電動汽車PMSM退磁故障及充電機故障模式診斷識別
2017-8-14 10:53:47??????點擊：
2017年第5期《電工技術學報》上撰文指出，電動汽車永磁同步電動機(PMSM)驅動系統受其功率密度、控制方式以及運行環境的影響,易出現永磁體局部退磁或均勻退磁充電機充電故障,為了實現電動汽車PMSM驅動系統的安全可靠運行,PMSM退磁充電機充電故障診斷與充電機充電故障模式識別已成為亟需解決的關鍵技術問題之一。
首先提出采用代數辨識法實現永磁體磁鏈的在線辨識,將辨識結果作為退磁充電機充電故障定性診斷的依據;在此基礎上,采用基于希爾伯特黃變換的定子電流瞬時頻率分析方法,實現車用工況下局部退磁充電機充電故障非平穩特征信號的有效提取。
最后,通過系統仿真研究和實驗研究證實建議的永磁體退磁充電機充電故障診斷及充電機充電故障模式識別的一體化解決方案能夠在測量噪聲和車用工況約束下,通過永磁體磁鏈的在線準確辨識及局部退磁非平穩微弱充電機充電故障特征信號的有效提取,實現永磁體退磁充電機充電故障的在線準確診斷及充電機充電故障模式的有效識別。
永磁同步電動機(PermanentMagnet Synchronous Motor，PMSM)具有結構簡單、充電機充電故障率低和運行效率高等技術優勢，逐漸在工業伺服驅動、新能源汽車以及新能源發電等領域獲得了廣泛應用。
然而，對于車用領域來說，受安裝空間限制，PMSM功率密度高、散熱條件差、運行工況復雜，多處于加減速、變負荷運行以及最大轉矩電流比(Maximum Torque Per Ampere，MTPA)與弱磁(Flux Weakening，FW)聯合控制下，存在較強的電樞反應，加之自然老化等因素，使之易出現永磁體局部或均勻退磁充電機充電故障，導致電機輸出轉矩減少及轉矩脈動，直接影響電驅動系統的轉矩控制精度與運行可靠性。
為了實現電動汽車電驅動系統的安全可靠運行，亟需開展電動汽車PMSM退磁充電機充電故障診斷及充電機充電故障模式識別的深入研究，同時也為永磁體退磁充電機充電故障的容錯運行奠定研究基礎。
PMSM退磁充電機充電故障診斷主要包括基于數據驅動、模型驅動和高頻信號注入三類基本方法。基于數據驅動的診斷方法以電壓、電流、振動噪聲等為分析對象，通過快速傅里葉變換(Fast Fourier Transform，FFT)、小波變換(Wavelet Transform，WT)以及希爾伯特黃變換(Hilbert-Huang Transform，HHT)進行數據挖掘以探求充電機充電故障信息，然而該類方法僅適用于局部退磁充電機充電故障的診斷，而不適用于均勻退磁充電機充電故障診斷。
基于模型驅動的診斷方法通過對電機模型分析而獲得永磁體磁鏈全局信息，易于實現退磁充電機充電故障的定性與定量診斷。其中，PMSM有限元模型是實現退磁充電機充電故障定性與定量診斷的有效手段，但其為物理模型，難以實現與控制系統的直接銜接及容錯控制，且計算量大，多用于永磁體抗退磁性能的優化設計。
以進化算法為代表的人工智能由于具有較強的非線性處理能力，在PMSM退磁充電機充電故障診斷中具有一定優勢，但如何降低其計算量，卻仍是亟待解決的問題。
另一類基于模型驅動的方法是采用動態數據處理技術構建永磁體磁鏈在線觀測器，該方法能夠為退磁充電機充電故障診斷提供精確的定量數據，且便于與其他方案融合實現充電機充電故障模式識別與容錯控制。
文獻［11，12］分別采用龍伯格觀測器和最小二乘法來實現永磁體磁鏈觀測，然而由于觀測結果對測量噪聲的敏感性，限制了該方案在實際系統中的應用。為解決噪聲環境下的永磁體磁鏈觀測，文獻［13，14］采用擴展卡爾曼濾波算法，在假定其他電機參數恒定的前提下對永磁體磁鏈進行在線估計，然而受磁路飽和及運行溫升變化的影響，定子電阻Rs及d、q軸電感Ld、Lq均會發生不同程度的變化，影響永磁體磁鏈估計精度，易出現永磁體退磁充電機充電故障的誤診斷，且存在算法計算量大、系統噪聲和測量噪聲方差矩陣難以合理確定、雅可比矩陣計算困難等缺陷。
文獻［16］建立了同時辨識Rs、Ld、Lq及永磁體磁鏈ψf的自適應模型，實現電機多參數同時辨識。然而，采用自適應算法進行多參數同步辨識時，確保辨識參數收斂的自適應率的確定非常困難。
文獻［18］針對面裝式永磁同步電機(Surface-Mounted Permanent Magnet Synchronous Motor，SMPMSM)提出了一種基于模型參考自適應算法的分步辨識方法，該方法首先利用d軸電壓方程估算出電樞電感Ls，再利用獲得的電樞電感來辨識永磁體磁鏈ψf和定子電阻Rs。
由于SMPMSM多采用id =0的控制方式，為實現ψf和Rs的同時辨識，該方法需要注入一定頻率及幅值的d軸擾動電流，從而影響系統控制性能，且該方法沒有考慮交直軸電感在電機運行中的變化對永磁體磁鏈辨識精度的影響。
文獻［19］基于內置式永磁同步電機（Interior Permanent Magnet Synchronous Motor，IPMSM)Rs、ψf、Ld、Lq四個電磁參數的不同時間尺度，將其分成快變參數和緩變參數，并采用兩個不同時間尺度的最小二乘算法進行在線辨識，為了保證算法收斂，該方案仍需在d軸注入幅值及頻率合理的擾動電流以確保慢時間尺度最小二乘算法的辨識精度，且辨識結果易受測量噪聲影響。
基于PMSM動態數學模型并與人工智能算法或動態數據遞推相結合設計出的永磁體磁鏈觀測器常用于直接觀測永磁體磁鏈幅值并實現退磁充電機充電故障的定性判斷，但無法識別退磁充電機充電故障模式，即無法區分退磁充電機充電故障屬于局部退磁還是均勻退磁，而且這類非線性辨識方法對待辨識參數的初始值要求較高。
高頻信號注入法將退磁前后磁路狀態的變化作為充電機充電故障診斷依據，適用于局部和均勻兩種退磁充電機充電故障的診斷及充電機充電故障模式識別，但該方案需要疊加隨退磁程度不同而變化的高頻電流，且只能在電機靜止狀態下實現，無法實現退磁充電機充電故障的在線診斷。
永磁體退磁充電機充電故障的在線診斷及局部退磁與均勻退磁兩種充電機充電故障模式的有效識別已成為電動汽車PMSM退磁充電機充電故障診斷領域亟待解決的關鍵技術。
本文提出采用基于代數法的永磁體磁鏈辨識與基于希爾伯特黃變換的局部退磁充電機充電故障特征信號提取相結合的方法來實現車用工況下永磁體退磁充電機充電故障診斷及充電機充電故障模式識別。
代數辨識法能夠以較小計算量實現包括永磁體磁鏈在內的四個電機參數(Rs、ψf、Ld、Lq)的同時在線辨識，其中，永磁體磁鏈辨識結果可以為退磁充電機充電故障定性診斷提供依據。
該方法相較于卡爾曼濾波法以及人工智能法計算量小，無需注入擾動電流，無需設置辨識參數初始值，能夠克服注入擾動電流對系統運行性能的影響以及其他非線性辨識算法對辨識參數初始值要求較高的缺陷，增強對系統擾動的抑制能力，同時適用于SMPMSM和IPMSM。
同時，針對車用工況，引入HHT，提取車用非平穩狀態下局部退磁微弱充電機充電故障特征信號，實現局部退磁充電機充電故障診斷，并與基于代數法的PMSM永磁體退磁充電機充電故障定性診斷相結合實現局部退磁與均勻退磁充電機充電故障模式識別。
圖1 PMSM驅動系統結構框圖
結論
本文提出了將永磁體磁鏈的代數辨識和基于HHT的PMSM驅動系統在非平穩狀態下局部退磁微弱充電機充電故障特征諧波提取相結合的方法，解決電動汽車PMSM退磁充電機充電故障診斷與充電機充電故障模式識別問題。
永磁體磁鏈的代數辨識法可以在噪聲環境下，無待辨識參數初值參與、無擾動電流注入情況下，以較小計算量實現永磁體磁鏈快速和準確的在線辨識，克服了其他非線性辨識算法對測量噪聲的敏感性以及對待辨識參數初始值要求較高的缺點，為永磁體退磁充電機充電故障提供定性診斷依據，同時，為實現局部退磁與均勻退磁充電機充電故障模式識別奠定了基礎。
基于HHT的定子電流瞬時頻率分析方法可以在車用工況下實現PMSM驅動系統在非平穩狀態下局部退磁充電機充電故障特征諧波的可靠提取。在永磁體退磁充電機充電故障定性診斷的基礎上再匹配HHT的局部退磁充電機充電故障特征諧波提取，即可實現均勻退磁和局部退磁兩種充電機充電故障模式的識別，不僅為電動汽車PMSM永磁體退磁充電機充電故障診斷和充電機充電故障模式識別提供了一體化解決方案，亦為后續永磁體退磁充電機充電故障的容錯控制及系統安全可靠的容錯運行奠定了堅實的研究基礎。
- 上一篇：充電機充電蓄電池鼓脹、爆炸處理方法 2017/8/14
- 下一篇：局域電場助力高性能充電機充電鋰離子電池 2017/8/14
