跳转到主要内容

通过三相 BLDC/PMSM 电机上的无传感器负载检测提高电机性能并降低应力

图像
Ryan Lafferty
瑞安·拉弗蒂
高级 AI 工程师
Published: October 17, 2024

什么是负载检测?为什么它很重要?

无传感器电机控制算法不知道它们在启动过程中需要产生的扭矩。 如果电机上潜在的负载太大,而施加的电流太小,则可能无法启动转子向正确的方向移动。 为了补偿这一点,典型的方法是注入足够大的启动电流,以便在大负载下也能开始旋转。 然而,这意味着即使对于轻负载,我们也使用相同的大启动电流。 相反,如果我们能预测负载,我们就可以微调启动电流,从而获得更好的性能并减少电机上的应力。  

负载检测的工作原理是什么?

使用 Renesas 的 RealityCheck™ Motor 工具,我们开发了一种基于 AI/ML 的解决方案,用于估计电机启动序列开始时的负载。 AI 分类模型是完全不需要额外加装传感器的,只需要更新电机控制固件。

它是如何工作的:

  1. 检测电机控制系统中的重要变量
  2. 应用 Reality AI 特征空间来提取相关信息
  3. 使用 Reality AI 推理来确定移动负载所需的扭矩
  4. 提供确定的值以将启动电流调整到最小扭矩要求

如果扭矩要求低于预期,我们将实现效率提升,因为较低的启动电流足以开始电机运行。

瑞萨电子应用实例

为了创建应用示例,我们设置了两个耦合的 BLDC 电机系统,每个系统都由 RA6T2 电机控制套件驱动。 主电机通过电机轴之间的联锁机构连接到次级“制动”电机。 使用这种设置,我们可以通过调整施加到制动电机的电流来模拟初级电机上的负载。 测试表明,我们的模型可以近乎完美的准确性区分六种可能的载荷。 该模型总共只需要大约 12.5KB 的闪存和估计的 6.5KB 的 RAM。

图像
Coupled BLDC motor system

我们是如何创建应用示例的?

首先,我们为几种载荷设置中的每一种收集了适当数量的数据样本。 为了进行评估,我们将数据分为训练集和测试集。 然后,我们将数据上传到 Renesas Reality AI 云平台*,并使用云工具训练和测试模型。

最后,我们使用部署工具创建了一个嵌入式 C 包,该包可以使用 Renesas e² studio IDE 与电机控制应用程序集成。 借助 AI Live Monitor™(Reality AI Tools 套件的一部分),我们通过在改变施加的负载的同时反复启动电机来实时测试 AI 应用程序。

图像
AI Live Monitor Data Monitoring Image

结论

此应用示例展示了一种提高电机控制设计质量和效率的新型创新方法。 使用 RealityCheck Motor 提供的完全无传感器的 AI 模型,可以开始利用改进的电机启动性能,而无需额外的单位成本,还可以延长电机的使用寿命。

查看 RealityCheck™ Motor Toolbox 了解更多信息,并观看演示视频或向我们发送 请求 ,了解如何在您的系统上运行测试。

参考

* Reality AI Cloud Platform – 将数据上传到 Reality AI Tools,并使用 AI Explore™ 和 Try New Data™ 功能来训练和测试 AI 模型。