一种永磁同步电机定子绕组不对称故障诊断方法

    公开(公告)号:CN112782578B

    公开(公告)日:2024-05-24

    申请号:CN202110149318.6

    申请日:2021-02-03

    IPC分类号: G01R31/34

    摘要: 本发明提出了一种永磁同步电机定子绕组不对称故障诊断方法,包括以下步骤:S1、根据永磁同步电机的数学模型,利用模型参考自适应技术估算电压偏差;S2、利用估算的电压偏差定义故障特征信号;S3、根据故障特征信号中二次谐波的幅值定义不受电机工作点影响的故障特征量;S4、判断是否出现了定子绕组不对称故障:如果故障特征量大于设定的阈值,则出现了定子绕组不对称故障;否则,没有出现定子绕组不对称故障。本发明不需要额外的传感器,易于实现,可以实时地诊断定子绕组不对称故障。

    一种永磁电机无位置传感器控制方法

    公开(公告)号:CN114553068A

    公开(公告)日:2022-05-27

    申请号:CN202210068342.1

    申请日:2022-01-20

    IPC分类号: H02P6/182 H02P6/28

    摘要: 本发明提出了一种永磁电机无位置传感器控制方法,包括以下步骤:S1、在电机和变换器之间加入三相平衡电阻网络,采集电机绕组中性点、三相平衡电阻网络中性点之间的零序电压;S2、将零序电压经过改进二阶广义积分器运算后输出到锁相环,得到连续转子位置信号实现无位置传感器控制;S3、在电机定子绕组电阻不平衡情况下,根据零序电压判断故障相和故障程度,向零序电压中注入补偿信号得到更新的零序电压,将更新的零序电压经过改进二阶广义积分器运算后输出到锁相环,得到连续转子位置信号实现无位置传感器控制。本发明使电机在定子绕组不平衡情况下,也能保持无位置传感器控制运行,提高了电机运行的可靠性。

    基于d轴磁网络法永磁同步电机均匀退磁故障程度计算方法

    公开(公告)号:CN114578224A

    公开(公告)日:2022-06-03

    申请号:CN202210068334.7

    申请日:2022-01-20

    IPC分类号: G01R31/34

    摘要: 本发明提出的基于d轴磁网络法永磁同步电机均匀退磁故障程度计算方法,包括:S1、获取永磁同步电机在不同状态下的气隙磁密波形;S2、对永磁同步电机磁路建立d轴磁网络模型,并对建立的模型进行数学分析,运用KVL法则对d轴磁网络模型所有网孔建立方程组;S3、引入退磁系数t,推导出均匀退磁永磁同步电机的永磁体中心表面对应磁通量、正常永磁同步电机的永磁体中心表面对应磁通量和永磁体退磁系数t的关系式;S4、根据步骤S1获取的气隙磁密波形,获得均匀退磁永磁同步电机的退磁永磁体中心对应磁通量、正常永磁同步电机的永磁体中心对应磁通量,求解出永磁体的退磁系数t。本发明能在永磁同步电机发生均匀退磁后对永磁体退磁程度进行精确计算。

    一种凸极式永磁同步电机的效率优化方法

    公开(公告)号:CN112994568A

    公开(公告)日:2021-06-18

    申请号:CN202110149317.1

    申请日:2021-02-03

    IPC分类号: H02P21/22 H02P27/12

    摘要: 一种凸极式永磁同步电机的效率优化方法,包括以下步骤:S1、利用转速PI调节器获得电磁转矩参考值;S2、在已知永磁同步电机在稳态条件下的数学模型后,根据凸极式永磁同步电机由于结构导致在数学模型上电感参数不同的特点,利用一元函数求最值的数学方法,求出当损耗最小时,电磁转矩参考值与d‑q轴电流的相互关系,由此就能得出在电机稳态下d‑q轴两相定子电流参考值;S3、根据得到的d‑q轴两相定子电流参考值,通过变换得到三相永磁同步电机三相电流的参考值,将其与实测的相电流进行比较,再将比较结果输入到滞环比较器得到开关信号去控制变换器,进而实现永磁同步电机控制。本发明利用一元函数求最值的效率优化方案,提高了电机运行效率。

    一种永磁同步电机定子绕组不对称故障诊断方法

    公开(公告)号:CN112782578A

    公开(公告)日:2021-05-11

    申请号:CN202110149318.6

    申请日:2021-02-03

    IPC分类号: G01R31/34

    摘要: 本发明提出了一种永磁同步电机定子绕组不对称故障诊断方法,包括以下步骤:S1、根据永磁同步电机的数学模型,利用模型参考自适应技术估算电压偏差;S2、利用估算的电压偏差定义故障特征信号;S3、根据故障特征信号中二次谐波的幅值定义不受电机工作点影响的故障特征量;S4、判断是否出现了定子绕组不对称故障:如果故障特征量大于设定的阈值,则出现了定子绕组不对称故障;否则,没有出现定子绕组不对称故障。本发明不需要额外的传感器,易于实现,可以实时地诊断定子绕组不对称故障。

    一种永磁同步电机局部退磁故障诊断方法

    公开(公告)号:CN116047295A

    公开(公告)日:2023-05-02

    申请号:CN202310135833.8

    申请日:2023-02-09

    IPC分类号: G01R31/34 G01R33/12

    摘要: 本发明公开了一种永磁同步电机局部退磁故障诊断方法,涉及故障诊断分析技术领域,解决了现有技术在永磁同步电机局部退磁故障诊断过程中,灵敏度不高,稳定性较差,且容易受到电机工况波动影响的技术问题;本发明获取空载状态下健康电机的径向气隙磁密波形,采集在线状态下电机径向气隙磁密波形,并将空载状态下健康电机的径向气隙磁密波形与其作差获取差值信号;基于差值信号计算峭度,标记为故障特征值;根据故障特征值的大小判断永磁同步电机是否发生局部退磁故障;本发明中永磁同步电机的局部退磁故障辨识不受电机工况波动影响,鲁棒性好,灵敏度高,对极轻微局部退磁故障也极其敏感,能够识别早期退磁故障,避免电机故障进一步恶化。

    一种基于端口电压包络线的永磁电机偏心故障诊断方法

    公开(公告)号:CN115856624A

    公开(公告)日:2023-03-28

    申请号:CN202211658071.1

    申请日:2022-12-22

    IPC分类号: G01R31/34

    摘要: 本发明公开了一种基于端口电压包络线的永磁电机偏心故障诊断方法,涉及电机故障诊断技术领域;包括:首先在永磁电机相隔整数对极的定子齿上绕制i≥3个探测线圈;其次,在永磁电机稳定运行时,同时采集i个探测线圈的电压信号ui(x);然后,根据ui(x)计算出静态偏析故障指标SE和动态偏心故障指标DE;根据故障特征值与设置阈值进行比较,判断永磁电机偏心故障类型;实现电机偏心故障诊断,能够有效的识别永磁电机的静态偏心、动态偏心及混合偏心故障;该方法易于实现,成本低。

    一种反凸极交替极永磁同步电机
    8.
    发明公开

    公开(公告)号:CN116014930A

    公开(公告)日:2023-04-25

    申请号:CN202211657993.0

    申请日:2022-12-22

    摘要: 本发明公开了一种反凸极交替极永磁同步电机,涉及永磁同步电机技术领域,包括定子、转子、转子永磁体、转子磁障和电枢绕组;定子和反凸极交替极转子之间设有气隙,定子上绕设有电枢绕组;交替极转子包括沿周向均匀交替分布的永磁磁极、铁心极及空气磁障;永磁磁极极性相同,均指向气隙侧;每一极下设有三层主磁障和一个副磁障,直轴电感大于交轴电感,该结构能够提高电机的弱磁调速能力、降低永磁体的退磁风险和减少永磁体的用量。

    一种隐极式永磁电机多参数满秩辨识方法

    公开(公告)号:CN116317769A

    公开(公告)日:2023-06-23

    申请号:CN202310052738.1

    申请日:2023-02-03

    IPC分类号: H02P21/14 H02P25/02

    摘要: 本发明公开了一种隐极式永磁电机多参数满秩辨识方法,涉及电机参数辨识技术领域;解决了隐极式永磁电机四个参数同时辨识而存在欠秩的技术问题;根据计及铁损电阻的隐极式永磁电机并联d‑q轴等效电路获取电压方程,并将电压方程变换为“b=Ax”的矩阵形式;利用电机铁损电阻和定子电阻之间数量级的差异,对电压方程进行近似变换,获取两种方案下的增广模型公式;并获取相应的满秩条件;在辨识初期采用给定定子电阻和电感的方式,当辨识收敛后,将收敛结果作为新的给定值,继续辨识;如果电机的运行数据不符合两种方案的满秩条件,则抛弃此次数据,辨识结果沿用上一次递推辨识的结果;直至接收到停机信号,结束流程;有效地保障了辨识结果的时效性。

    一种级联H桥多电平逆变器的故障诊断方法

    公开(公告)号:CN113537080B

    公开(公告)日:2024-07-16

    申请号:CN202110814817.2

    申请日:2021-07-19

    申请人: 安徽大学

    摘要: 本发明公开了一种级联H桥多电平逆变器的故障诊断方法,首先要对级联H桥多电平逆变器系统建立混合逻辑动态模型,并通过电流滑模观测器来预测正常工作状态下的输出侧电流值。通过比较实际系统的输出和观测器的输出得到残差信号,对残差信号进行分析得出故障所属的类别,之后对故障状态下的输出电流进行小波包分解,得到小波包能量谱,再经主成分分析降维后,得到故障特征向量,然后,针对每个故障类别中的若干种故障对该故障类别所对应的SVM进行训练。最后利用故障所属类别中的已训练好的SVM进行故障辨识,从而完成故障诊断。