CN113742903B - 基于数字孪生技术的永磁同步电动机故障检测和识别方法 - Google Patents
基于数字孪生技术的永磁同步电动机故障检测和识别方法 Download PDFInfo
- Publication number
- CN113742903B CN113742903B CN202110956069.1A CN202110956069A CN113742903B CN 113742903 B CN113742903 B CN 113742903B CN 202110956069 A CN202110956069 A CN 202110956069A CN 113742903 B CN113742903 B CN 113742903B
- Authority
- CN
- China
- Prior art keywords
- permanent magnet
- synchronous motor
- magnet synchronous
- built
- digital twin
- 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
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000005516 engineering process Methods 0.000 title claims description 18
- 238000004804 winding Methods 0.000 claims description 30
- 230000004907 flux Effects 0.000 claims description 15
- 238000013178 mathematical model Methods 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 7
- 230000005347 demagnetization Effects 0.000 description 6
- QJVKUMXDEUEQLH-UHFFFAOYSA-N [B].[Fe].[Nd] Chemical group [B].[Fe].[Nd] QJVKUMXDEUEQLH-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 229910001172 neodymium magnet Inorganic materials 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 239000000696 magnetic material Substances 0.000 description 3
- 230000005389 magnetism Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 101150099834 Eqtn gene Proteins 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，包括如下步骤：根据健康运行状态下内置式永磁同步电动机的机电参数，构建与所述内置式永磁同步电动机物理实体结构相同的数字孪生体；计算并输出所述数字孪生体转矩角δh；测量并输出实际运行状态下内置式永磁同步电动机物理实体的转矩角δ；根据所述数字孪生体转矩角δh与物理实体的转矩角δ的大小关系，判断实际运行状态下内置式永磁同步电动机物理实体是否发生故障。该方法无需破坏或附加硬件结构即可以检测和识别电机匝间短路故障和退磁故障，更加方便实用。
Description
技术领域
本发明涉及电机故障识别技术领域，特别涉及一种基于数字孪生技术的永磁同步电动机故障检测和识别方法。
背景技术
目前内置式永磁同步电动机因其高转矩密度、高速度和紧凑的结构广泛用于电动汽车、混合动力汽车和飞机中。在这些应用中，永磁同步电动机的稳定性和可靠性对于确保安全性至关重要。由于负载的波动、振动、热循环和环境污染等因素，内置式永磁同步电动机中的定子绝缘和永磁体会持续退化。电机定子绕组故障中最严重的故障是匝间短路故障，匝间故障表示定子同相两个绕组之间的绝缘故障，其产生的过热和反向磁场会导致退磁故障，严重时会烧毁电机。匝间故障主要是由机械应力、湿度和局部放电引起的，而由逆变器供电的电动机则加速了匝间故障的发生，实际硬件结构中不易对该故障进行准确有效识别。
因此，如何在不添加额外的传感器和检测元件，不破坏现有的永磁同步电动机系统的硬件结构的基础上，提供一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，成为本领域技术人员亟需解决的问题。
发明内容
鉴于上述问题，本发明提出了一种至少解决上述部分技术问题的基于数字孪生技术的永磁同步电动机故障检测和识别方法，该方法可检测和识别匝间短路故障和退磁故障。
本发明实施例提供一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，包括如下步骤：
S1、根据健康运行状态下内置式永磁同步电动机的机电参数，构建与所述实际内置式永磁同步电动机物理实体结构相同的数字孪生体；
S2、计算并输出所述数字孪生体转矩角；
S3、测量并输出实际运行状态下内置式永磁同步电动机物理实体的转矩角δ；
S4、根据所述数字孪生体转矩角δh与物理实体的转矩角δ的大小关系，判断实际运行状态下内置式永磁同步电动机物理实体是否发生故障。
进一步地，所述步骤S1，包括：
S11、根据内置式永磁同步电动机的机电参数，建立基于二维有限元的内置式永磁同步电动机模型；
S12、根据实际三相逆变器的电气参数，建立基于矢量控制的三相逆变器模型。
进一步地，所述步骤S1中，构建dq坐标系下健康运行的内置式永磁同步电动机数学模型为：
ψd＝ψf+Ldid
ψq＝Lqiq
其中，
对应内置式永磁同步电动机物理实体的三相定子电压d轴分量；/>
对应内置式永磁同步电动机物理实体的三相定子电压q轴分量；R1为定子绕组相电阻；id,iq分别为三相定子电流d轴分量、q轴分量；ψd,ψq分别为定子磁链d轴分量、q轴分量；ωe为转子旋转电角速度；ψf为定子绕组永磁磁链；Ld,Lq分别为d轴、q轴电感；Us∠δ表示定子电压空间矢量，Us为定子电压空间矢量幅值；δh为转矩角。
进一步地，所述步骤S1，还包括考虑温度的影响建立数字孪生体的步骤：
绕组电阻在不同温度值下的计算使用下式进行修正。
Rs(T)＝Rsa[1+αR(T-Tambient)]
其中，Rsa为环境温度(Tambient)下的绕组电阻R1；T为电机的工作温度；αR＝0.00393为铜的温度系数。
进一步地，所述步骤S2，包括：
通过数字孪生体中基于矢量控制的三相逆变器模型的比例积分电流调节器提供的d、q轴指令电压
和/>
计算得到数字孪生体转矩角，
进一步地，所述步骤S3，包括：
测量实际工作状态下的内置式永磁同步电动机物理实体的三相定子电压d轴分量ud和三相定子电压q轴分量uq，计算得到实时工作状态下实际内置式永磁同步电动机物理实体的转矩角，
进一步地，所述步骤S4，包括；
若δ＜δh+Δδ，则表示发生了匝间短路故障；
若δ＞δh+Δδ，则表示发生了退磁故障；
其中，Δδ是补偿永磁同步电动机运行期间转矩角波动的阈值，受负载波动影响，Δδ在实际系统上测试获得。
本发明实施例提供的上述技术方案的有益效果至少包括：
本发明实施例提供的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，通过其输出数字孪生体转矩角，实时将其与物理实体的转矩角比较，通过进一步分析比较值来检测和识别匝间短路故障和退磁故障。该方法不需要添加额外的传感器和检测元件，不破坏现有的永磁同步电动机系统的硬件结构。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的基于数字孪生技术的永磁同步电动机故障检测和识别方法流程图；
图2为本发明实施例提供的内置式永磁同步电动机调速系统的数字孪生体结构原理图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，参照图1所示，包括如下步骤：
S1、根据健康运行状态下内置式永磁同步电动机的机电参数，构建与所述实际内置式永磁同步电动机物理实体结构相同的数字孪生体；
S2、计算并输出所述数字孪生体转矩角δh；
S3、测量并输出实际运行状态下内置式永磁同步电动机物理实体的转矩角δ；
S4、根据所述数字孪生体转矩角δh与物理实体的转矩角δ的大小关系，判断实际运行状态下内置式永磁同步电动机物理实体是否发生故障。
本实施例提供的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，可以检测内置式永磁同步电动机是否产生故障，并且可以识别出所产生的故障类型。包括两类故障类型：匝间故障、退磁故障。通过数字孪生体对健康运行状态下永磁同步电动机的模拟仿真，获取故障模拟状态下永磁同步电机转矩角的变化趋势和范围，便于分析对相同电机参数条件下永磁同步电动机物理实体的实时转矩角是否符合发生上述故障时电机转矩角的变化趋势和范围，从而实现故障类型的识别判断。本方法增加了内置式永磁同步电动机的故障检测的便捷性，无需拆卸电机，即可完成检测，并且检测效率高和可靠性强。
下面分别对上述各个步骤进行详细说明：
具体地，本实施例步骤S1所构建的内置式永磁同步电动机数字孪生体如图2所示，根据实际内置式永磁同步电动机的相关机电参数，使用Ansoft Maxwell建立基于二维有限元的内置式永磁同步电动机模型。根据实际三相逆变器的相关电气参数，使用ANSYSSimplorer建立三相逆变器模型、负载模型及矢量控制方法模型。这样就建立了内置式永磁同步电动机调速系统的数字孪生体。
下面将图2中矢量控制部分说明如下：
udc表示三相逆变器输入直流电源电压；ω表示孪生体电机转速值；θe表示孪生体电机转子位置角；
和/>
分别表示定子电压d轴分量和q轴分量的给定值；dq→abc表示两相旋转坐标系到三相静止坐标系的变换，abc→dq表示其逆变换；id和iq分别为孪生体电机定子电流的d轴和q轴分量，通过检测三相电流并进行abc→dq变换得到。/>
表示定子电流d轴(为转子磁场方向)分量的给定值，这里该给定值为零，意为定子电流全部转化为转矩电流，其与id比较后送入PI调节器，该PI调节器输出为/>
ω*为电动机转速给定值，将其与孪生体电机转速值比较后送入PI调节器，该PI调节器输出为/>
表示定子电流q轴分量(也称为转矩电流)的给定值，其与iq比较后送入PI调节器，该PI调节器输出为/>
将前面得到的
和/>
进行dq→abc变换得到定子三相电压的给定值/>
将/>
进行正弦脉宽调制(即SPWM)产生触发脉冲控制三相逆变器中的电力电子开关器件的导通和关断来改变孪生体电机定子电压，从而实现对孪生体电机的转速控制。
其中，dq坐标系下健康运行的内置式永磁同步电动机数学模型为：
ψd＝ψf+Ldid (3)
ψq＝Lqiq (4)
ud＝-Us sinδ (6)
uq＝Us cosδ (7)
其中，
对应内置式永磁同步电动机物理实体的三相定子电压d轴分量；/>
对应内置式永磁同步电动机物理实体的三相定子电压q轴分量；R1为定子绕组相电阻；id,iq分别为三相定子电流d轴分量、q轴分量；ψd,ψq分别为定子磁链d轴分量、q轴分量；ωe为转子旋转电角速度；ψf为定子绕组永磁磁链；Ld,Lq分别为d轴、q轴电感；Us∠δ表示定子电压空间矢量，Us为定子电压空间矢量幅值；δh为转矩角。
图2所示的永磁同步电机控制系统采用的是基于转子磁场定向的矢量控制方法。将前面建立的内置式永磁同步电动机模型导入ANSYS Simplorer，然后即可进行Simplorer联合仿真，这样就完成了内置式永磁同步电动机调速系统数字孪生体的搭建。
为了进一步研究发生不同故障下，内置式永磁同步电动机转矩角的变化规律，结合内置式永磁同步电动机数学模型进行分析如下：
发生匝间短路故障时δ的变化趋势分析：
Rsh＝(1-μ)R1 (10)
Rsf＝μR1 (11)
ua,ub,uc分别为定子A、B、C三相电压；Rsh为未发生短路的绕组等效电阻；Rsf为发生短路的绕组等效电阻；Rf为发生短路绕组之间的接触电阻；ia,ib,ic分别为定子a、b、c三相电流；if为流过短路绕组的电流；Lahah为A相未发生短路的绕组的自感；Laa,Lbb,Lcc分别为A相、B相、C相绕组自感；Lafaf为A相发生短路的绕组的自感；Mahaf为A相未发生短路的绕组与A相发生短路的绕组的互感；μ为故障匝数比；Ns为发生短路的绕组匝数；Nt为A相总绕组匝数；ea,eb,ec为定子A、B、C三相感生电动势。
Lahah＝(1-μ)2Laa (13)
Lafaf＝μ2Laa (14)
Mahaf＝-μ(1-μ)Ls (15)
Ls为定子绕组互感。
使用park变换将式(9)变换到dq坐标系下，得到发生匝间短路故障时永磁同步电动机电压方程如式(17)、(18)所示。故障模型有两部分组成:健康部分udqh和故障部分udqf，如式(16)所示。
udq-ISF＝udqh+udqf (16)
其中λPM为健康的永磁磁链；θe表示转子位置角。udq-ISF为发生匝间短路故障时永磁同步电动机dq轴电压；ud_ISF为发生匝间短路故障时永磁同步电动机d轴电压；uq_ISF为发生匝间短路故障时永磁同步电动机q轴电压。
因此，得到
δISF表示发生匝间短路故障时转矩角。
随着匝间短路故障程度的加剧，d轴磁链受到的影响越来越大，而q轴磁链受到的影响却越来越小。因此，转矩角会变小。
发生退磁故障时δ的变化趋势分析：
退磁故障导致电机磁通量分布发生变化，这进一步严重影响了永磁同步电动机的性能。从式(3)可知永磁磁通强度减弱，ψf下降，导致ψd下降。退磁区域变成了气隙，迫使磁通量朝向q轴，这种现象导致ψq增加，这也反映在udq中。在稳态条件下如果忽略dψdq/dt，从式(1)、(2)知ud、uq都下降，因此，转矩角增大。发生退磁故障时转矩角公式如下
δDF表示发生退磁故障时转矩角δ；ψfDF为发生退磁故障时定子绕组永磁磁链；idf、iqf分别表示退磁故障时定子电流d轴分量、q轴分量；Ldf、Lqf分别表示退磁故障时d轴、q轴电感。
通过数字孪生体中基于矢量控制的三相逆变器模型的比例积分电流调节器提供的d、q轴指令电压
和/>
计算得到数字孪生体转矩角，
测量实际工作状态下的内置式永磁同步电动机物理实体的三相定子电压d轴分量ud和三相定子电压q轴分量uq，计算得到实时工作状态下实际内置式永磁同步电动机物理实体的转矩角，
物理实体的转矩角δ可以通过内置式永磁同步电动机物理实体的基于矢量控制逆变器中的比例积分电流调节器提供的d、q轴指令电压ud和uq通过式(22)计算得到。
因此，匝间短路故障和退磁故障识别时，将转矩角δh与δ比较，根据前面分析可得：
若δ＜δh+Δδ，则表示发生了匝间短路故障；
若δ＞δh+Δδ，则表示发生了退磁故障。
其中Δδ是补偿运行期间δ的微小波动的阈值。在选择该阈值时需要考虑负载波动的影响，因为负载波动会在稳态运行时引起所有参数的波动，这直接反映在扭矩角上。Δδ可以在实际系统上测试获得(不同速度下，负载变化引起的平均波动)。需要注意的是，不同类型的电机、逆变器，Δδ的值是不同的。
在建立数字孪生体时还需考虑温度的影响。温度的升高增加了绕组电阻，降低了永磁体的剩余磁通密度。为了考虑温度的影响，绕组电阻在不同温度值下的计算使用下式进行修正。
Rs(T)＝Rsa[1+αR(T-Tambient)] (23)
其中，Rsa为环境温度(Tambient)下的绕组电阻；T为电机的工作温度；αR＝0.00393为铜的温度系数。
内置式永磁同步电动机中使用的永磁体在不同温度下的剩余磁通密度从制造商数据表提供的B-H曲线中获得，可以容易地用在永磁同步电机的有限元模拟中。
下面给出数字孪生体用于内置式永磁同步电动机故障判断的具体实例：
内置式永磁同步电动机参数：额定功率400W；额定速度3500r/min；额定负载转矩1.1N·m；极对数为3；每相定子绕组有72匝线圈；转子磁极材料为钕铁硼。
在额定负载和额定转速、电机未发生故障情况下测算得转矩角为39.5°。
为了模拟匝间短路故障，将该电机的A相定子绕组线圈分别短路3匝线圈(短路线圈匝数与总线圈匝数比为4.16％)，15匝线圈(匝数比为20.83％)，在额定负载和额定转速下测算得
匝数比4.16％情况下：转矩角为34.6°，比电机未发生故障情况下降了4.9°；
匝数比20.83％情况下：转矩角为27.5°，比电机未发生故障情况下降了12°。
为了模拟退磁故障，(1)将该电机转子的6个磁极取出一个，替换为一半为钕铁硼材料一半为塑料(非磁性材料)，此时电机转子磁性必然减弱，在额定负载和额定转速下测算得转矩角为43.2°，比电机未发生故障情况上升了3.7°；(2)将该电机转子的6个磁极取出两个，每一个都替换为一半为钕铁硼材料一半为塑料(非磁性材料)，此时电机转子磁性比情况(1)弱，在额定负载和额定转速下测算得转矩角为47.4°，比电机未发生故障情况上升了7.9°；(3)将该电机转子的6个磁极取出三个，每一个都替换为一半为钕铁硼材料一半为塑料(非磁性材料)，此时电机转子磁性比情况(2)弱，在额定负载和额定转速下测算得转矩角为51.3°，比电机未发生故障情况上升了11.8°。
通过上述实例可知，利用内置式永磁同步电动机数字孪生体，根据转矩角的变化可以容易的区分匝间短路和退磁故障。
本发明实施例提供的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，通过其输出转矩角，实时将其与物理实体的转矩角比较，通过进一步分析比较值来检测和识别匝间短路故障和退磁故障。该方法不需要添加额外的传感器和检测元件，不破坏现有的永磁同步电动机系统的硬件结构，能够更加方便快捷地实现故障检测和故障识别。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，其特征在于，包括如下步骤：
S1、根据健康运行状态下内置式永磁同步电动机的机电参数，构建与所述内置式永磁同步电动机物理实体结构相同的数字孪生体；
S2、计算并输出所述数字孪生体转矩角δh；
S3、测量并输出实际运行状态下内置式永磁同步电动机物理实体的转矩角δ；
S4、根据所述数字孪生体转矩角δh与物理实体的转矩角δ的大小关系，判断实际运行状态下内置式永磁同步电动机物理实体是否发生故障。
2.如权利要求1所述的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，其特征在于，所述步骤S1，包括：
S11、根据内置式永磁同步电动机的机电参数，建立基于二维有限元的内置式永磁同步电动机模型；
S12、根据实际三相逆变器的电气参数，建立基于矢量控制的三相逆变器模型。
3.如权利要求1所述的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，其特征在于，所述步骤S1中，构建dq坐标系下健康运行的内置式永磁同步电动机数学模型为：
ψd＝ψf+Ldid
ψq＝Lqiq
其中，
对应内置式永磁同步电动机物理实体的三相定子电压d轴分量；/>
对应内置式永磁同步电动机物理实体的三相定子电压q轴分量；R1为定子绕组相电阻；id,iq分别为三相定子电流d轴分量、q轴分量；ψd,ψq分别为定子磁链d轴分量、q轴分量；ωe为转子旋转电角速度；ψf为定子绕组永磁磁链；Ld,Lq分别为d轴、q轴电感；Us为定子电压空间矢量幅值；δh为转矩角。
4.如权利要求1所述的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，其特征在于，所述步骤S1，还包括考虑温度的影响建立数字孪生体的步骤：
绕组电阻在不同温度值下的计算使用下式进行修正：
Rs(T)＝Rsa[1+αR(T-Tambient)]
其中，Rsa为环境温度Tambient下的绕组电阻R1；T为电机的工作温度；αR＝0.00393为铜的温度系数。
5.如权利要求2所述的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，其特征在于，所述步骤S2，包括：
通过数字孪生体中基于矢量控制的三相逆变器模型的比例积分电流调节器提供的d、q轴指令电压
和/>
计算得到数字孪生体转矩角，
6.如权利要求1所述的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，其特征在于，所述步骤S3，包括：
测量实际工作状态下的内置式永磁同步电动机物理实体的三相定子电压d轴分量ud和三相定子电压q轴分量uq，计算得到实时工作状态下实际内置式永磁同步电动机物理实体的转矩角，
7.如权利要求1所述的一种基于数字孪生技术的永磁同步电动机故障检测和识别方法，其特征在于，所述步骤S4，包括；
若δ＜δh+Δδ，则表示发生了匝间短路故障；
若δ＞δh+Δδ，则表示发生了退磁故障；
其中，Δδ是补偿永磁同步电动机运行期间转矩角波动的阈值，受负载波动影响，Δδ在实际系统上测试获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110956069.1A CN113742903B (zh) | 2021-08-19 | 2021-08-19 | 基于数字孪生技术的永磁同步电动机故障检测和识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110956069.1A CN113742903B (zh) | 2021-08-19 | 2021-08-19 | 基于数字孪生技术的永磁同步电动机故障检测和识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113742903A CN113742903A (zh) | 2021-12-03 |
| CN113742903B true CN113742903B (zh) | 2023-06-23 |
Family
ID=78731886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110956069.1A Active CN113742903B (zh) | 2021-08-19 | 2021-08-19 | 基于数字孪生技术的永磁同步电动机故障检测和识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113742903B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1094865A (zh) * | 1993-04-23 | 1994-11-09 | 北京市西城区新开通用试验厂 | 数控孪生型稀土永磁电机 |
| CN109061475A (zh) * | 2018-11-01 | 2018-12-21 | 上海科梁信息工程股份有限公司 | 永磁同步电机匝间短路故障模拟方法、装置、系统、介质 |
| CN111942156A (zh) * | 2019-05-17 | 2020-11-17 | 北京新能源汽车股份有限公司 | 一种永磁同步电机退磁故障检测方法、装置及汽车 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109356789A (zh) * | 2018-11-07 | 2019-02-19 | 中国矿业大学 | 一种基于数字孪生的风机直驱变桨距系统及优化设计方法 |
| CN111425164B (zh) * | 2020-03-30 | 2021-04-06 | 中国石油大学(华东) | 一种全电驱动的井下安全阀及其数字孪生控制方法与系统 |
| CN112395815B (zh) * | 2020-12-04 | 2024-03-29 | 浙江科技学院 | 一种永磁同步电机的温度预测方法 |
| CN113125954A (zh) * | 2021-04-16 | 2021-07-16 | 安徽大学 | 一种电动汽车驱动电机的故障诊断方法和应用 |
-
2021
- 2021-08-19 CN CN202110956069.1A patent/CN113742903B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1094865A (zh) * | 1993-04-23 | 1994-11-09 | 北京市西城区新开通用试验厂 | 数控孪生型稀土永磁电机 |
| CN109061475A (zh) * | 2018-11-01 | 2018-12-21 | 上海科梁信息工程股份有限公司 | 永磁同步电机匝间短路故障模拟方法、装置、系统、介质 |
| CN111942156A (zh) * | 2019-05-17 | 2020-11-17 | 北京新能源汽车股份有限公司 | 一种永磁同步电机退磁故障检测方法、装置及汽车 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113742903A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zafarani et al. | Interturn short-circuit faults in permanent magnet synchronous machines: An extended review and comprehensive analysis | |
| Hang et al. | Online interturn fault diagnosis of permanent magnet synchronous machine using zero-sequence components | |
| Haddad et al. | A voltage-based approach for fault detection and separation in permanent magnet synchronous machines | |
| Han et al. | Accurate SM disturbance observer-based demagnetization fault diagnosis with parameter mismatch impacts eliminated for IPM motors | |
| Guo et al. | Power switch open-circuit fault diagnosis of six-phase fault tolerant permanent magnet synchronous motor system under normal and fault-tolerant operation conditions using the average current Park's vector approach | |
| Stefani et al. | Diagnosis of induction machines' rotor faults in time-varying conditions | |
| Fan et al. | Stator winding interturn short-circuit faults severity detection controlled by OW-SVPWM without CMV of a five-phase FTFSCW-IPM | |
| Mellor et al. | A computationally efficient iron loss model for brushless AC machines that caters for rated flux and field weakened operation | |
| Wang et al. | A fault diagnosis method for current sensors of primary permanent-magnet linear motor drives | |
| Ullah et al. | A torque angle-based fault detection and identification technique for IPMSM | |
| Hang et al. | High-resistance connection detection in permanent magnet synchronous machine using zero-sequence current component | |
| Hang et al. | Fault diagnosis of high-resistance connection in a nine-phase flux-switching permanent-magnet machine considering the neutral-point connection model | |
| Wang et al. | Detection and evaluation of the interturn short circuit fault in a BLDC-based hub motor | |
| Haddad et al. | Detection of static eccentricity and turn-to-turn short circuit faults in permanent magnet synchronous AC machines | |
| Gritli et al. | Assessment of current and voltage signature analysis for the diagnosis of rotor magnet demagnetization in five-phase AC permanent magnet generator drives | |
| Chen et al. | Diagnosis of open-phase faults for a five-phase PMSM fed by a closed-loop vector-controlled drive based on magnetic field pendulous oscillation technique | |
| Usman et al. | Stator winding faults investigation in permanent magnet synchronous motor using motor signatures: Part I | |
| Sun et al. | Current fault tolerance control strategy for 3-phase switched reluctance motor combined with position signal reconstruction | |
| Hua et al. | Comparative study of flux-switching and doubly-salient PM machines particularly on torque capability | |
| CN113742903B (zh) | 基于数字孪生技术的永磁同步电动机故障检测和识别方法 | |
| Gupta et al. | Performance analysis and fault modelling of high resistance contact in brushless DC motor drive | |
| Rambetius et al. | Carrier signal based sensorless control of wound field synchronous machines using the rotor winding as the receiver: Rotating vs. alternating carrier | |
| Ullah et al. | Comparative analysis of six-step and vector controlled IPMSM under inter-turn fault | |
| Du et al. | Torque ripple reduction of model predictive controlled five-phase PMSM drives with open-circuit faults | |
| Eldeeb et al. | Power losses and magnetic flux analysis of vector controlled induction motor with stator turn-to-turn fault |
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 |