系统的处理器上,按照每个控制周期运行一遍进行预
测更新;在每个控制周期,都可由传感器检测到的发动机油门开度、发动机转速、储
能电池输出电流、负载电流预测出以下物理量:
且,前述步骤S2中,故障诊断模块在每个故障诊断周期,都将接收到传感器模块输出的系统实际数据和预测模型输出的系统状态预测数据,而两者数据之间存在着直接或间接的相关关系;通过将两者数据进行比对,校验两者之间的相关程度,即可诊断故障是否发生,并判明其严重程度;
1.后端电路故障
储能电池主要包括电池电芯、双向变换器电路和能量混合子模块电路。其典型的故障
模式为电流控制异常,不再满足三端并联关系,因此可通过比较发电机输出电流预测值
和实际值检出。如两者差异值大于20%,则可判断后端电路出现故障。
2.传动故障
典型传动故障如传动轴打滑、传动皮带断裂、传动齿轮磨损等,常体现为传动子模型两
端转速关系变化,导致传感器实际检测到的发动机转速、发电机转速与模型预测结果不一
致。记为发动机出轴转速,为根据发电机输出频率f计算得到的实际发电机转速,
为模型预测的发电机理论转速,则当与差异超过20%时可判定传动机构故障。并且根
据预测模型计算出的发动机理想输出转矩与发动机理想负载转矩发动机理想负载转矩(即实际输出至发电机的转矩)之比可大致算出传动组件尚存的传动能力:
若传动组件尚存在一定的传动能力,则可主动驱使负载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定传动组件接近完全损坏,则应立即停止,避免故障进一步扩大。
根据发电机输出频率f反算发电机转速的公式如下:
式中p为发电机的极对数,在出厂时已固定。
3.发动机故障
发动机典型故障现象为输出扭矩不足。根据预测模型查表,可计算出发动机的输出扭
矩预测值,根据传感器测量得到的发电机电流,可反算出发电机转矩,若故障诊断模
块运行到此处,应当已经可确定传动机构运转良好,否则在上一步即退出。故障诊断时忽略
传动机构的损耗,此时发电机转矩即为发动机的实际负载转矩。理想情况下,与应
该相等。当两者差异超过20%时即可判定发动机运转故障。根据实际输出扭矩与查表得出的
正常输出扭矩之比,可计算出发动机尚存的扭矩输出能力:
若发动机尚存在一定的输出能力,则可主动驱使负载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定发动机输出能力大幅降低,则应立即停止,避免发动机严重故障工作导致完全损毁。
4.发电机电磁故障
对于正常工作的三相发电机而言,其电枢电压与转速之间成线性关系。线性系数在
电机出厂时即固定不再变化。而发电机输出端电压可经上述预测模型中提到的电压调整率
及输出电流预测出,计发电机整流后输出电压预测值为,实际检测到的整流桥后电压为,则当与的差异大于20%时可判定发电机电磁故障。按照发电机剩余的输出电压大
小和理想输出电压大小之比,可计算发电机尚存的输出能力:
根据发电机残存的输出能力大小,若故障不甚严重(包括不发生故障或故障不严重),则可主动驱使负载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定发电机输出能力大幅降低,则应立即停止,避免完全损毁。
5.发电机三相不均衡故障
对于正常工作的发电机,其负载电流应均衡地加在三相绕组上。若其中一个绕组的电流与其他两相显著不一致,则发电机将工作在三相不均衡模式,将会产生异常抖动、发热,对系统正常运行埋下安全隐患。
若发电机三相不平衡度不严重,则可主动驱使负载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定发电机严重不均衡甚至缺相,则应立即停机保护,避免发电机完全损毁。
本发明的有益之处在于:
(1)本发明的故障诊断系统和方法设计了一种通过模型预测数据与实际传感器数据进行比对的串联式混合动力系统故障诊断算法,可准确地定位故障元件的位置和故障类型,故障诊断过程计算量小、响应速度快,可在故障出现后一个周期内给出预警;
(2)本发明的故障诊断系统和方法基于预测模型,系统的所有参数都是可以准确计算的,因而可对故障进行准确、定量的分析,从而以数据的形式判定故障严重程度、准确地计算系统剩余的功率输出能力,而通常的方法只能提供定性分析;
(3)本发明的故障诊断系统和方法,建立了用于串联式混合动力系统故障诊断的模型,模型基于系统建立,使用的传感器输入参数和控制器基本相同,从而使得该方法可以很轻松地部署在现有的串联式混合动力系统上,无需在外部设置额外的传感器和处理器。
附图说明
图1是本发明的系统整体结构示意图;
图2是本发明实际的串联式混合动力系统结构示意图;
图3是本发明传感器模块示意图;
图4是本发明预测模型整体框架;
图5是本发明预测模型展开图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本实施例的故障诊断系统和方法,如图1所示,该图展示了本发明的整体结构和连接的示意图,具体包括以下步骤:
S1:确定拟进行故障诊断的串联式混合动力系统,将传感器模块安装在这一串联式混合动力系统上,收集进行故障诊断所需要的数据;
S2:将步骤S1采集到的传感器数据分为两路,分别发送至预测模型和故障诊断模块;
S3:预测模型和故障诊断模块接收到步骤S2所传输的数据后,在MCU上开始运行,预测模型通过计算得出下一周期的预测数据,进行预测更新,之后再将更新后的系统状态数据传送至故障诊断模块;
S4:故障诊断模块将步骤S2中传感器模块采集的实际数据与步骤S3中预测模型预测数据进行比较处理来判断故障,如此循环往复,通过将两者数据进行比对,校验两者之间的相关程度,即可诊断故障是否发生,并判明其严重程度。
如图2所示的串联式混合动力系统,是一种使用活塞式或涡轮式发动机驱动发电机产生电能、再利用电能按需为电池充电、并驱动电动机产生动力从而驱动车辆、飞机等载具的混合动力系统。其工作原理如下:
1.发动机在控制器的指令下,消耗燃料驱动输出轴产生旋转运动,并对外输出扭力;
2.发动机输出轴经过联轴器、皮带、齿轮、同步带、链条等传动机构,将旋转运动调整到合适的驱动转速,再输出的发电机轴上;
3.发电机受发动机和传动机构拖带,通过电磁感应原理输出电能;
4.若发电机输出的电能形式为交流电,则需经过整流桥整流,转换成直流电;
5.发电机输出的直流电能与储能电池的电能经过能量混合模块,产生稳定、足量的电能;
6.经混合后的电能,向混动系统的负载输出,通常该负载为一个或多个电动机及其驱动装置;
7.若发出的电能仍有余量,且储能电池电量未满,可通过能量混合模块和双向变换器向储能电池充电。
在本发明中,传感器模块接受不同类型的传感器信号,如图3所示,具体包括:
1.发动机转速传感器:安装在发动机输出轴上,通常为霍尔传感器或曲轴位置传感器,
传感器在检测到发动机输出轴转动过一定的角度时将输出一个方波脉冲,MCU接收到这一
脉冲后定时计数,测量这一脉冲频率从而计算出发动机的输出转速;计算公式为:
3.发电机输出电压波形检测电路:使用精密电阻对发电机输出的三相和整流后电压分
别分压,然后经电压抬升后输入MCU;MCU采样该信号后可恢复出发电机输出交流电压的波
形,并从波形中进一步分析出交流信号的幅值、频率和相位;以A相电压瞬时值为例,其
计算公式为:
4.发电机输出电流波形检测电路:在发电机的三相输出线路和整流后输出线路上分别
串联电阻极小的精密采样电阻,电流通过该电阻后会产生微弱的电压信号,再通过差分放
大电路将此信号放大,输入MCU进行采样计算,即可恢复出三相电流瞬时值;以A相电流瞬时
值为例,其计算公式为:
本发明的串联式混合动力系统总体模型结构示意图如图4所示,其输入参数为:传感器模块输出的发动机转速、节气门开度、总输出电流和电池输出电流。分设的模型主要分为发动机子模型、传动子模型、发电机-整流器子模型和后端电路子模型四大部分,其互相之间的连接关系为:
1.发动机子模型根据转速数据、节气门开度数据和负载扭矩,计算输出扭矩和预测转速;
2.发动机子模型输出的扭矩和预测转速,输入传动子模型,计算出传动后转速;
3.根据总输出电流和电池输出电流数据,按照后端电路子模型计算出发电机负载电流;
4.将传动后转速与发电机电流输入发电机-整流器子模型,得到发电机预测输出电压和理想吸收扭矩;
5.发电机吸收扭矩通过传动子模型再返回至发动机子模型,作为其负载扭矩,参与下一周期的运算。
以上过程与串联式混合动力系统中的工作原理1-7对应。
具体的预测模型包括如下模型:
1.发动机子模型
发动机的模型输入参数为节气门开度、转速和负载扭矩,输出为扭矩及转速。发动机的数学模型建立较为复杂,因此在工程上使用MAP图的形式建立,即事先测量好一款发动机在不同转速和节气门开度下的输出扭矩,保存在二维查找表中,使用时直接查表、再线性插值得到实际工况下相对准确的输出扭矩;即:
2.传动子模型
传动子模型按照理想传动结构建立,即假设输入输出转速之比严格为传动比k,忽略传动机构上的扭矩损失。其模型输入为传动机构输入轴的转速和传动机构输出轴的负载转矩,模型输出为传动机构输出轴的转速和负载端折算到传动机构输入轴上的负载转矩。设传动比为k,则:
3.发电机-整流器子模型
发电机-整流器子模型对常用的三相永磁同步发电机建立,输入为发电机轴的转速,输
出为三相绕组的交流电压。对于正常工作的三相发电机而言,其电枢电压与转速之间成线
性关系。线性系数在出厂时即确定,正常工作中不会发生变化。因此,可预测出发电机电
枢电压理论值为:
忽略整流桥上的压降损耗,可得整流前的三相电压有效值分别为:
三相电流分别为:
又对于理想电机模型,其电功率等于机械功率,故可得:
4.后端电路子模型
后端电路包括整流器电路、储能电池电路、能源混合电路和负载,其中负载可采用恒流源抽象,而能源混合电路的工作模式为若发电机输出电能不足,则控制电池输出电流补充剩余的部分;若发电机输出电能充足,则控制其多余的输出给电池充能的方式,即其满足两端电流值之和必与另一端相等,因而其可采用三端并联电路抽象。根据基尔霍夫定律,可得:
考虑负载电流、电池输出电流为已知量,则发电机输出电流可由下式预测:
将上述模型预测公式分别转换成框图模型,并按照总体连接关系展开整理,可得
到如图5所示的预测模型。预测模型可存储在故障诊断系统的处理器上,按照每个控制周期
运行一遍进行预测更新。在每个控制周期,都可由传感器检测到的发动机油门开度、发
动机转速、储能电池输出电流、负载电流预测出以下物理量:
故障诊断模块接收到传感器模块输出的系统实际数据和预测模型输出的系统状态预测数据,通过将两者数据进行比对,校验两者之间的相关程度,即可诊断故障是否发生,并判明其严重程度。
考虑到预测模型在执行时存在着后端电路子模型-发电机-整流器子模型反向回路-传动子模型反向回路-发动机子模型-传动子模型正向回路-发电机-整流器子模型正向回路这样的依赖关系,当其中靠前的部分诊断出故障时也意味着其理想预测模型的失效,故依据其数据计算的靠后部分不相关性已不再可信,因此需按照以下顺序逐一核查,若靠前的部分诊断出故障,则应报错并跳过后续检查,具体顺序为:
1.后端电路故障
储能电池主要包括电池电芯、双向变换器电路和能量混合子模块电路。其典型的故障
模式为电流控制异常,不再满足三端并联关系,因此可通过比较发电机输出电流预测值
和实际值检出。如两者差异值大于20%,则可判断后端电路出现故障。
2.传动故障
典型传动故障如传动轴打滑、传动皮带断裂、传动齿轮磨损等,常体现为传动子模型两
端转速关系变化,导致传感器实际检测到的发动机转速、发电机转速与模型预测结果不一
致。记为发动机出轴转速,为根据发电机输出频率f计算得到的实际发电机转速,
为模型预测的发电机理论转速,则当与差异超过20%时可判定传动机构故障。并且根
据预测模型计算出的发动机理想输出转矩与发动机理想负载转矩发动机理想负载转矩(即实际输出至发电机的转矩)之比可大致算出传动组件尚存的传动能力:
若传动组件尚存在一定的传动能力,则可主动驱使负载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定传动组件接近完全损坏,则应立即停止,避免故障进一步扩大。
根据发电机输出频率f反算发电机转速的公式如下:
式中p为发电机的极对数,在出厂时已固定。
3.发动机故障
发动机典型故障现象为输出扭矩不足。根据预测模型查表,可计算出发动机的输出扭
矩预测值,根据传感器测量得到的发电机电流,可反算出发电机转矩,若故障诊断模块
运行到此处,应当已经可确定传动机构运转良好,否则在上一步即退出。故障诊断时忽略传
动机构的损耗,此时发电机转矩即为发动机的实际负载转矩。理想情况下,与应该
相等。当两者差异超过20%时即可判定发动机运转故障。根据实际输出扭矩与查表得出的正
常输出扭矩之比,可计算出发动机尚存的扭矩输出能力:
若发动机尚存在一定的输出能力,则可主动驱使负载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定发动机输出能力大幅降低,则应立即停止,避免发动机严重故障工作导致完全损毁。
4.发电机电磁故障
对于正常工作的三相发电机而言,其电枢电压与转速之间成线性关系。线性系数在
电机出厂时即固定不再变化。而发电机输出端电压可经上述预测模型中提到的电压调整率
及输出电流预测出,计发电机整流后输出电压预测值为,实际检测到的整流桥后电压为,则当与的差异大于20%时可判定发电机电磁故障。按照发电机剩余的输出电压大
小和理想输出电压大小之比,可计算发电机尚存的输出能力:
根据发电机残存的输出能力大小,若故障不甚严重,则可主动驱使负载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定发电机输出能力大幅降低,则应立即停止,避免完全损毁。
5.发电机三相不均衡故障
对于正常工作的发电机,其负载电流应均衡地加在三相绕组上。若其中一个绕组的电流与其他两相显著不一致,则发电机将工作在三相不均衡模式,将会产生异常抖动、发热,对系统正常运行埋下安全隐患。
若发电机三相不平衡度不严重,则可主动驱使负载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定发电机严重不均衡甚至缺相,则应立即停机保护,避免发电机完全损毁。
综上,本发明的故障诊断系统和方法设计了一种通过模型预测数据与实际传感器数据进行比对的串联式混合动力系统故障诊断算法,可准确地定位故障元件的位置和故障类型,故障诊断过程计算量小、响应速度快,可在故障出现后一个周期内给出预警。并且基于预测模型,系统的所有参数都是可以准确计算的,因而可对故障进行准确、定量的分析,从而以数据的形式判定故障严重程度、准确地计算系统剩余的功率输出能力。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (10)
1.基于模型预测的串联式混合动力系统故障诊断系统,其特征在于,包括MCU、预测模型、传感器模块和故障诊断模块;
所述传感器模块安装在串联式混合动力系统上,用于收集进行故障诊断所需要的数据,并将收集到的数据分为两路,分别发送至预测模型和故障诊断模型;
所述预测模型和故障诊断模块均运行在MCU上,所述预测模型通过计算得出下一周期的预测数据,进行预测更新,再将更新后的系统状态数据传送至所述故障诊断模块,在下一周期,所述故障诊断模块将传感器模块采集的实际数据与预测数据进行比较处理来进行故障诊断,如此循环往复。
2.根据权利要求1所述的基于模型预测的串联式混合动力系统故障诊断系统,其特征在于,所述传感器模块与所述MCU相连,所述MCU将接收到的传感器信号进行计算处理得到混动系统的实际工作参数,并通过数据接口向外发送;所述传感器模块包括发动机转速传感器、发动机节气门开度传感器、发电机输出电压波形检测电路、发电机输出电流波形检测电路、储能电池输出电压与电流检测电路及输出电压与电流检测电路。
3.根据权利要求1所述的基于模型预测的串联式混合动力系统故障诊断系统,其特征在于,所述预测模型包括发动机子模型、传动子模型、发电机-整流器子模型和后端电路子模型;
所述发动机子模型根据转速数据、节气门开度数据和负载扭矩,计算输出扭矩和预测转速;
所述传动子模型接收发动机子模型输出的扭矩和预测转速,计算出传动后转速;
所述发电机-整流器子模型接收传动后转速与发电机电流输入数据,计算出发电机预测输出电压和理想吸收扭矩;
所述后端电路子模型根据总输出电流和电池输出电流数据,计算出发电机负载电流;
所述传动子模型将发电机吸收扭矩返回至所述发动机子模型,作为其负载扭矩,参与下一周期的运算。
4.根据权利要求1所述的基于模型预测的串联式混合动力系统故障诊断系统,其特征在于,所述故障诊断模块包括后端电路故障诊断子模块、传动故障诊断子模块、发动机故障诊断子模块、发电机电磁故障诊断子模块和发电机三相不均衡故障诊断子模块。
5.利用如权利要求1-4任一项所述的基于模型预测的串联式混合动力系统故障诊断系统进行故障诊断的方法,其特征在于,包括如下步骤:
S1:确定拟进行故障诊断的串联式混合动力系统,将传感器模块安装在这一系统上,以收集进行故障诊断所需要的数据;
S2:将步骤S1采集到的传感器数据分为两路,分别发送至预测模型和故障诊断模块;
S3:预测模型和故障诊断模块接收到步骤S2所传输的数据后,在MCU上开始运行,预测模型通过计算得出下一周期的预测数据,进行预测更新,再将更新后的系统状态数据传送至故障诊断模块;
S4:故障诊断模块将步骤S2中传感器模块采集的实际数据与步骤S3中预测模型预测数据进行比较处理来判断故障,如此循环往复,进行诊断故障并判明其严重程度。
6.根据权利要求5所述的基于模型预测的串联式混合动力系统故障诊断方法,其特征在于,所述步骤S1中,所述传感器模块中设置有发动机转速传感器、发动机节气门开度传感器、发电机输出电压波形检测电路、发电机输出电流波形检测电路、储能电池输出电压与电流检测电路、输出电压与电流检测电路;
所述发电机输出电流波形检测电路:通过串联在发电机输出线路上的精密采样电阻,
产生的微弱电压信号,再通过差分放大电路将此信号放大,输入MCU进行采样计算,恢复出
三相电流瞬时值;其中,A相电压瞬时值为:;其中,为采
样电阻阻值;
7.根据权利要求5所述的基于模型预测的串联式混合动力系统故障诊断方法,其特征在于,所述步骤S2中,所述预测模型包括:发动机子模型、传动子模型、发电机-整流器子模型和后端电路子模型四大部分;
所述发动机子模型输入节气门开度、转速和负载扭矩参数,输出扭矩及转速,即:;在一个周期内,发动机的转速为:;式中为发动机
理想输出扭矩,为发动机负载转矩,为一个运行周期的时隙,为整个输出轴系的转动
惯量,预测的发动机输出转速为:;
所述发电机-整流器子模型输入参数为发电机轴的转速,输出参数为三相绕组的交流
电压;电枢电压与转速之间成线性关系,线性系数在出厂时即确定,因此,预测出发电机
电枢电压理论值为:;记输出电压与输出电流之间的损耗为电压调整率△U,实际
输出的整流后电压为:;忽略整流桥上的压降损耗,得整流前
的三相电压有效值为:,三相电流为:,式中为发电机三相电压有效值,为发电机三相电流有效值;对于电功率等
于机械功率的理想电机模型,得:;将代入,得电机机械模型的发电
机理想负载转矩:;
8.根据权利要求6所述的基于模型预测的串联式混合动力系统故障诊断方法,其特征在于,所述步骤S2中,故障诊断模块在每个故障诊断周期,都将接收到传感器模块输出的系统实际数据和预测模型输出的系统状态预测数据,通过将两者数据进行比对,校验两者之间的相关程度,诊断故障是否发生并判明其严重程度。
9.根据权利要求8所述的基于模型预测的串联式混合动力系统故障诊断方法,其特征在于,诊断的故障类型包括:后端电路故障、传动故障、发动机故障、发电机电磁故障及发电机三相不均衡故障。
10.根据权利要求9所述的基于模型预测的串联式混合动力系统故障诊断方法,其特征在于,
所述传动故障的诊断过程为:记为发动机出轴转速,为根据发电机输出频率f计
算得到的实际发电机转速,为模型预测的发电机理论转速,当与差异超过20%时判
定传动机构故障;并且根据预测模型计算出的发动机理想输出转矩与发动机理想负载转
矩发动机理想负载转矩,二者之比算出传动组件尚存的传动能力,即为实际输出至发
电机的转矩,则二者之比即为:;若传动组件存在传动能力,则主动驱使负载电机减
速,降低功率需求,保持载具低速行驶至维修点或返航;若判定传动组件完全损坏,则立即
停止,避免故障进一步扩大;根据发电机输出频率f反算发电机转速的公式如下:
;式中为发电机的极对数,在出厂时已固定;
所述发动机故障的诊断过程为:计算出发动机的输出扭矩预测值和发电机转矩,
发电机转矩即为发动机的实际负载转矩;当两者差异超过20%时即判定发动机运转故
障,计算发动机尚存的扭矩输出能力:;若发动机尚存在输出能力,则主动驱使负载
电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定发动机输出能力降
低,则立即停止,避免发动机故障工作导致完全损毁;
所述发电机电磁故障的诊断过程为:固定不再变化的线性系数,记发电机整流后输
出电压预测值为,实际检测到的整流桥后电压为,则当与的差异大于20%时判定
发电机电磁故障;按照发电机剩余的输出电压大小和理想输出电压大小之比,计算发电机
尚存的输出能力:;根据发电机残存的输出能力大小,若不发生故障,则主动驱使负
载电机减速,降低功率需求,保持载具低速行驶至维修点或返航;若判定发电机输出能力降
低,则立即停止,避免完全损毁;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010578207.2A CN111470067B (zh) | 2020-06-23 | 2020-06-23 | 基于模型预测的串联式混合动力系统故障诊断系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010578207.2A CN111470067B (zh) | 2020-06-23 | 2020-06-23 | 基于模型预测的串联式混合动力系统故障诊断系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111470067A true CN111470067A (zh) | 2020-07-31 |
CN111470067B CN111470067B (zh) | 2020-10-09 |
Family
ID=71763977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010578207.2A Active CN111470067B (zh) | 2020-06-23 | 2020-06-23 | 基于模型预测的串联式混合动力系统故障诊断系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111470067B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416103A (zh) * | 2018-02-05 | 2018-08-17 | 武汉大学 | 一种串联混合动力电动汽车交直流变换器的故障诊断方法 |
CN109061341A (zh) * | 2018-07-10 | 2018-12-21 | 杭州安脉盛智能技术有限公司 | 基于神经网络的卡尔曼滤波变压器故障预测方法和系统 |
CN109738811A (zh) * | 2019-01-28 | 2019-05-10 | 东北大学 | 基于双级模型预测的锂离子电池组外部短路故障诊断方法 |
CN110702418A (zh) * | 2019-10-10 | 2020-01-17 | 山东超越数控电子股份有限公司 | 航空发动机故障预测方法 |
-
2020
- 2020-06-23 CN CN202010578207.2A patent/CN111470067B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416103A (zh) * | 2018-02-05 | 2018-08-17 | 武汉大学 | 一种串联混合动力电动汽车交直流变换器的故障诊断方法 |
CN109061341A (zh) * | 2018-07-10 | 2018-12-21 | 杭州安脉盛智能技术有限公司 | 基于神经网络的卡尔曼滤波变压器故障预测方法和系统 |
CN109738811A (zh) * | 2019-01-28 | 2019-05-10 | 东北大学 | 基于双级模型预测的锂离子电池组外部短路故障诊断方法 |
CN110702418A (zh) * | 2019-10-10 | 2020-01-17 | 山东超越数控电子股份有限公司 | 航空发动机故障预测方法 |
Non-Patent Citations (1)
Title |
---|
何怡刚等: "串联混合动力电动汽车交直流变换器的故障仿真分析及诊断", 《电测与仪表》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111470067B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7081729B2 (en) | Variable-structure diagnostics approach achieving optimized low-frequency data sampling for EMA motoring subsystem | |
Khan et al. | Toward an accurate physics-based UAV thruster model | |
CN112065659B (zh) | 风电机组独立变桨控制方法和变桨综合监控方法及系统 | |
CN111693864B (zh) | 一种基于永磁同步电机的螺旋桨特性模拟实验装置 | |
CN103248307A (zh) | 感应电机调速系统的电流传感器故障诊断方法 | |
CN102384769A (zh) | 新型对转双转子电机驱动器测试方法和系统 | |
CN103091109A (zh) | 用于风力发电机动态特性测试的风轮机模拟器及控制方法 | |
CN103797246A (zh) | 风力机模拟系统及其方法 | |
CN111123103B (zh) | 工业机器人伺服系统的复杂工况综合性测试方法与装置 | |
CN104340802B (zh) | 一种电梯防溜车驱动控制系统及驱动控制方法 | |
KR20140137124A (ko) | 전동 무인기의 추진부 특성 분석장치 | |
CN115980572A (zh) | 螺旋桨负载特性模拟试验装置及模拟测试方法 | |
JP2003506808A (ja) | 電気駆動部の測定システムの監視装置 | |
Tunggal et al. | The design of tachometer contact and non-contact using microcontroller | |
CN111470067B (zh) | 基于模型预测的串联式混合动力系统故障诊断系统和方法 | |
RU2631557C1 (ru) | Способ определения в полете изгибных напряжений на валу несущего винта вертолета с торсионной втулкой несущего винта | |
CN110963027B (zh) | 异常检测装置及控制装置 | |
US11725580B2 (en) | Turbine over-speed brake for hybrid electric gas turbine engine | |
EP4024697A1 (en) | Sensorless current determination in variable speed constant frequency (vscf) generator control system | |
Filatov et al. | Parameters identification of thrust generation subsystem for small unmanned aerial vehicles | |
Tunggal et al. | Design of contact and non-contact tachometer using microcontroller | |
CN110568774B (zh) | 电机功率级半实物仿真器 | |
Asper et al. | Electromechanical Modeling and Testing of a Phase-Controlled Stacked Rotor | |
Shen et al. | A new system diagnostic method for powertrain of automated electric vehicles | |
Chunhui et al. | An anomaly detecting system for power system of four-rotor UAV |
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 |