CN113777485A - 基于价值函数误差的永磁同步电机开路故障诊断方法 - Google Patents

基于价值函数误差的永磁同步电机开路故障诊断方法 Download PDF

Info

Publication number
CN113777485A
CN113777485A CN202111042076.7A CN202111042076A CN113777485A CN 113777485 A CN113777485 A CN 113777485A CN 202111042076 A CN202111042076 A CN 202111042076A CN 113777485 A CN113777485 A CN 113777485A
Authority
CN
China
Prior art keywords
fault
axis
open
current
circuit
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
Application number
CN202111042076.7A
Other languages
English (en)
Other versions
CN113777485B (zh
Inventor
黄文涛
杜嘉晨
樊启高
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.)
Jiangnan University
Original Assignee
Jiangnan University
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 Jiangnan University filed Critical Jiangnan University
Priority to CN202111042076.7A priority Critical patent/CN113777485B/zh
Publication of CN113777485A publication Critical patent/CN113777485A/zh
Application granted granted Critical
Publication of CN113777485B publication Critical patent/CN113777485B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34Testing dynamo-electric machines
    • G01R31/343Testing dynamo-electric machines in operation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34Testing dynamo-electric machines
    • G01R31/346Testing of armature or field windings

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明公开了基于价值函数误差的永磁同步电机开路故障诊断方法,涉及电机故障诊断领域,该方法研究了故障电机条件下定子电流与价值函数之间的内在关系,利用d轴、q轴电流残差的归一化平均值实现开路故障的分类;根据电流解析表达式和最佳电压矢量建立价值函数估计模型,利用最优开关矢量条件下的价值函数值与价值函数估计值误差的最小绝对平均值定位开路故障器件。仿真和实验证明,该方法能够有效诊断21种开关管开路故障,且诊断时间小于电流基波周期。

Description

基于价值函数误差的永磁同步电机开路故障诊断方法
技术领域
本发明涉及电机故障诊断领域,尤其是基于价值函数误差的永磁同步电机开路故障诊断方法。
背景技术
随着对电机传动系统的可靠性和安全性要求的不断提高,状态监测与故障诊断技术近年来得到了广泛的关注。而永磁同步电机由于其高转矩/功率密度比和高效率等优点,在工业中得到了广泛的应用。在电机驱动系统中,容易发生许多不同种类的故障,而功率半导体器件(也即开关管)故障在电机驱动方面是最容易发生的故障。电源设备的故障主要分为短路故障和开路故障,前者破坏性大,一般会配备保护电路将短路故障转化为开路故障,虽然开路故障不一定会使系统停止运行,但这种故障会导致扭矩脉动和机械振动,甚至会导致其他器件的过载或二次故障,因此及时准确的诊断出开路故障管对系统高可靠性具有重要意义。
发明内容
本发明人针对上述问题及技术需求,提出了基于价值函数误差的永磁同步电机开路故障诊断方法,本发明的技术方案如下:
基于价值函数误差的永磁同步电机开路故障诊断方法,包括如下步骤:
利用三相定子故障电流获取d轴、q轴的故障剩余电流;
结合d轴、q轴的故障剩余电流和定子电流幅值,计算得到故障分类特征值;
对电机驱动系统中逆变器的单个开关管和双开关管进行开路故障分类,且在每个开路故障类型中,各个故障情况对应有一个故障号;
将故障分类特征值与设定的故障分类阈值进行比较,确定当前开路故障类型;
利用拉格朗日乘数法和傅里叶分解法得到当前开路故障类型中各个故障情况下的d轴、q轴的估计电流;
结合d轴、q轴的估计电流和d轴、q轴的最佳电压矢量建立价值函数估计模型,得到当前开路故障类型中各个故障情况下的价值函数估计值;
计算最优开关矢量条件下的价值函数值与每个价值函数估计值之差的绝对平均值,选取其中的最小值,根据最小值的故障号对应的故障情况定位开路开关管。
其进一步的技术方案为,利用三相定子故障电流获取d轴、q轴的故障剩余电流,包括:
利用三相定子故障电流计算剩余相电流,剩余相电流的表达式为:
Figure BDA0003249672500000021
其中,
Figure BDA0003249672500000022
分别为采集到的三相定子故障电流;ia、ib、ic为三相静止参考系中的三相定子正常电流,假设永磁同步电机的定子绕组在空间中均匀对称分布,则三相定子正常电流的表达式为:
Figure BDA0003249672500000023
其中,Im为定子电流幅值,ωe为电机转子电磁角速度;
剩余相电流经过Park变换得到d轴、q轴的故障剩余电流,d轴、q轴的故障剩余电流的表达式为:
Figure BDA0003249672500000024
其中,
Figure BDA0003249672500000025
为d轴的故障剩余电流,
Figure BDA0003249672500000026
为q轴的故障剩余电流;
Figure BDA0003249672500000027
为剩余相电流;
Figure BDA0003249672500000028
其进一步的技术方案为,对电机驱动系统中逆变器的单个开关管和双开关管进行开路故障分类,且在每个开路故障类型中,各个故障情况对应有一个故障号,包括:
根据电机驱动系统中逆变器开关管的数量和所处桥臂位置,将开路故障分为两大类:
第I类:单个开关管发生开路故障,包含6种故障情况,6种故障情况对应的故障号i={1,…,6};
第II类包括:
不同桥臂的两个开关管同时发生开路故障,且一个位于上桥臂、一个位于下桥臂,包含6种故障情况;
不同桥臂的两个开关管同时发生开路故障,均位于上桥臂或下桥臂,包含6种故障情况;
同一桥臂的两个开关管同时发生开路故障,包含3种故障情况;15种故障情况对应的故障号i={1,…,15}。
其进一步的技术方案为,结合d轴、q轴的故障剩余电流和定子电流幅值,计算得到故障分类特征值,包括:
对d轴、q轴的故障剩余电流进行归一化平均值处理得到故障分类特征值,故障分类特征值的表达式为:
Figure BDA0003249672500000031
其中,Im为定子电流幅值,ωe为电机转子电磁角速度。
其进一步的技术方案为,将故障分类特征值与设定的故障分类阈值进行比较,确定当前开路故障类型,包括:
设定故障分类阈值为0.32和0.52,若
Figure BDA0003249672500000032
则逆变器开关管没有发生开路故障;
Figure BDA0003249672500000033
则逆变器开关管处于第I类开路故障;
Figure BDA0003249672500000034
则逆变器开关管处于第II类开路故障;
其中,
Figure BDA0003249672500000035
为k时刻下的故障分类特征值。
其进一步的技术方案为,利用拉格朗日乘数法和傅里叶分解法得到当前开路故障类型中各个故障情况下的d轴、q轴的估计电流,包括:
根据拉格朗日乘数法,健康相m中的瞬时电流的表达式为:
Figure BDA0003249672500000036
其中,
Figure BDA0003249672500000037
为参考转矩,Pr为电机转子极对数,Ψf为永磁体磁链幅值,ωe为电机转子电磁角速度,S={a,b,c},
Figure BDA0003249672500000038
Figure BDA0003249672500000039
为相角且m≠n;
在健康相m瞬时电流的基础上,当逆变器开关管发生开路故障后,不同开路故障类型中各个故障情况下的三相定子故障电流的估计值通过傅里叶分解法得到;
将当前开路故障类型中各个故障情况下的三相定子故障电流的估计值进行Park变换得到各个故障情况下的d轴、q轴的估计电流,d轴、q轴的估计电流的表达式为:
Figure BDA0003249672500000041
其中,
Figure BDA0003249672500000042
分别为a相、b相、c相定子故障电流的估计值;
Figure BDA0003249672500000043
其进一步的技术方案为,结合d轴、q轴的估计电流和d轴、q轴的最佳电压矢量建立价值函数估计模型,得到当前开路故障类型中各个故障情况下的价值函数估计值,包括:
结合d轴、q轴的估计电流和d轴、q轴的最佳电压矢量,得到d轴、q轴的电流预测模型为:
Figure BDA0003249672500000044
其中,
Figure BDA0003249672500000045
Figure BDA0003249672500000046
分别为d轴、q轴参考系下的最佳电压矢量,
Figure BDA0003249672500000047
分别为d轴、q轴的估计电流,Ld、Lq分别为d轴、q轴参考系下的电感;Rs为定子绕组每相的相电阻;ψf为永磁磁链的幅值;Ts为采样周期;
结合d轴、q轴的估计电流预测值和d轴、q轴的电流参考值,建立价值函数估计模型,表示为:
Figure BDA0003249672500000048
其中,
Figure BDA0003249672500000049
为d轴、q轴的电流参考值,
Figure BDA00032496725000000410
为k+1时刻下的d轴、q轴的估计电流预测值,
Figure BDA00032496725000000411
为当前开路故障类型中第i个故障情况的价值函数估计值。
其进一步的技术方案为,不同开路故障类型中各个故障情况下的三相定子故障电流的估计值通过傅里叶分解法得到,包括:
不同故障情况下的三相定子故障电流的估计值通过傅里叶分解法得到的方法相同,对于第I类开路故障,当第一开关管故障时,三相定子故障电流的估计值表示为:
Figure BDA0003249672500000051
其中,Im为定子电流幅值,ωe为电机转子电磁角速度,Idc=0.3183Im为故障电流的直流分量,
Figure BDA0003249672500000052
为故障电流的交流分量。
其进一步的技术方案为,计算最优开关矢量条件下的价值函数值与每个价值函数估计值之差的绝对平均值,包括:
计算最优开关矢量条件下的价值函数值与当前开路故障类型中每个故障情况的价值函数估计值之间的误差,表达式为:
Figure BDA0003249672500000053
其中,
Figure BDA0003249672500000054
为两者之间的误差,gopt为最优开关矢量条件下的价值函数值,表达式为:
Figure BDA0003249672500000055
其中,id(k+1)、iq(k+1)为通过电流预测模型得到的d轴、q轴的实际电流预测值;
计算各个误差的绝对平均值,表达式为:
Figure BDA0003249672500000056
其进一步的技术方案为,根据最小值的故障号对应的故障情况定位开路开关管,包括:
定义绝对平均值的最小值对应的故障号为imin,当确定当前开路故障类型为第I类时,定义故障定位特征Fn=imin;当确定当前开路故障类型为第II类时,定义故障定位特征Fn=imin+6。
本发明的有益技术效果是:
(1)本申请无需增加额外的传感器,采用非侵入性的诊断方法,仅依靠采集电机输出的三相定子故障电流即可完成三相永磁同步电机驱动系统中逆变器开关管单个或者多个开路故障的诊断过程;
(2)从理论上研究了故障条件下电机电流与预测模型价值函数之间的关系,建立了价值函数估计模型,利用d轴、q轴电流残差的归一化平均值来实现故障的分类,选择价值函数估计值与最优开关矢量条件下的价值函数值之间的最小绝对平均值来实现故障的定位,避免了复杂的故障算法设计和权值设置;
(3)经过仿真与实验验证,本申请的诊断时间均在一个基本电流周期以内,将故障分类特征值、故障号和误差最小化进行结合,能够准确、快速定位出故障开关管。
附图说明
图1是本申请提供的三相两电平电压源型逆变器供电的永磁同步电机驱动系统的拓扑图。
图2是本申请提供的开路故障诊断方法的原理图。
图3是本申请提供的开路故障诊断方法的流程图。
图4是本申请提供的第I类-(1)开路故障的检测波形。
图5是本申请提供的第II类-(2)开路故障的检测波形。
图6是本申请提供的第II类-(3)开路故障的检测波形。
图7是本申请提供的第II类-(4)开路故障的检测波形。
图8是本申请提供的速度给定变化的检测波形。
图9是本申请提供的负载变化的检测波形。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
本发明将三相永磁同步电机驱动系统逆变器作为研究对象,其具体连接方式如图1所示,该电路为本领域的常规电路,在此不做详细介绍。因此三相永磁同步电机驱动系统逆变器中发生单个或两个开关管同时开路的故障一共有21种不同的故障情况,本申请公开了一种基于价值函数误差的永磁同步电机开路故障诊断方法,用来定位逆变器开路时的具体故障开关管,结合图2、图3所示,包括如下步骤:
步骤1:利用三相定子故障电流获取d轴、q轴的故障剩余电流。
步骤1.1:利用三相定子故障电流计算剩余相电流,剩余相电流的表达式为:
Figure BDA0003249672500000061
其中,
Figure BDA0003249672500000071
分别为采集到的三相定子故障电流;ia、ib、ic为三相静止参考系中的三相定子正常电流,假设永磁同步电机的定子绕组在空间中均匀对称分布,则三相定子正常电流的表达式为:
Figure BDA0003249672500000072
其中,Im为定子电流幅值,ωe为电机转子电磁角速度;
步骤1.2:剩余相电流经过Park变换得到d轴、q轴的故障剩余电流,d轴、q轴的故障剩余电流的表达式为:
Figure BDA0003249672500000073
其中,
Figure BDA0003249672500000074
为d轴的故障剩余电流,
Figure BDA0003249672500000075
为q轴的故障剩余电流;
Figure BDA0003249672500000076
为剩余相电流;
Figure BDA0003249672500000077
步骤2:结合d轴、q轴的故障剩余电流和定子电流幅值,计算得到故障分类特征值。
对d轴、q轴的故障剩余电流进行归一化平均值处理得到故障分类特征值,故障分类特征值的表达式为:
Figure BDA0003249672500000078
其中,Im为定子电流幅值,ωe为电机转子电磁角速度。
步骤3:对电机驱动系统中逆变器的单个开关管和双开关管进行开路故障分类,且在每个开路故障类型中,各个故障情况对应有一个故障号。
根据电机驱动系统中逆变器开关管的数量和所处桥臂位置,将21种开路故障分为两大类:
第I类:
(1)单个开关管发生开路故障,包含6种故障情况,第I类中6种故障情况对应的故障号i={1,…,6}。
第II类包括:
(2)不同桥臂的两个开关管同时发生开路故障,且一个位于上桥臂、一个位于下桥臂,包含6种故障情况。
(3)不同桥臂的两个开关管同时发生开路故障,均位于上桥臂或下桥臂,包含6种故障情况。
(4)同一桥臂的两个开关管同时发生开路故障,包含3种故障情况。
第II类中15种故障情况对应的故障号i={1,…,15}。
步骤4:将故障分类特征值与设定的故障分类阈值进行比较,确定当前开路故障类型。
根据故障分类特征值的计算方法,也即公式(1)-(5),再结合经验值计算出不同开路故障下的故障分类阈值,分别记为0.32、0.52、0.72、1.15,则开路故障类型如表1所示。
表1
Figure BDA0003249672500000081
Figure BDA0003249672500000082
则逆变器开关管没有发生开路故障;
Figure BDA0003249672500000083
则逆变器开关管处于第I类开路故障;
Figure BDA0003249672500000084
则逆变器开关管处于第II类开路故障;
其中,
Figure BDA0003249672500000085
为k时刻下的故障分类特征值。
需要说明的是,虽然本申请给出了4个故障分类阈值,但由于实际情况中易发生电机跳变等特殊情况,在情况2-4的阈值区间可能发生跳变,为了避免发生定位错误,因此不再区分情况2-4,统一归为第II类开路故障。
步骤5:利用拉格朗日乘数法和傅里叶分解法得到当前开路故障类型中各个故障情况下的d轴、q轴的估计电流。
步骤5.1:根据拉格朗日乘数法,健康相m中的瞬时电流的表达式为:
Figure BDA0003249672500000086
其中,
Figure BDA0003249672500000087
为参考转矩,Pr为电机转子极对数,Ψf为永磁体磁链幅值,ωe为电机转子电磁角速度,S={a,b,c},
Figure BDA0003249672500000088
Figure BDA0003249672500000089
为相角且m≠n。
对于采用id=0控制的面装式PMSM,公式(6)简化为:
Figure BDA00032496725000000810
步骤5.2:在健康相m瞬时电流的基础上,当逆变器开关管发生开路故障后,不同开路故障类型中各个故障情况下的三相定子故障电流的估计值通过傅里叶分解法得到,如表2-表5所示。
表2
Figure BDA0003249672500000091
表3
Figure BDA0003249672500000092
表4
Figure BDA0003249672500000093
Figure BDA0003249672500000101
表5
Figure BDA0003249672500000102
其中,Idc=0.3183Im为故障电流的直流分量,
Figure BDA0003249672500000103
Figure BDA0003249672500000104
均为故障电流的交流分量。
步骤5.3:将当前开路故障类型中各个故障情况下的三相定子故障电流的估计值进行Park变换得到各个故障情况下的d轴、q轴的估计电流,d轴、q轴的估计电流的表达式为:
Figure BDA0003249672500000105
其中,
Figure BDA0003249672500000106
分别为a相、b相、c相定子故障电流的估计值;
Figure BDA0003249672500000107
步骤6:结合d轴、q轴的估计电流和d轴、q轴的最佳电压矢量建立价值函数估计模型,得到当前开路故障类型中各个故障情况下的价值函数估计值。
步骤6.1:结合d轴、q轴的估计电流和d轴、q轴的最佳电压矢量,得到d轴、q轴的电流预测模型为:
Figure BDA0003249672500000108
其中,
Figure BDA0003249672500000109
Figure BDA00032496725000001010
分别为d轴、q轴参考系下的最佳电压矢量,其计算方法是常规现有技术,在此不进行详细说明。
Figure BDA00032496725000001011
分别为d轴、q轴的估计电流,Ld、Lq分别为d轴、q轴参考系下的电感;Rs为定子绕组每相的相电阻,ψf为永磁磁链的幅值,Ts为采样周期。
步骤6.2:结合d轴、q轴的估计电流预测值和d轴、q轴的电流参考值,建立价值函数估计模型,表示为:
Figure BDA0003249672500000111
其中,
Figure BDA0003249672500000112
为d轴、q轴的电流参考值,
Figure BDA0003249672500000113
为k+1时刻下的d轴、q轴的估计电流预测值,
Figure BDA0003249672500000114
为当前开路故障类型中第i个故障情况的价值函数估计值。
步骤7:计算最优开关矢量条件下的价值函数值与每个价值函数估计值之差的绝对平均值,选取其中的最小值,根据最小值的故障号对应的故障情况定位开路开关管。
步骤7.1:计算最优开关矢量条件下的价值函数值与当前开路故障类型中每个故障情况的价值函数估计值之间的误差,表达式为:
Figure BDA0003249672500000115
其中,
Figure BDA0003249672500000116
为两者之间的误差,gopt为最优开关矢量条件下的价值函数值,表达式为:
Figure BDA0003249672500000117
其中,id(k+1)、iq(k+1)为通过电流预测模型得到的d轴、q轴的实际电流预测值。
步骤7.2:计算各个误差的绝对平均值,表达式为:
Figure BDA0003249672500000118
选取所有绝对平均值中的最小值,根据最小值的故障号imin对应的故障情况定位具体的开路开关管,也即,当确定当前开路故障类型为第I类时,定义故障定位特征Fn=imin;当确定当前开路故障类型为第II类时,定义故障定位特征Fn=imin+6,如表6所示。
表6
Figure BDA0003249672500000119
Figure BDA0003249672500000121
采用上述开路故障诊断方法进行试验验证诊断效果如下:
(1)单个开关管故障:以单个开关管T1开路为例(也即表1示出的故障情况1),故障条件下的A相电流、价值函数输出gopt、故障分类变量Fc和故障号i如图4所示。当T1开路时,A相桥臂只有下开关管T2导通,因此相电流只剩下负半周期波形,同时价值函数输出gopt发生变化,故障分类特征值Fc增大并保持在0.32和0.52阈值之间,此时开路故障为第I类。随后故障定位特征Fn从0变化至1,表明T1发生故障。从故障发生至正确定位故障用时约为9.20ms,占基本电流周期(12.5ms)的73.60%。
(2)不同桥臂的上下开关管故障:以两个开关管T3和T6开路为例(也即表1示出的故障情况2),实验结果如图5所示。故障发生后,B相电流只剩下负半周期波形,当故障分类特征值处于0.32和0.52阈值范围之间时,会发生误诊断,但经过一段时间的调整后,当故障分类特征值Fc超过0.52后,故障定位特征Fn稳定在11,表明T3和T6发生开路故障。诊断时间约为10.80ms,为基本电流周期(12.5ms)的86.40%。
(3)同侧两个开关管故障:以两个开关管T3和T5开路为例(也即表1示出的故障情况3),实验结果如图6所示。当故障特征值Fc小于0.52时,会导致瞬时的误诊断,当故障分类特征值Fc超过0.52后,故障定位特征Fn稳定在15,表明桥臂底部两个开关管T3和T5发生开路故障。在8.80ms内被正确的诊断和定位,约为基本电流周期(12.5ms)的70.40%。
(4)同一桥臂两开关管故障:以T1和T2开路为例(也即表1示出的故障情况4),故障电流以及诊断结果如图7所示。当故障发生时,A相电流几乎为零,同时故障分类特征值Fc增加并最终超过阈值0.52,虽然发生了短暂的误诊断,但最终故障定位特征Fn稳定在19,表明A相发生断路故障。故障诊断时间约为11.20ms,相当于基本电流周期的89.60%。
(5)功率点变化:转速变化的实验波形如图8所示,在额定负载下转速给定由1200rpm突然降至900rpm,从图中可以看出,经过一段时间的调整后,B相电流恢复正弦状态且保持平衡。在转速变化的过程中,故障分类特征值Fc以及价值函数的输出均有微小的波动。然而,在变化过程中,故障分类特征值Fc均低于阈值0.32,所以故障定位特征Fn仍保持为0。负载变化的实验波形如图9所示,实验中将负载从额定降低至额定负载的40%,从图中可以看出,故障分类特征值Fc略有上升但仍低于阈值0.32,故障定位特征Fn稳定为0。实验证明,此方法对转速和负载变化具有良好的鲁棒性。
以上所述的仅是本申请的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。

Claims (10)

1.一种基于价值函数误差的永磁同步电机开路故障诊断方法,其特征在于,包括:
利用三相定子故障电流获取d轴、q轴的故障剩余电流;
结合所述d轴、q轴的故障剩余电流和定子电流幅值,计算得到故障分类特征值;
对电机驱动系统中逆变器的单个开关管和双开关管进行开路故障分类,且在每个开路故障类型中,各个故障情况对应有一个故障号;
将所述故障分类特征值与设定的故障分类阈值进行比较,确定当前开路故障类型;
利用拉格朗日乘数法和傅里叶分解法得到所述当前开路故障类型中各个故障情况下的d轴、q轴的估计电流;
结合所述d轴、q轴的估计电流和d轴、q轴的最佳电压矢量建立价值函数估计模型,得到所述当前开路故障类型中各个故障情况下的价值函数估计值;
计算最优开关矢量条件下的价值函数值与每个所述价值函数估计值之差的绝对平均值,选取其中的最小值,根据所述最小值的故障号对应的故障情况定位开路开关管。
2.根据权利要求1所述的开路故障诊断方法,其特征在于,所述利用三相定子故障电流获取d轴、q轴的故障剩余电流,包括:
利用所述三相定子故障电流计算剩余相电流,所述剩余相电流的表达式为:
Figure FDA0003249672490000011
其中,
Figure FDA0003249672490000012
分别为采集到的三相定子故障电流;ia、ib、ic为三相静止参考系中的三相定子正常电流,假设永磁同步电机的定子绕组在空间中均匀对称分布,则所述三相定子正常电流的表达式为:
Figure FDA0003249672490000013
其中,Im为定子电流幅值,ωe为电机转子电磁角速度;
所述剩余相电流经过Park变换得到d轴、q轴的故障剩余电流,所述d轴、q轴的故障剩余电流的表达式为:
Figure FDA0003249672490000021
其中,
Figure FDA0003249672490000022
为d轴的故障剩余电流,
Figure FDA0003249672490000023
为q轴的故障剩余电流;
Figure FDA0003249672490000024
为剩余相电流;
Figure FDA0003249672490000025
3.根据权利要求1所述的开路故障诊断方法,其特征在于,所述对电机驱动系统中逆变器的单个开关管和双开关管进行开路故障分类,且在每个开路故障类型中,各个故障情况对应有一个故障号,包括:
根据所述电机驱动系统中逆变器开关管的数量和所处桥臂位置,将开路故障分为两大类:
第I类:单个开关管发生开路故障,包含6种故障情况,所述6种故障情况对应的故障号i={1,…,6};
第II类包括:
不同桥臂的两个开关管同时发生开路故障,且一个位于上桥臂、一个位于下桥臂,包含6种故障情况;
不同桥臂的两个开关管同时发生开路故障,均位于上桥臂或下桥臂,包含6种故障情况;
同一桥臂的两个开关管同时发生开路故障,包含3种故障情况;15种故障情况对应的故障号i={1,…,15}。
4.根据权利要求2所述的开路故障诊断方法,其特征在于,所述结合所述d轴、q轴的故障剩余电流和定子电流幅值,计算得到故障分类特征值,包括:
对所述d轴、q轴的故障剩余电流进行归一化平均值处理得到故障分类特征值,所述故障分类特征值的表达式为:
Figure FDA0003249672490000026
其中,Im为定子电流幅值,ωe为电机转子电磁角速度。
5.根据权利要求3所述的开路故障诊断方法,其特征在于,所述将所述故障分类特征值与设定的故障分类阈值进行比较,确定当前开路故障类型,包括:
设定所述故障分类阈值为0.32和0.52,若
Figure FDA0003249672490000031
则所述逆变器开关管没有发生开路故障;
Figure FDA0003249672490000032
则所述逆变器开关管处于第I类开路故障;
Figure FDA0003249672490000033
则所述逆变器开关管处于第II类开路故障;
其中,
Figure FDA0003249672490000034
为k时刻下的故障分类特征值。
6.根据权利要求3所述的开路故障诊断方法,其特征在于,所述利用拉格朗日乘数法和傅里叶分解法得到所述当前开路故障类型中各个故障情况下的d轴、q轴的估计电流,包括:
根据所述拉格朗日乘数法,健康相m中的瞬时电流的表达式为:
Figure FDA0003249672490000035
其中,
Figure FDA0003249672490000036
为参考转矩,Pr为电机转子极对数,Ψf为永磁体磁链幅值,ωe为电机转子电磁角速度,S={a,b,c},
Figure FDA0003249672490000037
Figure FDA0003249672490000038
为相角且m≠n;
在健康相m瞬时电流的基础上,当逆变器开关管发生开路故障后,不同开路故障类型中各个故障情况下的三相定子故障电流的估计值通过所述傅里叶分解法得到;
将所述当前开路故障类型中各个故障情况下的三相定子故障电流的估计值进行Park变换得到各个故障情况下的d轴、q轴的估计电流,所述d轴、q轴的估计电流的表达式为:
Figure FDA0003249672490000039
其中,
Figure FDA00032496724900000310
分别为a相、b相、c相定子故障电流的估计值;
Figure FDA00032496724900000311
7.根据权利要求3所述的开路故障诊断方法,其特征在于,所述结合所述d轴、q轴的估计电流和d轴、q轴的最佳电压矢量建立价值函数估计模型,得到所述当前开路故障类型中各个故障情况下的价值函数估计值,包括:
结合所述d轴、q轴的估计电流和d轴、q轴的最佳电压矢量,得到d轴、q轴的电流预测模型为:
Figure FDA0003249672490000041
其中,
Figure FDA0003249672490000042
Figure FDA0003249672490000043
分别为d轴、q轴参考系下的最佳电压矢量,
Figure FDA0003249672490000044
分别为d轴、q轴的估计电流,Ld、Lq分别为d轴、q轴参考系下的电感;Rs为定子绕组每相的相电阻;ψf为永磁磁链的幅值;Ts为采样周期;
结合所述d轴、q轴的估计电流预测值和d轴、q轴的电流参考值,建立价值函数估计模型,表示为:
Figure FDA0003249672490000045
其中,
Figure FDA0003249672490000046
为d轴、q轴的电流参考值,
Figure FDA0003249672490000047
为k+1时刻下的d轴、q轴的估计电流预测值,
Figure FDA0003249672490000048
为当前开路故障类型中第i个故障情况的价值函数估计值。
8.根据权利要求6所述的开路故障诊断方法,其特征在于,所述不同开路故障类型中各个故障情况下的三相定子故障电流的估计值通过所述傅里叶分解法得到,包括:
不同故障情况下的三相定子故障电流的估计值通过所述傅里叶分解法得到的方法相同,对于第I类开路故障,当第一开关管故障时,所述三相定子故障电流的估计值表示为:
Figure FDA0003249672490000049
其中,Im为定子电流幅值,ωe为电机转子电磁角速度,Idc=0.3183Im为故障电流的直流分量,
Figure FDA00032496724900000410
为故障电流的交流分量。
9.根据权利要求7所述的开路故障诊断方法,其特征在于,所述计算最优开关矢量条件下的价值函数值与每个所述价值函数估计值之差的绝对平均值,包括:
计算所述最优开关矢量条件下的价值函数值与所述当前开路故障类型中每个故障情况的价值函数估计值之间的误差,表达式为:
Figure FDA00032496724900000411
其中,
Figure FDA0003249672490000051
为两者之间的误差,gopt为所述最优开关矢量条件下的价值函数值,表达式为:
Figure FDA0003249672490000052
其中,id(k+1)、iq(k+1)为通过电流预测模型得到的d轴、q轴的实际电流预测值;
计算各个误差的绝对平均值,表达式为:
Figure FDA0003249672490000053
10.根据权利要求9所述的开路故障诊断方法,其特征在于,所述根据所述最小值的故障号对应的故障情况定位开路开关管,包括:
定义绝对平均值的最小值对应的故障号为imin,当确定所述当前开路故障类型为第I类时,定义故障定位特征Fn=imin;当确定所述当前开路故障类型为第II类时,定义故障定位特征Fn=imin+6。
CN202111042076.7A 2021-09-07 2021-09-07 基于价值函数误差的永磁同步电机开路故障诊断方法 Active CN113777485B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111042076.7A CN113777485B (zh) 2021-09-07 2021-09-07 基于价值函数误差的永磁同步电机开路故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111042076.7A CN113777485B (zh) 2021-09-07 2021-09-07 基于价值函数误差的永磁同步电机开路故障诊断方法

Publications (2)

Publication Number Publication Date
CN113777485A true CN113777485A (zh) 2021-12-10
CN113777485B CN113777485B (zh) 2022-05-17

Family

ID=78841365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111042076.7A Active CN113777485B (zh) 2021-09-07 2021-09-07 基于价值函数误差的永磁同步电机开路故障诊断方法

Country Status (1)

Country Link
CN (1) CN113777485B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015115447A1 (de) * 2015-09-14 2017-03-16 Friedrich-Alexander-Universität Erlangen - Nürnberg Messverfahren zur Bestimmung von Eisenverlusten
CN107565868A (zh) * 2017-10-10 2018-01-09 东南大学盐城新能源汽车研究院 一种五相永磁同步电机开路故障下的容错控制系统及方法
CN108197648A (zh) * 2017-12-28 2018-06-22 华中科技大学 一种基于lstm深度学习模型的水电机组故障诊断方法与系统
CN110346736A (zh) * 2019-08-14 2019-10-18 合肥工业大学 基于改进小树变换的npc三电平逆变器故障诊断方法
CN111860982A (zh) * 2020-07-06 2020-10-30 东北大学 一种基于vmd-fcm-gru的风电场短期风电功率预测方法
CN113065226A (zh) * 2021-03-02 2021-07-02 武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所) 一种永磁同步电机故障诊断方法
CN113325334A (zh) * 2021-06-04 2021-08-31 江南大学 一种三相永磁同步电机驱动系统的开路故障诊断方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015115447A1 (de) * 2015-09-14 2017-03-16 Friedrich-Alexander-Universität Erlangen - Nürnberg Messverfahren zur Bestimmung von Eisenverlusten
CN107565868A (zh) * 2017-10-10 2018-01-09 东南大学盐城新能源汽车研究院 一种五相永磁同步电机开路故障下的容错控制系统及方法
CN108197648A (zh) * 2017-12-28 2018-06-22 华中科技大学 一种基于lstm深度学习模型的水电机组故障诊断方法与系统
CN110346736A (zh) * 2019-08-14 2019-10-18 合肥工业大学 基于改进小树变换的npc三电平逆变器故障诊断方法
CN111860982A (zh) * 2020-07-06 2020-10-30 东北大学 一种基于vmd-fcm-gru的风电场短期风电功率预测方法
CN113065226A (zh) * 2021-03-02 2021-07-02 武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所) 一种永磁同步电机故障诊断方法
CN113325334A (zh) * 2021-06-04 2021-08-31 江南大学 一种三相永磁同步电机驱动系统的开路故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈富扬 等: "基于模型预测转矩控制的五相磁通切换永磁电机开路故障容错策略", 《中国电机工程学报》 *

Also Published As

Publication number Publication date
CN113777485B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
Jeong et al. An early stage interturn fault diagnosis of PMSMs by using negative-sequence components
CN104009684B (zh) 磁铁磁通量推定装置、异常减磁判定装置、同步电机驱动装置及电动车
Estima et al. A new algorithm for real-time multiple open-circuit fault diagnosis in voltage-fed PWM motor drives by the reference current errors
Arellano-Padilla et al. Winding condition monitoring scheme for a permanent magnet machine using high-frequency injection
CN105474025B (zh) 电机、航空器、监测电机故障的方法及电机的转子或定子
Kim et al. Fault model and performance evaluation of an inverter-fed permanent magnet synchronous motor under winding shorted turn and inverter switch open
CN105974312B (zh) 永磁同步电机退磁故障诊断方法
Cui et al. On-line inter-turn short-circuit fault diagnosis and torque ripple minimization control strategy based on OW five-phase BFTHE-IPM
CN108196154B (zh) 航空三级式同步电机旋转整流器故障检测及故障定位方法
KR101169797B1 (ko) 3상 유도전동기의 고정자 권선 고장 진단시스템
CN106841901A (zh) 一种变频器驱动内嵌式永磁同步电机定子匝间短路故障诊断方法
CN113325334B (zh) 一种三相永磁同步电机驱动系统的开路故障诊断方法
Wang et al. Detection and evaluation of the interturn short circuit fault in a BLDC-based hub motor
Huang et al. Open-circuit fault detection in PMSM drives using model predictive control and cost function error
Ali et al. Power converter fault detection and isolation using high-frequency voltage injection in switched reluctance motor drives for automotive applications
Mitronikas et al. Hall-effect sensor fault identification in brushless DC motor drives using wavelets
CN107024655A (zh) 一种永磁同步电机定子绕组故障诊断方法
CN114441958A (zh) 永磁同步电机驱动器igbt开路故障诊断方法
CN109884449B (zh) 电机驱动系统三相逆变器桥臂开路故障实时检测方法
Li et al. PMSM current sensor FDI based on DC link current estimation
Lee et al. Diagnosis of interturn short-circuit fault in PMSM by residual voltage analysis
Fernandez-Temprano et al. Broken bar condition monitoring of an induction motor under different supplies using a linear discriminant analysis
CN113777485B (zh) 基于价值函数误差的永磁同步电机开路故障诊断方法
Refaat et al. ANN-based diagnosis of incipient stator winding turn faults for three-phase induction motors in the presence of unbalanced supply voltage
El Sayed et al. Comparative analysis between unscented and extended Kalman filters for PMSG inter-turn fault detection

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