一种基于萤火虫优化的感应电机转速估计方法与流程

1.本发明涉及感应电机参数估算技术领域，具体涉及一种基于萤火虫优化的感应电机转速估计方法。


背景技术：

2.在感应电机的状态监测、故障检测和诊断过程中，电机转速是非常重要和有用的参数之一。目前，感应电机转速可以通过有速度传感器技术和无速度传感器技术来获取，前者通过在转子上同轴安装速度传感器，获取转速精度高，但也限制了其在很多场合的使用，因此无速度传感器技术越来越受到重视。所述无速度传感器技术指的是在不安装速度传感器的情况下，通过当前获取的参数对电机转速进行估算的技术。
3.当前存在多种电机转速估算技术，其中有一种在定子电流中使用转子槽谐波(rotor slot harmonics，rsh)的技术，该方案使用空间向量角波动(svanf)，允许其作为实时系统的一部分包含在内。该算法对四极电机提供了良好的结果，但由于其他频谱分量的干扰，未能为双极电机提供有用的速度估计。
4.使用快速正交搜索(fos)替代频谱技术，这项技术提供了良好的性能，但需要高频载波信号施加在电机电流上，这在直接在线(dol)应用中是不可能的。除了使用电机电流来估计电机转速外，还曾尝试使用电机电源电压来估计转速，使用定子中性点电压技术，这会消除电源谐波，在与速度相关的谐波检测方面具有更有利的信噪比，但是这种技术只能应用于星形连接的感应电机，并且需要可以访问中性点。


技术实现要素：

5.本发明目的是提供一种基于萤火虫优化的感应电机转速估计方法，用于直接驱动电机的转速估算，无需使用变速驱动器，减少计算复杂程度，为电机状态监测、故障检测和诊断提供准确可靠的参数。
6.为解决上述的技术问题，本发明采用以下技术方案：一种基于萤火虫优化的感应电机转速估计方法，其特征在于包括以下步骤：
7.s1:获取电机定子时长为5s的电流信号，执行fft获得电流频谱图，通过电流频谱图估计供电频率；
8.s2:获取电机铭牌信息，包括感应电机的额定功率、额定电压、额定电流和额定转速；利用额定速度和同步速度之间的速度和转矩之间的近似线性关系，根据铭牌参数和感应电机在其工作期间参数，通过线性插值来估算转速；
9.s3：进入一个估计转子条数的循环，在循环中潜在的转子条数的初始范围是从10条到80条；
10.s4:根据供电频率的整数倍，找出电源谐波和峰值，得出电源谐波列表；根据电源谐波列表查找峰值对应的频率值；当峰值对应的是电源谐波时，将其舍弃；否则，存储至下一阶段；
11.s5:确定步骤s4中存储下来的峰值的数量、频率值；
12.s6：通过峰值的数量和频率值对转子条数进行估算，根据转子条数、转子条通过频率，通过频域信号来估计电机转速，将其与步骤s2中估算的转速进行比较，确定估算的转速是否有效；由容受误差控制参数决定两者容受误差是否过大，如果过大，估算转速无效，否则，转速有效，作为估算结果保存。
13.更进一步的，所述步骤s3估计转子条数的循环具体流程如下：
14.s3
‑
1.对于循环中的每一个转子条数，估计转子条谐波，在进行预测转子条谐波过程中产生频率间隔，确定转子条谐波内的峰值；然后记录这个峰值的大小和频率值；
15.s3
‑
2.将搜索限制在这些谐波值内，允许进行转子条数估计，将转子条谐波设置为1，将转子偏心谐波设置为0，并将定子磁动势谐波数限制在低值；
16.s3
‑
3.定子磁动势谐波数由转子谐波数参数确定，由萤火虫优化算法在算开发过程中离线定制；所得到的转子条通过频率方程由下式给出
[0017][0018]
其中，f
har
为转子条通过频率，f0为供电频率，n为转子条的数量；p是极对的数量，n
ws
为定子磁动势谐波数，n
ws
取值是奇数，s0是滑差。
[0019]
更进一步的，所述步骤s6中电机转速的估计步骤如下：
[0020]
s6
‑
1.将每个转子条通过频率峰值添加到数组中，并按大小排序，得到最大峰值的频率峰值；
[0021]
s6
‑
2.将频率峰值先进行排队分析，按照从高到低的次序通过该频率峰值组成的数组，使用每个条数和转子条通过频率来计算速度，计算方法由下式给出
[0022][0023]
其中，f
har
为转子条通过频率，f0为供电频率，n为转子条的数量；p是极对的数量，n
ws
为定子磁动势谐波数，n
ws
取值是奇数，s0是滑差，s0＝
[0024]
s6
‑
3.将该速度与步骤s2中估算的转速进行比较，确定估算的转速是否有效；由容受误差控制参数决定两者容受误差是否过大，如果两者差的绝对值大于10转/分钟，则认为误差过大，估算转速无效，否则，转速有效，作为估算结果保存；则无效转速对应的频率分量非转子条通过频率，作丢弃处理。
[0025]
与现有技术相比，本发明的有益效果是：使用萤火虫优化算法控制参数，并包含基于线性插值速度估计的二次校正，提高精度和鲁棒性，为电机状态监测、故障检测和诊断提供准确可靠的参数。本发明的速度估计算法与电机机电参数无关，不需要使用变速驱动器，该算法通过估计转子条数来实现，进而通过转子条通过频率检测来确定转速，该算法对有各种故障运行的电机具有鲁棒性。
附图说明
[0026]
图1为感应电机线电流频谱谐波率谱密度图。
[0027]
图2为本发明中转子条数估计算法的流程图。
[0028]
图3为本发明在电机m1、m2、m3估算转速与实测转速的示意图。
[0029]
图4为在独立测试电机m4上的速度估计结果与实测转速的示意图。
具体实施方式
[0030]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对发明进行进一步详细说明。
[0031]
一种基于萤火虫优化的感应电机转速估计方法，具体实施步骤为：
[0032]
s1:获取电机定子时长为5s的电流信号，执行fft获得电流频谱图，通过电流频谱图估计供电频率。
[0033]
s2:获取电机铭牌信息，包括感应电机的额定功率、额定电压、额定电流和额定转速；利用额定速度和同步速度之间的速度和转矩之间的近似线性关系，根据铭牌参数和感应电机在其工作期间参数，通过线性插值来估算转速。
[0034]
s3：进入一个估计转子条数的循环，在循环中潜在的转子条数的初始范围是从10条到80条，这些数字是根据文献搜索中发现的典型转子条数来选择的。
[0035]
具体步骤为：
[0036]
s3
‑
1.对于循环中的每一个转子条数，估计转子条谐波，在进行预测转子条谐波过程中产生频率间隔，确定转子条谐波内的峰值；然后记录这个峰值的大小和频率值。
[0037]
s3
‑
2.将搜索限制在这些谐波值内，允许进行条数估计，将转子条谐波设置为1，将转子偏心谐波设置为0，并将定子磁动势谐波数限制在低值，将计算公式进行简化。
[0038]
s3
‑
3.定子磁动势谐波数由转子谐波数参数确定，由萤火虫优化算法在算开发过程中离线定制；所得到的转子条通过频率方程由下式给出
[0039][0040]
其中，f
har
为转子条通过频率，f0为供电频率，n为转子条的数量；p是极对的数量，n
ws
为定子磁动势谐波数，它的取值为1,3,5，
…
，n
ws
取值是奇数，s0是滑差，
[0041]
s4:根据供电频率的整数倍，找出电源谐波和峰值，得出电源谐波列表；根据电源谐波列表查找峰值对应的频率值；当峰值对应的是电源谐波时，将其舍弃；否则，存储至下一阶段。
[0042]
s5:确定步骤s4中存储下来的峰值的数量、频率值。
[0043]
s6：通过峰值的数量和频率值对转子条数进行估算，根据转子条数、转子条通过频率，通过频域信号来估计电机转速，将其与步骤s2中估算的转速进行比较，确定估算的转速是否有效；由容受误差(te)控制参数决定两者容受误差是否过大，如果过大，估算转速无效，否则，转速有效，作为估算结果保存。具体步骤为：
[0044]
s6
‑
1.将每个转子条通过频率峰值添加到数组中，并按大小排序，得到最大峰值的频率峰值；
[0045]
s6
‑
2.将频率峰值先进行排队分析，按照从高到低的次序通过该频率峰值组成的数组，使用每个条数和转子条通过频率来计算速度，计算方法由下式给出：
[0046][0047]
其中，f
har
为谐波频率(谐波频率是转子条通过频率)，f0为供电频率，n为转子条的数量；p是极对的数量，n
ws
为定子磁动势谐波数，它的值为零1,3,5，
…
，n
ws
取值是奇数，s0是滑差，
[0048]
s6
‑
3.将该速度与步骤s2中估算的转速进行比较，确定估算的转速是否有效；由容受误差(te)控制参数决定两者容受误差是否过大，如果过大，估算转速无效，否则，转速有效，作为估算结果保存；则无效转速对应的频率分量非转子条通过频率，作丢弃处理。
[0049]
与其他基于频谱的速度估计方法相比，使用这种方法的优点是，该算法包括可调谐的算法控制参数(ww、hn和te)。其中，rbpf搜索窗口的宽度(单位为hz)是一个参数，在开发过程中通过基于萤火虫优化算法的配置设置为最佳性能，此参数称为窗口宽度(ww)，这些参数可以根据经验数据进行调整，以提高算法在不同条件下表现良好的能力。
[0050]
算法开发的第一阶段包括配置速度估计算法的控制参数。这些参数可以调整算法的行为，需要仔细设置，以获得最佳的性能。算法控制参数如下：ww、hn和te。软件定义用于搜索每个rbpf估计的频带宽度。hn定义了速度估计过程中所包含的定子mmf谐波的数量，其中谐波为[1、
‑
1、3、
‑
3、5、
‑
5,
…
]。例如，如果hn设置为4，则在速度估计过程中将使用定子mmf谐波
‑
1、1、3和
‑
3。最后，误差公差定义了频谱速度估计与线性插值估计的距离才能被接受为有效。误差公差以每分钟的转速来测量。
[0051]
为了设定这些参数，进行了三个不同的电机在不同的负载条件下运行(60％、70％、80％、90％、90％和100％额定负载)。在这些条件下记录速度数据，然后用于测试速度估计算法的性能。
[0052]
采用萤火虫优化算法测试这三个控制参数的各种组合。驱动萤火虫优化算法优化器的目标函数返回一个等于所有电机和负载条件的估计和实际转子条数之间的误差总和的值由下式给出
[0053][0054]
其中e为总转子条预测误差，i为电机id号(1，
…
,n)，j为加载条件(1，
…
,m)，r
ij
为转子条数，为估计转子条数。
[0055]
通过最小化该误差函数，优化了算法的控制参数(ww、hn和te)，以正确估计转子条数，从而得到准确的速度估计。
[0056]
用于验证和测试算法的实验数据使用基于labview的采集系统采集，采样率为5khz，测量周期为5s。使用三相线电流和电压传感器盒(额定值为32a)检测三相线电流和电压，包括电压和电流互感器。传感器盒输出与电压/电流信号成正比的
±
10v信号，然后通过ni6251数据采集(daq)卡输入到连接到测量pc的国家仪器公司scb68端子块。这些信号没有经过滤波，但在使用matlab的fft例行程序转换为频域之前，已经经过了窗口处理(汉宁窗口)。在分析中只考虑了高达2.5khz的频率。
[0057]
算法开发的第一阶段包括配置速度估计算法的控制参数。这些参数可以调整算法的性能，因此需要仔细设置。算法控制参数如下：ww、hn和te。软件定义用于搜索每个rbpf估
计值的频带的赫兹宽度。hn定义了速度估计过程中所包含的定子mmf谐波的数量，其中谐波为[1、
‑
1、3、
‑
3、5、
‑
5,
…
]。最后，误差公差定义了频谱速度估计与线性插值估计的距离才能被接受为有效。误差公差以每分钟的转速来测量。
[0058]
为了设定这些参数，进行了三个不同的电机在不同的负载条件下运行(60％、70％、80％、90％、90％和100％额定负载)。在这些条件下记录速度数据，然后用于测试速度估计算法的性能。该算法开发阶段使用的电机详见表1。
[0059]
表1算法开发(m1
‑
m3)和测试(m4)所用电机的详情
[0060][0061]
采用萤火虫优化算法测试这三个控制参数的各种组合。驱动萤火虫优化器的目标函数返回一个等于所有电机和负载条件的估计和实际转子条数之间的误差总和的值，如下式所示
[0062][0063]
其中e为总转子条预测误差，i为电机id号(1，
…
,n)，j为加载条件(1，
…
,m)，r
ij
为转子条数，为估计转子条数。
[0064]
通过最小化该误差函数，优化了算法的控制参数(ww、hn和te)，以正确估计转子条数，从而得到准确的速度估计,该过程的结果见表2。
[0065]
表2优化前后的算法控制参数
[0066][0067]
图3展示了在60％额定负载到100％额定负载转矩的负荷范围内开发该算法的三个电机的速度估计器的性能。由图可知，该算法在整个测试集中性能良好。
[0068]
第四台电机被用来验证该算法，使用独立电机m4的转速估计结果如图4所示。在这种情况下，速度估计显示出良好的精度。