نمذجة واكتشاف أخطاء مستشعرات التيار الكهربائي في PMSM

يمكن أن يتسبب فشل أجهزة الاستشعار الحالية في محركات التيار المتردد في التعقب غير الدقيق لمرجع التحكم وتذبذبات عزم الدوران، مما قد يؤدي إلى إتلاف المكونات الميكانيكية، لذلك؛ فإن تطوير تقنيات الكشف الدقيقة لهذه الأعطال الكهربائية يلعب دوراً مهماً في الإدارة السليمة للمحرك الكهربائي وعزل الأعطال والتنبؤ بها.

تحليل واكتشاف أهم أخطاء مستشعرات التيار الكهربائي في PMSM

أدت متطلبات الكثافة والكفاءة العالية للطاقة للمحركات الكهربائية للمركبات المكهربة إلى الانتشار السريع للمحركات المتزامنة ذات المغناطيس الدائم (PMSM)، بحيث يعتمد أداء محرك (PMSM) بشدة على القياس الدقيق “للكميات الكهربائية” والميكانيكية، مثل تيارات طور المحرك والسرعة وموضع الدوار، ومع ذلك يمكن أن تتأثر هذه القياسات بالأعطال وتدهور أداء أجهزة الاستشعار، مما قد يؤدي إلى حدوث إزاحة وكسب أخطاء في القيم المقاسة.

غالباً ما يكون هذا بسبب انتهاء العمر الافتراضي الداخلية لمكونات المستشعر التي تتسارع بسبب عوامل خارجية مثل الرطوبة أو الظروف البيئية القاسية أو بسبب التداخلات الكهرومغناطيسية أو الاهتزازات الميكانيكية، وفي السنوات الأخيرة تم التحقيق أيضاً في القضايا المتعلقة بمخاطر الهجمات الإلكترونية، حيث تعد المستشعرات جزءاً ضعيفاً من المركبات الكهربائية التي يمكن التلاعب بها للحث على فشل النظام الكهربائي.

كذلك يمكن أن يساعد تركيب أجهزة استشعار زائدة عن الحاجة في التخفيف من المشكلات المتعلقة بأعطال أجهزة الاستشعار، لكن هذا غير ممكن للعديد من التطبيقات بسبب قيود التكلفة أو الحجم، لذلك؛ فإن تطوير خوارزميات تشخيصية لكشف وعزل أخطاء المستشعرات مطلوبة لضمان الأداء السليم لمحرك كهربائي.

أيضاً تم اقتراح طرق مختلفة لتشخيص أعطال أجهزة الاستشعار في الدراسات، بحيث يمكن تصنيفها إلى طرق قائمة على البيانات وطرق قائمة على النماذج، بحيث لا تعتمد الخوارزميات المبنية على البيانات اعتماداً صارماً على نوع محرك الأقراص، ولكنها تتطلب تدريباً على كمية كبيرة من البيانات التي تغطي نقاط التشغيل العادية وغير الطبيعية لمحرك الكهربائي.

كما أن هذه البيانات ليست متاحة دائماً ويمكن أن تتأثر بالضوضاء والاضطرابات، لذلك يعتمد أداء الخوارزميات التي تعتمد على البيانات بشكل كبير على تنوع وجودة البيانات المستخدمة لتدريب خوارزمية التشخيص، وفي العديد من الحالات؛ فإنه يتم اشتقاق البيانات المستخدمة في معايرة الخوارزمية من التجارب الافتراضية بسبب نقص النتائج التجريبية.

وبالتالي؛ فإن النهج القائمة على النموذج هي تقنيات تشخيص مقبولة جيداً والتي تستند إلى معرفة سلوك المحرك الكهربائي ووصف النمذجة ذات الصلة، وغالباً ما يتم تعزيز الخوارزميات القائمة على النموذج باستخدام المقدرات أو المراقبين للتعامل مع أوجه عدم اليقين في النموذج وتغيرات المعلمات واستجابة حلقات التحكم الكهربائي.

نمذجة أخطاء الكسب لأجهزة استشعار التيار للمحرك SMPMSM

• تعريف النموذج الرياضي: تمت الإشارة إلى (SMPMSM)، والذي يتم تغذيته بواسطة عاكس مصدر الجهد الكهربائي (VSI) ويتم التحكم فيه عن طريق إستراتيجية (FOC) مع تعديل متجه الفضاء (SVM)، ولك حسب الشكل التالي (1)، وعند وضع افتراضات التبسيط المعروفة؛ فإنه يمكن التعبير عن النموذج الرياضي لمحرك (SMPMSM) من خلال مجموعة المعادلات التالية:

حيث أن:

(vd ،vq ،id ،iq): هي مكونات (d ،q) لجهد المحرك ونواقل الفضاء الحالية في الإطار المرجعي لتدفق الجزء المتحرك.

(R ،L): هما مقاومة الجزء الثابت والحث.

(ωr): هي سرعة المحرك.

(p): أزواج القطب العدد.

(ϕ): تدفق الجزء المتحرك.

(t): تشير الى الوقت.

• التحليل الثابت لنظام المحرك: بافتراض أن تعديل العاكس مثالي؛ فإن المعادلة التالية تسمح بالتحليل الوافي لمعرفة مكونات التيار و (iq) لأي قيمة للمكاسب (k1 ،k2 ،k3) لأجهزة الاستشعار الحالية، وذلك مع مراعاة مكاسب وحدات تحكم (PI)، كما وتجدر الإشارة إلى أنه على الرغم من وجود كتلة الفصل في حلقة التحكم؛ فإن معادلتين النظام لم تعد مفصولة عند حدوث خطأ في كسب واحد أو أكثر من مستشعرات الطور الحالية.

ولتحديد حل الحالة المستقرة للنظام (15) في شكل تحليلي مغلق؛ فإنه يمكن استخدام طريقة المعاملات غير المحددة، وبالتالي حل الحالة المستقرة له الشكل التالي:

كذلك مع:

نموذج المصادقة الرقمية المرتبطة بأجهزة استشعار تيار المحرك

من أجل التحقق من صحة النموذج المقترح، تم إجراء تحليل رقمي منصل على محرك (SMPMSM) من علامة الاختبار العملي (1)، كما يتم تغذية المحرك بواسطة (VSI) مع (SVM)، كما ويتم التحكم فيه عن طريق استراتيجية (FOC) وفقاً لمخطط الشكل التالي (1)، بحيث تم تنفيذ محاكاة في (Matlab® Simulink) وتتضمن نموذج محاور (d -q) لـ (SMPMSM) وحلقة التحكم (FOC) ومستويين (VSI) وقياس تيارات الطور مع إمكانية حقن أخطاء كسب تيار الطور.

أيضاً تم النظر في كل من التعديل المثالي و (SVM)، وعلى وجه الخصوص تم تنفيذ نموذج واقعي لعاكس (SVM)، كذلك مع الأخذ في الاعتبار التعديل المتماثل والتأخير الزمني بسبب الاستحواذ وخطأ التكمية بسبب التقدير البالغ (8) بت لوحدة التشكيل، أيضاً تم تنفيذ جميع عمليات المحاكاة باستخدام حجم خطوة أقصى يساوي (100) ميكروثانية.

وفيما يتعلق باختيار (n) للمحرك (1) يوضح الشكل التالي (4) الحد الأقصى للأخطاء (ed ،n ،eq ،n) المحددة بواسطة المعادلة التالية، وكدالة لـ (n) لقيم مختلفة للسرعة والمكاسب الحالية، وعلى وجه الخصوص الشكل يوضح الشكل (2) الأخطاء في حالة الكسب الصفري لمستشعر واحد، بينما يوضح الشكل (2، 3) والشكل (4) تتعلق بحالة الاختزال والزيادة بنسبة (50٪) من كسب مستشعر واحد على التوالي.

التحقق التجريبي من خوارزمية FDIE المقترحة

تم إجراء التحقق من صحة خوارزمية (FDIE) المقترحة عن طريق مقعد اختبار تجريبي، وعلى وجه الخصوص تم إجراء اختبارات تجريبية على (SMPMSM) ذات ثلاث مراحل بمقدار (1.23) كيلو وات تم تصنيعها بواسطة تقنيات التحكم (UNIMOTOR) (الطراز: 95UMB300CACAA)، والتي ترد معلماتها في علامة التبويب الأول، كما تم اعتماد (VSI) ثنائي المستوى من ثلاث مراحل على أساس (Mitsubishi PM100DSA120IPMs) لقيادة (SMPMSM).

أيضاً يتم توفير الحمل بواسطة مقياس دينامومتر التخلفية (MAGTROL)، موديل (HD-715-8NA)، كما يتم محاكاة القصور الذاتي للحمل من خلال الاقتران بين مقياس القوة والحدافة، بحيث يتم تشغيل المحرك باستخدام التحكم في عزم الدوران ذي الحلقة المغلقة بناءً على إستراتيجية (FOC)، ووفقاً لمخطط الشكل السابق (1).

وأخيراً في هذا البحث، تم تطوير نموذج رياضي لمحرك (SMPMSM) مع تحكم موجه ميدانياً، وهو قادر على تحديد التيارات الحركية ذات الحالة المستقرة بشكل تحليلي مغلق، وذلك مع الأخذ في الاعتبار تأثيرات كل من منظمات التحكم الحالية والتيار الكهربائي، كذلك أجهزة الاستشعار تكتسب الأعطال، كما تم التحقق من صحة النموذج من خلال مقارنة نتائجه مع تلك التي تم الحصول عليها عن طريق محاكاة (Matlab® Simulink) كاملة للمحرك.

وبدءاً من هذا النموذج؛ تم تنفيذ خوارزمية لا تسمح فقط باكتشاف وعزل المستشعرات الحالية المتأثرة بخطأ الكسب، ولكن أيضاً لتقدير قيم الكسب بدءاً من القيم المقاسة لتيارات الطور والمحرك السرعة، وعن طريق حساب تكلفة حسابية منخفضة، كما تم إجراء تحليل للحساسية لتغيرات المعلمات؛ فإنه يؤكد التوافق الجيد بين النتائج العددية والتجريبية على صحة خوارزمية (FDIE) المقترحة، والتي تسمح باكتشاف وعزل وتقدير قيم اكتساب أجهزة الاستشعار الحالية بتقريب جيد جداً.