CN116643165A - 一种永磁外转子滚筒电机失磁故障检测方法 - Google Patents
一种永磁外转子滚筒电机失磁故障检测方法 Download PDFInfo
- Publication number
- CN116643165A CN116643165A CN202310557005.3A CN202310557005A CN116643165A CN 116643165 A CN116643165 A CN 116643165A CN 202310557005 A CN202310557005 A CN 202310557005A CN 116643165 A CN116643165 A CN 116643165A
- Authority
- CN
- China
- Prior art keywords
- loss
- operation characteristic
- characteristic value
- fault
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000005389 magnetism Effects 0.000 claims abstract description 24
- 230000004907 flux Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 abstract description 27
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000035772 mutation Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005415 magnetization Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052729 chemical element Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000005347 demagnetization Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/64—Electric machine technologies in electromobility
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种永磁外转子滚筒电机失磁故障检测方法,涉及故障诊断技术领域,解决了现有技术难以结合永磁同步电机的运行数据来预测失磁故障,无法及时保障永磁同步电机稳定高效运行的技术问题;本发明根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类;根据特征值组中各运行特征值的变化系数判断是否出现失磁风险;本发明从数据突变和变化趋势两个角度来综合预测失磁风险,提高对电机失磁故障的应变能力;本发明在任一特征值组判定出现失磁风险时,联合相邻特征值组的判断结果进行失磁故障预测,并结合失磁系数的变化趋势确定电机出现失磁故障的时刻;本发明能够对电机的失磁故障进行准确预测,以便及时做好维保措施。
Description
技术领域
本发明属于故障诊断领域,涉及永磁外转子滚筒电机的失磁故障检测技术,具体是一种永磁外转子滚筒电机失磁故障检测方法。
背景技术
永磁体是永磁同步电机的重要组成部分,永磁体材料磁性能的稳定程度将对永磁同步电机的效率、性能和可靠性等产生直接影响。永磁同步电机在长期运行中,受到电枢反应、温度、机械振动、化学元素等因素影响,永磁材料可能会发生程度不同的不可逆退磁。因此,进行失磁故障检测,对永磁同步电机的安全高效运行具有重要意义。
目前在对永磁同步电机进行失磁故障检测时,主要是根据永磁电机产生的各种信号数据来判断是否发生失磁故障,再进一步判断失磁故障的类型以及失磁故障程度。现有技术仅能够永磁同步电机发生失磁故障时对其进行检测识别,难以结合永磁同步电机的运行数据来预测失磁故障,一旦发生失磁故障需要停机检修,无法及时保障永磁同步电机的稳定高效运行。
本发明提出一种永磁外转子滚筒电机失磁故障检测方法,以解决上述问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一种永磁外转子滚筒电机失磁故障检测方法,用于解决现有技术难以结合永磁同步电机的运行数据来预测失磁故障,无法及时保障永磁同步电机稳定高效运行的技术问题。
为实现上述目的,本发明的第一方面提供了一种永磁外转子滚筒电机失磁故障检测方法,包括:获取电机的运行特征数据,基于运行特征数据拟合获取若干运行特征曲线;从若干运行特征曲线中识别获取若干运行特征值;根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类,获取特征值组;根据特征值组中各运行特征值的变化系数判断是否出现失磁风险;是,则联合相邻特征值组的判断结果进行失磁故障预测;否,则持续识别获取运行特征值。
现有技术在进行永磁同步电机的失磁故障检测时,主要是通过永磁同步电机的输出功率、相电压等来判断是否出现失磁故障,以及失磁故障的程度。现有技术实际是在发生故障之后进行检测,在这过程中失磁故障已经对永磁同步电机的工作稳定性产生了影响,不利于对永磁同步电机的失磁故障进行预防处理。
本发明时刻监测永磁同步电机的运行特征数据,根据多种数据类型运行特征数据的变化规律来判断是否存在失磁风险,在结合前后时刻的运行特征数据的判断结果来联合预测是否会出现失磁故障。本发明能够通过解析永磁同步电机的运行过程来预测是否会出现失磁故障,有助于及时对失磁故障进行预防。
本发明中的运行特征数据包括输出功率、转子温度、定子温度和电机振动等。在永磁同步电机出现失磁故障时,其输出功率降低,转子局部温度升高,定子温度升高,电机振动增大;而这些类型的数据并不是突变的,在失磁故障发生之前,这些运行特征数据已经朝向失磁故障的方向上变化。因此,通过对多种类型数据变化趋势的分析,可以实现预测永磁同步电机失磁故障的目的。
优选的,所述基于运行特征数据拟合获取若干运行特征曲线,包括:对获取的运行特征数据按照数据类型和获取时间进行归类排序,经过数据预处理之后获取若干类型特征数据组;对每个类型特征数据组进行多项式拟合,获取对应的运行特征曲线。
在永磁同步电机运行过程中,通过各种数据传感器获取运行特征数据。以获取时间为自变量,以运行特征数据作为因变量可以针对每种类型的数据均拟合得到对应的运行特征曲线,如输出功率曲线、转子温度曲线、定子温度曲线和振动数据曲线。本发明中的数据类型指输出功率、转子温度、定子温度和电机振动这四种,数据预处理主要是异常值剔除。
优选的,所述从若干运行特征曲线中识别获取若干运行特征值,包括:依次提取运行特征曲线,将运行特征曲线的一阶导函数标记为特征导函数;当特征导函数的函数值绝对值不小于设定的导数阈值时,将运行特征曲线在该时刻的一阶导数值标记为运行特征值。
本发明通过运行特征曲线的一阶导函数来获取运行特征值。多项式拟合获取的运行特征曲线是连续的,其一阶导函数能够准确表征出对应运行特征数据的变化方向和变化幅度。将其一阶导数值与对应的导数阈值进行比较,若一阶导数值大不小于设定的导数阈值时,说明该时刻运行特征数据的变化幅度较大,则将该时刻的一阶导数值标记为运行特征值。这里的运行特征值的大小与正负仅与对应运行特征数据相关,而且不同数据类型对应的导数阈值不同,需要根据实际经验来设置。
优选的,所述根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类,包括:当从任一运行特征曲线中提取到运行特征值时,则结合设定的时间范围生成时间窗;从其他运行特征曲线中提取处于同一时间窗的运行特征值,将同一时间窗中的运行特征值整合成特征值组。
若干运行特征曲线是处于同一时间维度下的,当任一运行特征曲线提取出运行特征值时,则在以该运行特征值生成的时间窗内判断其他运行特征曲线是否存在运行特征值。将同一时间窗下的运行特征值整合起来形成一个特征值组,因此每个特征值组至少包括一个运行特征值。
本发明中的时间范围根据运行特征数据在失磁故障中的迟滞性设置,如永磁同步电机出现失磁故障时,输出功率、定子温度、转子温度、振动大小并不在同一时刻统一变化的,输出功率的变化相对于其他类型数据要稍微提前一点。
优选的,所述根据特征值组中各运行特征值的变化系数判断是否出现失磁风险,包括:提取特征值组中的若干运行特征值;根据运行特征值的符号设置运行特征值的变化系数,结合各数据类型对应的权重系数判断是否出现失磁风险。
比较特征值组中若干运行特征值与对应的导数阈值,计算各运行特征值与对应导数阈值的数据差值。根据数据差值可判断运行特征数据的是否发生突变,同时根据运行特征值的符号可设置对应的变化系数。需要说明的是,数据差值表示的运行特征数据的变化幅度,如升高幅度或者降低幅度。
优选的,所述根据运行特征值的符号设置运行特征值的变化系数,包括:获取电机存在失磁风险时各数据类型的变化方向;将运行特征值的符号与变化方向比对,根据比对结果设置各运行特征值的变化系数。
本发明的变化系数是基于已知电机存在失磁风险(或者失磁故障)时各数据类型变化方向设置的。如电机存在失磁风险对应的输出功率、定子温度、转子温度、电机振动的变化方向分别为减小、升高、升高和增大。若特征值组中的输出功率、定子温度、转子温度、电机振动分别为增大、降低、升高和增大,则该特征值组中输出功率、定子温度、转子温度、电机振动对应的变化系数为0,0,1,1。
优选的,所述结合各数据类型对应的权重系数判断是否出现失磁风险,包括:基于历史数据获取各运行特征数据在失磁故障中对应的权重系数QXi;将特征值组中各运行特征值的变化系数标记为BXi;通过公式SX=∑(QXi×BXi×|YTZi-DYi|)计算特征值组对应的失磁系数SX;当失磁系数SX大于设定的失磁风险阈值时,判定存在失磁风险。
本发明中的i为运行特征数据的编号,且i为正整数。如输出功率、定子温度、转子温度、电机振动对应的编号分别为1,2,3,4。结合权重系数、变化系数以及各运行特征数据的变化幅度可计算出特征值组的失磁风险。
优选的,所述联合相邻特征值组的判断结果进行失磁故障预测,包括:当判定任一特征值组存在失磁风险时,提取其相邻的特征值组的判断结果;当相邻的三个特征值组均判定存在失磁风险时,则判定电机的失磁故障预测成立;否,判定电机不会出现失磁故障。
任一特征值组判定存在失磁风险时,则联合其相邻的特征值组的判定结果进行综合判定。当相邻的三个甚至多个特征值组均存在失磁风险时,可判定电机即将出现失磁故障,还可以根据这三个特征值组对应的失磁系数变化规律来预测出现失磁故障的时刻。
与现有技术相比,本发明的有益效果是:
1.本发明根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类,获取特征值组;根据特征值组中各运行特征值的变化系数判断是否出现失磁风险;本发明从数据突变和变化趋势两个角度来综合预测失磁风险,提高对电机失磁故障的应变能力。
2.本发明在任一特征值组判定出现失磁风险时,联合相邻特征值组的判断结果进行失磁故障预测,并结合失磁系数的变化趋势确定电机出现失磁故障的时刻;本发明能够对电机的失磁故障进行准确预测,以便及时做好维保措施。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明的工作步骤示意图。
实施方式
下面将结合实施例对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
请参阅图1,本发明第一方面实施例提供了一种永磁外转子滚筒电机失磁故障检测方法,包括:获取电机的运行特征数据,基于运行特征数据拟合获取若干运行特征曲线;从若干运行特征曲线中识别获取若干运行特征值;根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类,获取特征值组;根据特征值组中各运行特征值的变化系数判断是否出现失磁风险;是,则联合相邻特征值组的判断结果进行失磁故障预测;否,则持续识别获取运行特征值。
本实施例的第一步是获取电机的运行特征数据,基于运行特征数据拟合获取若干运行特征曲线;从若干运行特征曲线中识别获取若干运行特征值。
在电机运行时,通过功率传感器获取电机的输出功率,通过温度传感器获取定子温度或者转子温度,通过振动传感器获取电机的振动数据。采集的数据可以非连续的,通过多项式拟合方式可以拟合获取对应的运行特征曲线。
以输出功率的特征曲线为例,获取输出功率曲线的一阶导函数,识别出一阶大函数值不小于导数阈值的时刻,将该时刻的一阶导数值标记为运行特征值;同理,也可以通过该方式获取其他运行特征曲线对应的运行特征值。
本实施例的第二步是根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类,获取特征值组。
提取出任一运行特征曲线对应的运行特征值时,则以该运行特征值对应的获取时刻为起始,结合设定的时间范围生成时间窗;并提取其他运行特征曲线在时间窗中的运行特征值,整合生成特征值组。
如某运行特征曲线的运行特征值的获取时刻为8:00,时间范围为10分钟,则时间窗可设置为[8:00,8:10],则根据该时间窗提取其他运行特征曲线符合要求的运行特征值。
在另外一个优选的实施例中,还可以对时间窗进行合理调整,来保证特征值组中的数据充分。如四个数据类型对应运行特征值的获取时刻分别为8:00,8:08,8:07和7:58,则以7:58为起始,时间范围为10分钟设置的时间窗,则上述运行特征值均符合时间窗要求。
本实施例的第三步是根据特征值组中各运行特征值的变化系数判断是否出现失磁风险;是,则联合相邻特征值组的判断结果进行失磁故障预测;否,则持续识别获取运行特征值。
先根据历史数据获取电机存在失磁风险(或者出现失磁故障)时各数据类型的变化方向,如增大、减小或者不变。根据特征值组中各运行特征值的符号能够判断其变化趋势,与变化方向比较判断是否一致来分别设置变化系数。
之后,通过运行特征值与导数阈值的数据差值来计算其变化幅度,结合各数据类型对应的权重系数即可计算出特征值组对应的失磁系数。当失磁系数大于失磁风险阈值时,则判定电机朝着失磁故障的方向运行。
最后,联合相邻特征值组的判断结果预测失磁故障。当相邻的三个特征值组的失磁系数均表现为存在失磁风险时,则根据失磁系数的变化趋势来预测失磁系数的未来走向,根据未来走向来确定电机出现失磁故障的时刻。
上述公式中的部分数据是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理:获取电机的运行特征数据,基于运行特征数据拟合获取若干运行特征曲线。从若干运行特征曲线中识别获取若干运行特征值;根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类,获取特征值组。根据特征值组中各运行特征值的变化系数判断是否出现失磁风险;是,则联合相邻特征值组的判断结果进行失磁故障预测;否,则持续识别获取运行特征值。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种永磁外转子滚筒电机失磁故障检测方法,其特征在于,包括:
获取电机的运行特征数据,基于运行特征数据拟合获取若干运行特征曲线;其中,运行特征数据包括输出功率、转子温度、定子温度和电机振动;
从若干运行特征曲线中识别获取若干运行特征值;根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类,获取特征值组;
根据特征值组中各运行特征值的变化系数判断是否出现失磁风险;是,则联合相邻特征值组的判断结果进行失磁故障预测;否,则持续识别获取运行特征值。
2.根据权利要求1所述的一种永磁外转子滚筒电机失磁故障检测方法,其特征在于,所述基于运行特征数据拟合获取若干运行特征曲线,包括:
对获取的运行特征数据按照数据类型和获取时间进行归类排序,经过数据预处理之后获取若干类型特征数据组;
对每个类型特征数据组进行多项式拟合,获取对应的运行特征曲线。
3.根据权利要求1所述的一种永磁外转子滚筒电机失磁故障检测方法,其特征在于,所述从若干运行特征曲线中识别获取若干运行特征值,包括:
依次提取运行特征曲线,将运行特征曲线的一阶导函数标记为特征导函数;
当特征导函数的函数值绝对值不小于设定的导数阈值时,将运行特征曲线在该时刻的一阶导数值标记为运行特征值;其中,不同数据类型的导数阈值不同。
4.根据权利要求1所述的一种永磁外转子滚筒电机失磁故障检测方法,其特征在于,所述根据设定的时间范围对识别的不同运行特征曲线中的若干运行特征值进行归类,包括:
当从任一运行特征曲线中提取到运行特征值时,则结合设定的时间范围生成时间窗;其中,时间范围根据运行特征数据在失磁故障中的迟滞性设置;
从其他运行特征曲线中提取处于同一时间窗的运行特征值,将同一时间窗中的运行特征值整合成特征值组。
5.根据权利要求3所述的一种永磁外转子滚筒电机失磁故障检测方法,其特征在于,所述根据特征值组中各运行特征值的变化系数判断是否出现失磁风险,包括:
提取特征值组中的若干运行特征值;其中,运行特征值为正数、负数或者0;
根据运行特征值的符号设置运行特征值的变化系数,结合各数据类型对应的权重系数判断是否出现失磁风险;其中,变化系数的取值为0或者1。
6.根据权利要求5所述的一种永磁外转子滚筒电机失磁故障检测方法,其特征在于,所述根据运行特征值的符号设置运行特征值的变化系数,包括:
获取电机存在失磁风险时各数据类型的变化方向;
将运行特征值的符号与变化方向比对,根据比对结果设置各运行特征值的变化系数;其中,变化系数为0表示比对结果相反,为1表示比对结果相同。
7.根据权利要求6所述的一种永磁外转子滚筒电机失磁故障检测方法,其特征在于,所述结合各数据类型对应的权重系数判断是否出现失磁风险,包括:
基于历史数据获取各运行特征数据在失磁故障中对应的权重系数QXi;将特征值组中各运行特征值的变化系数标记为BXi;其中,i为运行特征数据的编号;
通过公式SX=∑(QXi×BXi×|YTZi-DYi|)计算特征值组对应的失磁系数SX;当失磁系数SX大于设定的失磁风险阈值时,判定存在失磁风险。
8.根据权利要求1所述的一种永磁外转子滚筒电机失磁故障检测方法,其特征在于,所述联合相邻特征值组的判断结果进行失磁故障预测,包括:
当判定任一特征值组存在失磁风险时,提取其相邻的特征值组的判断结果;
当相邻的三个特征值组均判定存在失磁风险时,则判定电机的失磁故障预测成立;否,判定电机不会出现失磁故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310557005.3A CN116643165B (zh) | 2023-05-17 | 2023-05-17 | 一种永磁外转子滚筒电机失磁故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310557005.3A CN116643165B (zh) | 2023-05-17 | 2023-05-17 | 一种永磁外转子滚筒电机失磁故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116643165A true CN116643165A (zh) | 2023-08-25 |
CN116643165B CN116643165B (zh) | 2024-06-21 |
Family
ID=87618069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310557005.3A Active CN116643165B (zh) | 2023-05-17 | 2023-05-17 | 一种永磁外转子滚筒电机失磁故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116643165B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104716887A (zh) * | 2015-04-13 | 2015-06-17 | 南车株洲电力机车研究所有限公司 | 一种永磁同步电机失磁保护方法及系统 |
CN106909076A (zh) * | 2017-02-28 | 2017-06-30 | 河南工程学院 | 一种pmsm永磁体局部退磁故障程度评估与数值化描述方法 |
CN107656203A (zh) * | 2017-09-11 | 2018-02-02 | 中国农业大学 | 一种永磁同步发电机的失磁故障检测方法 |
KR20180103384A (ko) * | 2017-03-09 | 2018-09-19 | 엘지전자 주식회사 | 모터의 고장 진단 방법 |
CN108614212A (zh) * | 2018-04-16 | 2018-10-02 | 江苏大学 | 一种轮毂电机偏心与退磁故障解耦诊断方法与装置 |
CN108680858A (zh) * | 2018-06-01 | 2018-10-19 | 清华大学 | 用于监测永磁同步电机转子失磁故障的方法和系统 |
CN111666651A (zh) * | 2020-04-24 | 2020-09-15 | 浙江大学 | 永磁电机的退磁风险评估方法 |
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 |
CN112052796A (zh) * | 2020-09-07 | 2020-12-08 | 电子科技大学 | 一种基于深度学习的永磁同步电机故障诊断方法 |
CN112285554A (zh) * | 2020-09-18 | 2021-01-29 | 江苏大学 | 基于信息融合的永磁同步电机退磁故障诊断方法与装置 |
CN113311332A (zh) * | 2021-05-18 | 2021-08-27 | 北京航空航天大学 | 高速永磁同步电机永磁体退磁故障诊断装置及方法 |
CA3171549A1 (en) * | 2020-03-20 | 2021-09-23 | Magna International Inc. | Permanent magnet flux linkage determination for permanent magnet synchronous motors |
US20220084732A1 (en) * | 2020-09-15 | 2022-03-17 | Hunan University Of Science And Technology | PMSM Demagnetization Fault Diagnosis Method Based on Fuzzy Intelligent Learning of Torque Signals |
CN114839531A (zh) * | 2022-05-25 | 2022-08-02 | 淮阴工学院 | 基于组群式稀疏自编码及群智能的电机故障检测方法 |
CN115659829A (zh) * | 2022-11-07 | 2023-01-31 | 广东惠州天然气发电有限公司 | 一种燃气发电机失磁识别方法、系统及电子设备 |
CN115859702A (zh) * | 2022-08-30 | 2023-03-28 | 西安热工研究院有限公司 | 一种基于卷积神经网络的永磁同步风力发电机退磁故障诊断方法及系统 |
-
2023
- 2023-05-17 CN CN202310557005.3A patent/CN116643165B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104716887A (zh) * | 2015-04-13 | 2015-06-17 | 南车株洲电力机车研究所有限公司 | 一种永磁同步电机失磁保护方法及系统 |
CN106909076A (zh) * | 2017-02-28 | 2017-06-30 | 河南工程学院 | 一种pmsm永磁体局部退磁故障程度评估与数值化描述方法 |
KR20180103384A (ko) * | 2017-03-09 | 2018-09-19 | 엘지전자 주식회사 | 모터의 고장 진단 방법 |
CN107656203A (zh) * | 2017-09-11 | 2018-02-02 | 中国农业大学 | 一种永磁同步发电机的失磁故障检测方法 |
CN108614212A (zh) * | 2018-04-16 | 2018-10-02 | 江苏大学 | 一种轮毂电机偏心与退磁故障解耦诊断方法与装置 |
CN108680858A (zh) * | 2018-06-01 | 2018-10-19 | 清华大学 | 用于监测永磁同步电机转子失磁故障的方法和系统 |
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 |
CA3171549A1 (en) * | 2020-03-20 | 2021-09-23 | Magna International Inc. | Permanent magnet flux linkage determination for permanent magnet synchronous motors |
CN111666651A (zh) * | 2020-04-24 | 2020-09-15 | 浙江大学 | 永磁电机的退磁风险评估方法 |
CN112052796A (zh) * | 2020-09-07 | 2020-12-08 | 电子科技大学 | 一种基于深度学习的永磁同步电机故障诊断方法 |
US20220084732A1 (en) * | 2020-09-15 | 2022-03-17 | Hunan University Of Science And Technology | PMSM Demagnetization Fault Diagnosis Method Based on Fuzzy Intelligent Learning of Torque Signals |
CN112285554A (zh) * | 2020-09-18 | 2021-01-29 | 江苏大学 | 基于信息融合的永磁同步电机退磁故障诊断方法与装置 |
CN113311332A (zh) * | 2021-05-18 | 2021-08-27 | 北京航空航天大学 | 高速永磁同步电机永磁体退磁故障诊断装置及方法 |
CN114839531A (zh) * | 2022-05-25 | 2022-08-02 | 淮阴工学院 | 基于组群式稀疏自编码及群智能的电机故障检测方法 |
CN115859702A (zh) * | 2022-08-30 | 2023-03-28 | 西安热工研究院有限公司 | 一种基于卷积神经网络的永磁同步风力发电机退磁故障诊断方法及系统 |
CN115659829A (zh) * | 2022-11-07 | 2023-01-31 | 广东惠州天然气发电有限公司 | 一种燃气发电机失磁识别方法、系统及电子设备 |
Non-Patent Citations (3)
Title |
---|
JUNCAI SONG 等: "Demagnetization Modeling Research for Permanent Magnet in PMSLM Using Extreme Learning Machine", 《2019 IEEE INTERNATIONAL ELECTRIC MACHINES & DRIVES CONFERENCE》, 5 August 2019 (2019-08-05), pages 1757 - 1761 * |
刘慧娟 等: "永磁电机动态退磁的时步有限元计算", 《沈阳工业大学学报》, vol. 35, no. 3, 31 May 2013 (2013-05-31), pages 257 - 262 * |
赵向阳: "基于电流信号图像化的永磁同步电机退磁故障分析", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 3, 15 March 2022 (2022-03-15), pages 042 - 655 * |
Also Published As
Publication number | Publication date |
---|---|
CN116643165B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A novel statistical time-frequency analysis for rotating machine condition monitoring | |
Fournier et al. | Current-based detection of mechanical unbalance in an induction machine using spectral kurtosis with reference | |
Hosseinpoor et al. | Virtual sensors for fault diagnosis: A case of induction motor broken rotor bar | |
CN110954354B (zh) | 设备故障诊断方法及装置 | |
Głowacz et al. | Recognition of rotor damages in a DC motor using acoustic signals | |
Dong et al. | A fault diagnosis method for rotating machinery based on PCA and Morlet kernel SVM | |
Karaköse et al. | The intelligent fault diagnosis frameworks based on fuzzy integral | |
Swana et al. | Investigation of combined electrical modalities for fault diagnosis on a wound-rotor induction generator | |
CN112952830B (zh) | 一种故障后电力系统暂态稳定预测方法 | |
Tian et al. | A review of fault diagnosis for traction induction motor | |
CN111780867A (zh) | 一种利用Frobenius模优化的变压器运行状态振声检测方法和系统 | |
Ahani et al. | Detection of Different Bearing Faults in a Permanent Magnet Synchronous Motor using PWT and LVQNN | |
CN116643165B (zh) | 一种永磁外转子滚筒电机失磁故障检测方法 | |
Strangas et al. | Improving the reliability of electrical drives through failure prognosis | |
CN107147143B (zh) | 一种风机连锁脱网故障早期预警模型建立方法 | |
CN117171621A (zh) | 一种基于单片机的闸机健康评估方法、装置及存储介质 | |
CN109214109B (zh) | 一种石化装备旋转机械的剩余寿命预测验证方法 | |
Poyhonen et al. | Support vector classification for fault diagnostics of an electrical machine | |
CN114019298B (zh) | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 | |
Shi et al. | Online detection method for inter-turn short-circuit fault of permanent magnet synchronous motor based on deep learning | |
Wan et al. | An on-line neurofuzzy approach for detecting faults in induction motors | |
Patel et al. | Induction motor rotor fault detection using artificial neural network | |
Mustafa et al. | Principal component analysis anomaly detector for rotor broken bars | |
CN110161363B (zh) | 基于主频表征量的变压器运行状态振声检测方法和系统 | |
Baraldi et al. | A procedure for practical prognostics and health monitoring of fully electric vehicles for enhanced safety and reliability |
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 |