CN113720495A - 一种电机转子实时温度估计方法 - Google Patents

一种电机转子实时温度估计方法 Download PDF

Info

Publication number
CN113720495A
CN113720495A CN202110985492.4A CN202110985492A CN113720495A CN 113720495 A CN113720495 A CN 113720495A CN 202110985492 A CN202110985492 A CN 202110985492A CN 113720495 A CN113720495 A CN 113720495A
Authority
CN
China
Prior art keywords
temperature
motor
model
rotor
network 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.)
Pending
Application number
CN202110985492.4A
Other languages
English (en)
Inventor
孙乐
肖鑫
陈龙淼
甘辉
董静琪
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and 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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202110985492.4A priority Critical patent/CN113720495A/zh
Publication of CN113720495A publication Critical patent/CN113720495A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明公开了一种电机转子实时温度估计方法，以电机损耗模型和热路模型为基础，构造电机温度估计模型，模型以状态空间形式表述，模型输入为电机运行中的电流、转速、环境温度以及其它可以以可靠、低成本传感器测量获得的热点温度，模型输出为电机绕组温度、定子铁心温度和转子磁钢温度等关键热点温度。本发明解决了电机转子温度难以实时测量的问题。

Description

一种电机转子实时温度估计方法
技术领域
本发明属于电机技术领域，具体为一种电机转子实时温度估计方法。
背景技术
电机运行中转速处于旋转运动状态，很难安装温度传感器有效测量转子或转子相关零件温度，即使安装温度传感器也很难将温度信息传输出来。这种问题在大批量电机、高速电机应用场合尤其严重。而电机运行中转子温度监控非常重要，例如永磁电机中的磁钢安装在转子上，而磁钢属于温度敏感型元件，高温会导致磁钢性能下降，过高温度甚至会导致磁钢失效。因此开发一种电机转子温度实时估计方法十分必要，从而实现不依赖传感器的转子温度辨识，在电机运行中仅通过电流、转速以及容易测量得到的温度信息就准确估计转子或者转子重要零件的温度。
现有的关于电机转子温度辨识的方法一般分为以下三种：其一，基于热路模型和损耗模型构造集总参数模型，通过经验和实验结果调整模型参数，将模型植入电机控制程序，在电机运行实时估计电机转子温度，这种方法的缺陷是模型参数难以准确整定，估计效果严重依赖经验，且有很大偶然性。其二，通过观测绕组电阻、永磁磁链等对温度比较敏感的物理量，间接估计转子温度，这种方法的缺陷是在温度变化较小的情况下这些物理量的变化量非常小，很难准确辨识温度变化。其三就是将上述两种方法融合，互相修正，以弥补方法二在温度变化较小的情况下精度问题，然而，仍然存在第一种集总模型的参数整定很难准确获得的问题。
发明内容
本发明的目的在于提供一种电机转子实时温度估计方法。
实现本发明目的的技术方案为：一种电机转子实时温度估计方法，包括如下步骤：
步骤1，温度估计模型构造：根据电机损耗模型和电机热路模型搭建电机复杂热网络模型，根据有限元热分析结果，简化热网络模型；
步骤2，模型参数边界计算：根据有限元热分析结果，确定简化后的热网络模型参数范围，作为参数辨识边界；
步骤3，传感器安装：在电机上安装温度传感器，用以测量环境温度、机壳温度、绕组温度、定子铁心温度、转子温度、热点温度；
步骤4，运行数据采集：电机做连续长时间运行，同步采集运行转速、电流以及热点温度，以时间序列将采集到的所有数据构建数据库；
步骤5，模型参数辨识：基于数据库和参数边界，对热网络模型进行训练，获得能够匹配运行结果的模型参数；
步骤6，转子温度实时估计：将热网络模型及其参数移植入电机驱动器，在电机运行中实时计算/估计电机转子温度。
优选地，所述参数辨识边界为简化后的热网络模型参数解析值的0.3～3倍。
优选地，采用二次规划方法对热网络模型进行训练。
优选地，热网络模型训练的具体方法为：寻找使得c函数达到最小值时候的热网络模型参数向量z，数学表达式为：
Figure BDA0003230546420000021
其中：
Figure BDA0003230546420000022
式中，M和q为数据库中数据构成的矩阵和向量，
Figure BDA0003230546420000023
表示参数向量z的估计值，D表示该估计值的搜索域。
本发明与现有技术相比，其显著优点为：
1)本发明中的集总参数标定过程不再需要依赖人工经验，完全基于测试数据和固定的辨识方法自动化完成，结果一致性好；
2)本发明能够辨识较小温度变化，全温度范围内准确度比基于电阻、磁链等物理的间接法高。
附图说明
图1是本申请实施例的流程图。
图2是本申请实施例的永磁同步电机传感器安装位置图。
图3是本申请实施例的永磁同步电机简化热网络图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
如图1所示，一种电机转子实时温度估计方法，包括如下步骤：
步骤1，温度估计模型构造：根据电机损耗模型和电机热路模型搭建电机复杂热网络模型，根据有限元热分析结果，简化热网络模型，如图3所示；
本发明中，复杂热网络模型完全根据物理对象特性构造的热网络，结构复杂、涉及参数多，需要根据有限元分析结果，省略对温度分布影响不大的支路，简化热网络模型，以最大程度降到实时运算量，模型以状态空间方式表述。
步骤2，模型参数边界计算：根据有限元热分析结果，确定步骤1中的热网络模型参数范围，作为参数辨识的边界；
根据参数物理意义和有限元分析获得的热分布情况，计算得出简化热网络模型中的参数解析值，而该解析值不能用来精确描述实际电机，只能作为参数数量级的参考，在某些实施例中，以该参数的0.3～3倍数量作为后续参数辨识的边界。
步骤3，传感器安装：在实际电机样品上安装温度传感器，如图2所示，用以测量环境温度、机壳温度、绕组温度、定子铁心温度、转子温度、关键热点温度；
步骤4，运行数据采集：建立辨识数据库：将电机安装在测试台架上做连续长时间运行，同步采集运行转速、电流以及步骤3中可以测量的各个热点温度，以时间序列将采集到的所有数据整理获得数据库(即实时运行中的x与u值以时间序列构成的数据库)；
步骤5，模型参数辨识：基于数据库和参数边界，对热网络模型进行训练，获得能够匹配运行测试结果的模型参数；
在步骤2所得的边界范围内，使得参数与模型的配合最大程度符合步骤4中的长时间测量结果。热网络模型训练采用二次规划方法，训练方法具体为：寻找使得c函数达到最小值时候的z向量，数学表达式为：
Figure BDA0003230546420000031
其中：
Figure BDA0003230546420000032
式中，M和q是由步骤4中的测量数据库构成的数据矩阵和数据向量，函数
Figure BDA0003230546420000033
采用二次规划方法求解上式即可获得最佳匹配的热网络模型参数向量z。
步骤6，转子温度实时估计：将上述模型及其辨识获得的参数移植入电机驱动器，在电机运行中实时计算/估计电机转子温度。
将状态空间模型离散化后以软件方式植入驱动器控制软件，与常规电机控制软件同步运行。
本发明提出了一种电机转子实时温度估计方法，以电机损耗模型和热路模型为基础，构造电机温度估计模型，模型以状态空间形式表述，模型输入为电机运行中的电流、转速、环境温度以及其它可以以可靠、低成本传感器测量获得的热点温度，模型输出为电机绕组温度、定子铁心温度和转子磁钢温度等关键热点温度。本发明的创新之处在于：整套估计算法分为两部分，第一部分是通过收集大量运行数据用来训练温度估计模型，以获得准确的模型参数；第二部分是基于训练获得的估计模型，在电机运行中实时估计转子温度。
实施例
以一个永磁同步电机温度实时估计方案为实例详细介绍本发明所提方案如何投入应用。以一台常规永磁同步电机(额定转速3000rpm，额定负载10Nm)为例：
步骤1，根据电机损耗模型和电机热路模型搭建电机复杂热网络模型，根据有限元热分析结果，简化热网络模型，所得该永磁同步电机热网络模型如图3所示，包含环境温度(Tam)、机壳温度(Tfr)、定子轭部温度(Tsy)、槽内绕组温度(Tsw)、绕组端部温度(Tew)、定子齿部温度(Tst)、磁钢温度(Tm)这7个温度热点，热网络模型的数学表达式为：
Figure BDA0003230546420000041
式中Rxx、Cxx和Pxx分别为图1中所表达的热点之前的热路等效热阻、各个热点的等效热容和各个热点对应的损耗，具体来说：Rtm是定子齿与磁钢之间热阻，Rfm是机壳与磁钢之间热阻，Ram是环境与磁钢之间热阻，Rst是定子槽到定子齿的热阻，Ryt是定子轭到定子齿的热阻，Rfy是机壳到定子轭的热阻，Rfe机壳到绕组端部的热阻，Raf是环境到机壳热阻，Res是绕组端部到定子槽的热阻，
Rys是定子轭到定子槽的热阻；Crm是转子热容，Cst是定子齿热容，Csy是定子轭热容，Cfr是机壳热容，Cew是绕组端部热容，Csw是槽内绕组热容；Pst是定子齿铁损功率，Psy是定子轭部铁损功率，Pew是端部绕组铜损功率，Psw是槽内绕组铜损功率。
该表达式可以整理为：
Figure BDA0003230546420000051
其中：
x＝[x1 ... x6]T＝[Tm Tst Tsy Tfr Tew Tsw]T,u＝[u1 ... u5]T＝[Pst Psy Pew PswTam]T.
Figure BDA0003230546420000052
Figure BDA0003230546420000053
经过离散化，上式可改写为：
x(k)＝x(k-1)+Ts[Ax(k-1)+Bu(n(k),Iq(k),Tam(k),x5(k-1),x6(k-1))]
可见，只要能够精确整定式中所有参数即可基于上式实时计算出k时刻的各热点温度，其中包含转子磁钢温度，为方便后续介绍，将A矩阵与B矩阵中的非零元素列(共25个元素)成一个向量z。
步骤2，根据参数物理意义和有限元分析获得的热分布情况，可以计算得出上述简化网络中的参数解析值，而该解析值不能用来精确描述实际电机，只能作为参数数量级的参考，以参数向量的0.3倍至3倍数量作为后续参数辨识的边界，即
Figure BDA0003230546420000061
z0为z向量中元素解析值构成的常数向量。
步骤3，根据上述热网络温度热点，在永磁同步电机相应位置安装温度传感器如图3所示。
步骤4，通过驱动器驱动电机从0转速开始以500rpm为增量，逐步增速到额定转速3000rpm，在每个转速点停留12分钟，期间给电机从空载开始逐步增加负载至额定负载(以2Nm为增量，逐步增加到额定负载，每个负载持续2分钟)，如此连续运行72分钟，后停机冷却30分钟，总测试时间102分钟，期间以0.5s为采样周期同步记录每个采样点的电流、转速和各个热点温度，获得一个12240点的数据库。
步骤5，模型参数辨识：基于数据库和参数边界，对热网络模型进行训练，获得能够匹配运行测试结果的模型参数，本实例中采用二次规划方法对参数向量z进行训练，训练方法具体为：寻找使得c函数达到最小值时候的z辨识向量，数学表达式为：
Figure BDA0003230546420000062
其中：
Figure BDA0003230546420000063
式中的M和q是由步骤4中的测量数据库构成的矩阵和向量，采用二次规划方法求解上式即可获得最佳匹配的参数向量z，进而最终获得步骤1中的模型。
步骤6，将步骤5中的参数带入步骤1中离散表达式，再以软件形式移植入电机驱动器，在电机运行中即可实时计算/估计电机转子温度。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (4)

1.一种电机转子实时温度估计方法，其特征在于，包括如下步骤：
步骤1，温度估计模型构造：根据电机损耗模型和电机热路模型搭建电机复杂热网络模型，根据有限元热分析结果，简化热网络模型；
步骤2，模型参数边界计算：根据有限元热分析结果，确定简化后的热网络模型参数范围，作为参数辨识边界；
步骤3，传感器安装：在电机上安装温度传感器，用以测量环境温度、机壳温度、绕组温度、定子铁心温度、转子温度、热点温度；
步骤4，运行数据采集：电机做连续长时间运行，同步采集运行转速、电流以及热点温度，以时间序列将采集到的所有数据构建数据库；
步骤5，模型参数辨识：基于数据库和参数边界，对热网络模型进行训练，获得能够匹配运行结果的模型参数；
步骤6，转子温度实时估计：将热网络模型及其参数移植入电机驱动器，在电机运行中实时计算/估计电机转子温度。
2.根据权利要求1所述的电机转子实时温度估计方法，其特征在于，所述参数辨识边界为简化后的热网络模型参数解析值的0.3～3倍。
3.根据权利要求1所述的电机转子实时温度估计方法，其特征在于，采用二次规划方法对热网络模型进行训练。
4.根据权利要求1或3所述的电机转子实时温度估计方法，其特征在于，热网络模型训练的具体方法为：寻找使得c函数达到最小值时候的热网络模型参数向量z，数学表达式为：
Figure FDA0003230546410000011
其中：
Figure FDA0003230546410000012
式中，M和q为数据库中数据构成的矩阵和向量，
Figure FDA0003230546410000013
表示参数向量z的估计值，D表示的
Figure FDA0003230546410000014
搜索域。
CN202110985492.4A 2021-08-26 2021-08-26 一种电机转子实时温度估计方法 Pending CN113720495A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110985492.4A CN113720495A (zh) 2021-08-26 2021-08-26 一种电机转子实时温度估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110985492.4A CN113720495A (zh) 2021-08-26 2021-08-26 一种电机转子实时温度估计方法

Publications (1)

Publication Number Publication Date
CN113720495A true CN113720495A (zh) 2021-11-30

Family

ID=78677996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110985492.4A Pending CN113720495A (zh) 2021-08-26 2021-08-26 一种电机转子实时温度估计方法

Country Status (1)

Country Link
CN (1) CN113720495A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114614732A (zh) * 2022-05-11 2022-06-10 南京理工大学 一种基于自适应修正的电机转子温度实时估计方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105953944A (zh) * 2016-04-21 2016-09-21 同济大学 电动机的转子温度的估计方法
CN109510544A (zh) * 2018-11-28 2019-03-22 同济大学 基于热阻网络模型的电机参数估计方法及系统
CN109596241A (zh) * 2018-11-28 2019-04-09 同济大学 电机转子在线温度融合估计方法及系统
CN110333443A (zh) * 2019-06-12 2019-10-15 南京理工大学 感应电机定子绕组温升测试方法
CN111211719A (zh) * 2018-11-06 2020-05-29 株洲中车时代电气股份有限公司 一种永磁同步电机转子磁钢温度估算方法及系统
CN111881611A (zh) * 2020-07-31 2020-11-03 珠海格力电器股份有限公司 电机物理场的仿真处理方法及装置
CN112994556A (zh) * 2021-04-02 2021-06-18 华中科技大学 全参数永磁电机电磁模型的建立方法及参数辨识方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105953944A (zh) * 2016-04-21 2016-09-21 同济大学 电动机的转子温度的估计方法
CN111211719A (zh) * 2018-11-06 2020-05-29 株洲中车时代电气股份有限公司 一种永磁同步电机转子磁钢温度估算方法及系统
CN109510544A (zh) * 2018-11-28 2019-03-22 同济大学 基于热阻网络模型的电机参数估计方法及系统
CN109596241A (zh) * 2018-11-28 2019-04-09 同济大学 电机转子在线温度融合估计方法及系统
CN110333443A (zh) * 2019-06-12 2019-10-15 南京理工大学 感应电机定子绕组温升测试方法
CN111881611A (zh) * 2020-07-31 2020-11-03 珠海格力电器股份有限公司 电机物理场的仿真处理方法及装置
CN112994556A (zh) * 2021-04-02 2021-06-18 华中科技大学 全参数永磁电机电磁模型的建立方法及参数辨识方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114614732A (zh) * 2022-05-11 2022-06-10 南京理工大学 一种基于自适应修正的电机转子温度实时估计方法
CN114614732B (zh) * 2022-05-11 2022-08-12 南京理工大学 一种基于自适应修正的电机转子温度实时估计方法

Similar Documents

Publication Publication Date Title
Huber et al. A low-order thermal model for monitoring critical temperatures in permanent magnet synchronous motors
Kral et al. A practical thermal model for the estimation of permanent magnet and stator winding temperatures
Huber et al. Monitoring critical temperatures in permanent magnet synchronous motors using low-order thermal models
Boglietti et al. Electrical machines thermal model: Advanced calibration techniques
US20140163912A1 (en) Method and apparatus for measuring rotor resistance of induction motor
US9647602B1 (en) Determination of stator winding resistance in an electric machine
CN113720495A (zh) 一种电机转子实时温度估计方法
CN111293932A (zh) 控制永磁体同步电机的方法以及电机电路
KR20210120059A (ko) 모의전지 구축 방법 및 모의전지 구축 장치
Wöckinger et al. Measurement-based optimization of thermal networks for temperature monitoring of outer rotor PM machines
CN104316876A (zh) 一种考虑互感耦合的获取三相12/8极srm磁链特性的快速方法
CN110912482B (zh) 一种永磁同步电机磁链及温度估计方法
CN115684920A (zh) 一种基于自动化台架的快速自动标定方法、系统和控制器
CN115242153A (zh) 一种三合一电桥转子温度估算和扭矩修正方法及系统
CN110333443A (zh) 感应电机定子绕组温升测试方法
CN114614732B (zh) 一种基于自适应修正的电机转子温度实时估计方法
US9755567B2 (en) Determination of permanent magnetic flux in an electric machine
Boglietti et al. Calibration techniques of electrical machines thermal models
CN106849773B (zh) 一种永磁同步电机伺服惯量系统辨识方法
CN103245914A (zh) 电机力矩波动系数的测量系统及其测量方法
Gao et al. Permanent magnet temperature estimation of high power density permanent magnet synchronous machines by considering magnetic saturation
Wöckinger et al. Measurement-based identification of lumped parameter thermal networks for sub-kw outer rotor PM machines
WO2013000654A2 (en) Control device and method for controlling an electric machine
Olarte et al. High Temperature VLRA Lead Acid Battery SOH Characterization Based on the Evolution of Open Circuit Voltage at Different States of Charge
Okoro et al. An efficient thermal model for induction machines

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211130