电机转子在线温度融合估计方法及系统技术方案

一种电机转子在线温度融合估计方法及系统，包括：建立电机热模型，采集系统输入数据；以电机热模型计算系统输入数据获取热模型观测值；实时测量获取当前测量值，融合当前测量值与热模型观测值获得更新数据；根据更新数据以卡尔曼滤波器算法对温度进行估计，得到当前估计值，本发明专利技术解决了现有技术中存在的随机干扰、估计精度较低和适用性低的技术问题。

【技术实现步骤摘要】
电机转子在线温度融合估计方法及系统
本专利技术涉及一种电机转子检测方法，特别是涉及一种电机转子在线温度融合估计方法、装置、介质及设备。
技术介绍
相对于电子控制系统的软硬件失效，导致永磁同步电机本体损坏的主要原因一般是持续的电机过热故障。在过热条件下，通常会导致电机定子绕组的烧毁，或是导致转子永磁体的失磁。因此当温度达到一定的高温时，也就是过热过载条件下，永磁电机的转子永磁体容易发生退磁、失磁，从而导致电机输出转矩下降。如果温度进一步升高，还可能发生永久性失磁，将会导致电机失去驱动能力。为此，需要在电机运行过程中，对电机内部定子和转子的温度进行监控，并在必要时降低电机功率，避免过热情况的出现。目前对电机温度估计算法的研究有：G.D.Demetriades等人介绍了基于电机状态方程的温度估计算法。但是这样的方法的最大缺点是采用了开环结构，温度估计误差容易随时间累积，温度精度难以保证。H.Nestler等人提出了一种基于状态观测器的温度估计方法，但是同时考虑到电机转子转速的变化带动电机内部空气的流速变化，在不同工况下，电机的热模型是一个线性时变系统。因此，常规的状态观测器方法的收敛性难以得到保证。这种方法只适用于电机运行工况较为固定的情况。综上所述，现有技术存在随机干扰、估计精度较低和适用性低的技术问题。
技术实现思路
鉴于以上现有技术存在随机干扰、估计精度较低和适用性低的技术问题，本专利技术的目的在于提供一种电机转子在线温度融合估计方法及系统，解决现有技术存在的随机干扰、估计精度较低和适用性低的技术问题，一种电机转子在线温度融合估计方法，其特征在于，包括：建立电机热模型，采集系统输入数据；以电机热模型计算系统输入数据获取热模型观测值；实时测量获取当前测量值，融合当前测量值与热模型观测值获得更新数据；根据更新数据以卡尔曼滤波器算法对温度进行估计，得到当前估计值。于本专利技术的一实施方式中，以电机热模型计算系统输入数据获取热模型观测值，包括：根据基尔霍夫定律列方程，计算得以下公式，根据以下公式计算：电机外科温度TF，RBF表示电机轴承与电机外壳之间的热阻，RFS表示电机定子与电机外壳之间的热阻，Tw表示冷却液温度，RwF表示冷却液与外壳之间的电阻，TB表示电机轴承外圈温度，Ts表示电机定子温度；将上述公式带入微分方程，整理得热模型状态计算公式：其中，TR为电机转子温度，Ps为电机定子损耗，PR为电机转子损耗，TB表示电机轴承外圈温度，Ts表示电机定子温度；根据热模型状态计算公式计算热模型观测值。于本专利技术的一实施方式中，实时测量获取当前测量值，融合当前测量值与热模型观测值获得更新数据，具体包括：通过预设温度传感器测量当前测量值；根据预设以下公式融合当前测量值与热模型观测值：其中，TR为电机转子温度，PR为电机转子损耗，TB表示电机轴承外圈温度。于本专利技术的一实施方式中，根据更新数据以卡尔曼滤波器算法对温度进行估计，得到当前估计值，具体包括：获取噪声数据；根据噪声数据得离散状态方程和测量方程：x(k)＝A*x(k-1)+B*u(k)+w(k)y(k)＝C*x(k)+v(k)其中，x(k)表示的是k时刻系统的状态，即k时刻的电机温度；u(k)表示的是控制量，即热模型的输入变量；w(k)表示的是符合高斯分布的过程噪声；初始化卡尔曼滤波器，获取状态变量；以卡尔曼滤波器算法对温度进行循环估计。于本专利技术的一实施方式中，以卡尔曼滤波器算法对温度进行循环估计，具体包括：根据状态变量，以预设逻辑进行先验估计，获取先验估计结果；计算先验估计结果的误差协方差；根据误差协方差计算滤波增益矩阵；根据滤波增益矩阵修正先验估计结果，循环执行前述的步骤。于本专利技术的一实施方式中，一种电机转子在线温度融合估计系统，包括：电机热模型构建模块、热模型观测模块、融合模块和滤波器估计模块；电机热模型构建模块，用于建立电机热模型，采集系统输入数据；热模型观测模块，用于以电机热模型计算系统输入数据获取热模型观测值，热模型观测模块与电机热模型构建模块连接；融合模块，用于实时测量获取当前测量值，融合当前测量值与热模型观测值获得更新数据，融合模块与热模型观测模块连接；滤波器估计模块，用于根据更新数据以卡尔曼滤波器算法对温度进行估计，得到当前估计值，滤波器估计模块与融合模块连接。于本专利技术的一实施方式中，热模型观测模块包括：模型方程计算模块、模型状态模块和观测值模块；模型方程计算模块，用于根据基尔霍夫定律列方程，计算得以下公式，根据以下公式计算：电机外科温度TF，RBF表示电机轴承与电机外壳之间的热阻，RFS表示电机定子与电机外壳之间的热阻，Tw表示冷却液温度，RwF表示冷却液与外壳之间的电阻，TB表示电机轴承外圈温度，Ts表示电机定子温度；模型状态模块，用于将上述公式带入微分方程，整理得热模型状态计算公式：其中，TR为电机转子温度，Ps为电机定子损耗，PR为电机转子损耗，TB表示电机轴承外圈温度，Ts表示电机定子温度，模型状态模块与模型方程计算模块连接；观测值模块，用于根据热模型状态计算公式计算热模型观测值，观测值模块与模型状态模块连接。于本专利技术的一实施方式中，融合模块包括：当前测量值模块和测量观测融合模块；当前测量值模块，用于通过预设温度传感器测量当前测量值；测量观测融合模块，用于根据预设以下公式融合当前测量值与热模型观测值：其中，TR为电机转子温度，PR为电机转子损耗，TB表示电机轴承外圈温度，测量观测融合模块与当前测量值模块连接。于本专利技术的一实施方式中，滤波器估计模块包括：噪声模块、状态测量计算模块、滤波器初始模块和估计模块；噪声模块，用于获取噪声数据；状态测量计算模块，用于根据噪声数据得离散状态方程和测量方程：x(k)＝A*x(k-1)+B*u(k)+w(k)y(k)＝C*x(k)+v(k)其中，x(k)表示的是k时刻系统的状态，即k时刻的电机温度；u(k)表示的是控制量，即热模型的输入变量；w(k)表示的是符合高斯分布的过程噪声，状态测量计算模块与噪声模块连接；滤波器初始模块，用于初始化卡尔曼滤波器，获取状态变量；循环估计模块，用于以卡尔曼滤波器算法对温度进行循环估计，循环估计模块与状态测量计算模块连接，循环估计模块与滤波器初始模块连接。于本专利技术的一实施方式中，循环估计模块包括：先验估计模块、协方差模块、增益矩阵模块和循环估计模块；先验估计模块，用于根据状态变量，以预设逻辑进行先验估计，获取先验估计结果；协方差模块，用于计算先验估计结果的误差协方差，协方差模块与先验估计模块连接；增益矩阵模块，用于根据误差协方差计算滤波增益矩阵，增益矩阵模块与协方差模块；循环估计模块，用于根据滤波增益矩阵修正先验估计结果，循环执行前述步骤，循环估计模块与增益矩阵模块连接。如上所述，本专利技术提供的电机转子在线温度融合估计方法及系统采用信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计，求取当前时刻的估计值。卡尔曼滤波的实质是由测量值重构系统的状态向量。它以“预测-实测-修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的实际温度数据。通过本专利技术，可以有效地对电机转子温度进行在线估计和监控。本文档来自技高网...

【技术保护点】
1.一种电机转子在线温度融合估计方法，其特征在于，包括：建立电机热模型，采集系统输入数据；以所述电机热模型计算所述系统输入数据获取热模型观测值；实时测量获取当前测量值，融合所述当前测量值与所述热模型观测值获得更新数据；根据所述更新数据以卡尔曼滤波器算法对温度进行估计，得到当前估计值。

【技术特征摘要】
1.一种电机转子在线温度融合估计方法，其特征在于，包括：建立电机热模型，采集系统输入数据；以所述电机热模型计算所述系统输入数据获取热模型观测值；实时测量获取当前测量值，融合所述当前测量值与所述热模型观测值获得更新数据；根据所述更新数据以卡尔曼滤波器算法对温度进行估计，得到当前估计值。2.根据权利要求1所述的电机转子在线温度融合估计方法，其特征在于，所述以电机热模型计算所述系统输入数据获取热模型观测值，包括：根据基尔霍夫定律列方程，计算得以下公式，根据以下公式计算：电机外科温度TF，RBF表示电机轴承与电机外壳之间的热阻，RFS表示电机定子与电机外壳之间的热阻，Tw表示冷却液温度，RwF表示冷却液与外壳之间的电阻，TB表示电机轴承外圈温度，Ts表示电机定子温度；将上述公式带入微分方程，整理得热模型状态计算公式：其中，TR为电机转子温度，Ps为电机定子损耗，PR为电机转子损耗，TB表示电机轴承外圈温度，Ts表示电机定子温度；根据所述热模型状态计算公式计算所述热模型观测值。3.根据权利要求1所述的电机转子在线温度融合估计方法，其特征在于，所述实时测量获取当前测量值，融合所述当前测量值与所述热模型观测值获得更新数据，具体包括：通过预设温度传感器测量所述当前测量值；根据预设以下公式融合所述当前测量值与所述热模型观测值：其中，TR为电机转子温度，PR为电机转子损耗，TB表示电机轴承外圈温度。4.根据权利要求1所述的电机转子在线温度融合估计方法，其特征在于，所述根据更新数据以卡尔曼滤波器算法对温度进行估计，得到当前估计值，具体包括：获取噪声数据；根据所述噪声数据得离散状态方程和测量方程：x(k)＝A*x(k-1)+B*u(k)+w(k)y(k)＝C*x(k)+v(k)其中，x(k)表示的是k时刻系统的状态，即k时刻的电机温度；u(k)表示的是控制量，即热模型的输入变量；w(k)表示的是符合高斯分布的过程噪声；初始化卡尔曼滤波器，获取状态变量；以卡尔曼滤波器算法对温度进行循环估计。5.根据权利要求4所述的电机转子在线温度融合估计方法，其特征在于，以卡尔曼滤波器算法对温度进行循环估计，具体包括：根据所述状态变量，以预设逻辑进行先验估计，获取先验估计结果；计算所述先验估计结果的误差协方差；根据所述误差协方差计算滤波增益矩阵；根据所述滤波增益矩阵修正所述先验估计结果，循环执行前述的步骤。6.一种电机转子在线温度融合估计系统，其特征在于，包括：电机热模型构建模块、热模型观测模块、融合模块和滤波器估计模块；所述电机热模型构建模块，用于建立电机热模型，采集系统输入数据；所述热模型观测模块，用于以所述电机热模型计...

【专利技术属性】
技术研发人员：陆科，吴志红，朱元，肖明康，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31