CN112462293B - 车载电动机匝间短路故障诊断装置及其方法 - Google Patents
车载电动机匝间短路故障诊断装置及其方法 Download PDFInfo
- Publication number
- CN112462293B CN112462293B CN202011123067.6A CN202011123067A CN112462293B CN 112462293 B CN112462293 B CN 112462293B CN 202011123067 A CN202011123067 A CN 202011123067A CN 112462293 B CN112462293 B CN 112462293B
- Authority
- CN
- China
- Prior art keywords
- turn
- microprocessor
- phase
- relay
- diagnosis
- 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
-
- 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
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- 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
- G01R31/72—Testing of electric windings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开一种车载电动机匝间短路故障诊断装置及其方法,运行继电器由三路开关组成,三路开关分别对应地连接电动机中的三相绕组,诊断继电器由三路开关组成,暂态检测电路由三个电容、三个电阻和三个电压传感组成,每个电阻的两端分别对应地连接一个电压传感器,诊断继电器的每路开关分别对应地串联暂态检测电路的一个电容,诊断继电器和暂态检测电路串联后形成的三路分别对应地与三相绕组两端相并联;当电动机运行时,运行继电器闭合、诊断继电器断开;当汽车挂空挡时,运行继电器断开、诊断继电器闭合,暂态检测电路将检测到的实际电压传递给微型处理器;采用电路暂态效应检测匝间短路故障,检测速度快,适合间歇运行这类时间短的检测。
Description
技术领域
本发明涉及电动汽车的车载电机故障检测技术,具体是一种永磁同步电机匝间短路故障诊断技术,尤其涉及一种间歇运行中车载电机匝间短路故障的诊断。
背景技术
电动机是电动汽车的核心设备,是车辆行驶的动力来源,其可靠性直接影响到电动汽车的行车安全。与传统电机相比,永磁同步电机(Permanent magnet synchronousmachine,PWSM)具有功率密度高、转动惯量大、效率高、调速范围宽等优点,近年来在电动汽车、轨道交通、风力发电等高效能应用场合获得广泛应用。目前的新能源汽车的电机主要是靠天然气和电能驱动。纯电动汽车的动力系统与传统车型的动力系统完全不同,主要是靠电池提供动力,更符合环保理念,是未来汽车领域的发展趋势。但是,新能源汽车技术尚未完全成熟,故障还时有发生。需要有针对性地研究新能源汽车的常见故障,以便快速诊断和维修。因此,研究新的更多更好的电机故障诊断方法对新能源汽车的发展有着重要的作用。目前,电动汽车中的电动机匝间短路故障是电机的常见故障,其故障原因很多,成因非常复杂,但一般可以简单归结为4点:在电动机启动过程中匝间绝缘承受暂态过电压;电动机定子绕组温度过高导致匝间绝缘失效;电动机定子绕组线圈因振动导致匝间绝缘相互摩擦、破损;电动机在潮湿高温等恶劣环境下长期运行。
针对匝间短路故障诊断的技术大致可分为三类:基于模型解析的方法、基于信号处理的方法、基于知识及人工智能的方法。在中国专利号为CN201610327166.3的文献中采用的是基于模型解析的方法,利用建立的电流模型磁链观测器估算永磁同步电机三相电压,将估算值再与参考值进行比较计算出电压差值Δua、Δub、Δuc,定义FI=<|Δua|+|Δub|+|Δuc|>(FI为故障特征量,<.>表示为平均值),若FI>thr(thr为阈值),则诊断出存在定子绕组匝间短路故障,该方法需要建立精确的永磁电机匝间短路模型,建模难度大。在中国专利号为CN201610491494.7的文献中采用的是基于信号处理的方法,利用霍尔电流传感器采集电流信号再将采集的信号输入到尼高力数据采集仪进行FFT分析,分析结果输入到PC机,PC机对谐波信号进行处理,并判断永磁同步电机是否发生匝间短路故障,该方法在需要使用额外的仪器进行测量信号,不适合车载电机在实际中的应用;在中国专利号为CN201410439278.9的文献中采用基于人工智能的方法,需要采集电压、电流信号进行融合,再经过Park矢量融合后运用了基于Mamdani模型的五层模糊神经网络方法处理输入数据,根据输出量作出故障诊断,该方法过程复杂,实时性弱。
发明内容
本发明针对以上匝间短路方法中存在的问题以及结合应用在汽车中的实际场景,提出了一种车载电动机匝间短路故障诊断装置及其方法,基于信号以及结合人工智能处理并利用电路暂态效应检测匝间短路故障,使得电动汽车在间歇运行中可以快速地对车载电动机匝间短路故障进行诊断,实时性强,检测速度快,精确度更高。
本发明所述的车载电动机匝间短路故障诊断装置采用的技术方案是:包括运行继电器、诊断继电器、暂态检测电路和微型处理器,汽车控制器的输出端口经运行继电器连接电动机,运行继电器由三路开关Kj11、Kj12、Kj13组成,三路开关Kj11、Kj12、Kj13分别一一对应地连接电动机中的A、B、C三相绕组,其特征是:诊断继电器由三路开关Kj21、Kj22、Kj23组成,暂态检测电路由三个电容C1-C3、三个电阻R1-R3和第一、第二、第三这三个电压传感器组成,每个电阻R1、R2、R3的两端分别对应地连接一个电压传感器,诊断继电器的每路开关Kj21、Kj22、Kj23分别一一对应地串联暂态检测电路的一个电容C1、C2、C3,诊断继电器和暂态检测电路串联后形成的三路分别一一对应地与A、B、C三相绕组两端相并联。
所述的车载电动机匝间短路故障诊断装置的故障诊断方法采用的技术方案是包括以下步骤:
步骤一:针对一个模拟运行的电动机,在微型处理器中将其A相绕组的短路匝数从小到大依次分为Z0,Z1,...,Zn这n+1等份,等效于被开关K1所短路的n+1个电感值为ΔLa0,ΔLa1,...,ΔLan,则A相绕组的电感值为La0,La1,...,Lan,将B、C相绕组同样设定其短路匝数、被开关K1所短路的n+1个电感值和B、C相相绕组的电感值;
步骤二:第一次闭合开关K1,使Z0=0,ΔLa0=0,La0=L,第一电压传感器采集电阻R1两端的电压Ua0并输入到微型处理器中;
步骤三:断开开关K1,使开关K1所短路的匝数为Z1=1/n,再闭合K1,微型处理器接收电阻R1两端的电压Ua1;
步骤四:重复步骤三,每断开一次开关K1,使开关K1所短路的匝数依次为Z2,...,Zn,微型处理器经第一次采集最终共得到电压Ua0,Ua1,...,Uan;
步骤五:微型处理器根据电压Ua0,Ua1,...,Uan分别计算出A相绕组的初始电流值Ia0,Ia1,...,Ian,微型处理器每隔Δt的时间不断重复采集,直到采集到的电阻R1两端的电压为0时停止采集,根据公式t=m×Δt计算出对应的A相绕组的振荡衰减时间ta0,ta1,...,tan,m是每次采集的次数;
步骤六:重复步骤二到步骤五,微型处理器同样得到B、C相绕组的电感值、电阻R2、R3两端的电压,并计算出对应的初始电流值和振荡衰减时间;
步骤七:微型处理器对A、B、C三相绕组的振荡衰减时间、初始电流值以及电感值进行归一化处理后得到归一化后的振荡衰减时间、初始电流值以及电感值,将归一化后的振荡衰减时间和归一化后的初始电流值作为BP神经网络诊断模型L′=f(I′,t′)输入,将归一化后电感值作为输出构建BP神经网络诊断模型L′=f(I′,t′);
步骤八:去掉开关K1,针对实际运行的电动机,微型处理器接收到每个电压传感器传送的电阻R1、R2、R3两端的实际电压各有(n+1)个,计算出对应的实际初始电流值以及实际振荡衰减时间,将所述的实际初始电流值以及实际振荡衰减时间均归一化处理后得到归一化后的实际初始电流以及实际振荡衰减时间,再将归一化后的实际振荡衰减时间和归一化后实际初始电流值作为BP神经网络诊断模型L′=f(I′,t′)的输入,得到对应的电感值L1′;
步骤九:计算出|L1′-1|,将|L1′-1|的值和阈值0比较,如果|L1′-1|等于0,则电动机运行正常,如果|L1′-1|的值不等于0,根据BP神经网络诊断模型L′=f(I′,t′)的输入是哪一相的参数确定出电动机对应相出现故障。
本发明与已技术相比具有如下优点:
1、本发明利用汽车在等红绿灯等一切间歇运行时间进行匝间短路故障诊断,在离线状态下进行故障诊断,精确度更高,从而可以在电动机少量匝间短路故障时做出故障诊断,避免严重事故发生。
2、本发明采用了电路暂态效应检测匝间短路故障,该方法在实际应用中的优点在于实时性强,检测速度快,比较适合间歇运行这类时间短的检测。
3、本发明利用BP神经网络建立函数,能够描述非线性系统,有效地解决了非线性函数难以解决的问题。
附图说明
图1是本发明所述的车载电动机匝间短路故障诊断装置在进行故障诊断时的状态连接结构图;
图2是图1中单相匝间短路检测部分的等效电路连接示意图;
图3是图1所示装置进行故障诊断的方法流程图;
图中:1.换挡装置,2.汽车控制器,3.运行继电器,4.电动机,5.诊断继电器,6.暂态检测电路,7.微型处理器(MCU),8.汽车显示屏。
具体实施方式
参见图1,本发明所述的车载电机匝间短路故障诊断装置安装在电动汽车上,电动汽车本身自带换挡装置1、汽车控制器2、电动机4、汽车显示屏8。本发明包括运行继电器3、诊断继电器5、暂态检测电路6和微型处理器7。其中,电动汽车的换挡装置1中用来控制电动汽车前进、后退、驻车、空挡的信号线分别连接汽车控制器2和整个系统的微型处理器7的输入端口,汽车控制器2的输出端口经运行继电器3连接电动机4,运行继电器3由Kj11、Kj12、Kj13这三路开关组成,三路开关Kj11、Kj12、Kj13分别一一对应地连接电动机4中的A、B、C三相绕组,运行继电器3的控制端连接微型处理器7的控制端口Jp1。
诊断继电器5由Kj21、Kj22、Kj23这三路开关组成,诊断继电器5的控制端连接微型处理器7的控制端口Jp2。
暂态检测电路6由三个电容C1、C2、C3、三个电阻R1、R2、R3和第一、第二、第三电压传感组成,每个电容C1、C2、C3一一对应地串联一个电阻R1、R2、R3,在每个电阻的两端连接一个电压传感器。诊断继电器5的每路开关Kj21、Kj22、Kj23分别一一对应地串联暂态检测电路6的一个电容C1、C2、C3。诊断继电器5和暂态检测电路6串联后形成的整体三路结构分别一一对应地与A、B、C三相绕组两端相并联。
第一、第二、第三电压传感器分别通过各自的控制端连接微型处理器7的控制端口ADC1、ADC2、ADC3端口,三个电压传感器同时要接地GND。
微型处理器7的输出端口连接汽车显示屏8,将其处理的结果在汽车显示屏8上显示。
电动汽车运行时是由换挡装置1进行换挡,将换挡信号传给汽车控制器2,驾驶员踩加速踏板时信号也传递给汽车控制器2,控制电动机4的转速从而达到控制汽车的运行速度。在电动汽车行驶中,微型处理器7控制运行继电器3闭合、诊断继电器5断开;在汽车快要停车,换挡装置1挂空挡时发送信号给微型处理器7控制运行继电器3断开、诊断继电器5闭合,通过暂态检测电路6将检测到的电压信号传递给微型处理器7进行处理,最终实现故障诊断,将诊断的结果通过汽车显示屏8显示。
参见图2所示的单相匝间短路检测部分的等效电路,为了说明一相匝间短路故障,选取图1中电动机4中的A相来说明问题,其他相出现故障类似。就A相绕组而言,A相绕组上连接的是运行继电器3的一路开关Kj11,将A相绕组的绕组值等效为电阻Ra和电感L=(La+ΔLa)之和,其中,La为A相短路后的电感值,ΔLa为被开关K1所短路的电感值。在A相等效绕组的两端连接诊断继电器5的一路开关Kj21和暂态检测电路6中A相的电容C1、电阻R1和Kj21,电阻R1的两端连接第一电压传感器,如此形成图2的单相匝间短路检测部分的等效电路。
根据电感值L和汽车可控制器2提供的电动机4的频率f和谐振的条件公式ω=2πf,能计算出A相暂态检测电路6中的电容C1,由于需要设计的暂态检测电路6是一个放电电路,所以根据二阶放电电路的条件公式:就可以选取出合适的暂态检测电路6中电阻R1,作为暂态检测电路6的阻值,从而设计出A相的暂态检测电路。同理设计出B、C相的暂态检测电路6。
本发明采用图2所示的一个开关K1来短路掉一相绕组的部分匝数,实现模拟运行时的匝间短路故障,所以对电动机4的匝间短路做故障诊断可以等价于检测一相匝间短路后的电感量剩余多少,而电感量的大小可以从电感两端的电压值体现出来。因此对于电动汽车中的电动机模拟匝间短路做实验,采集电压数据传送给微型处理器7处理,并且用微型处理器7中的BP神经网络算法进行训练学习,根据每一种程度的匝间短路故障的输入量不同,对应的输出也不同,从而实现了离线学习了各种程度的匝间短路,通过输出值的进一步计算就可以判断出电动机4的哪一相发生匝间短路故障以及故障程度。
参见图1-2和图3所示,车载电动机匝间短路故障诊断方法如下:
步骤一:首先针对一个建模电动机,将其A相绕组的短路匝数从小到大依次分为Z0,Z1,...,Zn这n+1等份,其中,Z0=0,对应到图2中,这n等份短路匝数的电感值就是等效于被开关K1所短路的n+1个电感值为ΔLa0,ΔLa1,...,ΔLan,其中ΔLa0=0,对应图2中,A相绕组的电感值为La0,La1,...,Lan这n+1等份,其中La0=L,将n+1等份短路匝数、所短路的电感值ΔLa0,ΔLa1,...,ΔLan、A相绕组的电感值La0,La1,...,Lan保存在微型处理器7中。同理,B相和C相绕组的短路匝数、所短路的电感值、B相和C绕组的电感值与A相雷同设定并保存在微型处理器7中。
步骤二:闭合开关K1,使得Z0=0,ΔLa0=0,La0=L,第一电压传感器采集电阻R1两端的电压为Ua0,将电压Ua0输入到微型处理器7中。
步骤三:断开开关K1,使开关K1所短路的匝数为Z1=1/n,对应于ΔLa1=L/n,La0=L-L/n,再闭合K1,微型处理器7接收到第一电压传感器采集到电阻R1两端的电压Ua1。
步骤四:重复步骤三,每断开一次开关K1,使开关K1所短路的匝数依次为Z2,...,Zn。如此,微型处理器7最终共得到第一电压传感器采集到的(n+1)个电阻R1两端的电压Ua0,UA1,...,Uan。微型处理器7设定定时器每隔Δt的时间采集一次,此时的电压Ua0,Ua1,...,Uan为第一次采集到的电压值。
步骤五:微型处理器7根据电压Ua0,Ua1,...,Uan和电流公式分别计算出反应A相绕组电流大小的初始电流值Ia0,Ia1,...,Ian,式中,U由Ua0,Ua1,...,Uan代入,R为图2中的电阻R1。由于暂态检测电路6是放电电路,电感值La0,La1,...,Lan储能的大小就与放电电路中电阻R1两端振荡衰减时间有关。微型处理器7设定每隔Δt的时间采集一次电阻R1两端的电压Ua0,Ua1,...,Uan,微型处理器7每隔Δt的时间就不断重复采集,直到采集到的电阻R1两端的电压为0时,也就是第一电压传感器采集到电阻R1两端的电压为0时,此时还需继续重复采集3次后,如果电阻R1两端的电压值仍然还是0,则微型处理器7就停止采集电压的过程。微型处理器7根据每次采集的次数m和采集间隔时间Δt计算根据t=m×Δt公式计算出对应的振荡衰减时间ta0,ta1,...,tan。
步骤六:重复步骤二到步骤五,微型处理器7同样可以得到B相绕组的电感值Lb0,Lb1,...,Lbn对应于第二电压传感器采集到的电阻R2两端的电压分别为Ub0,Ub1,...,Ubn,并计算出反应B相绕组电流大小的初始电流值Ib0,Ib1,...,Ibn和振荡衰减时间tb0,tb1,...,tbn。重复步骤二到步骤五,也同样可以得到C相绕组的电感值Lc0,Lc1,...,Lcn对应于第三电压传感器采集到的电阻R3两端的电压分别为Uc0,Uc1,...,Ucn,并计算出反应C相绕组电流大小的初始电流值Ic0,Ic1,...,Icn和振荡衰减时间tc0,tc1,...,tcn。
步骤七:微型处理器7将的A、B、C三相绕组的振荡衰减时间ta0,ta1,...,tan、tb0,tb1,...,tbn、tc0,tc1,...,tcn和初始电流值Ia0,Ia1,...,Ian、Ib0,Ib1,...,Ibn、Ic0,Ic1,...,Icn以及电感值La0,La1,...,Lan、Lb0,Lb1,...,Lbn、Lc0,Lc1,...,Lcn进行归一化处理后对应得到归一化后的振荡衰减时间t′a0,t′a1,...,t′an、t′b0,t′b1,...,t′bn、t′c0,t′c1,...,t′cn和归一化后初始电流值I′a0,I′a1,...,I′an、I′b0,I′b1,...,I′bn、I′c0,I′c1,...,I′cn以及归一化后的电感值L′a0,L′a1,...,L′an、L′b0,L′b1,...,L′bn、L′c0,L′c1,...,L′cn。将处理后得到的归一化后的振荡衰减时间t′a0,t′a1,...,t′an、t′b0,t′b1,...,t′bn、t′c0,t′c1,...,t′cn和归一化后的初始电流值I′a0,I′a1,...,I′an、I′b0,I′b1,...,I′bn、I′c0,I′c1,...,I′cn作为BP神经网络诊断模型L′=f(I′,t′)的输入,将归一化后电感值L′a0,L′a1,...,L′an、L′b0,L′b1,...,L′bn、L′c0,L′c1,...,L′cn作为输出BP神经网络诊断模型,构建BP神经网络诊断模型L′=f(I′,t′)并作保存。
步骤八:去掉开关K1,将本发明装置应用于实际的电动机4进行运行,此时针对第一、第二、第三电压传感器,微型处理器7接收到每个电压传感器传送来电阻R1、R2、R3两端的实际电压各有(n+1)个,分别对应的是Ua10,Ua11,...,Ua1n、Ub10,Ub11,...,Ub1n、Uc10,Uc11,...,Uc1n,然后根据式计算出对应的实际初始电流值Ia10,Ia11,...,Ia1n、Ib10,Ib11,...,Ib1n、Ic10,Ic11,...,Ic1n,以及根据式t=m×Δt计算出对应的实际振荡衰减时间ta0,ta1,...,tan、tb10,tb11,...,tb1n、tc10,tc11,...,tc1n。
将所述的实际初始电流值Ia10,Ia11,...,Ia1n、Ib10,Ib11,...,Ib1n、Ic10,Ic11,...,Ic1n以及实际振荡衰减时间ta0,ta1,...,tan、tb10,tb11,...,tb1n、tc10,tc11,...,tc1n均归一化处理后得到归一化后的实际初始电流值I′a10,I′a11,...、I′a1n、I′b10,I′b11,...,I′b1n、I′c10,I′c11,...,I′c1n以及归一化处理后的实际振荡衰减时间I′a10,t′a11,...,t′a1n、t′b10,t′b11,...,t′b1n、t′c10,t′c11,...,t′c1n。再将归一化后的实际振荡衰减时间t′a10,t′a11,...,t′a1n、t′b10,t′b11,...,t′b1n、t′c10,t′c11,...,t′c1n和归一化后的实际初始电流值I′a10,I′a11,...,I′a1n、I′b10,I′b11,...,I′b1n、I′c10,I′c11,...,I′c1n作为步骤五中所构建好的BP神经网络诊断模型L′=f(I′,t′)的输入,得到对应的输出为归一化后的电感值L1′。
步骤九:微型处理器7对BP神经网络诊断模型L′=f(I′,t′)输出的电感值L1′进行减一并取取绝对值处理,即|L1′-1|,将|L1′-1|的值和阈值0比较,如果|L1′-1|等于0,则电动机4运行正常,此时微型处理器7将处理结果在汽车显示屏8上显示,显示出“电机运行正常”。如果|L1′-1|的值不等于0,那么根据此时BP神经网络诊断模型L′=f(I′,t′)的输入是哪一相的参数便可以确定出电动机4对应相出现故障,且故障程度为|L1′-1|的值。此时汽车显示屏8上显示“电机的P相发生匝间短路故障,故障程度为|L1′-1|”,当(|L1′-1|不等于0时,对应的BP神经网络诊断模型L′=f(I′,t′)输入的参数为A相参数时,P为A;|L1′-1|不等于0时,对应的BP神经网络诊断模型L′=f(I′,t′)的输入参数为B相参数时,P为B;|L1′-1|不等于0时,对应的BP神经网络诊断模型L′=f(I′,t′)的输入参数为C相参数时,P为C。
Claims (5)
1.一种车载电动机匝间短路故障诊断方法,采用车载电动机匝间短路故障诊断装置,该诊断装置包括运行继电器、诊断继电器、暂态检测电路和微型处理器,汽车控制器的输出端口经运行继电器连接电动机,运行继电器由三路开关Kj11、Kj12、Kj13组成,三路开关Kj11、Kj12、Kj13分别一一对应地连接电动机中的A、B、C三相绕组,诊断继电器由三路开关Kj21、Kj22、Kj23组成,暂态检测电路由三个电容C1-C3、三个电阻R1-R3和第一、第二、第三这三个电压传感器组成,每个电阻R1、R2、R3的两端分别对应地连接一个电压传感器,诊断继电器的每路开关Kj21、Kj22、Kj23分别一一对应地串联暂态检测电路的一个电容C1、C2、C3,诊断继电器和暂态检测电路串联后形成的三路分别一一对应地与A、B、C三相绕组两端相并联,其特征是包括以下步骤:
步骤一:针对一个模拟运行的电动机,在微型处理器中将其A相绕组的短路匝数从小到大依次分为Z0,Z1,...,Zn这n+1等份,等效于被开关K1所短路的n+1个电感值为ΔLa0,ΔLa1,...,ΔLan,则A相绕组的电感值为La0,La1,...,Lan,将B、C相绕组同样设定其短路匝数、被开关K1所短路的n+1个电感值和B、C相相绕组的电感值;
步骤二:第一次闭合开关K1,使z0=0,ΔLa0=0,La0=L,第一电压传感器采集电阻R1两端的电压Ua0并输入到微型处理器中;
步骤三:断开开关K1,使开关K1所短路的匝数为Z1=1/n,再闭合K1,微型处理器接收电阻R1两端的电压Ua1;
步骤四:重复步骤三,每断开一次开关K1,使开关K1所短路的匝数依次为Z2,...,Zn,微型处理器经第一次采集最终共得到电压Ua0,Ua1,...,Uan;
步骤五:微型处理器根据电压Ua0,Ua1,...,Uan分别计算出A相绕组的初始电流值Ia0,Ia1,...,Ian,微型处理器每隔Δt的时间不断重复采集,直到采集到的电阻R1两端的电压为0时停止采集,根据公式t=m×Δt计算出对应的A相绕组的振荡衰减时间ta0,ta1,...,tan,m是每次采集的次数;
步骤六:重复步骤二到步骤五,微型处理器同样得到B、C相绕组的电感值、电阻R2、R3两端的电压,并计算出对应的初始电流值和振荡衰减时间;
步骤七:微型处理器对A、B、C三相绕组的振荡衰减时间、初始电流值以及电感值进行归一化处理后得到归一化后的振荡衰减时间、初始电流值以及电感值,将归一化后的振荡衰减时间和归一化后的初始电流值作为BP神经网络诊断模型L′=f(I′,t′)输入,将归一化后的电感值作为输出构建BP神经网络诊断模型L′=f(I′,t′);
步骤八:去掉开关K1,针对实际运行的电动机,微型处理器接收到每个电压传感器传送的电阻R1、R2、R3两端的实际电压各有(n+1)个,计算出对应的实际初始电流值以及实际振荡衰减时间,将所述的实际初始电流值以及实际振荡衰减时间均归一化处理后得到归一化后的实际初始电流以及实际振荡衰减时间,再将归一化后的实际振荡衰减时间和归一化后的实际初始电流值作为BP神经网络诊断模型L′=f(I′,t′)的输入,得到对应的电感值L1′;
步骤九:计算出|L1′-1|,将|L1′-1|的值和阈值0比较,如果|L1′-1|等于0,则电动机运行正常,如果|L1′-1|的值不等于0,根据BP神经网络诊断模型L′=f(I′,t′)的输入是哪一相的参数确定出电动机对应相出现故障。
2.根据权利要求1所述的车载电动机匝间短路故障诊断装置的诊断方法,其特征是:步骤八中,当汽车控制器控制电动机运行时,微型处理器控制运行继电器闭合、诊断继电器断开;当汽车挂空挡时,微型处理器控制运行继电器断开、诊断继电器闭合,暂态检测电路将检测到的实际电压传递给微型处理器。
3.根据权利要求1所述的车载电动机匝间短路故障诊断装置的诊断方法,其特征是:步骤五中,当采集到的电阻R1两端的电压为0时,需继续重复采集3次后,如果电阻R1两端的电压值仍然还是0,则微型处理器停止采集。
4.根据权利要求1所述的车载电动机匝间短路故障诊断装置的诊断方法,其特征是:步骤九中,当|L1′-1|不等于0时,BP神经网络诊断模型L′=f(I′,t′)输入的参数为A相参数时,则A相发生匝间短路故障;BP神经网络诊断模型L′=f(I′,t′)输入的参数为B相参数时,则B相发生匝间短路故障;BP神经网络诊断模型L′=f(I′,t′)输入的参数为C相参数时,则C相发生匝间短路故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011123067.6A CN112462293B (zh) | 2020-10-20 | 2020-10-20 | 车载电动机匝间短路故障诊断装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011123067.6A CN112462293B (zh) | 2020-10-20 | 2020-10-20 | 车载电动机匝间短路故障诊断装置及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112462293A CN112462293A (zh) | 2021-03-09 |
CN112462293B true CN112462293B (zh) | 2022-12-16 |
Family
ID=74833868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011123067.6A Active CN112462293B (zh) | 2020-10-20 | 2020-10-20 | 车载电动机匝间短路故障诊断装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462293B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004260939A (ja) * | 2003-02-26 | 2004-09-16 | Mitsubishi Electric Engineering Co Ltd | 巻線形電動機の制御装置 |
CN104991161A (zh) * | 2015-06-08 | 2015-10-21 | 西安交通大学 | 双馈风力发电机定子绕组匝间短路建模及特征提取方法 |
CN106019148A (zh) * | 2016-05-16 | 2016-10-12 | 安徽大学 | 一种基于磁链观测的永磁同步电机匝间短路故障诊断方法 |
CN106226661A (zh) * | 2016-07-17 | 2016-12-14 | 珠海蓝瑞盟电气有限公司 | 采用振荡法检测电抗器匝间绝缘故障的检测结构及方法 |
CN106249144A (zh) * | 2016-08-16 | 2016-12-21 | 株洲中车时代电气股份有限公司 | 双馈风力发电机匝间短路故障诊断方法及故障监测方法 |
CN206411219U (zh) * | 2017-01-21 | 2017-08-15 | 西安科技大学 | 一种基于重复脉冲法的电机匝间短路测试仪 |
CN108375734A (zh) * | 2018-03-14 | 2018-08-07 | 中广核核电运营有限公司 | 一种发电机转子rso试验模拟器、模拟系统及使用方法 |
CN110221200A (zh) * | 2019-06-10 | 2019-09-10 | 河北工业大学 | 一种基于深度学习的万能式断路器附件故障诊断方法 |
CN110618381A (zh) * | 2019-08-16 | 2019-12-27 | 江苏大学 | 三相永磁同步电机定子绕组匝间短路故障检测方法及装置 |
CN110824389A (zh) * | 2019-11-19 | 2020-02-21 | 西南大学 | 一种基于ifra的同步发电机绕组短路故障检测方法 |
-
2020
- 2020-10-20 CN CN202011123067.6A patent/CN112462293B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004260939A (ja) * | 2003-02-26 | 2004-09-16 | Mitsubishi Electric Engineering Co Ltd | 巻線形電動機の制御装置 |
CN104991161A (zh) * | 2015-06-08 | 2015-10-21 | 西安交通大学 | 双馈风力发电机定子绕组匝间短路建模及特征提取方法 |
CN106019148A (zh) * | 2016-05-16 | 2016-10-12 | 安徽大学 | 一种基于磁链观测的永磁同步电机匝间短路故障诊断方法 |
CN106226661A (zh) * | 2016-07-17 | 2016-12-14 | 珠海蓝瑞盟电气有限公司 | 采用振荡法检测电抗器匝间绝缘故障的检测结构及方法 |
CN106249144A (zh) * | 2016-08-16 | 2016-12-21 | 株洲中车时代电气股份有限公司 | 双馈风力发电机匝间短路故障诊断方法及故障监测方法 |
CN206411219U (zh) * | 2017-01-21 | 2017-08-15 | 西安科技大学 | 一种基于重复脉冲法的电机匝间短路测试仪 |
CN108375734A (zh) * | 2018-03-14 | 2018-08-07 | 中广核核电运营有限公司 | 一种发电机转子rso试验模拟器、模拟系统及使用方法 |
CN110221200A (zh) * | 2019-06-10 | 2019-09-10 | 河北工业大学 | 一种基于深度学习的万能式断路器附件故障诊断方法 |
CN110618381A (zh) * | 2019-08-16 | 2019-12-27 | 江苏大学 | 三相永磁同步电机定子绕组匝间短路故障检测方法及装置 |
CN110824389A (zh) * | 2019-11-19 | 2020-02-21 | 西南大学 | 一种基于ifra的同步发电机绕组短路故障检测方法 |
Non-Patent Citations (2)
Title |
---|
Cycle chain ladder deceleration control method research based on permanent magnet synchronous generator;Yecheng Zhang 等;《2010 IEEE International Conference on Information Theory and Information Security》;20110117;第1-4页 * |
脉冲电压法测直流电机匝间短路的分析;张鑫 等;《船电技术》;20181031;第38卷(第10期);第38-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112462293A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108490353B (zh) | 多相永磁同步电机驱动系统故障诊断方法 | |
CN101927700B (zh) | 用于诊断电动机中的定子线圈的方法和系统 | |
CN109459618B (zh) | 电动汽车电驱动系统直流母线电容的准在线容值检测方法 | |
CN106896323B (zh) | 开关磁阻电机不对称半桥型功率变换器主开关故障检测法 | |
CN106709128B (zh) | 一种异步电机定子匝间短路故障预测系统及方法 | |
CN111679225B (zh) | 基于模糊逻辑理论的电驱动系统开路故障诊断方法 | |
CN111123104B (zh) | 一种无需先验知识的永磁电机绕组故障诊断方法 | |
Wang et al. | Detection and evaluation of the interturn short circuit fault in a BLDC-based hub motor | |
CN108152654B (zh) | 一种基于电压分析的机车逆变器开路故障在线诊断方法 | |
CN111942156A (zh) | 一种永磁同步电机退磁故障检测方法、装置及汽车 | |
CN110726962A (zh) | 一种永磁直线电机电流传感器增益故障诊断方法 | |
CN110794302A (zh) | 一种永磁直线电机电流传感器零漂故障诊断方法 | |
CN111123105A (zh) | 基于高频信号注入的电机匝间短路故障诊断方法 | |
CN113534035A (zh) | 新能源电动汽车驱动系统电流传感器微小故障诊断方法 | |
CN112462293B (zh) | 车载电动机匝间短路故障诊断装置及其方法 | |
CN112100946B (zh) | 一种基于故障在线模拟的逆变器开路故障诊断方法及装置 | |
CN112731193B (zh) | 基于滑模观测器的npc逆变器多类故障诊断方法 | |
CN113064074B (zh) | 基于负序分量的永磁同步电机定子绕组故障诊断方法 | |
CN114520600A (zh) | 一种三相pwm整流器中基于神经网络的直流母线电容容量辨识方法 | |
Saadi et al. | An automatic fault detection and localization strategy for switched reluctance machine open-circuit fault in EVs applications | |
CN114487904A (zh) | 一种永磁电机匝间短路故障在线检测方法 | |
CN113065226A (zh) | 一种永磁同步电机故障诊断方法 | |
Wafik et al. | PMSG fault diagnosis in marine application | |
CN113702766A (zh) | 一种基于开关管故障诊断的电机主动短路方法 | |
CN114325380B (zh) | 一种永磁同步电机驱动系统故障诊断方法 |
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 |