CN113534000B - 新能源汽车驱动***逆变器及电流传感器故障的诊断方法 - Google Patents
新能源汽车驱动***逆变器及电流传感器故障的诊断方法 Download PDFInfo
- Publication number
- CN113534000B CN113534000B CN202110759691.3A CN202110759691A CN113534000B CN 113534000 B CN113534000 B CN 113534000B CN 202110759691 A CN202110759691 A CN 202110759691A CN 113534000 B CN113534000 B CN 113534000B
- Authority
- CN
- China
- Prior art keywords
- phase
- current
- fault
- inverter
- phase output
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000032683 aging Effects 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 230000004907 flux Effects 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000002405 diagnostic procedure Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000000819 phase cycle Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Inverter Devices (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明提供了一种新能源汽车驱动***逆变器及电流传感器故障的诊断方法,属于故障诊断技术领域。该方法包括以下步骤:建立自适应滑模观测器、计算电流残差、给定故障诊断自适应阈值、区分不同种类故障、然后对不同故障采用不同方法进行诊断。本发明采用自适应滑模观测器,比传统的滑模观测器有更少的趋近时间和更小的抖动。该方法采用的自适应阈值提高故障诊断的准确性、鲁棒性和抗干扰性。该方法通过三相电流和区分故障类型,并对不同故障采用不同的故障定位方法。
Description
技术领域
本发明涉及故障诊断领域,尤其涉及新能源汽车驱动***逆变器及电流传感器故障的诊断方法。
背景技术
驱动***作为新能源汽车中重要的一环,其复杂的运行环境很容易发生故障。为保证驱动***在实际运行中的可靠性和稳定性,对逆变器的开关管故障诊断和电流传感器故障诊断的快速性和准确性提出了更高的要求。
逆变器早期容易发生老化故障,该故障信息弱,不易被检测和发现。如果未及时发现逆变器老化故障并解决,则逆变器老化故障会演变成短路和开路故障,变成驱动***的结构性的故障,该故障情况下电流会迅速增大,严重时甚至烧毁电机。
新能源汽车异步电机的控制***需要反馈的电流信息,无论是矢量控制还是直接转矩控制,电流作为重要的信息必不可少,一旦发生电流传感器故障,必然会导致电机失控,不能实现良好的控制性能,甚至影响整车的运行,因此对电机电流传感器进行故障诊断研究很有必要。
目前针对驱动***的故障诊断主要有以下两种:
1、基于特征提取技术的故障诊断方法。故障特征提取是故障诊断的核心环节,目前故障特征提取的典型方法主要包括状态观测器法、参数估计法、矢量分析法、频谱分析法、小波分析法、主元分析法、经验模态分解法。《一种基于电流量的逆变器功率管开路故障在线诊断方法》(申请公布号CN201310743597.4)提出了一种基于龙伯格观测器的故障诊断方法,该方法分析残差,能应对逆变器单管开路故障的情形,并且诊断正确率较高。
2、基于特征识别技术的故障诊断方法。现有的故障识别方法往往是结合人工智能实现故障特征的自动分类和识别。一般都是通过离线建立模型,并将建立完成的模型用于在线特征识别。目前对故障特征识别方法的研究主要集中于神经网络、贝叶斯网络、支持向量机、模糊逻辑推理、数据挖掘和专家***。“Fault diagnosis of grid inverter basedon wavelet decomposition and PSO-BP”(“基于小波分解和PSO-BP的并网逆变器故障诊断”——2014年第三十三届中国控制会议论文集)、“PWM-VSI fault diagnosis for aPMSM drive based on the fuzzy logic approach”(“基于模糊逻辑方法的永磁同步电机驱动的PWM-VSI故障诊断”——IEEE TRANSACTIONS ON POWER ELECTRONICS,2019年1月),但是该方法识别的准确率比较依赖样本数据库的准确性和完整性,也无法应对未知情形的发生,即不具有推理能力,因此在故障原因推理与分析领域具有一定局限性。
发明内容
本发明提供一种驱动***混合故障的诊断方法,主要针对驱动***逆变器老化和电流传感器故障诊断方法。具体的,通过设计的滑模观测器抵消***存在的扰动以及不确定性,设计新的趋近律通过自适应的切换趋近率以降低控制过程中的抖动特性,进一步提高***故障诊断的精确度;进行故障诊断时,通过自适应阈值的设计,减少由于其他问题导致的误判,从而增加***诊断的可靠性和准确性,提高诊断精度;最后针对故障定位,首先根据ih的值区分不同的故障类型,然后针对不同的故障设计不同的定位方法。
为了实现上述目的,本发明提供了一种新能源汽车驱动***逆变器及电流传感器故障的诊断方法,该驱动***涉及的电路拓扑结构包括直流侧电源、三相两电平逆变器、异步电机、电流传感器和控制模块;
所述三相两电平逆变器分为三相桥臂,三相桥臂均与直流电源相连,将三项桥臂记为K相桥臂,K为相序,K=a,b,c;在三相桥臂中,每相桥臂共有两个开关管组成,即整个三相两电平逆变器共有6个开关管,将6个开关管记为Vkn,n为开关管的序号,n=1,2;在三相桥臂的每相桥臂中,开关管Vk1、开关管Vk2依次串联,开关管Vk1、开关管Vk2的连接点记为三相两电平逆变器的输出点K=a,b,c;
将所述异步电机的三相接口记为接口Γk,K=a,b,c,所述三相两电平逆变器的输出点与异步电机的接口Γk相连接;所述电流传感器分为三相,并记为k相电流传感器Mk,k=a,b,c,k相电流传感器Mk的检测端连接在输出点和接口Γk之间,k相电流传感器Mk的输出端连接控制模块的输入端,所述控制模块的输出端分别连接6个开关管Vkn;
所述诊断方法包括以下步骤:
步骤1,采样及坐标变换
通过电流传感器检测三相两电平逆变器的三相输出电流并记为三相输出电流ia,ib,ic,采样三相两电平逆变器的三相输出电压并记为三相输出电压ua,ub,uc;
通过坐标变换将三相输出电流ia,ib,ic转换成两相输出电流αβ轴分量iα,iβ,再通过Park变换将两相输出电流αβ轴分量iα,iβ转换成两相输出电流dq轴分量ids,iqs;通过坐标变换将三相输出电压ua,ub,uc转换成两相输出电压αβ轴分量uα,uβ,再通过Park变换将两相输出电压αβ轴分量转换成两相输出电压dq轴分量uds,uqs;
步骤2,建立dq坐标轴下的状态方程,其表达式为:
其中,
A为***矩阵,式中a22=a11,a24=a13,a41=a32,a42=a31,a44=a33,Lr为异步电机的转子电感,Rr为异步电机的转子电阻,Lm为异步电机的定子与转子之间的互感,Ls为异步电机的定子电感,Rs为异步电机的定子电阻,σ为电机漏磁系数
步骤3,根据步骤2建立的状态方程,建立新型滑模观测器,其表达式如下:
其中,为两相输出电流dq轴分量ids,iqs的观测值,为两相输出电流dq轴分量ids,iqs的观测值的导数,为异步电机转子q轴磁通λqr的观测值,为异步电机转子q轴磁通λqr的观测值的导数,为异步电机转子d轴磁通λdr的观测值,为异步电机转子d轴磁通λdr的观测值的导数;
步骤4,根据滑模观测器的输出得到两相输出电流dq轴分量ids,iqs的观测值经过坐标变换,先将两相输出电流dq轴分量ids,iqs的观测值转换成两相输出电流αβ轴分量iα,iβ的观测值再将两相输出电流αβ轴分量iα,iβ的观测值转换成三相输出电流ia,ib,ic的观测值其表达式如下:
给定故障诊断自适应阈值Tth、故障诊断残差Mth和三相输出电流的矢量和ih;
步骤6,比较故障诊断残差Mth和自适应阈值Tth的大小,并进行以下判断:
若Mth<Tth,认定驱动***正常工作,本次故障诊断结束;
若Mth>Tth,且ih=0,认定驱动***发生逆变器老化故障,进入步骤7;
若Mth>Tth,且ih≠0,认定驱动***发生电流传感器故障,进入步骤8;
步骤7,对逆变器老化故障的诊断
步骤7.1,设采样次数为N,在一个基波周期范围内,通过电流传感器对故障中的三相两电平逆变器的三相输出电流进行N次采样,得到N个逆变器故障中的三相输出电流并记为故障中三相输出电流i’aj,i’bj,i’cj,通过坐标变换将N个故障中三相输出电流i’aj,i’bj,i’cj变换为N个故障中两相输出电流αβ轴分量i’aj,i’βj,j=1,2,...N;
步骤7.2,定义第一逆变器故障定位变量D、第二逆变器故障定位变量d1、定义第三逆变器故障定位变量d2,给定逆变器故障经验阈值Dth,三个逆变器故障定位变量的计算式分别如下:
定义逆变器故障相特征量fs、第一逆变器故障定位特征量ωs1和第二逆变器故障定位特征量ωs2,fs=sign(|D|-Dth),ωs1=sing(d1),ωs2=sing(d2);
对三相两电平逆变器的单个开关管故障的定位如下:
若fs=-1,且ωs1=-1且ωs2=1,认定开关管Va1发生老化故障;
若fs=-1,且ωs1=1且ωs2=-1,认定开关管Va2发生老化故障;
若fs=1,且ωs2=-1,认定开关管Vb1发生老化故障;
若fs=1,且ωs2=1,认定开关管Vb2发生老化故障;
若fs=-1,且ωs1=1且ωs2=1,认定开关管Vc1发生老化故障;
若fs=-1,且ωs1=-1且ωs2=-1,认定开关管Vc2发生老化故障;
步骤8,对电流传感器故障的诊断
步骤8.1,根据三相输出电流的矢量和ih,定义电流传感器故障的类型,具体的:
若三相输出电流的矢量和ih恒为非零常数且大小不变,认定电流传感器发生偏移故障,传感器故障区分变量If=0,进入步骤8.2;
若三相输出电流的矢量和ih为标准周期性函数,认定电流传感器发生增益故障,传感器故障区分变量If=1,进入步骤8.3;
步骤8.2,对电流传感器偏移故障的定位;
比较三相电流平均值Ia,Ib,Ic的绝对值,并取其中的最大值记为故障中电流最大值Imax,即Imax=max[|Ia|,|Ib|,|Ic|],将故障中电流最大值Imax发生的相记为g相,g或为a或为b或为c;
对电流传感器偏移故障进行如下诊断:
若g=a,认定a相电流传感器Ma发生偏移故障;
若g=b,认定b相电流传感器Mb发生偏移故障;
若g=c,认定c相电流传感器Mc发生偏移故障;
步骤8.3,将步骤5中得到的电流残差rk表达为三个单相电流残差ra,rb,rc,比较三个单相电流残差ra,rb,rc的绝对值,并取其中的最大值记为最大电流残差rmax,即rmax=max[|ra|,|rb|,|rc|],将最大电流残差rmax所在的相记为h相,h或为a或为b或为c;
对电流传感器增益故障进行如下诊断:
若h=a,a相电流残差ra的峰值最大,a相电流传感器Ma发生增益故障;
若h=b,b相电流残差rb的峰值最大,b相电流传感器Mb发生增益故障;
若h=c,c相电流残差rc的峰值最大,c相电流传感器Mc发生增益故障。
优选地,步骤5所述故障诊断自适应阈值Tth、故障诊断残差Mth和三相输出电流的矢量和ih的计算式分别如下:
Tth=||ia,ib,ic||2+kth
Mth=||ra,rb,rc||2
ih=ia+ib+ic
其中:|| ||2表示范数,kth表示偏移值,kth∈(0,5)。
由于采用上述故障诊断方法,与现有技术相比,本发明的有益效果为:
1、通过滑模观测器,可以有效的抵消***建模的不确定性以及外界扰动,使建立的数学模型更加准确。
2、通过设计自适应的滑模趋近律,通过自适应滑模趋近律减少趋近滑模面的速度,降低趋近过程中产生的抖动。
3、通过设计的自适应阈值防止由于***不确定性因素造成的扰动,提高诊断精度。
4、通过区分不同的故障,分别采用不同方法实现逆变器老化以及电流传感器故障的诊断和定位。
附图说明
图1是本发明实施例中驱动***的拓扑图;
图2是本发明诊断方法的示意图;
图3是本发明诊断方法的流程图;
图4是本发明实施例中当***发生故障时故障诊断自适应阈值Tth、故障诊断残差Mth的仿真图;
图5是本发明实施例中发生逆变器老化故障时第一逆变器故障定位变量D和逆变器故障经验阈值Dth的仿真图;
图6是本发明实施例中发生电流传感器偏移故障时的仿真图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整的描述。
图1是本发明实施例中驱动***的拓扑图,由图1可见,该驱动***涉及的电路拓扑结构包括直流侧电源、三相两电平逆变器、异步电机、电流传感器和控制模块。
所述三相两电平逆变器分为三相桥臂,三相桥臂均与直流电源相连,将三项桥臂记为K相桥臂,K为相序,K=a,b,c;在三相桥臂中,每相桥臂共有两个开关管组成,即整个三相两电平逆变器共有6个开关管,将6个开关管记为Vkn,n为开关管的序号,n=1,2;在三相桥臂的每相桥臂中,开关管Vk1、开关管Vk2依次串联,开关管Vk1、开关管Vk2的连接点记为三相两电平逆变器的输出点K=a,b,c。
将所述异步电机的三相接口记为接口Γk,K=a,b,c,所述三相两电平逆变器的输出点与异步电机的接口Γk相连接。所述电流传感器分为三相,并记为k相电流传感器Mk,k=a,b,c,k相电流传感器Mk的检测端连接在输出点和接口Γk之间,k相电流传感器Mk的输出端连接控制模块的输入端,所述控制模块的输出端分别连接6个开关管Vkn。
图2是本发明诊断方法的示意图,图3是本发明诊断方法的流程图。由图2和图3可见,本发明诊断方法包含以下步骤:
步骤1,采样及坐标变换
通过电流传感器检测三相两电平逆变器的三相输出电流并记为三相输出电流ia,ib,ic,采样三相两电平逆变器的三相输出电压并记为三相输出电压ua,ub,uc。
通过坐标变换将三相输出电流ia,ib,ic转换成两相输出电流αβ轴分量iα,iβ,再通过Park变换将两相输出电流αβ轴分量iα,iβ转换成两相输出电流dq轴分量ids,iqs;通过坐标变换将三相输出电压ua,ub,uc转换成两相输出电压αβ轴分量uα,uβ,再通过Park变换将两相输出电压αβ轴分量转换成两相输出电压dq轴分量uds,uqs。
步骤2,建立dq坐标轴下的状态方程,其表达式为:
其中,
A为***矩阵,式中a22=a11,a24=a13,a41=a32,a42=a31,a44=a33,Lr为异步电机的转子电感,Rr为异步电机的转子电阻,Lm为异步电机的定子与转子之间的互感,Ls为异步电机的定子电感,Rs为异步电机的定子电阻,σ为电机漏磁系数
步骤3,根据步骤2建立的状态方程,建立新型滑模观测器,其表达式如下:
其中,为两相输出电流dq轴分量ids,iqs的观测值,为两相输出电流dq轴分量ids,iqs的观测值的导数,为异步电机转子q轴磁通λqr的观测值,为异步电机转子q轴磁通λqr的观测值的导数,为异步电机转子d轴磁通λdr的观测值,为异步电机转子d轴磁通λdr的观测值的导数;
步骤4,根据滑模观测器的输出得到两相输出电流dq轴分量ids,iqs的观测值经过坐标变换,先将两相输出电流dq轴分量ids,iqs的观测值转换成两相输出电流αβ轴分量iα,iβ的观测值再将两相输出电流αβ轴分量iα,iβ的观测值转换成三相输出电流ia,ib,ic的观测值其表达式如下:
给定故障诊断自适应阈值Tth、故障诊断残差Mth和三相输出电流的矢量和ih,其表达式如下:
Tth=||ia,ib,ic||2+kth
Mth=||ra,rb,rc||2
ih=ia+ib+ic
其中:|| ||2表示范数,kth表示偏移值,kth∈(0,5)。
步骤6,比较故障诊断残差Mth和自适应阈值Tth的大小,并进行以下判断:
若Mth<Tth,认定驱动***正常工作,本次故障诊断结束;
若Mth>Tth,且ih=0,认定驱动***发生逆变器老化故障,进入步骤7;
若Mth>Tth,且ih≠0,认定驱动***发生电流传感器故障,进入步骤8。
步骤7,对逆变器老化故障的诊断
步骤7.1,设采样次数为N,在一个基波周期范围内,通过电流传感器对故障中的三相两电平逆变器的三相输出电流进行N次采样,得到N个逆变器故障中的三相输出电流并记为故障中三相输出电流i’aj,i’bj,i’cj,通过坐标变换将N个故障中三相输出电流i’aj,i’bj,i’cj变换为N个故障中两相输出电流αβ轴分量i’aj,i’βj,j=1,2,...N。
步骤7.2,定义第一逆变器故障定位变量D、第二逆变器故障定位变量d1、定义第三逆变器故障定位变量d2,给定逆变器故障经验阈值Dth,三个逆变器故障定位变量的计算式分别如下:
定义逆变器故障相特征量fs、第一逆变器故障定位特征量ωs1和第二逆变器故障定位特征量ωs2,fs=sign(|D|-Dth),ωs1=sing(d1),ωs2=sing(d2);
对三相两电平逆变器的单个开关管故障的定位如下:
若fs=-1,且ωs1=-1且ωs2=1,认定开关管Va1发生老化故障;
若fs=-1,且ωs1=1且ωs2=-1,认定开关管Va2发生老化故障;
若fs=1,且ωs2=-1,认定开关管Vb1发生老化故障;
若fs=1,且ωs2=1,认定开关管Vb2发生老化故障;
若fs=-1,且ωs1=1且ωs2=1,认定开关管Vc1发生老化故障;
若fs=-1,且ωs1=-1且ωs2=-1,认定开关管Vc2发生老化故障。
步骤8,对电流传感器故障的诊断
步骤8.1,根据三相输出电流的矢量和ih,定义电流传感器故障的类型,具体的:
若三相输出电流的矢量和ih恒为非零常数且大小不变,认定电流传感器发生偏移故障,传感器故障区分变量If=0,进入步骤8.2;
若三相输出电流的矢量和ih为标准周期性函数,认定电流传感器发生增益故障,传感器故障区分变量If=1,进入步骤8.3;
步骤8.2,对电流传感器偏移故障的定位;
比较三相电流平均值Ia,Ib,Ic的绝对值,并取其中的最大值记为故障中电流最大值Imax,即Imax=max[|Ia|,|Ib|,|Ic|],将故障中电流最大值Imax发生的相记为g相,g或为a或为b或为c;
对电流传感器偏移故障进行如下诊断:
若g=a,认定a相电流传感器Ma发生偏移故障;
若g=b,认定b相电流传感器Mb发生偏移故障;
若g=c,认定c相电流传感器Mc发生偏移故障;
步骤8.3,将步骤5中得到的电流残差rk表达为三个单相电流残差ra,rb,rc,比较三个单相电流残差ra,rb,rc的绝对值,并取其中的最大值记为最大电流残差rmax,即rmax=max[|ra|,|rb|,|rc|],将最大电流残差rmax所在的相记为h相,h或为a或为b或为c;
对电流传感器增益故障进行如下诊断:
若h=a,a相电流残差ra的峰值最大,a相电流传感器Ma发生增益故障;
若h=b,b相电流残差rb的峰值最大,b相电流传感器Mb发生增益故障;
若h=c,c相电流残差rc的峰值最大,c相电流传感器Mc发生增益故障。
至此,本次故障诊断结束。
在步骤1中,所述两相输出电流αβ轴分量iα,iβ和两相输出电流dq轴分量ids,iqs的坐标转换公式分别如下:
在步骤1中,两相输出电压αβ轴分量uα,uβ和两相输出电压dq轴分量uds,uqs的坐标转换式分别如下:
为了佐证本发明的有益效果,进行了仿真。
图4是本发明实施例中当驱动***发生故障时故障诊断自适应阈值Tth、故障诊断残差Mth的仿真图。由图看出,当在0.5s发生故障时,Mth>Tth,驱动***诊断出发生故障。
图5是本发明实施例中发生逆变器老化故障时第一逆变器故障定位变量D和逆变器故障经验阈值Dth的仿真图。具体的,图5是本实施例中,当B相逆变器发生老化故障时,第一逆变器故障定位变量D,逆变器故障经验阈值Dth的变化曲线。由于刚发生故障时,第二逆变器故障定位变量d1、第三逆变器故障定位变量d2波形未达到稳定,为了避免误判,需要设置缓冲时间,本例中设置缓冲时间为0.05s。
图6是本发明实施例中发生电流传感器偏移故障时的仿真图。具体的,图6给出了当发生电流传感器偏移故障时三相电流平均值Ia,Ib,Ic的变化曲线,从图中看出,当发生故障以后,Ia最大,所以判断为a相电流传感器Ma发生偏移故障。
Claims (1)
1.一种新能源汽车驱动***逆变器及电流传感器故障的诊断方法,该驱动***涉及的电路拓扑结构包括直流侧电源、三相两电平逆变器、异步电机、电流传感器和控制模块;
所述三相两电平逆变器分为三相桥臂,三相桥臂均与直流电源相连,将三项桥臂记为K相桥臂,K为相序,K=a,b,c;在三相桥臂中,每相桥臂共有两个开关管组成,即整个三相两电平逆变器共有6个开关管,将6个开关管记为Vkn,n为开关管的序号,n=1,2;在三相桥臂的每相桥臂中,开关管Vk1、开关管Vk2依次串联,开关管Vk1、开关管Vk2的连接点记为三相两电平逆变器的输出点
将所述异步电机的三相接口记为接口Γk,K=a,b,c,所述三相两电平逆变器的输出点与异步电机的接口Γk相连接;所述电流传感器分为三相,并记为k相电流传感器Mk,k=a,b,c,k相电流传感器Mk的检测端连接在输出点和接口Γk之间,k相电流传感器Mk的输出端连接控制模块的输入端,所述控制模块的输出端分别连接6个开关管Vkn;
其特征在于,所述诊断方法包括以下步骤:
步骤1,采样及坐标变换
通过电流传感器检测三相两电平逆变器的三相输出电流并记为三相输出电流ic,ib,ic,采样三相两电平逆变器的三相输出电压并记为三相输出电压ua,ub,uc;
通过坐标变换将三相输出电流ia,ib,ic转换成两相输出电流αβ轴分量iα,iβ,再通过Park变换将两相输出电流αβ轴分量iα,iβ转换成两相输出电流dq轴分量ids,iqs;通过坐标变换将三相输出电压ua,ub,uc转换成两相输出电压αβ轴分量uα,uβ,再通过Park变换将两相输出电压αβ轴分量转换成两相输出电压dq轴分量uds,uqs;
步骤2,建立dq坐标轴下的状态方程,其表达式为:
其中,
A为***矩阵,式中a22=a11,a24=a13,a41=a32,a42=a31,a44=a33,Lr为异步电机的转子电感,Rr为异步电机的转子电阻,Lm为异步电机的定子与转子之间的互感,Ls为异步电机的定子电感,Rs为异步电机的定子电阻,σ为电机漏磁系数
步骤3,根据步骤2建立的状态方程,建立新型滑模观测器,其表达式如下:
其中,为两相输出电流dq轴分量ids,iqs的观测值,为两相输出电流dq轴分量ids,iqs的观测值的导数,为异步电机转子q轴磁通λqr的观测值,为异步电机转子q轴磁通λqr的观测值的导数,为异步电机转子d轴磁通λdr的观测值,为异步电机转子d轴磁通λdr的观测值的导数;
步骤4,根据滑模观测器的输出得到两相输出电流dq轴分量ids,iqs的观测值经过坐标变换,先将两相输出电流dq轴分量ids,iqs的观测值转换成两相输出电流αβ轴分量iα,iβ的观测值再将两相输出电流αβ轴分量iα,iβ的观测值转换成三相输出电流ia,ib,ic的观测值其表达式如下:
给定故障诊断自适应阈值Tth、故障诊断残差Mth和三相输出电流的矢量和ih,其计算式分别如下:
Tth=||ia,ib,ic||2+kth
Mth=||ra,rb,rc||2
ih=ia+ib+ic
其中:|| ||2表示范数,kth表示偏移值,kth∈(0,5);
步骤6,比较故障诊断残差Mth和自适应阈值Tth的大小,并进行以下判断:
若Mth<Tth,认定驱动***正常工作,本次故障诊断结束;
若Mth>Tth,且ih=0,认定驱动***发生逆变器老化故障,进入步骤7;
若Mth>Tth,且ih≠0,认定驱动***发生电流传感器故障,进入步骤8;
步骤7,对逆变器老化故障的诊断
步骤7.1,设采样次数为N,在一个基波周期范围内,通过电流传感器对故障中的三相两电平逆变器的三相输出电流进行N次采样,得到逆变器故障中的N个三相输出电流并记为故障中三相输出电流通过坐标变换将N个故障中三相输出电流变换为N个故障中两相输出电流αβ轴分量
步骤7.2,定义逆变器的第一故障定位变量D、逆变器的第二故障定位变量d1、逆变器的第三故障定位变量d2,给定逆变器故障经验阈值Dth,三个故障定位变量的计算式分别如下:
定义逆变器故障相特征量fs、逆变器的第一故障定位特征量ωs1和逆变器的第二故障定位特征量ωs2,fs=sign(|D|-Dth),ωs1=sing(d1),ωs2=sing(d2);
对三相两电平逆变器的单个开关管故障的定位如下:
若fs=-1,且ωs1=-1且ωs2=1,认定开关管Va1发生老化故障;
若fs=-1,且ωs1=1且ωs2=-1,认定开关管Va2发生老化故障;
若fs=1,且ωs2=-1,认定开关管Vb1发生老化故障;
若fs=1,且ωs2=1,认定开关管Vb2发生老化故障;
若fs=-1,且ωs1=1且ωs2=1,认定开关管Vc1发生老化故障;
若fs=-1,且ωs1=-1且ωs2=-1,认定开关管Vc2发生老化故障;
步骤8,对电流传感器故障的诊断
步骤8.1,根据三相输出电流的矢量和ih,定义电流传感器故障的类型,具体的:
若三相输出电流的矢量和ih恒为非零常数且大小不变,认定电流传感器发生偏移故障,传感器故障区分变量If=0,进入步骤8.2;
若三相输出电流的矢量和ih为标准周期性函数,认定电流传感器发生增益故障,传感器故障区分变量If=1,进入步骤8.3;
比较三相电流平均值Ia,Ib,Ic的绝对值,并取其中的最大值记为故障中电流最大值Imax,即Imax=max[|Ia|,|Ib|,|Ic|],将故障中电流最大值Imax发生的相记为g相,g或为a或为b或为c;
对电流传感器偏移故障进行如下诊断:
若g=a,认定a相电流传感器Ma发生偏移故障;
若g=b,认定b相电流传感器Mb发生偏移故障;
若g=c,认定c相电流传感器Mc发生偏移故障;
步骤8.3,将步骤5中得到的电流残差rk表达为三个单相电流残差ra,rb,rc,比较三个单相电流残差ra,rb,rc的绝对值,并取其中的最大值记为最大电流残差rmax,即rmax=max[|ra|,|rb|,|rc|],将最大电流残差rmax所在的相记为h相,h或为a或为b或为c;
对电流传感器增益故障进行如下诊断:
若h=a,a相电流残差ra的峰值最大,a相电流传感器Ma发生增益故障;
若h=b,b相电流残差rb的峰值最大,b相电流传感器Mb发生增益故障;
若h=c,c相电流残差rc的峰值最大,c相电流传感器Mc发生增益故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110759691.3A CN113534000B (zh) | 2021-07-05 | 2021-07-05 | 新能源汽车驱动***逆变器及电流传感器故障的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110759691.3A CN113534000B (zh) | 2021-07-05 | 2021-07-05 | 新能源汽车驱动***逆变器及电流传感器故障的诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113534000A CN113534000A (zh) | 2021-10-22 |
CN113534000B true CN113534000B (zh) | 2022-09-13 |
Family
ID=78126843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110759691.3A Active CN113534000B (zh) | 2021-07-05 | 2021-07-05 | 新能源汽车驱动***逆变器及电流传感器故障的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113534000B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114325380B (zh) * | 2021-11-25 | 2022-12-27 | 合肥工业大学 | 一种永磁同步电机驱动***故障诊断方法 |
CN114355186B (zh) * | 2021-11-26 | 2023-03-07 | 合肥工业大学 | 异步电机***转子断条及速度传感器故障的诊断方法 |
CN114172443B (zh) * | 2021-12-01 | 2023-05-05 | 西南交通大学 | 一种永磁电机驱动***电流传感器故障在线诊断方法 |
CN114152880B (zh) * | 2022-02-08 | 2022-04-12 | 湖南大学 | 一种软包电池传感器故障在线检测方法 |
CN114755610B (zh) * | 2022-05-25 | 2023-09-26 | 安徽大学 | 一种单相并联逆变器的故障诊断方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100901252B1 (ko) * | 2006-08-02 | 2009-06-08 | 주식회사 엘지화학 | 슬라이딩 모드 관측기를 이용한 2차 전지 soc 예측방법 및 장치 |
CN105610369B (zh) * | 2016-03-04 | 2018-05-29 | 合肥工业大学 | 一种基于滑模观测器的异步电机磁链观测方法 |
CN106059424A (zh) * | 2016-08-04 | 2016-10-26 | 上海应用技术学院 | 一种基于改进卡尔曼观测器的无速度传感器控制方法 |
CN106160533B (zh) * | 2016-08-12 | 2018-04-27 | 大连理工大学 | 一种基于滑模观测器的脉冲整流器传感器故障容错控制方法 |
CN110022107B (zh) * | 2019-05-23 | 2021-02-02 | 哈尔滨工业大学 | 无位置传感器驱动***电流传感器容错方法 |
-
2021
- 2021-07-05 CN CN202110759691.3A patent/CN113534000B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113534000A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113534000B (zh) | 新能源汽车驱动***逆变器及电流传感器故障的诊断方法 | |
CN111381188B (zh) | 一种两电平三相电压源逆变器桥臂开路故障诊断方法 | |
CN110441643B (zh) | 永磁同步电机控制***中逆变器功率管断路故障诊断方法 | |
CN111327234B (zh) | 永磁容错电机***低速段无位置传感器控制方法 | |
CN110133538B (zh) | 一种anpc三电平逆变器开路故障诊断方法及实验平台 | |
CN113075585B (zh) | 一种npc三电平逆变器复合开路故障诊断方法 | |
CN111025151B (zh) | 多相永磁同步电机驱动***开路故障诊断方法 | |
CN112688608B (zh) | 一种三相永磁同步电机控制***的故障诊断方法 | |
CN113159077A (zh) | 一种基于混合卷积神经网络的三相逆变器故障识别方法 | |
CN113281680B (zh) | 高铁牵引***单相三电平整流器开路故障诊断方法 | |
CN113534035B (zh) | 新能源电动汽车驱动***电流传感器微小故障诊断方法 | |
CN114172443B (zh) | 一种永磁电机驱动***电流传感器故障在线诊断方法 | |
CN112886901B (zh) | 一种车用开关磁阻电机无位置智能控制器 | |
CN112731193A (zh) | 基于新型滑模观测器的npc逆变器多类故障诊断方法 | |
CN111413647B (zh) | 一种clllc谐振变换器开路故障实时检测方法和*** | |
CN112083349A (zh) | 一种永磁同步电机定子绕组匝间短路故障诊断方法 | |
CN114172401B (zh) | 基于降阶观测器的npc三电平逆变器多类故障诊断方法 | |
CN113203903B (zh) | 一种光伏逆变器直流侧故障检测与成因定位方法 | |
CN114914888B (zh) | 一种单相三电平整流器多故障估计方法 | |
CN112928772A (zh) | 一种三相两电平光伏逆变器直流过压故障成因定位方法 | |
CN114325380B (zh) | 一种永磁同步电机驱动***故障诊断方法 | |
CN111061153A (zh) | 一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器 | |
CN115951270B (zh) | 一种永磁同步电机外部线缆连接故障诊断方法 | |
CN113489358B (zh) | 一种逆变器的参数在线辨识方法 | |
CN115856711A (zh) | 一种多电飞机静止变流器故障诊断方法 |
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 | ||
GR01 | Patent grant |