CN115685037A - 一种电流传感器的故障检测方法、装置及介质 - Google Patents

一种电流传感器的故障检测方法、装置及介质 Download PDF

Info

Publication number
CN115685037A
CN115685037A CN202211348880.2A CN202211348880A CN115685037A CN 115685037 A CN115685037 A CN 115685037A CN 202211348880 A CN202211348880 A CN 202211348880A CN 115685037 A CN115685037 A CN 115685037A
Authority
CN
China
Prior art keywords
fault
current sensor
current
average value
value
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
CN202211348880.2A
Other languages
English (en)
Inventor
孙玉玺
姜付杰
郑晓钦
张旭东
李恒奎
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.)
CRRC Qingdao Sifang Co Ltd
Qingdao University
Original Assignee
CRRC Qingdao Sifang Co Ltd
Qingdao 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 CRRC Qingdao Sifang Co Ltd, Qingdao University filed Critical CRRC Qingdao Sifang Co Ltd
Priority to CN202211348880.2A priority Critical patent/CN115685037A/zh
Publication of CN115685037A publication Critical patent/CN115685037A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

本申请公开了一种电流传感器的故障检测方法、装置及介质,涉及电机系统领域。包括:获取电流传感器采集的电流值;根据电流值获取用于检测电流传感器故障的检测参数;根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型;其中,故障诊断策略中包含电流传感器的故障类型以及不同故障类型下的检测参数的特性。相比于之前的只能检测出故障的方法,本申请的方法中,由于故障诊断策略中包含不同故障类型下的检测参数的特性,因此,可以对获取的检测参数依据故障诊断策略确定出对应的故障类型,实现了对多种类型的故障的检测,提高了故障检测的精确度。

Description

一种电流传感器的故障检测方法、装置及介质
技术领域
本申请涉及电机系统领域,特别是涉及一种电流传感器的故障检测方法、装置及介质。
背景技术
在高速磁浮直线电机系统中,电流传感器作为控制系统的重要组成部分,将相电流量采样后反馈到控制系统,其采样的准确性影响整个磁浮直线电机系统的稳定运行。在直线电机系统长期运行中,高振动、高湿度、高温、过电压、过电流等恶劣运行环境易造成电流传感器的采样故障,进而影响电机系统的输出转矩。对于可靠性要求较低的应用环境,简单的离线检测手段即可清理电流传感器故障。然而对于高速磁浮系统可靠性要求极为严苛的场合,需要迅速、准确、实时地检测出电流传感器具体故障类型及位置,以便采取必要的应对措施。因此,对高速磁浮电机系统电流传感器故障的在线诊断进行深入研究刻不容缓。实际中,电流传感器在实际过程中存在采样信号增益、偏移、断线等多种类型的故障。
目前,基于模型和知识的算法,完成了电流传感器故障的实时诊断与定位。但是,由于未将不同故障的特性区分开,导致只能诊断出电流传感器故障,而不能诊断出电流传感器具体的故障类型,即不能对故障进行较精确地检测。
由此可见,如何确定电流传感器的故障类型,是本领域人员亟需解决的技术问题。
发明内容
本申请的目的是提供一种电流传感器的故障检测方法、装置及介质,用于确定电流传感器的故障类型,实现对故障的较精确地检测。
为解决上述技术问题,本申请提供一种电流传感器的故障检测方法,包括:
获取所述电流传感器采集的电流值;
根据所述电流值获取用于检测所述电流传感器故障的检测参数;
根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型;其中,所述故障诊断策略中包含所述电流传感器的所述故障类型以及不同所述故障类型下的所述检测参数的特性。
优选地,所述检测参数包括所述电流值的平均值、所述电流值的绝对平均值;
所述根据所述电流值获取用于检测所述电流传感器故障的检测参数包括:
通过Park变换将位于自然坐标系下的所述电流值转换为位于同步旋转坐标系下的电流分量;
根据所述电流分量获取电流模值;
获取所述电流值与所述电流模值的比值以便对所述电流值进行归一化处理;
获取归一化处理后的所述电流值的所述平均值以及所述绝对平均值。
优选地,所述根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型包括:
若所述平均值等于0,且所述绝对平均值等于预设值,则确定所述电流传感器正常;
若所述平均值不等于0或所述绝对平均值不等于所述预设值,则确定所述电流传感器故障;
在确定出所述电流传感器故障的情况下,若所述平均值等于0,且所述绝对平均值大于所述预设值,则确定所述故障类型为增益故障;
若所述平均值大于0,且所述绝对平均值等于所述预设值,则确定所述故障类型为正偏移故障;
若所述平均值小于0,且所述绝对平均值等于所述预设值,则确定所述故障类型为负偏移故障;
若所述平均值、所述绝对平均值均为0,则确定所述故障类型为断线故障;
若所述平均值为大于0的固定的值,且所述绝对平均值大于所述预设值,则确定所述故障类型为正卡死故障;
若所述平均值为小于0的固定的值,且所述绝对平均值大于所述预设值,则确定所述故障类型为负卡死故障。
优选地,确定所述平均值等于0以及确定所述绝对平均值为所述预设值包括:
判断所述平均值是否在第一阈值范围内;
若是,则确定所述平均值等于0;
判断所述绝对平均值是否在第二阈值范围内;
若是,则确定所述绝对平均值等于所述预设值。
优选地,电机中存在多相电流,在所述根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型之后,所述方法还包括:
在确定发生所述增益故障的情况下,获取归一化处理后的各相电流值的所述绝对平均值中的最大绝对平均值,将所述最大绝对平均值对应的相作为发生所述增益故障的故障相;
在确定发生所述正偏移故障的情况下,获取归一化处理后的所述各相电流值的所述平均值中的最大平均值,将所述最大平均值对应的相作为发生所述正偏移故障的故障相;
在确定发生所述负偏移故障的情况下,获取归一化处理后的所述各相电流值的所述平均值中的最小平均值,将所述最小平均值对应的相作为发生所述负偏移故障的故障相;
在确定发生所述正卡死故障的情况下,获取归一化处理后的所述各相电流值的所述平均值中的最大平均值,将所述最大平均值对应的相作为发生所述正卡死故障的故障相;
在确定发生所述负卡死故障的情况下,获取归一化处理后的所述各相电流值的所述平均值中的最小平均值,将所述最小平均值对应的相作为发生所述负卡死故障的故障相。
优选地,在所述根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型之后,所述方法还包括:
自确定出所述电流传感器的故障以及对应的故障类型之后,预设时间内返回所述获取所述电流传感器采集的电流值的步骤。
优选地,所述方法还包括:
根据所述故障类型输出用于表征所述故障相发生故障的提示信息。
为了解决上述技术问题,本申请还提供一种电流传感器的故障检测装置,包括:
第一获取模块,用于获取所述电流传感器采集的电流值;
第二获取模块,用于根据所述电流值获取用于检测所述电流传感器故障的检测参数;
确定模块,用于根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型;其中,所述故障诊断策略中包含所述电流传感器的所述故障类型以及不同所述故障类型下的所述检测参数的特性。
为了解决上述技术问题,本申请还提供一种电流传感器的故障检测装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述的电流传感器的故障检测方法的步骤。
为了解决上述技术问题,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的电流传感器的故障检测方法的步骤。
本申请所提供的电流传感器的故障检测方法,包括:获取电流传感器采集的电流值;根据电流值获取用于检测电流传感器故障的检测参数;根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型;其中,故障诊断策略中包含电流传感器的故障类型以及不同故障类型下的检测参数的特性。相比于之前的只能检测出故障的方法,本申请的方法中,由于故障诊断策略中包含不同故障类型下的检测参数的特性,因此,可以对获取的检测参数依据故障诊断策略确定出对应的故障类型,实现了对多种类型的故障的检测,提高了故障检测的精确度。
此外,本申请还提供一种电流传感器的故障检测装置以及计算机可读存储介质,与上述提到的电流传感器的故障检测方法具有相同或相对应的技术特征,效果同上。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种电流传感器的故障检测方法的流程图;
图2a为本申请实施例提供的一种增益故障诊断结果波形图;
图2b为本申请实施例提供的一种增益故障发生前后中间诊断变量en波形图;
图2c为申请实施例提供的一种增益故障发生前后中间诊断变量fn波形图;
图3为本申请的一实施例提供的电流传感器的故障检测装置的结构图;
图4为本申请另一实施例提供的电流传感器的故障检测装置的结构图;
图5为本申请实施例提供的一种电流传感器诊断原理图;
图6为本申请实施例提供的一种电流传感器诊断方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本申请保护范围。
本申请的核心是提供一种电流传感器的故障检测方法、装置及介质,用于确定电流传感器的故障类型,实现对故障的较精确地检测。
电流传感器作为控制系统的重要组成部分,将相电流量采样后反馈到控制系统,其采样的准确性影响整个磁浮直线电机系统的稳定运行。在直线电机系统长期运行中,高振动、高湿度、高温、过电压、过电流等恶劣运行环境易造成电流传感器的采样故障,进而影响电机系统的输出转矩。在实际中,电流传感器存在采样信号增益、卡死、偏移、断线等多种类型的故障。目前的基于模型或基于知识的算法对传感器故障诊断的方法仅限于对故障进行检测,尤其是针对断线故障检测,而对于增益、卡死、偏移、断线等电流传感器故障类型的扩展性较差,且基于模型或基于知识的算法在扩大检测范围的同时会大幅度增加计算复杂度。因此,本申请中基于信号处理的算法,将高速磁浮直线电机系统电流传感器故障的检测范围拓展到增益、偏移、卡死、断线故障,为精确定位高速磁浮直线电机系统电流传感器故障类型与故障点提供更为准确、快速的新途径。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。图1为本申请实施例提供的一种电流传感器的故障检测方法的流程图,如图1所示,该方法包括:
S10:获取电流传感器采集的电流值;
S11:根据电流值获取用于检测电流传感器故障的检测参数;
S12:根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型。
其中,故障诊断策略中包含电流传感器的故障类型以及不同故障类型下的检测参数的特性。
在高速磁浮直线电机系统中,通过电流传感器采集的相电流信号。如三相电机中采用三个电流传感器进行相电流信号采样,但是,由于电流和的限制,在三相电机中通常采用两个电流传感器进行相电流信号采样。为了对电流传感器故障进行检测,首先需要获取电流传感器采集的电流值。对于电流传感器采集的电流信号的频率、采集的时间等不作限定,根据实际情况确定,如,为了能够实时根据电流传感器采集的电流值进行故障诊断,优选地,获取电流传感器实时采集的信号值。
在采集到电流值之后,可以根据电流值进一步地确定用于检测电流传感器故障的检测参数。对于根据电流值确定的具体的检测参数不作限定,本申请实施例中,以一段时间内采集的电流信号的平均值以及绝对平均值作为检测参数。
在根据检测参数进行故障类型检测的过程中,本实施例中预先设置有故障诊断策略。选取的检测参数不同,对应的故障诊断策略不同。实际中,在确定故障诊断策略时,可以以电机系统正常运行时的电流传感器的电流值为参照,然后在电机系统中制造不同的故障,如增益、偏移、卡死、断线等故障,经过大量的实验得出在各类型的故障下的电流检测参数的值。由于故障诊断策略中包含故障类型以及对应的故障类型下的检测参数的特性,因此,可以以表格方式展示故障诊断策略。当需要进行故障检测时,根据检测参数与故障诊断策略确定故障以及对应的故障类型。
本实施例所提供的电流传感器的故障检测方法,包括:获取电流传感器采集的电流值;根据电流值获取用于检测电流传感器故障的检测参数;根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型;其中,故障诊断策略中包含电流传感器的故障类型以及不同故障类型下的检测参数的特性。相比于之前的只能检测出故障的方法,本实施例的方法中,由于故障诊断策略中包含不同故障类型下的检测参数的特性,因此,可以对获取的检测参数依据故障诊断策略确定出对应的故障类型,实现了对多种类型的故障的检测,提高了故障检测的精确度。
根据检测参数进行故障检测时,检测参数可能为多种。本实施例中选取的检测参数包括电流值的平均值、电流值的绝对平均值;
根据电流值获取用于检测电流传感器故障的检测参数包括:
通过Park变换将位于自然坐标系下的电流值转换为位于同步旋转坐标系下的电流分量;
根据电流分量获取电流模值;
获取电流值与电流模值的比值以便对电流值进行归一化处理;
获取归一化处理后的电流值的平均值以及绝对平均值。
考虑到空载、轻载以及负载突变等电机运行工况会对定子电流幅值造成影响,需对相电流进行归一化处理。首先将自然坐标系下的定子电流即相电流in经过Park变换得到同步旋转坐标系下的电流量id、iq,电流模值可表示为
Figure BDA0003919146740000071
电流与电流模值之比即对电流的归一化预处理,得到相电流的归一化值
Figure BDA0003919146740000072
其中,Park变换矩阵T为:
Figure BDA0003919146740000073
其中,θe表示电机旋转的角度。
对归一化的电流分别进行绝对平均值模块、平均值计算模块得到归一化处理后的电流值的平均值en、绝对平均值fn。记为:en=M[in *]、fn=M[|in *|]。
Figure BDA0003919146740000081
其中,M表示的是求取平均值,ωn表示电机角频率。本实施例中将en、fn称为中间诊断变量。
本实施例所提供的对电流进行归一化处理进而获取中间诊断变量,防止空载、轻载以及负载突变等电机运行工况会对定子电流幅值造成影响,使得获取的中间变量较为准确。
在上述实施例的获取到中间诊断变量的基础上,根据中间诊断变量对故障类型进行分析时,优选的实施方式是,根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型包括:
若平均值等于0,且绝对平均值等于预设值,则确定电流传感器正常;
若平均值不等于0或绝对平均值不等于预设值,则确定电流传感器故障;
在确定出电流传感器故障的情况下,若平均值等于0,且绝对平均值大于预设值,则确定故障类型为增益故障;
若平均值大于0,且绝对平均值等于预设值,则确定故障类型为正偏移故障;
若平均值小于0,且绝对平均值等于预设值,则确定故障类型为负偏移故障;
若平均值、绝对平均值均为0,则确定故障类型为断线故障;
若平均值为大于0的固定的值,且绝对平均值大于预设值,则确定故障类型为正卡死故障;
若平均值为小于0的固定的值,且绝对平均值大于预设值,则确定故障类型为负卡死故障。
将归一化后各相电流表示为:
ia_m=βia+C=βIam cos(ωt+θori)+C
ib_m=ib
ic_m=ic
其中,ia、ib、ic为实际定子电流,ia_m、ib_m、ic_m为电流传感器测量电流,β为电流传感器增益因数,C为偏移系数,Iam为相电流幅值,ω为电机角频率,θori为初相角。
针对不同的开路故障,中间诊断变量en、fn表示方法具体为(假设a1相为故障相):
(2A)、正常运行时,各相电流对称使得en=M[in *]=0、fn=M[|in *|]=ζ;其中,ζ表示预设值;对于预设值不作限定,根据实际情况确定;ζ的表达式如下:
Figure BDA0003919146740000091
(2B)、发生电流传感器增益故障时,各相电流虽未发生直流偏置,但其幅值会有不同程度的增减。其中增益故障相的电流幅值增幅最大,因此故障相中间诊断变量满足ea1=M[ia1 *]=0、fa1=M[|ia1 *|]>ζ;图2a为本申请实施例提供的一种增益故障诊断结果波形图;图2b为本申请实施例提供的一种增益故障发生前后中间诊断变量en波形图;图2c为申请实施例提供的一种增益故障发生前后中间诊断变量fn波形图。
(2C)、发生电流传感器正偏移故障时,各相电流已发生直流偏置,且故障相的电流偏置幅度最大,因此其中间诊断变量ea1满足ea1=M[ia1 *]>0(负偏移故障:ea1=M[ia1 *]<0)。由于直流偏置对电流波形的绝对平均值影响较小,可认为中间诊断变量fa1=M[|ia1 *|]=ζ。
(2D)、发生电流传感器断线故障时,故障相电流量变为零值,此时ea1=M[ia1 *]=0、fa1=M[|ia1 *|]=0;
(2E)、发生电流传感器正卡死故障时,故障相电流量输出为固定的直流量,记为常数c>0,此时ea1=M[ia1 *]=c>0、fa1=M[|ia1 *|]>ζ(负卡死故障:ea1=M[ia1 *]=c<0、fa1=M[|ia1 *|]>ζ)。
本实施例所提供的根据通过中间变量的特性,使得能够确定出故障以及对应的故障类型。
为了避免故障误诊断,在实施中,优选的实施方式是,确定平均值等于0以及确定绝对平均值为预设值包括:
判断平均值是否在第一阈值范围内;
若是,则确定平均值等于0;
判断绝对平均值是否在第二阈值范围内;
若是,则确定绝对平均值等于预设值。
为避免故障误诊断,通常需要对中间诊断变量设置阈值范围。如可将阈值设置为0.05,平均值即中间诊断变量en所在的第一阈值范围为[-0.05,0.05],绝对平均值即中间诊断变量fn所在的第二阈值范围为[ζ-0.05,ζ+0.05]。即当判断出fn在[ζ-0.05,ζ+0.05],en在[-0.05,0.05],检测系统输出fn=ζ、en=0。
本实施例所提供的设置阈值范围,使得能够尽可能地避免误诊断的发生。
电机中存在多相电流,为消除正常相电流增益或偏置的影响,引入最大值、最小值计算模块以筛选故障相。优选的实施方式是,在根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型之后,电流传感器的故障检测方法还包括:
在确定发生增益故障的情况下,获取归一化处理后的各相电流值的绝对平均值中的最大绝对平均值,将最大绝对平均值对应的相作为发生增益故障的故障相;
在确定发生正偏移故障的情况下,获取归一化处理后的各相电流值的平均值中的最大平均值,将最大平均值对应的相作为发生正偏移故障的故障相;
在确定发生负偏移故障的情况下,获取归一化处理后的各相电流值的平均值中的最小平均值,将最小平均值对应的相作为发生负偏移故障的故障相;
在确定发生正卡死故障的情况下,获取归一化处理后的各相电流值的平均值中的最大平均值,将最大平均值对应的相作为发生正卡死故障的故障相;
在确定发生负卡死故障的情况下,获取归一化处理后的各相电流值的平均值中的最小平均值,将最小平均值对应的相作为发生负卡死故障的故障相。
将发生电流传感器故障相的诊断变量en、fn分别记为En、Fn,其中,En表示平均值诊断变量;Fn表示绝对平均值诊断变量。即En=Max[en]或Min[en],Fn=Max[fn]或Min[fn]。
在进行故障相诊断时,具体的方式如下:
(3A)、正常运行时,中间诊断变量en=0、fn=ζ,最大值、最小值计算模块不参与运算;
(3B)、发生电流传感器增益故障时,故障相中间诊断变量满足ea1=0、fa1>ζ,由于故障相的电流偏置幅度最大,因此经过最大值计算器的筛选以定位故障相Fn=Max[fn]=Fa1
(3C)、发生电流传感器正偏移故障时,故障相的电流偏置幅度最大,最大值计算器的筛选以定位故障相En=Max[en]=Ea1(负偏移故障:En=Min[en]=Ea1);
(3D)、发生电流传感器断线故障时,故障相中间诊断变量ea1=0、fa1=0,无需最大值、最小值计算器处理;
(3E)、发生电流传感器正卡死故障时,故障相ea1=c>0,可经过最大值计算器筛选得到En=Max[en]=Ea1(负卡死故障:En=Min[en]=Ea1)。
表1为定位开路故障的诊断策略的数据。
表1定位开路故障的诊断策略的数据
Figure BDA0003919146740000111
本实施例所提供的方法中,根据最大值、最小值确定出具体的故障相,使得能够准确地定位故障。
在实施中,为了提高对故障检测的频率,优选的实施方式是,在根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型之后,电流传感器的故障检测方法还包括:
自确定出电流传感器的故障以及对应的故障类型之后,预设时间内返回获取电流传感器采集的电流值的步骤。
对于预设时间的值不作限定,根据实际情况确定。
本实施例所提供的在一次故障诊断之后,返回获取电流传感器采集的电流值的步骤,再次根据电流值进行故障诊断,提高对故障检测的频率,使得用户能够及时了解到故障的情况。
为了方便用户了解到故障检测的结果,优选的实施方式是,电流传感器的故障检测方法还包括:
根据故障类型输出用于表征故障相发生故障的提示信息。
对于提示信息的内容、提示信息所采用的方式、提示信息的频率等不作限定,根据实际情况确定。为了使用户能够根据提示信息区分出具体的故障类型,可以对不同类型的故障设置不同的提示信息,用户通过不同的提示信息即可了解到故障的类型。
本实施例所提供的方法中,通过提示信息使得用户能够直观了解到存在故障。
在上述实施例中,对于电流传感器的故障检测方法进行了详细描述,本申请还提供电流传感器的故障检测装置对应的实施例。需要说明的是,本申请从两个角度对装置部分的实施例进行描述,一种是基于功能模块的角度,另一种是基于硬件的角度。
图3为本申请的一实施例提供的电流传感器的故障检测装置的结构图。本实施例基于功能模块的角度,包括:
第一获取模块10,用于获取电流传感器采集的电流值;
第二获取模块11,用于根据电流值获取用于检测电流传感器故障的检测参数;
确定模块12,用于根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型;其中,故障诊断策略中包含电流传感器的故障类型以及不同故障类型下的检测参数的特性。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
本实施例所提供的电流传感器的故障检测装置,通过第一获取模块获取电流传感器采集的电流值;通过第二获取模块,根据电流值获取用于检测电流传感器故障的检测参数;通过确定模块,根据检测参数与预先设定的故障诊断策略确定电流传感器的故障以及对应的故障类型;其中,故障诊断策略中包含电流传感器的故障类型以及不同故障类型下的检测参数的特性。本实施例的装置中,由于故障诊断策略中包含不同故障类型下的检测参数的特性,因此,可以对获取的检测参数依据故障诊断策略确定出对应的故障类型,实现了对多种类型的故障的检测,提高了故障检测的精确度。
图4为本申请另一实施例提供的电流传感器的故障检测装置的结构图。本实施例基于硬件角度,如图4所示,电流传感器的故障检测装置包括:
存储器20,用于存储计算机程序;
处理器21,用于执行计算机程序时实现如上述实施例中所提到的电流传感器的故障检测方法的步骤。
本实施例提供的电流传感器的故障检测装置可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称中央处理器(CentralProcessing Unit,CPU);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以集成有图形处理器(Graphics Processing Unit,GPU),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括人工智能(Artificial Intelligence,AI)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器20可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器20至少用于存储以下计算机程序201,其中,该计算机程序被处理器21加载并执行之后,能够实现前述任一实施例公开的电流传感器的故障检测方法的相关步骤。另外,存储器20所存储的资源还可以包括操作系统202和数据203等,存储方式可以是短暂存储或者永久存储。其中,操作系统202可以包括Windows、Unix、Linux等。数据203可以包括但不限于上述所提到的电流传感器的故障检测方法所涉及到的数据等。
在一些实施例中,电流传感器的故障检测装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
本领域技术人员可以理解,图4中示出的结构并不构成对电流传感器的故障检测装置的限定,可以包括比图示更多或更少的组件。
本申请实施例提供的电流传感器的故障检测装置,包括存储器和处理器,处理器在执行存储器存储的程序时,能够实现如下方法:电流传感器的故障检测方法,效果同上。
本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
可以理解的是,如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请提供的计算机可读存储介质包括上述提到的电流传感器的故障检测方法,效果同上。
最后,为了使本技术领域的人员更好地理解本申请方案,下面结合附图5、附图6和具体实施方式对本申请作进一步的详细说明。图5为本申请实施例提供的一种电流传感器诊断原理图。如图5所示,相电路in经过Park变换后得到同步旋转坐标系下的电流量id、iq,经过矢量模值计算得到
Figure BDA0003919146740000151
对电流归一化,经过绝对值计算器得到
Figure BDA0003919146740000152
经过平均值计算器M[x]得到fn,进行Max[fn]、Min[fn]确定Fn;相电路in经过电流归一化得到
Figure BDA0003919146740000153
经过平均值计算器M[x]得到en,进行Max[en]、Min[en]确定En
图6为本申请实施例提供的一种电流传感器诊断方法的流程图。如图6所示,该方法包括:
S13:提取相电流量;
S14:归一化、平均值处理;
S15:判断en=0;若否,则进入步骤S16,若是,则进入步骤S22;
S16:判断en>0;若否,则进入步骤S17,若是,则进入步骤S26;
S17:判断fn≈ζ;若否,则进入步骤S18,若是,则进入步骤S20;
S18:求取En(Min[en]);
S19:卡死故障(C<0);
S20:求取En(Min[en]);
S21:偏移故障(C<0);
S22:判断fn=0;若是,则进入步骤S23;若否,则进入步骤S24;
S23:确定断线故障;
S24:判断fn≈ζ;若否,则进入步骤S25;若是,则返回步骤S13;
S25:确定增益故障;
S26:判断fn≈ζ;若是,则进入步骤S27;若否,则进入步骤S29;
S27:求取En(Max[en]);
S28:偏移故障(C>0);
S29:求取En(Max[en]);
S30:卡死故障(C>0)。
本申请实施例中使用相电流作为检测变量,通过中间诊断变量en、fn确定故障类型,通过En、Fn定位故障相位即可完成电流传感器增益、偏移、断线和卡死故障的综合诊断。与现有技术相比,本申请具有诊断综合性且其原理易于拓展到任意电机系统。此外,需要说明的是,本申请对电流传感器增益、偏移、断线和卡死故障进行检测,实际中,对于其他故障类型的故障也可以采用本实施例的方法进行诊断。
以上对本申请所提供的一种电流传感器的故障检测方法、装置及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种电流传感器的故障检测方法,其特征在于,包括:
获取所述电流传感器采集的电流值;
根据所述电流值获取用于检测所述电流传感器故障的检测参数;
根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型;其中,所述故障诊断策略中包含所述电流传感器的所述故障类型以及不同所述故障类型下的所述检测参数的特性。
2.根据权利要求1所述的电流传感器的故障检测方法,其特征在于,所述检测参数包括所述电流值的平均值、所述电流值的绝对平均值;
所述根据所述电流值获取用于检测所述电流传感器故障的检测参数包括:
通过Park变换将位于自然坐标系下的所述电流值转换为位于同步旋转坐标系下的电流分量;
根据所述电流分量获取电流模值;
获取所述电流值与所述电流模值的比值以便对所述电流值进行归一化处理;
获取归一化处理后的所述电流值的所述平均值以及所述绝对平均值。
3.根据权利要求2所述的电流传感器的故障检测方法,其特征在于,所述根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型包括:
若所述平均值等于0,且所述绝对平均值等于预设值,则确定所述电流传感器正常;
若所述平均值不等于0或所述绝对平均值不等于所述预设值,则确定所述电流传感器故障;
在确定出所述电流传感器故障的情况下,若所述平均值等于0,且所述绝对平均值大于所述预设值,则确定所述故障类型为增益故障;
若所述平均值大于0,且所述绝对平均值等于所述预设值,则确定所述故障类型为正偏移故障;
若所述平均值小于0,且所述绝对平均值等于所述预设值,则确定所述故障类型为负偏移故障;
若所述平均值、所述绝对平均值均为0,则确定所述故障类型为断线故障;
若所述平均值为大于0的固定的值,且所述绝对平均值大于所述预设值,则确定所述故障类型为正卡死故障;
若所述平均值为小于0的固定的值,且所述绝对平均值大于所述预设值,则确定所述故障类型为负卡死故障。
4.根据权利要求3所述的电流传感器的故障检测方法,其特征在于,确定所述平均值等于0以及确定所述绝对平均值为所述预设值包括:
判断所述平均值是否在第一阈值范围内;
若是,则确定所述平均值等于0;
判断所述绝对平均值是否在第二阈值范围内;
若是,则确定所述绝对平均值等于所述预设值。
5.根据权利要求4所述的电流传感器的故障检测方法,其特征在于,电机中存在多相电流,在所述根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型之后,所述方法还包括:
在确定发生所述增益故障的情况下,获取归一化处理后的各相电流值的所述绝对平均值中的最大绝对平均值,将所述最大绝对平均值对应的相作为发生所述增益故障的故障相;
在确定发生所述正偏移故障的情况下,获取归一化处理后的所述各相电流值的所述平均值中的最大平均值,将所述最大平均值对应的相作为发生所述正偏移故障的故障相;
在确定发生所述负偏移故障的情况下,获取归一化处理后的所述各相电流值的所述平均值中的最小平均值,将所述最小平均值对应的相作为发生所述负偏移故障的故障相;
在确定发生所述正卡死故障的情况下,获取归一化处理后的所述各相电流值的所述平均值中的最大平均值,将所述最大平均值对应的相作为发生所述正卡死故障的故障相;
在确定发生所述负卡死故障的情况下,获取归一化处理后的所述各相电流值的所述平均值中的最小平均值,将所述最小平均值对应的相作为发生所述负卡死故障的故障相。
6.根据权利要求1至5任意一项所述的电流传感器的故障检测方法,其特征在于,在所述根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型之后,所述方法还包括:
自确定出所述电流传感器的故障以及对应的故障类型之后,预设时间内返回所述获取所述电流传感器采集的电流值的步骤。
7.根据权利要求5所述的电流传感器的故障检测方法,其特征在于,所述方法还包括:
根据所述故障类型输出用于表征所述故障相发生故障的提示信息。
8.一种电流传感器的故障检测装置,其特征在于,包括:
第一获取模块,用于获取所述电流传感器采集的电流值;
第二获取模块,用于根据所述电流值获取用于检测所述电流传感器故障的检测参数;
确定模块,用于根据所述检测参数与预先设定的故障诊断策略确定所述电流传感器的故障以及对应的故障类型;其中,所述故障诊断策略中包含所述电流传感器的所述故障类型以及不同所述故障类型下的所述检测参数的特性。
9.一种电流传感器的故障检测装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的电流传感器的故障检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电流传感器的故障检测方法的步骤。
CN202211348880.2A 2022-10-31 2022-10-31 一种电流传感器的故障检测方法、装置及介质 Pending CN115685037A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211348880.2A CN115685037A (zh) 2022-10-31 2022-10-31 一种电流传感器的故障检测方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211348880.2A CN115685037A (zh) 2022-10-31 2022-10-31 一种电流传感器的故障检测方法、装置及介质

Publications (1)

Publication Number Publication Date
CN115685037A true CN115685037A (zh) 2023-02-03

Family

ID=85046292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211348880.2A Pending CN115685037A (zh) 2022-10-31 2022-10-31 一种电流传感器的故障检测方法、装置及介质

Country Status (1)

Country Link
CN (1) CN115685037A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116755011A (zh) * 2023-05-24 2023-09-15 闪渡新能源科技(上海)有限公司 应用于三相交流电机控制器的双电流传感器故障诊断方法
CN117491934A (zh) * 2023-12-29 2024-02-02 锦浪科技股份有限公司 一种传感器故障检测方法、系统及光伏系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116755011A (zh) * 2023-05-24 2023-09-15 闪渡新能源科技(上海)有限公司 应用于三相交流电机控制器的双电流传感器故障诊断方法
CN117491934A (zh) * 2023-12-29 2024-02-02 锦浪科技股份有限公司 一种传感器故障检测方法、系统及光伏系统
CN117491934B (zh) * 2023-12-29 2024-03-12 锦浪科技股份有限公司 一种传感器故障检测方法、系统及光伏系统

Similar Documents

Publication Publication Date Title
CN115685037A (zh) 一种电流传感器的故障检测方法、装置及介质
Su et al. Induction machine condition monitoring using neural network modeling
CA2712158A1 (en) Wind turbine generator fault diagnostic and prognostic device and method
CN113608119B (zh) 电机运行状态监测方法、装置、设备和存储介质
JP2013127463A (ja) 信号内の不平衡を検出するための方法および不平衡検出器
CN107102929A (zh) 故障的检测方法及装置
US20080255773A1 (en) Machine condition monitoring using pattern rules
CN115422759A (zh) 一种设备故障诊断模型构建及设备故障诊断方法、装置
CN114168586A (zh) 一种异常点检测的方法和装置
CN114169398A (zh) 基于随机森林算法的光伏直流电弧故障识别方法及装置
CN108896805A (zh) 斩波信号检定方法、系统及电能检测装置
CN116558840A (zh) 一种航空发动机叶片监测方法、装置、设备、存储介质
CN115656700B (zh) 检测方法、训练方法、电器、监控系统和存储介质
Zhang et al. Applied sensor fault detection and validation using transposed input data PCA and ANNs
CN115932699A (zh) 一种信号采样通道多维度诊断方法及系统
CN115185313A (zh) 水电机组轴承瓦温的趋势跟踪预警方法及装置
CN115343579A (zh) 一种电网故障分析方法、装置及电子设备
KR101752298B1 (ko) 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법
CN107909677A (zh) 一种船舶机电设备运行数据稳定性提取及判别方法
CN115186702A (zh) 一种基于振动信号的离心泵空化状态识别方法
CN115112983A (zh) 逆变器故障诊断方法及相关设备
CN110619177B (zh) 一种结构运行模态参数的自动识别方法、装置及存储介质
JP2012220485A (ja) 電気設備の良否診断システム
CN113009341A (zh) 电机异常状态的监测方法及系统
Qin et al. Fault frequency identification of rolling bearing using reinforced ensemble local mean decomposition

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