← 返回
可靠性与测试 故障诊断 机器学习 功率模块 ★ 3.0

基于高自适应电压扰动分解的永磁同步电机定子电气故障在线诊断与分类

Highly Adaptive Voltage Disturbance Decomposition‐Based Online Diagnosis and Classification of Stator Electrical Faults in PMSMs

作者 Zhen Jia · Wensheng Song · Teng Lu · Chenwei Ma · Wenqi Huang · Xiaoyun Feng
期刊 IEEE Transactions on Power Electronics
出版日期 2025年11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
相关度评分 ★★★ 3.0 / 5.0
关键词 永磁同步电机 定子电气故障 匝间故障 高阻连接故障 在线诊断 故障分类 电压扰动分解
语言:

中文摘要

本文针对永磁同步电机(PMSM)定子匝间短路及高阻连接故障,提出了一种基于电压扰动分解的在线诊断与分类方法。该方法摆脱了对精确参数模型的依赖,克服了传统诊断技术在特定控制策略下的局限性,实现了电机电气故障的实时监测与精准分类。

English Abstract

Stator electrical faults, including interturn faults and high-resistance connection faults, are common faults in permanent magnet synchronous motors. Conventional model-based diagnostic methods typically rely on precise parameter modeling and are restricted to specific control strategies, which limits their ability to achieve online real-time fault diagnosis and accurate fault classification. To o...
S

SunView 深度解读

该技术主要针对电机驱动领域,与阳光电源的核心业务(光伏/储能)虽非直接对应,但其提出的“无模型依赖”及“在线故障诊断”思路对公司产品具有重要参考价值。在阳光电源的风电变流器及储能系统中的冷却泵、风扇等辅助电机驱动单元,引入此类先进的在线诊断算法,可显著提升系统运行的可靠性,实现故障预警。建议研发团队关注该算法在复杂工况下的鲁棒性,探索将其集成至iSolarCloud平台,以提升对关键旋转部件的智能化运维水平。