← 返回
基于在线度量学习的多相永磁同步电机系统开路与电流传感器故障诊断
An Online Metric Learning-Based Open-Switch and Current Sensor Fault Diagnosis for MSPMSM Systems
| 作者 | Yutao Du · Chi Li · Zedong Zheng |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年7月 |
| 技术分类 | 可靠性与测试 |
| 技术标签 | 故障诊断 机器学习 功率模块 可靠性分析 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 多相永磁同步电机（MSPMSM） 故障诊断 度量学习 开路故障 电流传感器故障 容错控制 |
语言:
中文摘要
针对多相永磁同步电机（MSPMSM）系统，本文提出了一种基于度量学习（ML）的故障诊断新方法。该方法能够在0.1个电流基波周期内完成故障检测与故障扇区定位，显著提升了高安全性电机驱动系统的故障容错能力与响应速度。
English Abstract
Rapid and accurate removal of faulty sectors is the conventional fault tolerance method for highly secure multisector permanent magnet synchronous motors (MSPMSMs). In this article, a new fault diagnosis method for MSPMSMs based on metric learning (ML) is proposed. Its advantage is that it can complete fault detection and faulty sector location within 0.1 current fundamental cycle, which is faster...
S
SunView 深度解读
该技术主要针对多相电机驱动系统，虽然阳光电源的核心业务集中在光伏逆变器、储能PCS及风电变流器，但其提出的“在线度量学习”与“快速故障诊断”逻辑对提升电力电子设备的可靠性具有重要参考价值。特别是在风电变流器及大型储能PCS中，功率模块的开路故障诊断是保障系统高可用性的关键。建议研发团队关注该算法在复杂电力电子拓扑中的迁移应用，通过引入此类轻量化AI诊断模型，优化iSolarCloud智能运维平台对关键功率器件的预警能力，降低运维成本。