CN113534035B - 新能源电动汽车驱动系统电流传感器微小故障诊断方法 - Google Patents

新能源电动汽车驱动系统电流传感器微小故障诊断方法 Download PDF

Info

Publication number
CN113534035B
CN113534035B CN202110747200.3A CN202110747200A CN113534035B CN 113534035 B CN113534035 B CN 113534035B CN 202110747200 A CN202110747200 A CN 202110747200A CN 113534035 B CN113534035 B CN 113534035B
Authority
CN
China
Prior art keywords
phase
fault
inverter
current sensor
current
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
Application number
CN202110747200.3A
Other languages
English (en)
Other versions
CN113534035A (zh
Inventor
许水清
刘锋
戴浩松
柴晖
马铭遥
陶松兵
丁立健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202110747200.3A priority Critical patent/CN113534035B/zh
Publication of CN113534035A publication Critical patent/CN113534035A/zh
Application granted granted Critical
Publication of CN113534035B publication Critical patent/CN113534035B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00Testing or calibrating of apparatus covered by the other groups of this subclass
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/60Other road transportation technologies with climate change mitigation effect
    • Y02T10/64Electric machine technologies in electromobility

Abstract

本发明公开了新能源电动汽车驱动系统的电流传感器微小故障诊断方法,属于故障诊断技术领域。该方法包括以下步骤:建立混合逻辑动态模型、建立状态方程、建立增广系统并进行坐标变换、建立新型自适应滑模观测器、做残差、给定自适应阈值、故障诊断。本发明采用的状态增广法对故障进行重构,使得微小故障更加容易检测;该方法采用的新型自适应滑模观测器先相较于传统滑模观测器减少了发生滑模运动的时间和抖振;该方法采用的自适应阈值提高了故障诊断的准确性、鲁棒性和抗干扰性;该方法通过比较残差与自适应阈值的关系,来定义故障检测特征量对三相两电平逆变器的电流传感器进行故障诊断。

Description

新能源电动汽车驱动系统电流传感器微小故障诊断方法
技术领域
本发明涉及故障诊断领域,尤其涉及新能源电动汽车驱动系统的电流传感器微小故障诊断方法。
背景技术
永磁同步电机的驱动系统是新能源电动汽车的重要组成部分,其安全性和可靠性直接影响电动汽车的正常使用。而电流传感器是驱动系统的重要部件之一,很容易产生故障,从而导致整个驱动系统故障,造成严重的交通事故、人员伤亡和财产损失。
传感器故障主要分为两类:严重故障和精度故障。严重故障主要包括:电流传感器短路、断路、卡死故障等;而精度故障包括电流传感器微小、漂移、比例故障等。目前针对传感器的故障诊断方法主要有两种:基于模型的诊断方法和基于数据的诊断方法。
目前针对传感器微小故障诊断的方法,主要有以下两种诊断方法:
1、基于模型的诊断方法。这类方法通常包括残差生成和诊断决策两个阶段。首先通过建立数学模型,将估计的系统输出与测量信息进行比较得到残差,之后基于适当的决策规则对残差分析以实现对故障的诊断。相关论文及文献如《基于滑模技术故障诊断和容错控制及应用于高速列车的研究》(张康康,南京航空航天大学,2018年12月)、《Slidingmode observer based incipient sensor fault detection with application tohigh-speed railway traction device》(基于滑模观测器的传感器微小故障检测及其在高速铁路牵引装置中的应用,张康康,ISA TRANSACTIONS,2016年7月)等,此类方法需要建立被诊断对象的较为精确的数学模型,但是对于非线性系统来说,难点就在于数学模型难以建立。
2、基于数据驱动的诊断方法。这类方法的基本原理是利用机器学习、统计分析、信号分析方法,如直接从大量的在线操作的数据分析和处理过程,找出故障特征,进行故障诊断。相关论文及专利如《Data-Driven Incipient Fault Detection via CanonicalVariate Dissimilarity and Mixed Kernel Principal ComponentAnalysis》(基于典型变量相异性和混合核主成分分析的数据驱动早期故障检测,吴平,IEEE TRANSACTIONS ONINDUSTRIAL INFORMATICS,2021年8月)、中国发明专利申请公开《一种用于高铁逆变器的微小故障诊断系统的设计方法》(CN 106959397 A)等,此类方法不需要知道系统精确的数学模型,但是需要知道准确的数据,另外针对采集的数据要选择合适的处理方法,不同处理方法会导致不同程度的偏差。
综上所述,现有技术存在的问题包括:
1、针对可以建立准确数学模型的逆变器,基于模型的故障诊断方法相较于基于数据驱动的诊断方法具有明显优势。
2、微小故障不容易检测;
3、发生滑模运动时趋近速率慢且抖震大;
4、自适应阈值抗干扰性不强。
发明内容
本发明的目的是提供一种新能源电动汽车驱动系统电流传感器微小故障诊断方法,解决上述现有技术中存在的问题。具体的,将原系统的状态方程和故障表示成增广形式,通过坐标变换,进行故障重构,让故障对系统的影响更直观的表现出来;利用新型自适应滑模观测器的趋近律取代传统的等速趋近律、指数趋近律、幂次趋近律,通过合理的参数设计,可以更快的到达滑模面并减小滑模运动的抖振,从而达到更好的跟踪实际情况的效果;利用自适应阈值取代传统的常数阈值,减小故障诊断的时间,同时防止漏报或者误报,提高故障诊断的鲁棒性。
为了实现上述目的,本发明提供了一种新能源电动汽车驱动系统电流传感器微小故障诊断方法,该方法所述驱动系统涉及的拓扑结构包括直流电源、三相两电平逆变器、永磁同步电机、电流传感器和控制模块,所述永磁同步电机包括三个相同的等效电阻,三个相同的等效电感和三相绕组反电动势;
所述三相两电平逆变器分为三相桥臂,三相桥臂均与直流电源并连,将三相桥臂记为k相桥臂,k表示相序,k=a,b,c;在三相桥臂中,每相桥臂由两个开关管串联组成,即逆变电路共包含6个开关管,将6个开关管记为V,η表示开关管的序号,η=1,2;在三相桥臂的每相桥臂中,开关管Vk1、开关管Vk2依次串联,开关管Vk1、开关管Vk2的连接点记为点
Figure BDA0003140750820000031
所述三个相同的等效电阻记为电阻Rk、三个相同的等效电感记为电感Lk、三相绕组反电动势记为反电动势ek,k=a,b,c,所述电阻Rk的一端与输出点
Figure BDA0003140750820000041
相连,另一端与电感Lk相连,电感Lk的另一端连接反电动势ek的正极,反电动势ek的负极接地;
所述电流传感器的检测端分为三相,记为检测端Γk,k=a,b,c,检测端Γk连接在输出点
Figure BDA0003140750820000042
和电阻Rk之间,电流传感器的输出端连接控制模块的输入端,所述控制模块的输出端分别连接6个开关管V
所述诊断方法包括以下步骤:
步骤1,将三相两电平逆变器记为逆变器,建立逆变器的混合逻辑动态模型,并计算k相相电压Uk的估计值
Figure BDA0003140750820000043
所述逆变器的混合逻辑动态模型的表达式为:
Figure BDA0003140750820000044
其中,
Figure BDA0003140750820000045
为k相端电压的估计值,Sk为k相桥臂的开关函数,k=a,b,c,Udc为直流侧电压;
所述k相相电压Uk的估计值
Figure BDA0003140750820000046
的表达式为:
Figure BDA0003140750820000047
步骤2,采样逆变器的三相输出电流ia,ib,ic,建立逆变器的电流状态方程,其表达式为:
Figure BDA0003140750820000048
其中,
Figure BDA0003140750820000049
为三相输出电流ia,ib,ic的导数,R为电阻Ra的电阻值,L为电感La的电感值,ea为a相绕组的反电动势,eb为b相绕组的反电动势,ec为c相绕组的反电动势,D为系数矩阵1,
Figure BDA0003140750820000051
F为逆变器的微小扰动信号;
步骤3,令电流传感器的微小故障为微小故障f,建立微小故障方程,其表达式如下:
Figure BDA0003140750820000052
其中,
Figure BDA0003140750820000053
为微小故障f的导数,Af为Hurwitz矩阵,ξ表示微小故障的激励信号;
步骤4,采用状态增广法对微小故障方程和逆变器的电流状态方程建立增广系统,增广系统的表达式如下:
Figure BDA0003140750820000054
步骤5,给定状态变量xi,i=1,2,3,4,状态变量xi的表达式为:
Figure BDA0003140750820000055
将状态变量xi的导数记为状态变量导数
Figure BDA0003140750820000056
则状态量导数
Figure BDA0003140750820000057
与增广系统输出y的表达式分别如下
Figure BDA0003140750820000061
Figure BDA0003140750820000062
步骤6,将状态变量xi的估计值记为状态变量估计值
Figure BDA0003140750820000063
将状态变量估计值
Figure BDA0003140750820000064
的导数记为状态变量估计值导数
Figure BDA0003140750820000065
输出y的估计值记为输出估计值
Figure BDA0003140750820000066
构建新型自适应滑模观测器,其表达式为:
Figure BDA0003140750820000067
Figure BDA0003140750820000068
A为系数矩阵2,
Figure BDA0003140750820000071
B为系数矩阵3,
Figure BDA0003140750820000072
C为系数矩阵4,
Figure BDA0003140750820000073
k1为可调参数1,且k1>0,k2为可调参数2,且k2>0,λ为可调参数3,且λ∈(0,1),α为可调参数4,α=5,p为可调参数5,p=0.75,sign()为符号函数,s为滑模面,且
Figure BDA0003140750820000074
步骤7,定义残差ri
Figure BDA0003140750820000075
则残差ri的导数
Figure BDA0003140750820000076
的表达式为:
Figure BDA0003140750820000077
步骤8,给定故障诊断自适应阈值Tth
步骤9,定义故障检测特征量Z,
Figure BDA0003140750820000081
并进行如下诊断:
若Z=0,则认定逆变器的电流传感器未发生微小故障;
若Z=1,则认定逆变器的电流传感器发生了微小故障。
优选地,所述k相桥臂的开关函数Sk按照以下方式确定:
规定电流从三相两电平逆变器流向电感Lk为正,电流从电感Lk流向三相两电平逆变器为负,定义逻辑变量δk,δk=1表示k相电流为正,δk=0表示k相电流为负;
将开关管V的开关信号记为μ,且用符号“-”表示逻辑非,μ=1表示开关管V处于导通状态,μ=0表示开关管V处于断开状态,则k相桥臂的开关函数Sk的表达式为:
Figure BDA0003140750820000082
优选地,步骤8所述故障诊断自适应阈值Tth的给定依据残差r4,给定过程如下:
首先定义残差r4如下:
Figure BDA0003140750820000083
其中,t是时间变量,表示驱动系统运行的时间,e为自然对数函数的底数,r4(0)表示残差r4在t=0时刻的初始值;τ是时间常数,d表示微分,∫表示一重积分号;||||为范数符号,
Figure BDA0003140750820000084
表示当电流传感器发生微小故障时所对应故障激励信号ξ的值;
故障诊断自适应阈值Tth定义如下:
Figure BDA0003140750820000091
由于采用了上述故障诊断方法,与现有技术相比,本发明的有益效果为:
1、采用了状态增广法和坐标变换对故障进行重构,使得微小故障可以具体的体现出来,更加容易检测;
2、采用了新型自适应滑模观测器,解决了传统滑模观测器发生滑模运动时趋近速率慢和抖振大的问题;
3、设计新型的自适应阈值和残差比较做故障诊断,增加了抗干扰性,提高了故障检测的准确性和鲁棒性;
4、实现了对电流传感器微小故障诊断并检验了故障诊断结果的准确性。
附图说明
图1是本发明实施例中新能源电动汽车驱动系统涉及的拓扑图;
图2是本发明新能源电动汽车驱动系统电流传感器微小故障诊断方法的示意图;
图3是本发明新能源电动汽车驱动系统电流传感器微小故障诊断方法的流程图;
图4是本发明实施例中在微小故障发生前后的状态变量x4的仿真波形图;
图5是本发明实施例中诊断残差r4和诊断自适应阈值Tth的仿真波形图;
图6是本发明实施例中故障检测特征量Z的仿真波形图。
具体实施方式
下面将结合附图对本发明的及技术方案进行清晰、完整的阐述。
图1是本发明例中的新能源电动汽车驱动系统涉及的拓扑图。由图可见,所述驱动系统涉及的拓扑结构包括直流电源、三相两电平逆变器、永磁同步电机、电流传感器和控制模块,所述永磁同步电机包括三个相同的等效电阻,三个相同的等效电感和三相绕组反电动势。
所述三相两电平逆变器分为三相桥臂,三相桥臂均与直流电源并连,将三相桥臂记为k相桥臂,k表示相序,k=a,b,c。在三相桥臂中,每相桥臂由两个开关管串联组成,即逆变电路共包含6个开关管,将6个开关管记为V,η表示开关管的序号,η=1,2。在三相桥臂的每相桥臂中,开关管Vk1、开关管Vk2依次串联,开关管Vk1、开关管Vk2的连接点记为点
Figure BDA0003140750820000101
所述三个相同的等效电阻记为电阻Rk、三个相同的等效电感记为电感Lk、三相绕组反电动势记为反电动势ek,k=a,b,c,所述电阻Rk的一端与输出点
Figure BDA0003140750820000102
相连,另一端与电感Lk相连,电感Lk的另一端连接反电动势ek的正极,反电动势ek的负极接地。
所述电流传感器的检测端分为三相,记为检测端Γk,k=a,b,c,检测端Γk连接在输出点
Figure BDA0003140750820000103
和电阻Rk之间,电流传感器的输出端连接控制模块的输入端,所述控制模块的输出端分别连接6个开关管V
在图1中,PMSM为永磁同步电机。
图2是本发明新能源电动汽车驱动系统电流传感器微小故障诊断方法的示意图,图3是本发明新能源电动汽车驱动系统电流传感器微小故障诊断方法的流程图。由图2-图3可见,所述诊断方法包括以下步骤:
步骤1,将三相两电平逆变器记为逆变器,建立逆变器的混合逻辑动态模型,并计算k相相电压Uk的估计值
Figure BDA0003140750820000111
所述逆变器的混合逻辑动态模型的表达式为:
Figure BDA0003140750820000112
其中,
Figure BDA0003140750820000113
为k相端电压的估计值,Sk为k相桥臂的开关函数,k=a,b,c,Udc为直流侧电压;
所述k相相电压Uk的估计值
Figure BDA0003140750820000114
的表达式为:
Figure BDA0003140750820000115
在本实施例中,直流侧电压Udc=311V。
步骤2,采样逆变器的三相输出电流ia,ib,ic,建立逆变器的电流状态方程,其表达式为:
Figure BDA0003140750820000116
其中,
Figure BDA0003140750820000117
为三相输出电流ia,ib,ic的导数,R为电阻Ra的电阻值,L为电感La的电感值,ea为a相绕组的反电动势,eb为b相绕组的反电动势,ec为c相绕组的反电动势,D为系数矩阵1,
Figure BDA0003140750820000118
F为逆变器的微小扰动信号。
步骤3,令电流传感器的微小故障为微小故障f,建立微小故障方程,其表达式如下:
Figure BDA0003140750820000121
其中,
Figure BDA0003140750820000122
为微小故障f的导数,Af为Hurwitz矩阵,ξ表示微小故障的激励信号。
在本实施例中,
Figure BDA0003140750820000123
Af=-1000。
步骤4,采用状态增广法对微小故障方程和逆变器的电流状态方程建立增广系统,增广系统的表达式如下:
Figure BDA0003140750820000124
步骤5,给定状态变量xi,i=1,2,3,4,状态变量xi的表达式为:
Figure BDA0003140750820000125
将状态变量xi的导数记为状态变量导数
Figure BDA0003140750820000126
则状态变量导数
Figure BDA0003140750820000127
与增广系统输出y的表达式分别如下;
Figure BDA0003140750820000131
Figure BDA0003140750820000132
步骤6,将状态变量xi的估计值记为状态变量估计值
Figure BDA0003140750820000133
将状态变量估计值
Figure BDA0003140750820000134
的导数记为状态变量估计值导数
Figure BDA0003140750820000135
输出y的估计值记为输出估计值
Figure BDA0003140750820000136
构建新型自适应滑模观测器,其表达式为:
Figure BDA0003140750820000137
Figure BDA0003140750820000138
A为系数矩阵2,
Figure BDA0003140750820000141
B为系数矩阵3,
Figure BDA0003140750820000142
C为系数矩阵4,
Figure BDA0003140750820000143
k1为可调参数1,且k1>0,k2为可调参数2,且k2>0,λ为可调参数3,且λ∈(0,1),α为可调参数4,α=5,p为可调参数5,p=0.75,sign()为符号函数,s为滑模面,且
Figure BDA0003140750820000144
在本实施例中,取k1=5,k2=1,λ=0.25。
步骤7,定义残差ri
Figure BDA0003140750820000145
则残差ri的导数
Figure BDA0003140750820000146
的表达式为:
Figure BDA0003140750820000147
步骤8,给定故障诊断自适应阈值Tth
由步骤7的表达式可见,只有残差r4包含了微小故障故障的激励信号ξ,所以对微小故障进行检测时,故障诊断自适应阈值Tth的给定和步骤9中的故障检测特征量Z的给定均依据残差r4
故障诊断自适应阈值Tth的给定依据残差r4,给定过程如下:
首先定义残差r4如下:
Figure BDA0003140750820000151
其中,t是时间变量,表示驱动系统运行的时间,e为自然对数函数的底数,r4(0)表示残差r4在t=0时刻的初始值;τ是时间常数,d表示微分,∫表示一重积分号;||||为范数符号,
Figure BDA0003140750820000152
表示当电流传感器发生微小故障时所对应故障激励信号ξ的值。
故障诊断自适应阈值Tth定义如下:
Figure BDA0003140750820000153
步骤9,定义故障检测特征量Z,
Figure BDA0003140750820000154
并进行如下诊断:
若Z=0,则认定逆变器的电流传感器未发生微小故障;
若Z=1,则认定逆变器的电流传感器发生了微小故障。
至此,诊断结束。
在以上步骤中,步骤1所述k相桥臂的开关函数Sk按照以下方式确定:
规定电流从三相两电平逆变器流向电感Lk为正,电流从电感Lk
向三相两电平逆变器为负,定义逻辑变量δk,δk=1表示k相电流为正,δk=0表示k相电流为负;
将开关管V的开关信号记为μ,且用符号“-”表示逻辑非,μ=1表示开关管V处于导通状态,μ=0表示开关管V处于断开状态,则k相桥臂的开关函数Sk的表达式为:
Figure BDA0003140750820000161
为了佐证本发明的有益效果,对本发明进行了仿真。
图4是本发明实施例中在微小故障发生前后的状态变量x4的仿真波形图。由图可见,在微小故障发生0.2秒后状态变量x4发生微小变化。
图5是本发明实施例中诊断残差r4和诊断自适应阈值Tth的仿真波形图。由图可见,微小故障发生0.201秒时r4突然变大超过自适应阈值Tth
图6是本发明实施例中故障检测特征量Z的仿真波形图。由图可见,故障检测特征量Z在0.201秒时由0变为1,可以判断电流传感器发生微小故障。

Claims (2)

1.一种新能源电动汽车驱动系统电流传感器微小故障诊断方法,该方法所述驱动系统涉及的拓扑结构包括直流电源、三相两电平逆变器、永磁同步电机、电流传感器和控制模块,所述永磁同步电机包括三个相同的等效电阻,三个相同的等效电感和三相绕组反电动势;
所述三相两电平逆变器分为三相桥臂,三相桥臂均与直流电源并连,将三相桥臂记为k相桥臂,k表示相序,k=a,b,c;在三相桥臂中,每相桥臂由两个开关管串联组成,即逆变电路共包含6个开关管,将6个开关管记为V,η表示开关管的序号,η=1,2;在三相桥臂的每相桥臂中,开关管Vk1、开关管Vk2依次串联,开关管Vk1、开关管Vk2的连接点记为点
Figure FDA0003582532580000011
所述三个相同的等效电阻记为电阻Rk、三个相同的等效电感记为电感Lk、三相绕组反电动势记为反电动势ek,k=a,b,c,所述电阻Rk的一端与输出点
Figure FDA0003582532580000012
相连,另一端与电感Lk相连,电感Lk的另一端连接反电动势ek的正极,反电动势ek的负极接地;
所述电流传感器的检测端分为三相,记为检测端Γk,k=a,b,c,检测端Γk连接在输出点
Figure FDA0003582532580000013
和电阻Rk之间,电流传感器的输出端连接控制模块的输入端,所述控制模块的输出端分别连接6个开关管V
其特征在于,所述诊断方法包括以下步骤:
步骤1,将三相两电平逆变器记为逆变器,建立逆变器的混合逻辑动态模型,并计算k相相电压Uk的估计值
Figure FDA0003582532580000016
所述逆变器的混合逻辑动态模型的表达式为:
Figure FDA0003582532580000015
其中,
Figure FDA0003582532580000021
为k相端电压的估计值,Sk为k相桥臂的开关函数,k=a,b,c,Udc为直流侧电压;
所述k相相电压Uk的估计值
Figure FDA0003582532580000022
的表达式为:
Figure FDA0003582532580000023
步骤2,采样逆变器的三相输出电流ia,ib,ic,建立逆变器的电流状态方程,其表达式为:
Figure FDA0003582532580000024
其中,
Figure FDA0003582532580000025
为三相输出电流ia,ib,ic的导数,R为电阻Ra的电阻值,L为电感La的电感值,ea为a相绕组的反电动势,eb为b相绕组的反电动势,ec为c相绕组的反电动势,D为系数矩阵1,
Figure FDA0003582532580000026
F为逆变器的微小扰动信号;
步骤3,令电流传感器的微小故障为微小故障f,建立微小故障方程,其表达式如下:
Figure FDA0003582532580000027
其中,
Figure FDA0003582532580000028
为微小故障f的导数,Af为Hurwitz矩阵,ξ表示微小故障的激励信号;
步骤4,采用状态增广法对微小故障方程和逆变器的电流状态方程建立增广系统,增广系统的表达式如下:
Figure FDA0003582532580000031
步骤5,给定状态变量xi,i=1,2,3,4,状态变量xi的表达式为:
Figure FDA0003582532580000032
将状态变量xi的导数记为状态变量导数
Figure FDA0003582532580000033
则状态变量导数
Figure FDA0003582532580000034
与增广系统输出y的表达式分别如下;
Figure FDA0003582532580000035
Figure FDA0003582532580000036
步骤6,将状态变量xi的估计值记为状态变量估计值
Figure FDA0003582532580000041
将状态变量估计值
Figure FDA0003582532580000042
的导数记为状态变量估计值导数
Figure FDA0003582532580000043
输出y的估计值记为输出估计值
Figure FDA0003582532580000044
构建新型自适应滑模观测器,其表达式为:
Figure FDA0003582532580000045
Figure FDA0003582532580000046
A为系数矩阵2,
Figure FDA0003582532580000047
B为系数矩阵3,
Figure FDA0003582532580000048
C为系数矩阵4,
Figure FDA0003582532580000049
k1为可调参数1,且k1>0,k2为可调参数2,且k2>0,λ为可调参数3,且λ∈(0,1),α为可调参数4,α=5,p为可调参数5,p=0.75,sign()为符号函数,s为滑模面,且
Figure FDA0003582532580000051
步骤7,定义残差ri
Figure FDA0003582532580000052
则残差ri的导数
Figure FDA0003582532580000053
的表达式为:
Figure FDA0003582532580000054
步骤8,给定故障诊断自适应阈值Tth
所述故障诊断自适应阈值Tth的给定依据残差r4,给定过程如下:
首先定义残差r4如下:
Figure FDA0003582532580000057
其中,t是时间变量,表示驱动系统运行的时间,e为自然对数函数的底数,r4(0)表示残差r4在t=0时刻的初始值;τ是时间常数,d表示微分,∫表示一重积分号;|| ||为范数符号,
Figure FDA0003582532580000055
表示当电流传感器发生微小故障时所对应故障激励信号ξ的值;
故障诊断自适应阈值Tth定义如下:
Figure FDA0003582532580000056
步骤9,定义故障检测特征量Z,
Figure FDA0003582532580000061
并进行如下诊断:
若Z=0,则认定逆变器的电流传感器未发生微小故障;
若Z=1,则认定逆变器的电流传感器发生了微小故障。
2.根据权利要求1所述的一种新能源电动汽车驱动系统电流传感器微小故障诊断方法,其特征在于,所述k相桥臂的开关函数Sk按照以下方式确定:
规定电流从三相两电平逆变器流向电感Lk为正,电流从电感Lk流向三相两电平逆变器为负,定义逻辑变量δk,δk=1表示k相电流为正,δk=0表示k相电流为负;
将开关管V的开关信号记为μ,且用符号“-”表示逻辑非,μ=1表示开关管V处于导通状态,μ=0表示开关管V处于断开状态,则k相桥臂的开关函数Sk的表达式为:
Figure FDA0003582532580000062
CN202110747200.3A 2021-06-30 2021-06-30 新能源电动汽车驱动系统电流传感器微小故障诊断方法 Active CN113534035B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110747200.3A CN113534035B (zh) 2021-06-30 2021-06-30 新能源电动汽车驱动系统电流传感器微小故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110747200.3A CN113534035B (zh) 2021-06-30 2021-06-30 新能源电动汽车驱动系统电流传感器微小故障诊断方法

Publications (2)

Publication Number Publication Date
CN113534035A CN113534035A (zh) 2021-10-22
CN113534035B true CN113534035B (zh) 2022-06-03

Family

ID=78097528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110747200.3A Active CN113534035B (zh) 2021-06-30 2021-06-30 新能源电动汽车驱动系统电流传感器微小故障诊断方法

Country Status (1)

Country Link
CN (1) CN113534035B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114172401B (zh) * 2021-11-12 2023-08-29 合肥工业大学 基于降阶观测器的npc三电平逆变器多类故障诊断方法
CN114325380B (zh) * 2021-11-25 2022-12-27 合肥工业大学 一种永磁同步电机驱动系统故障诊断方法
CN114355186B (zh) * 2021-11-26 2023-03-07 合肥工业大学 异步电机系统转子断条及速度传感器故障的诊断方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1255289B (it) * 1992-05-26 1995-10-26 Ansaldo Spa Metodo e circuito per il comando della commutazione di un invertitore in "sliding-mode" e in pwm con tensione di uscita a tre livelli
CN108490923B (zh) * 2018-04-28 2020-09-15 南京航空航天大学 用于电气牵引系统的微小故障检测与定位的系统设计方法
CN110991472B (zh) * 2019-08-01 2023-10-03 南京航空航天大学 一种高速列车牵引系统微小故障诊断方法
CN112731193B (zh) * 2020-12-21 2021-12-21 合肥工业大学 基于滑模观测器的npc逆变器多类故障诊断方法
CN112947389B (zh) * 2021-03-31 2022-04-22 合肥工业大学 一种pfc控制系统的多故障同步估计方法

Also Published As

Publication number Publication date
CN113534035A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN113534035B (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
Lee et al. Attention recurrent neural network-based severity estimation method for interturn short-circuit fault in permanent magnet synchronous machines
KR102189269B1 (ko) 컨볼루션 신경망을 이용한 유도 모터의 결함 진단방법 및 시스템
CN104122479B (zh) 感应电机矢量控制系统功率管开路故障的在线检测方法
CN109917205B (zh) 一种基于特征提取和多层感知机的电磁阀故障诊断装置及方法
CN112052796A (zh) 一种基于深度学习的永磁同步电机故障诊断方法
CN110441643A (zh) 永磁同步电机控制系统中逆变器功率管断路故障诊断方法
CN108490923B (zh) 用于电气牵引系统的微小故障检测与定位的系统设计方法
CN111551872B (zh) 一种pmsm驱动系统逆变器开路故障在线诊断方法
Chen et al. Data-driven incipient sensor fault estimation with application in inverter of high-speed railway
CN113534000B (zh) 新能源汽车驱动系统逆变器及电流传感器故障的诊断方法
Chen et al. Real-time incipient fault detection for electrical traction systems of CRH2
CN104698397A (zh) 一种多电平逆变器故障诊断方法
CN106124914A (zh) 电机驱动系统中逆变器功率管开路故障实时检测方法
CN111398860A (zh) 一种混合式的pmsm驱动系统逆变器开路故障在线诊断方法
CN110726962B (zh) 一种永磁直线电机电流传感器增益故障诊断方法
CN108614164A (zh) 电动汽车永磁同步电机三相电流缺相诊断方法
CN112731193B (zh) 基于滑模观测器的npc逆变器多类故障诊断方法
CN106093626B (zh) 一种用于诊断crh5型高铁逆变器的微小故障的方法
CN110907864A (zh) 电机定子绕组的故障检测方法、装置、设备及存储介质
CN114236374A (zh) 一种整流器开路故障的实时诊断方法
CN113610119A (zh) 基于卷积神经网络识别输电线路发展性故障的方法
CN114325380B (zh) 一种永磁同步电机驱动系统故障诊断方法
CN116559648A (zh) 基于驱动电机功率检测的gis隔离开关机械状态检测方法
Frisk et al. Fault Diagnosis Using Data, Models, or Both–An Electrical Motor Use-Case

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