【導讀】工業設備市場的許多企業都希望采用人工智能和機器學習技術幫助他們最大程度減少意外的服務中斷
，防止其產品、產線和服務受到影響。這種想法的緣由顯而易見：減少意外停機時間能夠提升運營效率
，實現效益最大化。

引言

工業設備市場的許多企業都希望采用人工智能和機器學習技術幫助他們最大程度減少意外的服務中斷
，防止其產品、產線和服務受到影響。這種想法的緣由顯而易見：減少意外停機時間能夠提升運營效率

，實現效益最大化。市場分析公司Aberdeen在2016年發布的一份研究報告表明，企業停擺一小時的平均成本高達26萬美元1。OEM可以通過為工業係統增加測量和分析性能數據的智能功能，幫助客戶實施預測性維護（PDM）係統
，從而識別和更換故障的係統組件（例如工業機器人中使用的電機），以免它們出現故障而中斷生產。

為了幫助工業設備OEM廠商在其產品中實現PDM功能，萊迪思半導體開發了用於工業自動化係統的萊迪思Automate解決方案集合。萊迪思提供各類低功耗FPGA

，作為一種可重新編程的芯片，它可執行數據處理或協處理功能，構建用於PDM應用的AI/ML推理模型。為簡化和加快基於萊迪思FPGA的PDM係統的開發，Automate包括了軟件工具、工業IP核、模塊化硬件開發板、軟件可編程的參考設計和演示，輕鬆設計具有PDM功能、可擴展的多通道電機控製應用。圖1展示了基於萊迪思Automate 解決方案集合設計的具有預測性維護功能的電機控製係統。

圖1. 基於萊迪思Automate 解決方案集合設計的具有預測性維護功能的電機控製係統，可用於工業自動化應用

Automate包括了一個PDM多通道電機控製參考設計，采用了業界常見的電機電流信號分析（MCSA）技術。在萊迪思的解決方案中，克拉克變換將來自三相電機的電流轉換為兩個信號。轉換後的電流變成α電流和β電流。對於正常運行的健康電機來說
，α電流和β電流相隔90度。在 x-y坐標係平麵中，點的軌跡構成一個圓。在下文中，我們將展示電流或負載不平衡引起的各種軌跡圓的變形。

本文使用了在FPGA的RTL中實現的無傳感器空間矢量脈寬調製（SV_PWM）技術來驅動一個三相無刷直流（BLDC）電機。SV_PWM控製信號驅動Trenz TEP0002電機驅動板，該開發板實現了霍爾電流傳感器，並連接電機以檢測電機繞組電流。板載ADC將霍爾電流傳感器的輸出數字化，因此該參考設計可以讀取和控製用於電機控製和PDM的 ADC。電流以每秒0.8 MS/s的速率進行采樣。

使用克拉克變換（方程 1）將三相（A、B和C）電流（圖 2）轉化為α電流和β電流
，如圖3所示。

圖2. 三相電機電流（IA、IB和IC）

圖3. 克拉克變換的輸出Iα and Iβ

觀察Iα和Iβ可以發現它們類似於cos和sin函數。事實上，當它們在x-y坐標平麵上繪製函數圖像時

，結果就是一個圓（圖 4）。

圖4. Iα和Iβ的X-Y平麵圖像

該參考設計可以對固定的軸旋轉次數采集電機繞組電流快照（默認為50轉的快照）huoyonghuxuanzegengchangshijianduanneideraozudianliukuaizhao。zaiyingyongkelakebianhuanzhiqian，dianjidianliudexinhaochulibaokuofengzhijianceheguiyihuayijiyidongpingjunlvboqi。zhezhongzishiyingdegongnengshiyongyugeleidianjihegezhonggonghaojibiedePDM。

萊迪思Automate解決方案集合的PDM解決方案包括了一種專有算法


，該算法將圓的數據（如圖6所示）折疊為一個具有更高特征集中度的較小的數據集
，之後才使用PDM AI引擎對其進行處理。PDM AI引擎已經使用包括正常的和不正常的電機數據在內的10000多個模型進行了訓練。

不正常的電機數據類型1——繞組電流較高

該gai類lei數shu據ju集ji代dai表biao了le由you於yu電dian機ji繞rao組zu過guo熱re或huo燒shao毀hui造zao成cheng的de早zao期qi電dian機ji故gu障zhang。通tong常chang情qing況kuang下xia
，由you於yu製zhi造zao公gong差cha或huo電dian機ji驅qu動dong器qi故gu障zhang，一yi個ge繞rao組zu會hui先xian於yu其qi他ta兩liang個ge繞rao組zu發fa生sheng故gu障zhang。將jiang電dian阻zu分fen別bie與yu兩liang個ge“正常的”繞組串聯，可以很好地模擬這種故障模式。圖5顯示了模擬繞組A中“短路”的情況。圖6展示了這種情況下產生的折疊圖像和原始圖像。該圓已變形為長軸在x軸上的橢圓。表1總結了三個電機繞組高電流導致的變形。

圖5. 電機繞組A的高電流

圖6. 繞組A電流較高情況下電機的PDM圖像（Bad_Robot_D.jpg）

出現高電流的繞組相應的Iα – Iβ坐標圖

A長軸在X軸上的橢圓

B長軸在45°的橢圓

C長軸在135°的橢圓

表1. 電機繞組短路時的PDM圖像總結

不正常的電機數據類型2——繞組電流較低

有幾種情況會導致單個繞組電流過低。例如，大功率電機中的連接部分可能會被腐蝕或有鬆動
，從而導致在電流到達電機繞組之前I-R電壓下降。此外，其中兩個繞組可能會先於第三個繞組出現故障，或者電機驅動在其中一相變弱。同樣

，我們可以將一個電阻與“不正常的”電機繞組串聯來模擬這種故障，如圖7所示。圖8表明圓發生變形，變為長軸在135度的橢圓。表2總結了三個電機繞組低電流導致的變形。

圖7. 電機繞組B阻抗增大

圖8. 繞組B電流較低情況下電機的PDM圖像（Bad_Robot_B.jpg）

出現低電流的繞組相應的Iα – Iβ坐標圖

A長軸在90°的橢圓

B長軸在135°的橢圓

C長軸在45°的橢圓

表2. 電機繞組低電流下的PDM圖像總結

不正常的電機數據類型3——負載不平衡

第三類故障同樣使用MCSA來檢測電機上機械負載的不平衡。出現負載不平衡時
，轉動慣量不均勻並圍繞轉子軸擺動（類似於陀螺在倒地前的擺動）。dangzhuandongguanliangraodianjizhoubaidongshi，raozuhuoduohuoshaodihuixiaohaogengduoyubaidongtongbuerfeiyudianjizhuansutongbudedianliu。weilemonizhezhongqingkuang

，keyijiangyigebupinghengdeguanxinglungudingzaidianjizhoushang，bingzaidianjidadaoyunxingsuduhoucaijishuju。tu9顯示了負載不平衡的電機的PDM圖像。電源管理有問題也可能導致相同類型的圖像。

圖9. 安裝了不平衡的慣性輪的電機PDM圖像

正常的電機數據——負載平衡電流平衡

那麼正常電機的運行特征是如何呢
？圖10展示了未連接任何電阻而是一個平衡的慣性輪的電機的PDM圖像。在60°、170°和290°（大約相隔120°）方向與完美的圓有一些細微的偏差。這是SV_PWM從一相轉換到下一相重疊的結果。

圖10. 電流和負載都平衡時的電機PDM圖像

結論

用於工業電機控製係統的預測性維護功能通過最大程度減少意外故障導致的係統停擺，極大降低了運營成本。萊迪思Automate解決方案集合擁有快速輕鬆實現PDM所需的硬件和軟件工具，並使用行業標準的MCSA解決方案，為許多工業應用（包括機器人）中常用的BLDC電機保駕護航。

(來源：萊迪思)

免責聲明：本文為轉載文章，轉載此文目的在於傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請電話或者郵箱聯係小編進行侵刪。

推薦閱讀：

在電路係統中如何準確測量PCB溫度與環境溫度
？

利用多相三電平降壓變換器設計提高RF功率放大器效率的包絡跟蹤電源

幹貨 | 基於高性能模擬時序控製器，輕鬆實現複雜電源時序控製

為何毫米波需要采用不同的DPD方法？如何量化其值？

【技術大咖測試筆記係列】之七：2601B-PULSE讓VCSEL設計人員更有信心