CN114325380B - 一种永磁同步电机驱动系统故障诊断方法 - Google Patents

一种永磁同步电机驱动系统故障诊断方法 Download PDF

Info

Publication number
CN114325380B
CN114325380B CN202111436472.8A CN202111436472A CN114325380B CN 114325380 B CN114325380 B CN 114325380B CN 202111436472 A CN202111436472 A CN 202111436472A CN 114325380 B CN114325380 B CN 114325380B
Authority
CN
China
Prior art keywords
fault
phase
inverter
matrix
state variable
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
CN202111436472.8A
Other languages
English (en)
Other versions
CN114325380A (zh
Inventor
许水清
刘锋
柴晖
黄文展
陶松兵
何怡刚
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 CN202111436472.8A priority Critical patent/CN114325380B/zh
Publication of CN114325380A publication Critical patent/CN114325380A/zh
Application granted granted Critical
Publication of CN114325380B publication Critical patent/CN114325380B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Control Of Electric Motors In General (AREA)

Abstract

本发明公开了一种永磁同步电机驱动系统故障诊断方法,属于故障诊断技术领域。所述故障包括逆变器执行器故障和电流传感器微小故障。该方法包括建立混合逻辑动态模型、建立状态方程和建立增广系统并进行坐标变换、解耦成为两个子系统,分别对两个子系统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微小故障进行重构,使得微小故障更加容易检测,同时解耦成为两个子系统,可以分别考虑执行器故障和传感器故障;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。

Description

一种永磁同步电机驱动系统故障诊断方法
技术领域
本发明属于故障诊断领域,涉及永磁同步电机驱动系统故障诊断方法,尤其涉及永磁同步电机驱动系统逆变器执行器故障和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。而逆变器的开关管即执行器与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。
执行器故障主要分为两类:开路故障和短路故障。开关管的短路故障由保护电路保护,当系统发生短路故障时保护电路迅速断开,最终会将开关管短路故障转换为开路故障,鉴于短路故障时间短,会迅速转换为开路故障,故只考虑对两电平逆变器开关管开路故障进行诊断。
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。
目前针对驱动系统故障诊断的方法,主要有以下几种诊断方法:
1、基于特征提取技术的故障诊断方法。故障特征提取是故障诊断的核心环节,目前故障特征提取的典型方法主要包括状态观测器法、参数估计法、矢量分析法、频谱分析法、小波分析法、主元分析法、经验模态分解法。《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)、《Sliding mode observerbased incipient sensor fault detection with application to high-speed railwaytraction 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)提出了一种状态观测器的方法,该方法首先通过建立数学模型和观测器,将实际的系统输出与观测器的观测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。该方法需要建立被诊断对象的较为精确的数学模型,能应对逆变器单管开路故障的情形,并且诊断正确率较高,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 Component Analysis》(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,基于特征提取技术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;
5、只考虑传感器故障没考虑执行器故障或者只考虑了执行器故障没考虑传感器故障。
发明内容
本发明的目的是提供一种永磁同步电机驱动系统故障诊断方法,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,进行故障重构与解耦,使系统解耦成为分别含有执行器故障与电流传感器微小故障的两个子系统,让故障对系统的影响更直观的表现出来;利用解耦成为分别含有执行器故障与电流传感器微小故障的两个子系统,在考虑执行器故障的同时又考虑了传感器故障,使得考虑的故障诊断更加面;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,本发明提供了一种永磁同步电机驱动系统故障诊断方法,所述驱动系统故障包括逆变器执行器故障和电流传感器微小故障,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,该6个开关管组成三相两电平逆变器的执行器;将6个开关管记为V,γ表示开关管的序号,γ=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 BDA0003374421030000041
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 BDA0003374421030000042
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 BDA0003374421030000043
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 BDA0003374421030000044
k=a,b,c:
所述逆变器的混合逻辑动态模型的表达式为:
Figure BDA0003374421030000051
其中,
Figure BDA0003374421030000052
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 BDA0003374421030000053
的表达式为:
Figure BDA0003374421030000054
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 BDA0003374421030000055
其中,
Figure BDA0003374421030000056
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,Sa为a相桥臂的开关函数,Sb为b相桥臂的开关函数,Sc为c相桥臂的开关函数,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,G1为扰动矩阵,η为逆变器的微小扰动信号;
步骤3,记电流传感器的微小故障为微小故障fs,建立微小故障方程,其表达式如下:
Figure BDA0003374421030000057
其中,
Figure BDA0003374421030000058
为微小故障fs的导数,Af为Hurwitz矩阵,ξ表示微小故障激励信号;
步骤4,记驱动系统的逆变器执行器故障为执行器故障fa,含有执行器故障fa与微小故障fs的逆变器系统动态方程的表达式为:
Figure BDA0003374421030000061
Figure BDA0003374421030000062
其中,D1为执行器故障矩阵,C1为输出矩阵,
Figure BDA0003374421030000063
F为电流传感器故障矩阵,y为系统输出;
步骤5,采用状态增广法对微小故障方程和包含执行器故障fa与微小故障fs的逆变器系统动态方程建立增广系统,增广系统的表达式如下:
Figure BDA0003374421030000064
y=CX
其中,x为增广系统状态变量,
Figure BDA0003374421030000065
为增广系统状态变量x的导数;u为增广系统输入,
Figure BDA0003374421030000066
e为增广系统反电动势,
Figure BDA0003374421030000067
A为增广系统状态矩阵,
Figure BDA0003374421030000071
B1为增广系统输入矩阵,
Figure BDA0003374421030000072
B2为增广系统反电动势矩阵,
Figure BDA0003374421030000073
D为增广系统执行器故障矩阵,
Figure BDA0003374421030000074
G为增广系统扰动矩阵,
Figure BDA0003374421030000075
E为增广系统电流传感器微小故障的激励矩阵,
Figure BDA0003374421030000076
C为增广系统输出矩阵,C=[C1 F];
步骤6,给定一级状态变量z,一级状态变量z的表达式为:
Figure BDA0003374421030000077
其中,T为线性变换矩阵,
Figure BDA0003374421030000078
z1,z2为二级状态变量,
Figure BDA0003374421030000081
z11,z12,z21,z22为三级状态变量;将二级状态变量z1,z2的表达式代入
Figure BDA0003374421030000082
将三级状态变量z11,z12,z21,z22的导数分别记为三级状态变量导数
Figure BDA0003374421030000083
二级状态变量z1,z2的导数分别记为二级状态变量导数
Figure BDA0003374421030000084
一级状态变量z的导数记为状态变量导数
Figure BDA0003374421030000085
则线性变换后的二级状态变量导数
Figure BDA0003374421030000086
与系统输出y的表达式分别如下:
Figure BDA0003374421030000087
Figure BDA0003374421030000088
其中,A1,A2,A3,A4为线性变换后的增广系统状态矩阵,
Figure BDA0003374421030000089
B11,B12为线性变换后的增广系统输入矩阵,
Figure BDA00033744210300000810
Figure BDA00033744210300000811
B21,B22为线性变换后的增广系统反电动势矩阵,
Figure BDA00033744210300000812
D11为线性变换后的增广系统电流传感器故障矩阵,
Figure BDA00033744210300000813
G11,G22为线性变换后的增广系统扰动矩阵,
Figure BDA00033744210300000814
E22为线性变换后的增广系统电流传感器微小故障的激励矩阵,
Figure BDA0003374421030000091
C11,C22为线性变换后的增广系统输出矩阵,
Figure BDA0003374421030000092
C22=[0 1];
步骤7,将线性变换后的增广系统拆分成为两个子系统,具体的,记含有执行器故障的子系统为子系统1,子系统1的输出记为子系统1输出y1,记含有电流传感器故障的子系统为子系统2,子系统2的输出记为子系统2输出y2
子系统1输出y1的表达式为:
Figure BDA0003374421030000093
y1=C11z1
子系统2输出y2的表达式为:
Figure BDA0003374421030000094
y2=C22z2
步骤8,将三级状态变量z11,z12,z21,z22的估计值分别记为三级状态变量估计值
Figure BDA0003374421030000095
将二级状态变量z1,z2的估计值分别记为二级状态变量估计值
Figure BDA0003374421030000096
将三级状态变量估计值
Figure BDA0003374421030000097
的导数记为三级状态变量估计值导数
Figure BDA0003374421030000098
将二级状态变量估计值
Figure BDA0003374421030000099
的导数记为二级状态变量估计值导数
Figure BDA00033744210300000910
子系统1输出y1的估计值记为子系统1输出估计值
Figure BDA00033744210300000911
子系统2输出y2的估计值记为子系统2输出估计值
Figure BDA00033744210300000912
构建子系统1的新型自适应滑模观测器,其表达式为:
Figure BDA00033744210300000913
Figure BDA00033744210300000914
构建子系统2的新型自适应滑模观测器,其表达式为:
Figure BDA0003374421030000101
Figure BDA0003374421030000102
其中,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,s1为滑模面,且
Figure BDA0003374421030000103
s2为滑模面,且
Figure BDA0003374421030000104
步骤9,定义以下残差:
第一残差e1
Figure BDA0003374421030000105
第二残差e2
Figure BDA0003374421030000106
第三残差e11
Figure BDA0003374421030000107
第四残差e12
Figure BDA0003374421030000108
第五残差e21
Figure BDA0003374421030000109
第六残差e22
Figure BDA00033744210300001010
则第三残差e11、第四残差e12、第五残差e21和第六残差e22的导数
Figure BDA00033744210300001011
的表达式为:
Figure BDA00033744210300001012
Figure BDA00033744210300001013
步骤10,给定执行器故障诊断自适应阈值Tha与电流传感器微小故障诊断自适应阈值Ths
步骤11,定义执行器故障检测特征量Za
Figure BDA0003374421030000111
定义电流传感器微小故障检测特征量Zs
Figure BDA0003374421030000112
且令Za,Zs等于1后则一直保持其值为1,并进行如下诊断:
若Za=0,则认定逆变器的执行器未发生执行器故障;
若Za=1,则认定逆变器的执行器发生执行器故障;
若Zs=0,则认定逆变器的电流传感器未发生微小故障;
若Zs=1,则认定逆变器的电流传感器发生了微小故障。
优选地,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 BDA0003374421030000113
优选地,步骤10所述执行器故障诊断自适应阈值Tha与电流传感器微小故障诊断自适应阈值Ths的表达式分别如下:
Figure BDA0003374421030000114
Figure BDA0003374421030000115
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,σ是小于
Figure BDA0003374421030000121
的常数,e11(0)表示第三残差e11在t=0时刻的初始值,e22(0)表示第六残差e22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 BDA0003374421030000122
表示当电流传感器发生微小故障时所对应的微小故障激励信号ξ的值。
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、采用的坐标变换法使系统解耦成为两个子系统,分别用来诊断执行器故障与电流传感器微小故障;
3、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;
4、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;
5、实现了对执行器故障和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是本发明实施例中一种永磁同步电机驱动系统涉及的拓扑图;
图2是本发明永磁同步电机驱动系统故障诊断方法的示意图;
图3是本发明永磁同步电机驱动系统故障诊断方法的流程图;
图4是本发明实施例中在执行器故障发生前后的三级状态变量z11及其观测值
Figure BDA0003374421030000131
的仿真波形图;
图5是本发明实施例中第三残差e11和执行器诊断自适应阈值Tha的仿真波形图;
图6是本发明实施例中执行器故障检测特征量Za的仿真波形图;
图7是本发明实施例中在微小故障发生前后的三级状态变量z22及其观测值
Figure BDA0003374421030000132
的仿真波形图;
图8是本发明实施例中第六残差e22和电流传感器微小故障诊断自适应阈值Ths的仿真波形图;
图9是本发明实施例中电流传感器微小故障检测特征量Zs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是本发明例中的该方法所述永磁同步电机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,该6个开关管组成三相两电平逆变器的执行器;将6个开关管记为V,γ表示开关管的序号,γ=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 BDA0003374421030000141
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 BDA0003374421030000142
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 BDA0003374421030000143
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是本发明永磁同步电机驱动系统故障诊断方法的示意图。图3是本发明永磁同步电机驱动系统故障诊断方法的流程图。由图2-图3可见,所述驱动系统故障包括逆变器执行器故障和电流传感器微小故障,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 BDA0003374421030000144
k=a,b,c;
所述逆变器的混合逻辑动态模型的表达式为:
Figure BDA0003374421030000145
其中,
Figure BDA0003374421030000146
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 BDA0003374421030000147
的表达式为:
Figure BDA0003374421030000148
在本实施例中,直流侧电压Udc=311V。
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 BDA0003374421030000151
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 BDA0003374421030000152
其中,
Figure BDA0003374421030000153
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,Sa为a相桥臂的开关函数,Sb为b相桥臂的开关函数,Sc为c相桥臂的开关函数,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,G1为扰动矩阵,η为逆变器的微小扰动信号。
在本实施例中,
Figure BDA0003374421030000154
步骤3,记电流传感器的微小故障为微小故障fs,建立微小故障方程,其表达式如下:
Figure BDA0003374421030000161
其中,
Figure BDA0003374421030000162
为微小故障fs的导数,Af为Hurwitz矩阵,ξ表示微小故障激励信号。
在本实施例中,
Figure BDA0003374421030000163
Af=-1000。其中,t是时间变量,表示驱动系统运行的时间。
步骤4,记驱动系统的逆变器执行器故障为执行器故障fa,含有执行器故障fa与微小故障fs的逆变器系统动态方程的表达式为:
Figure BDA0003374421030000164
Figure BDA0003374421030000165
其中,D1为执行器故障矩阵,C1为输出矩阵,
Figure BDA0003374421030000166
F为电流传感器故障矩阵,y为系统输出。
在本实施例中,
Figure BDA0003374421030000167
步骤5,采用状态增广法对微小故障方程和包含执行器故障fa与微小故障fs的逆变器系统动态方程建立增广系统,增广系统的表达式如下:
Figure BDA0003374421030000171
y=CX
其中,x为增广系统状态变量,
Figure BDA0003374421030000172
为增广系统状态变量x的导数;u为增广系统输入,
Figure BDA0003374421030000173
e为增广系统反电动势,
Figure BDA0003374421030000174
A为增广系统状态矩阵,
Figure BDA0003374421030000175
B1为增广系统输入矩阵,
Figure BDA0003374421030000176
B2为增广系统反电动势矩阵,
Figure BDA0003374421030000177
D为增广系统执行器故障矩阵,
Figure BDA0003374421030000178
G为增广系统扰动矩阵,
Figure BDA0003374421030000179
E为增广系统电流传感器微小故障的激励矩阵,
Figure BDA00033744210300001710
C为增广系统输出矩阵,C=[C1 F]。
步骤6,给定一级状态变量z,一级状态变量z的表达式为:
Figure BDA0003374421030000181
其中,T为线性变换矩阵,
Figure BDA0003374421030000182
z1,z2为二级状态变量,
Figure BDA0003374421030000183
z11,z12,z21,z22为三级状态变量;将二级状态变量z1,z2的表达式代入
Figure BDA0003374421030000184
将三级状态变量z11,z12,z21,z22的导数分别记为三级状态变量导数
Figure BDA0003374421030000185
二级状态变量z1,z2的导数分别记为二级状态变量导数
Figure BDA0003374421030000186
一级状态变量z的导数记为状态变量导数
Figure BDA0003374421030000187
则线性变换后的二级状态变量导数
Figure BDA0003374421030000188
与系统输出y的表达式分别如下:
Figure BDA0003374421030000189
Figure BDA00033744210300001810
其中,A1,A2,A3,A4为线性变换后的增广系统状态矩阵,
Figure BDA00033744210300001811
B11,B12为线性变换后的增广系统输入矩阵,
Figure BDA00033744210300001812
Figure BDA00033744210300001813
B21,B22为线性变换后的增广系统反电动势矩阵,
Figure BDA0003374421030000191
D11为线性变换后的增广系统电流传感器故障矩阵,
Figure BDA0003374421030000192
G11,G22为线性变换后的增广系统扰动矩阵,
Figure BDA0003374421030000193
E22为线性变换后的增广系统电流传感器微小故障的激励矩阵,
Figure BDA0003374421030000194
C11,C22为线性变换后的增广系统输出矩阵,
Figure BDA0003374421030000195
C22=[0 1]。
步骤7,将线性变换后的增广系统拆分成为两个子系统,具体的,记含有执行器故障的子系统为子系统1,子系统1的输出记为子系统1输出y1,记含有电流传感器故障的子系统为子系统2,子系统2的输出记为子系统2输出y2
子系统1输出y1的表达式为:
Figure BDA0003374421030000196
y1=C11z1
子系统2输出y2的表达式为:
Figure BDA0003374421030000197
y2=C22z2
步骤8,将三级状态变量z11,z12,z21,z22的估计值分别记为三级状态变量估计值
Figure BDA0003374421030000198
将二级状态变量z1,z2的估计值分别记为二级状态变量估计值
Figure BDA0003374421030000199
将三级状态变量估计值
Figure BDA00033744210300001910
的导数记为三级状态变量估计值导数
Figure BDA00033744210300001911
将二级状态变量估计值
Figure BDA00033744210300001912
的导数记为二级状态变量估计值导数
Figure BDA00033744210300001913
子系统1输出y1的估计值记为子系统1输出估计值
Figure BDA0003374421030000201
子系统2输出y2的估计值记为子系统2输出估计值
Figure BDA0003374421030000202
构建子系统1的新型自适应滑模观测器,其表达式为:
Figure BDA0003374421030000203
Figure BDA0003374421030000204
构建子系统2的新型自适应滑模观测器,其表达式为:
Figure BDA0003374421030000205
Figure BDA0003374421030000206
其中,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,s1为滑模面,且
Figure BDA0003374421030000207
s2为滑模面,且
Figure BDA0003374421030000208
在本实施例中,取k1=5,k2=1,λ=0.25。
步骤9,定义以下残差:
第一残差e1
Figure BDA0003374421030000209
第二残差e2
Figure BDA00033744210300002010
第三残差e11
Figure BDA00033744210300002011
第四残差e12
Figure BDA00033744210300002012
第五残差e21
Figure BDA00033744210300002013
第六残差e22
Figure BDA00033744210300002014
则第三残差e11、第四残差e12、第五残差e21和第六残差e22的导数
Figure BDA0003374421030000211
的表达式为:
Figure BDA0003374421030000212
Figure BDA0003374421030000213
步骤10,给定执行器故障诊断自适应阈值Tha与电流传感器微小故障诊断自适应阈值Ths,表达式分别如下:
Figure BDA0003374421030000214
Figure BDA0003374421030000215
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,σ是小于
Figure BDA0003374421030000216
的常数,e11(0)表示第三残差e11在t=0时刻的初始值,e22(0)表示第六残差e22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 BDA0003374421030000217
表示当电流传感器发生微小故障时所对应的微小故障激励信号ξ的值。
步骤11,定义执行器故障检测特征量Za
Figure BDA0003374421030000218
定义电流传感器微小故障检测特征量Zs
Figure BDA0003374421030000219
且令Za,Zs等于1后则一直保持其值为1,并进行如下诊断:
若Za=0,则认定逆变器的执行器未发生执行器故障;
若Za=1,则认定逆变器的执行器发生执行器故障;
若Zs=0,则认定逆变器的电流传感器未发生微小故障;
若Zs=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。
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执行器故障发生前后的三级状态变量z11及其观测值
Figure BDA0003374421030000221
的仿真波形图。由该图可见,执行器故障在0.15秒发生前后z11及其
Figure BDA0003374421030000222
的变化。
图5是本发明实施例中第三残差e11和执行器诊断自适应阈值Tha的仿真波形图。由该图可见,执行器故障发生0.15秒时e11突然变大超过Tha
图6是本发明实施例中执行器故障检测特征量Za的仿真波形图,由该图可见,Za在0.15秒时由0变为1,可以判断执行器发生开路故障。
图7是本发明实施例中在微小故障发生前后的三级状态变量z22及其观测值
Figure BDA0003374421030000223
的仿真波形图,由该图可见,执行器故障在0.15秒发生前后z22及其
Figure BDA0003374421030000224
的变化。
图8是本发明实施例中第六残差e22和电流传感器微小故障诊断自适应阈值Ths的仿真波形图。由该图可见,微小故障发生0.15秒时e22突然变大超过Ths
图9是本发明实施例中电流传感器微小故障检测特征量Zs的仿真波形图,由该图可见,Zs在0.15秒时由0变为1,可以判断电流传感器发生微小故障。

Claims (3)

1.一种永磁同步电机驱动系统故障诊断方法,所述驱动系统故障包括逆变器执行器故障和电流传感器微小故障,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,该6个开关管组成三相两电平逆变器的执行器;将6个开关管记为V,γ表示开关管的序号,γ=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 FDA0003374421020000011
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 FDA0003374421020000012
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 FDA0003374421020000013
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 FDA0003374421020000014
k=a,b,c;
所述逆变器的混合逻辑动态模型的表达式为:
Figure FDA0003374421020000021
其中,
Figure FDA0003374421020000022
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 FDA0003374421020000023
的表达式为:
Figure FDA0003374421020000024
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 FDA0003374421020000025
其中,
Figure FDA0003374421020000026
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,Sa为a相桥臂的开关函数,Sb为b相桥臂的开关函数,Sc为c相桥臂的开关函数,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,G1为扰动矩阵,η为逆变器的微小扰动信号;
步骤3,记电流传感器的微小故障为微小故障fs,建立微小故障方程,其表达式如下:
Figure FDA0003374421020000027
其中,
Figure FDA0003374421020000028
为微小故障fs的导数,Af为Hurwitz矩阵,ξ表示微小故障激励信号;
步骤4,记驱动系统的逆变器执行器故障为执行器故障fa,含有执行器故障fa与微小故障fs的逆变器系统动态方程的表达式为:
Figure FDA0003374421020000031
Figure FDA0003374421020000032
其中,D1为执行器故障矩阵,C1为输出矩阵,
Figure FDA0003374421020000033
F为电流传感器故障矩阵,y为系统输出;
步骤5,采用状态增广法对微小故障方程和包含执行器故障fa与微小故障fs的逆变器系统动态方程建立增广系统,增广系统的表达式如下:
Figure FDA0003374421020000034
y=CX
其中,x为增广系统状态变量,
Figure FDA0003374421020000035
Figure FDA0003374421020000036
为增广系统状态变量x的导数;u为增广系统输入,
Figure FDA0003374421020000037
e为增广系统反电动势,
Figure FDA0003374421020000038
A为增广系统状态矩阵,
Figure FDA0003374421020000039
B1为增广系统输入矩阵,
Figure FDA0003374421020000041
B2为增广系统反电动势矩阵,
Figure FDA0003374421020000042
D为增广系统执行器故障矩阵,
Figure FDA0003374421020000043
G为增广系统扰动矩阵,
Figure FDA0003374421020000044
E为增广系统电流传感器微小故障的激励矩阵,
Figure FDA0003374421020000045
C为增广系统输出矩阵,C=[C1 F];
步骤6,给定一级状态变量z,一级状态变量z的表达式为:
Figure FDA0003374421020000046
其中,T为线性变换矩阵,
Figure FDA0003374421020000047
z1,z2为二级状态变量,
Figure FDA0003374421020000048
z11,z12,z21,z22为三级状态变量;将二级状态变量z1,z2的表达式代入
Figure FDA0003374421020000049
将三级状态变量z11,z12,z21,z22的导数分别记为三级状态变量导数
Figure FDA0003374421020000051
二级状态变量z1,z2的导数分别记为二级状态变量导数
Figure FDA0003374421020000052
一级状态变量z的导数记为状态变量导数
Figure FDA0003374421020000053
则线性变换后的二级状态变量导数
Figure FDA0003374421020000054
与系统输出y的表达式分别如下:
Figure FDA0003374421020000055
Figure FDA0003374421020000056
其中,A1,A2,A3,A4为线性变换后的增广系统状态矩阵,
Figure FDA0003374421020000057
B11,B12为线性变换后的增广系统输入矩阵,
Figure FDA0003374421020000058
Figure FDA0003374421020000059
B21,B22为线性变换后的增广系统反电动势矩阵,
Figure FDA00033744210200000510
D11为线性变换后的增广系统电流传感器故障矩阵,
Figure FDA00033744210200000511
C11,G22为线性变换后的增广系统扰动矩阵,
Figure FDA00033744210200000512
E22为线性变换后的增广系统电流传感器微小故障的激励矩阵,
Figure FDA00033744210200000513
C11,C22为线性变换后的增广系统输出矩阵,
Figure FDA00033744210200000514
C22=[0 1];
步骤7,将线性变换后的增广系统拆分成为两个子系统,具体的,记含有执行器故障的子系统为子系统1,子系统1的输出记为子系统1输出y1,记含有电流传感器故障的子系统为子系统2,子系统2的输出记为子系统2输出y2
子系统1输出y1的表达式为:
Figure FDA0003374421020000061
y1=C11z1
子系统2输出y2的表达式为:
Figure FDA0003374421020000062
y2=C22z2
步骤8,将三级状态变量z11,z12,z21,z22的估计值分别记为三级状态变量估计值
Figure FDA0003374421020000063
将二级状态变量z1,z2的估计值分别记为二级状态变量估计值
Figure FDA0003374421020000064
将三级状态变量估计值
Figure FDA0003374421020000065
的导数记为三级状态变量估计值导数
Figure FDA0003374421020000066
将二级状态变量估计值
Figure FDA0003374421020000067
的导数记为二级状态变量估计值导数
Figure FDA0003374421020000068
子系统1输出y1的估计值记为子系统1输出估计值
Figure FDA0003374421020000069
子系统2输出y2的估计值记为子系统2输出估计值
Figure FDA00033744210200000610
构建子系统1的新型自适应滑模观测器,其表达式为:
Figure FDA00033744210200000611
Figure FDA00033744210200000612
构建子系统2的新型自适应滑模观测器,其表达式为:
Figure FDA00033744210200000613
Figure FDA00033744210200000614
其中,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,s1为滑模面,且
Figure FDA0003374421020000071
s2为滑模面,且
Figure FDA0003374421020000072
步骤9,定义以下残差:
第一残差e1
Figure FDA0003374421020000073
第二残差e2
Figure FDA0003374421020000074
第三残差e11
Figure FDA0003374421020000075
第四残差e12
Figure FDA0003374421020000076
第五残差e21
Figure FDA0003374421020000077
第六残差e22
Figure FDA0003374421020000078
则第三残差e11、第四残差e12、第五残差e21和第六残差e22的导数
Figure FDA0003374421020000079
的表达式为:
Figure FDA00033744210200000710
Figure FDA00033744210200000711
步骤10,给定执行器故障诊断自适应阈值Tha与电流传感器微小故障诊断自适应阈值Ths
步骤11,定义执行器故障检测特征量Za
Figure FDA00033744210200000712
定义电流传感器微小故障检测特征量Zs
Figure FDA00033744210200000713
且令Za,Zs等于1后则一直保持其值为1,并进行如下诊断:
若Za=0,则认定逆变器的执行器未发生执行器故障;
若Za=1,则认定逆变器的执行器发生执行器故障;
若Zs=0,则认定逆变器的电流传感器未发生微小故障;
若Zs=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所述的一种永磁同步电机驱动系统故障诊断方法,其特征在于,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 FDA0003374421020000081
3.根据权利要求1所述的一种永磁同步电机驱动系统故障诊断方法,其特征在于,步骤10所述执行器故障诊断自适应阈值Tha与电流传感器微小故障诊断自适应阈值Ths的表达式分别如下:
Figure FDA0003374421020000082
Figure FDA0003374421020000083
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,σ是小于
Figure FDA0003374421020000084
的常数,e11(0)表示第三残差e11在t=0时刻的初始值,e22(0)表示第六残差e22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 FDA0003374421020000091
表示当电流传感器发生微小故障时所对应的微小故障激励信号ξ的值。
CN202111436472.8A 2021-11-25 2021-11-25 一种永磁同步电机驱动系统故障诊断方法 Active CN114325380B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111436472.8A CN114325380B (zh) 2021-11-25 2021-11-25 一种永磁同步电机驱动系统故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111436472.8A CN114325380B (zh) 2021-11-25 2021-11-25 一种永磁同步电机驱动系统故障诊断方法

Publications (2)

Publication Number Publication Date
CN114325380A CN114325380A (zh) 2022-04-12
CN114325380B true CN114325380B (zh) 2022-12-27

Family

ID=81047225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111436472.8A Active CN114325380B (zh) 2021-11-25 2021-11-25 一种永磁同步电机驱动系统故障诊断方法

Country Status (1)

Country Link
CN (1) CN114325380B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0966094A2 (en) * 1998-06-16 1999-12-22 Otis Elevator Company Curtailed operation of multiple-wound induction motor following inverter failure
KR20170099175A (ko) * 2016-02-23 2017-08-31 경남대학교 산학협력단 저전압 고주파 신호를 이용한 영구자석 동기전동기의 고장 진단 방법 및 그 장치
CN107329083A (zh) * 2017-07-28 2017-11-07 南京航空航天大学 针对高速列车牵引电机非线性系统传感器的故障诊断方法
CN109375103A (zh) * 2018-09-20 2019-02-22 北京科技大学 三相无刷直流电机逆变器功率管单管开路故障诊断方法
CN110133538A (zh) * 2019-05-16 2019-08-16 合肥工业大学 一种anpc三电平逆变器开路故障诊断方法及实验平台
CN110649846A (zh) * 2019-09-29 2020-01-03 湖南科技大学 基于滑模观测器的双馈感应发电机故障检测方法
WO2020024064A1 (en) * 2018-08-02 2020-02-06 Houshang Karimi Controller for power inverter
KR20200081591A (ko) * 2018-12-27 2020-07-08 현대자동차주식회사 웨이블릿변환을 이용한 동기전동기의 고장진단방법
CN113075585A (zh) * 2021-04-02 2021-07-06 合肥工业大学 一种npc三电平逆变器复合开路故障诊断方法
CN113281680A (zh) * 2021-05-21 2021-08-20 合肥工业大学 高铁牵引系统单相三电平整流器开路故障诊断方法
CN113534035A (zh) * 2021-06-30 2021-10-22 合肥工业大学 新能源电动汽车驱动系统电流传感器微小故障诊断方法
CN113534000A (zh) * 2021-07-05 2021-10-22 合肥工业大学 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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9903917B2 (en) * 2014-10-07 2018-02-27 Texas Instruments Incorporated Method and circuitry for detecting faults in field oriented controlled permanent magnet synchronous machines
KR101818916B1 (ko) * 2017-04-06 2018-03-02 전자부품연구원 영구자석 모터 고장진단장치, 시스템 및 방법
CN108416103A (zh) * 2018-02-05 2018-08-17 武汉大学 一种串联混合动力电动汽车交直流变换器的故障诊断方法
EP4000175A1 (en) * 2019-07-17 2022-05-25 Kollmorgen Corporation Method and apparatus for the safe limitation of motor torque in a three-phase drive

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0966094A2 (en) * 1998-06-16 1999-12-22 Otis Elevator Company Curtailed operation of multiple-wound induction motor following inverter failure
KR20170099175A (ko) * 2016-02-23 2017-08-31 경남대학교 산학협력단 저전압 고주파 신호를 이용한 영구자석 동기전동기의 고장 진단 방법 및 그 장치
CN107329083A (zh) * 2017-07-28 2017-11-07 南京航空航天大学 针对高速列车牵引电机非线性系统传感器的故障诊断方法
WO2020024064A1 (en) * 2018-08-02 2020-02-06 Houshang Karimi Controller for power inverter
CN109375103A (zh) * 2018-09-20 2019-02-22 北京科技大学 三相无刷直流电机逆变器功率管单管开路故障诊断方法
KR20200081591A (ko) * 2018-12-27 2020-07-08 현대자동차주식회사 웨이블릿변환을 이용한 동기전동기의 고장진단방법
CN110133538A (zh) * 2019-05-16 2019-08-16 合肥工业大学 一种anpc三电平逆变器开路故障诊断方法及实验平台
CN110649846A (zh) * 2019-09-29 2020-01-03 湖南科技大学 基于滑模观测器的双馈感应发电机故障检测方法
CN113075585A (zh) * 2021-04-02 2021-07-06 合肥工业大学 一种npc三电平逆变器复合开路故障诊断方法
CN113281680A (zh) * 2021-05-21 2021-08-20 合肥工业大学 高铁牵引系统单相三电平整流器开路故障诊断方法
CN113534035A (zh) * 2021-06-30 2021-10-22 合肥工业大学 新能源电动汽车驱动系统电流传感器微小故障诊断方法
CN113534000A (zh) * 2021-07-05 2021-10-22 合肥工业大学 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Fault Investigation of X-by-wire Permanent Magnet Synchronous Machine;L. Feng 等;《2006 CES/IEEE 5th International Power Electronics and Motion Control Conference》;20090210;全文 *
串联混合动力电动汽车交直流变换器的故障仿真分析及诊断;何怡刚 等;《电测与仪表》;20181207;第56卷(第3期);全文 *

Also Published As

Publication number Publication date
CN114325380A (zh) 2022-04-12

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
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
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
CN112052796A (zh) 一种基于深度学习的永磁同步电机故障诊断方法
CN111381188B (zh) 一种两电平三相电压源逆变器桥臂开路故障诊断方法
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. Real-time incipient fault detection for electrical traction systems of CRH2
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
Luo et al. Fault detection of permanent magnet synchronous motor based on deep learning method
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
CN113075585B (zh) 一种npc三电平逆变器复合开路故障诊断方法
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
Muduli et al. Ann based on-board fault diagnostic for induction motor drive in low-cost electric vehicles
CN112731193B (zh) 基于滑模观测器的npc逆变器多类故障诊断方法
CN108614164A (zh) 电动汽车永磁同步电机三相电流缺相诊断方法
CN114325164B (zh) 单相三电平整流器多故障诊断方法
Chen et al. Incipient interturn short-circuit fault diagnosis of permanent magnet synchronous motors based on the data-driven digital twin model
CN106093626B (zh) 一种用于诊断crh5型高铁逆变器的微小故障的方法
CN114325380B (zh) 一种永磁同步电机驱动系统故障诊断方法
CN109884449A (zh) 电机驱动系统三相逆变器桥臂开路故障实时检测方法
Awadallah et al. Diagnosis of switch open-circuit fault in PM brushless DC motor drives
Torki et al. Sparse recovery diagnosis method applied to hybrid dynamical system: The case of three-phase dc-ac inverter for wind turbine
Shim et al. Unsupervised anomaly detection for electric drives based on variational auto-encoder
Abed et al. Performance monitoring of aircraft PMSM based on soft computing technique
CN114172401A (zh) 基于降阶观测器的npc三电平逆变器多类故障诊断方法

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