-
公开(公告)号：CN113783490B
公开(公告)日：2023-04-11
申请号：CN202111017072.3
申请日：2021-08-31
Applicant: 西南交通大学
IPC: H02P21/14 , H02P21/20 , H02P21/22 , H02P25/022 , H02P27/12
Abstract: 本发明公开了一种开关频率固定的永磁电机模型预测控制方法，包括建立永磁电机及其驱动变流系统的数学模型，获取电机的电流、直流母线侧电压值以及逆变器输出电压值；建立旋转坐标系下的离散化定子电流预测模型，并对系统时延进行一步补偿后，预测电机下一时刻的电流值；建立与IGBT开关频率等效的开关周期离散化模型，对器件开关动作进行计数，预测开关周期值；建立总代价函数，确定开关状态，输出并控制逆变器开关管的导通和关断。本发明不使用调制生成开关信号，控制结构简单，运算负荷低，同时实现了开关频率恒定和中性点电位平衡的效果，控制效果可以达到全局最优，使得永磁电机在运行时能够同时具有低转矩脉动和高动态响应。
-
公开(公告)号：CN113794413A
公开(公告)日：2021-12-14
申请号：CN202111015244.3
申请日：2021-08-31
Applicant: 西南交通大学
Abstract: 本发明公开了一种永磁电机驱动系统电流传感器故障类型识别方法及装置，该方法包括采集永磁电机的三相定子电流信号和永磁电机转子的位置信号；根据采集的三相定子电流信号和dq轴参考电流信号，定位故障电流传感器；对故障电流传感器采集的相电流值进行采样，构建故障识别变量；根据构建的故障识别变量对电流传感器故障类型进行识别。本发明解决了在变频调速系统中，单一使用基于模型的故障诊断方法仅能定位故障传感器不能确定故障类型的通用性问题，不需要借助额外设备即可准确识别出电流传感器的断线故障、卡死故障、增益故障和偏置故障四种典型故障类型，有较强的鲁棒性，同时该方法可以和任意基于模型的电流传感器故障诊断方法相结合。
-
公开(公告)号：CN119154736A
公开(公告)日：2024-12-17
申请号：CN202411639166.8
申请日：2024-11-18
Applicant: 西南交通大学
Abstract: 本发明公开一种机电耦合共振抑制方法、控制器及电机驱动系统，涉及机电控制技术领域，解决现有复杂机电设备由于电气系统和机械系统之间出现机电耦合共振影响系统稳定性，加速部件失效的问题；本发明包括构建机械系统的动力学模型；构建控制系统的控制算法模型：确定控制系统中控制对象的数学模型包括永磁电机和变流器的数学模型，针对该数学模型设计电机控制器；基于机械系统的动力学模型和控制系统的控制算法模型构建机电耦合模型；基于机电耦合模型开展机电系统共振特性分析确定共振点；本发明所提出的方法结合了ADRC，在电机参数发生变化时仍有较好的控制性能，对PMSM参数的变化具有鲁棒性。
-
公开(公告)号：CN118821492B
公开(公告)日：2024-11-26
申请号：CN202411279790.1
申请日：2024-09-12
Applicant: 西南交通大学
IPC: G06F30/20 , G01R35/00 , G06F17/10 , H02P29/024
Abstract: 本发明公开电流传感器故障在线辨识方法、诊断设备及容错控制系统，涉及电流传感器故障诊断技术领域，解决现有技术无法在线实时准确诊断出电流传感器的故障并进行相应容错控制的技术问题；本发明包括对电流传感器的故障进行定义并设置相应标签，而后通过对电机驱动系统进行仿真获取正常模式和故障模式下的运行数据制作数据集，设计神经网络并利用数据集对其进行优化处理获得智能诊断模型，最后将智能诊断模型部署到边缘设备中对电流传感器的故障进行实时在线诊断，所述电流传感器的故障包括饱和故障和噪声故障；本发明实现卷积神经网络模型的轻量级优化和数据量化，模型整体大小仅为原来的7%，可大大降低边缘部署成本，进而显著提高诊断速度。
-
公开(公告)号：CN117972561A
公开(公告)日：2024-05-03
申请号：CN202410052709.X
申请日：2024-01-12
Applicant: 西南交通大学
IPC: G06F18/2415 , G01R35/00 , G06F18/214 , G06F18/21 , G06F18/2431 , G06N3/0464 , G06N3/08 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于多通道卷积神经网络的电流传感器故障诊断方法，具体为：建立永磁电机数学模型和电流传感器四种典型故障模式下的数学模型；获得正常模式和四种典型故障模式下的原始三相电流数据组成数据集；对数据集进行归一化处理和随机重叠抽样，将新数据样本划分为训练集、交叉验证集和测试集；构建三通道全局池化一维卷积神经网络，将三相电流数据作为输入层，输入数据的预测分类作为输出，以交叉熵代价函数作为评价指标调节网络结构和超参数，选取指标最优网络；获取不同电机转速和负载工况下的数据，放入训练好的模型中进行测试，实现高精度故障诊断。本发明实现了在永磁电机不同运行工况下高效、准确地诊断出四种典型电流传感器故障。
-
Patent Agency Ranking
公开(公告)号：CN115622465B
公开(公告)日：2023-04-11
申请号：CN202211442596.1
申请日：2022-11-18
Applicant: 西南交通大学
Abstract: 本发明公开了一种多电平变流器无权重因子模型预测控制方法，具体为：建立多电平变流器系统的离散化预测模型，从而实现对控制状态量的精确预测；控制算法部分首先通过预测电流误差和比较边界确定是否需要改变控制输出；然后，在确定需要更新控制输出后，对采用不同电压矢量后控制系统电流误差进行线性化外推，带入代价函数并进行最小化处理；最后，根据所选最优矢量和变流器直流母线中点电压大小，进行矢量重构实现对中点电压的平衡控制。本发明实现在无权重因子下的多电平变流器多目标模型预测控制，同时实现多步长预测，有效提高了模型预测控制算法的控制性能和鲁棒性。
-
公开(公告)号：CN115685747A
公开(公告)日：2023-02-03
申请号：CN202211211043.5
申请日：2022-09-30
Applicant: 西南交通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于残差神经网络优化的模型预测控制方法，具体为：建立系统状态变量的预测模型，调节模型预测控制算法的代价函数，记录不同权重因子下的电流谐波畸变率和开关频率组成数据样本；根据所收集的数据，建立优化目标函数，同时将数据集分为训练集、验证集和测试集；构建残差并联神经网络，将权重因子作为网络输入层，目标函数作为网络输出层，依托数据集和Adam算法训练网络，根据评价指标调节神经网络的残差模块、网络深度等超参数，选取指标最优的残差网络；将步长更短的权重因子作为最优网络的输入层，预测目标函数，寻找使目标函数最小的权重因子，实现状态变量的最优控制。本发明实现不同工况下和不同性能要求下的权重因子优化，有效提高了模型预测控制算法的控制性能和鲁棒性。
-
公开(公告)号：CN114172443A
公开(公告)日：2022-03-11
申请号：CN202111454820.4
申请日：2021-12-01
Applicant: 西南交通大学
IPC: H02P29/024 , H02P23/14 , H02P27/06
Abstract: 本发明公开了一种永磁电机驱动系统电流传感器故障在线诊断方法，属于电机故障诊断技术领域，所述方法包括如下步骤：采集得到永磁电机的定子电流ia和ib以及永磁电机转子的实际速度信号wr和角度信号θr，并根据ia、ib、wr和θr得到残差信号εa和εb；得到A相电流传感器的状态变化量Ma(k)和B相电流传感器的状态变化量Mb(k)；定义电流传感器故障标志函数Fx、Yx和Zx，并得到电流传感器的故障特征；根据故障特征定位电流传感器的故障相和故障类型；本发明解决了单个或多个电流传感器故障的准确定位和类型辨识的问题，为驱动系统的容错控制提供可靠的故障信息，保障永磁电机的高效和可靠运行。
-
公开(公告)号：CN113783490A
公开(公告)日：2021-12-10
申请号：CN202111017072.3
申请日：2021-08-31
Applicant: 西南交通大学
IPC: H02P21/14 , H02P21/20 , H02P21/22 , H02P25/022 , H02P27/12
Abstract: 本发明公开了一种开关频率固定的永磁电机模型预测控制方法，包括建立永磁电机及其驱动变流系统的数学模型，获取电机的电流、直流母线侧电压值以及逆变器输出电压值；建立旋转坐标系下的离散化定子电流预测模型，并对系统时延进行一步补偿后，预测电机下一时刻的电流值；建立与IGBT开关频率等效的开关周期离散化模型，对器件开关动作进行计数，预测开关周期值；建立总代价函数，确定开关状态，输出并控制逆变器开关管的导通和关断。本发明不使用调制生成开关信号，控制结构简单，运算负荷低，同时实现了开关频率恒定和中性点电位平衡的效果，控制效果可以达到全局最优，使得永磁电机在运行时能够同时具有低转矩脉动和高动态响应。
-
公开(公告)号：CN119226950A
公开(公告)日：2024-12-31
申请号：CN202411234799.0
申请日：2024-09-04
Applicant: 西南交通大学
IPC: G06F18/2431 , G06F18/25 , G06F18/214 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/10 , G06N3/084 , G06N3/0495 , G06F123/02
Abstract: 本发明公开了一种基于边缘AI的牵引变流器多故障智能诊断方法，包括以下步骤：建立永磁电机数学模型和三电平有源中点箝位型变流器数学模型，对三电平ANPC变流器馈电的永磁电机控制系统进行仿真和实验，采集三相电流信号、中点电压信号和转速信号组成原始数据集；对仿真和实验数据进行多源多维信息融合和归一化，划分训练集、交叉验证集和测试集；构建二维卷积神经网络模型，并进行离线训练；对训练好的神经网络模型轻量化设计和边缘部署，实现不同工况下变流器多故障模式的实时诊断。本发明通过网络模型的轻量化设计提高了边缘计算效率，可实现多故障的智能诊断，具有较高的诊断精度与诊断速度。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.019 seconds)
