一种永磁同步电机双闭环故障预测与健康管理方法及装置制造方法及图纸

本发明专利技术公开一种永磁同步电机双闭环故障预测与健康管理方法及装置，属于基于数字孪生技术的故障预测与健康管理领域。通过异常触发机制进行数字孪生模型的自我纠偏，实现数字孪生模型固有参数的动态自我矫正更新，保证数字孪生模型的运行状态与实际装备保持一致以及变换缓急程度不同的参数保持同步性；利用永磁同步电机的数字孪生模型的运行数据，取代实体采集数据信息，对监测设备进行故障预测与健康管理，提高了预测结果的精度。提高了预测结果的精度。提高了预测结果的精度。

【技术实现步骤摘要】
一种永磁同步电机双闭环故障预测与健康管理方法及装置


[0001]本专利技术涉及基于数字孪生技术的故障预测与健康管理领域，特别是涉及一种永磁同步电机双闭环故障预测与健康管理方法及装置。

技术介绍

[0002]基于数字孪生的建模技术具有高保真度(多学科，多物理量)、实时性、多尺度等特点。因为其模型的数字化程度高，开发与应用的成本低，因此，它被广泛的用于复杂机电装备的故障预测与健康管理、优化设计、生产制造等方面。对于结构集成度日趋复杂、学科综合性上升、设计制造成本昂贵的装备，进行传统的故障预测与健康管理时会面临诸多不利的因素。首先，由于空间结构和传感器限制，无法保证对装备的关键参数采集的数据量与数据质量；其次，在对目标装备的数据采集过程中，故障预测与健康管理阶段容易受到随机的噪音干扰影响；最后，对于实体装备的数据采集与维护的成本高昂，代价大。面对以上困难，如果无法对复杂装备进行有效保障性维护工作，其因失效或故障而带来的风险与损失是巨大的。因此，对能够反映实体设备运行状态的数字孪生技术进行故障预测与健康管理的研究是必要且有意义的。
[0003]数字孪生的特点即为能够准确实时的反映实体装备的工作状态。与传统仿真技术的最大不同，即为数字孪生模型能够根据实体的变化进行自我更新与调整，而不是仅针对于某一种状态下的暂态模拟。所以要求基于数字孪生的故障预测与健康管理能够反映处于不同阶段的数字孪生模型的运行状态，并能够给出现阶段的维护指导意见。
[0004]永磁同步电机的学科集成度高，且各项参数指标变化缓急不同。在使用数字孪生技术对永磁同步电机的故障预测与健康管理方法时，如何能够保证其运行状态与实际装备保持一致且如何保证孪生系统变换缓急程度不同的参数保持同步性是数字孪生体高保真与实时性的重要参考指标。

技术实现思路

[0005]本专利技术的目的是提供一种永磁同步电机双闭环故障预测与健康管理方法及装置，通过将动态更新的数字孪生模型与故障预测与健康管理结合，使得运行状态与实际装备保持一致且参数保持同步性，提高预测结果的精度。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种永磁同步电机双闭环故障预测与健康管理方法，包括：
[0008]基于第一性原理建立永磁同步电机的数字孪生模型，并将用于诊断永磁同步电机故障的参数确定为数字孪生模型的固有参数，预设所述固有参数；
[0009]实时采集永磁同步电机的关键特征参数；
[0010]根据实时采集的关键特征参数，利用数字孪生模型的异常检测触发机制对当前数字孪生模型进行异常检测；
[0011]若检测到当前数字孪生模型异常，则根据实时采集的关键特征参数更新当前数字
孪生模型的固有参数；
[0012]若检测到当前数字孪生模型无异常，则采用当前数字孪生模型的固有参数对永磁同步电机进行故障预测与健康管理。
[0013]可选地，所述基于第一性原理建立永磁同步电机的数字孪生模型，并将用于诊断永磁同步电机故障的参数确定为数字孪生模型的固有参数，具体包括：
[0014]基于第一性原理，建立永磁同步电机的数字孪生模型为
[0015][0016]Y＝(i
d
,i
q
,U
d
,U
q
,ω
e
)
[0017][0018]其中，Y为数字孪生输出量，U
d
为平行于磁铁NS极方向的电压分量，U
q
为垂直于磁铁NS极方向的电压分量，R为电阻，i
d
、i
q
分别为平行、垂直于磁铁NS极方向的电流分量，L
d
、L
q
分别为平行、垂直于磁铁NS极方向的电感分量，ω
e
为转速，Ψ为转子磁链，T
e
为电磁扭矩，T
m
为输出扭矩，B为电机摩擦系数，ω
r
为机械转速，J为电机转动惯量；
[0019]将i
d
,i
q
,U
d
,U
q
,T
m
,ω
r
,ω
e
划分为时变参数，P
n
,B,J为非时变参数，ψ,R,L
d
,L
q
为固有参数，U＝(ω
r
)为外部输入，c
j
＝(T
m
)对应运行工况。
[0020]可选地，所述实时采集永磁同步电机的关键特征参数，具体包括：
[0021]选取能够反映永磁同步电机工况特性的关键特征参数；所述关键特征参数包括线电压、线电流、机械转速和输出扭矩；
[0022]根据选取的关键特征参数，在永磁同步电机上布置相应的传感器；
[0023]同步采集卡采集传感器的检测数据，并对检测数据进行滤波和升降采样，获得预处理后的检测数据；
[0024]通过包含数字孪生模型的计算机接收预处理后的检测数据。
[0025]可选地，所述根据实时采集的关键特征参数，利用数字孪生模型的异常检测触发机制对当前数字孪生模型进行异常检测，具体包括：
[0026]选择输入功率作为数字孪生模型的异常检测指标；
[0027]根据实时采集的线电压U
L
和线电流I
L
，利用公式P
实体
＝U
L
*I
L
*cosθ，计算永磁同步电机的输入功率P
实体
；其中，cosθ为功率因数；
[0028]利用公式P
数字孪生
＝1.5*U
q
*i
q
，计算数字孪生模型的输入功率P
数字孪生
；
[0029]依据公式D
偏差
＝|P
实体
‑
P
数字孪生
|，计算永磁同步电机的输入功率P
实体
与数字孪生模型的输入功率P
数字孪生
的偏差；
[0030]若所述偏差大于异常检测阈值，则判定当前数字孪生模型异常；
[0031]若所述偏差小于或等于异常检测阈值，则判定当前数字孪生模型无异常。
[0032]可选地，所述根据实时采集的关键特征参数更新当前数字孪生模型的固有参数，具体包括：
[0033]根据实时采集的关键特征参数，采用最小二乘估计法，更新当前数字孪生模型的
固有参数；
[0034]对更新后的数字孪生模型进行一致性度量。
[0035]可选地，所述对更新后的数字孪生模型进行一致性度量，具体包括：
[0036]将数字孪生模型中的U
d
、U
q
和i
q
组成状态向量，并将数字孪生模型的状态向量表示为S＝{u
dE
,u<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种永磁同步电机双闭环故障预测与健康管理方法，其特征在于，包括：基于第一性原理建立永磁同步电机的数字孪生模型，并将用于诊断永磁同步电机故障的参数确定为数字孪生模型的固有参数，预设所述固有参数；实时采集永磁同步电机的关键特征参数；根据实时采集的关键特征参数，利用数字孪生模型的异常检测触发机制对当前数字孪生模型进行异常检测；若检测到当前数字孪生模型异常，则根据实时采集的关键特征参数更新当前数字孪生模型的固有参数；若检测到当前数字孪生模型无异常，则采用当前数字孪生模型的固有参数对永磁同步电机进行故障预测与健康管理。2.根据权利要求1所述的永磁同步电机双闭环故障预测与健康管理方法，其特征在于，所述基于第一性原理建立永磁同步电机的数字孪生模型，并将用于诊断永磁同步电机故障的参数确定为数字孪生模型的固有参数，具体包括：基于第一性原理，建立永磁同步电机的数字孪生模型为Y＝(i
d
,i
q
,U
d
,U
q
,ω
e
)其中，Y为数字孪生输出量，U
d
为平行于磁铁NS极方向的电压分量，U
q
为垂直于磁铁NS极方向的电压分量，R为电阻，i
d
、i
q
分别为平行、垂直于磁铁NS极方向的电流分量，L
d
、L
q
分别为平行、垂直于磁铁NS极方向的电感分量，ω
e
为转速，Ψ为转子磁链，T
e
为电磁扭矩，T
m
为输出扭矩，B为电机摩擦系数，ω
r
为机械转速，J为电机转动惯量；将i
d
,i
q
,U
d
,U
q
,T
m
,ω
r
,ω
e
划分为时变参数，P
n
,B,J为非时变参数，ψ,R,L
d
,L
q
)为固有参数，U＝(ω
r
)为外部输入，c
j
＝(T
m
)对应运行工况。3.根据权利要求2所述的永磁同步电机双闭环故障预测与健康管理方法，其特征在于，所述实时采集永磁同步电机的关键特征参数，具体包括：选取能够反映永磁同步电机工况特性的关键特征参数；所述关键特征参数包括线电压、线电流、机械转速和输出扭矩；根据选取的关键特征参数，在永磁同步电机上布置相应的传感器；同步采集卡采集传感器的检测数据，并对检测数据进行滤波和升降采样，获得预处理后的检测数据；通过包含数字孪生模型的计算机接收预处理后的检测数据。4.根据权利要求3所述的永磁同步电机双闭环故障预测与健康管理方法，其特征在于，所述根据实时采集的关键特征参数，利用数字孪生模型的异常检测触发机制对当前数字孪生模型进行异常检测，具体包括：选择输入功率作为数字孪生模型的异常检测指标；
根据实时采集的线电压U
L
和线电流I
L
，利用公式P
实体
＝U
L
*I
L
*cosθ，计算永磁同步电机的输入功率P
实体
；其中，cosθ为功率因数；利用公式P
数字孪生
＝1.5*U
q
*i
q
，计算数字孪生模型的输入功率P
数字孪生
；依据公式D
偏差
＝|P
实体
‑
P
数字孪生
|，计算永磁同步电机的输入功率P
实体
与数字孪生模型的输入功率P
数字孪生
...

【专利技术属性】
技术研发人员：王少萍，郭浩宇，石健，马腾飞，张育玮，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：