如何使用无传感器方法检测BLDC电机的启动异常-电子发烧友网

BLDC(无刷直流)电机是一种由直流电驱动的高效电动机。由于取消了机械刷结构，BLDC电机相比传统有刷电机具有更高的能效表现，广受认可。这提供了更高的可靠性、更长的使用寿命以及几乎无需维护的优势。然而，这些电机需要精确的控制算法来实现绕组之间的电流切换。

瑞萨电子在软硬件精确控制算法领域处于行业领先地位，持续为客户提供高性能、高可靠性的创新解决方案。驱动这些BLDC电机有多种算法，例如矢量控制(磁场定向控制)、梯形控制等，可根据具体应用和控制需求选择是否使用传感器或无传感器方案。

在这篇博客中，我们重点介绍了如何使用无传感器方法检测BLDC电机的启动异常。

图1：无传感器BLDC电机设置概述

为何在磁场定向控制中采用无传感器方案?

使用无传感器方法有几个优点。首先，通过减少与传感器相关的机械复杂性，我们延长了电机的使用寿命;其次，避免了额外的传感器维护成本;最后，有效降低了物料清单(BOM)成本。然而，当涉及到电机启动和低速精度时，这些优势是有代价的。因此，我们决定通过训练一个可以检测与电机启动相关的任何异常的AI模型来改进BLDC电机的启动。

如何检测BLDC电机的启动异常?

使用AI模型解决与包含两个电机的电机台架的BLDC电机启动序列问题相关的异常。第一个电机用于制造启动异常，而另一个电机仅充当负载。这个电机台的美妙之处在于它能够实时改变施加到电机上的负载。每个电机都通过瑞萨电子RA6T2电机控制套件(MCK-RA6T2)进行控制。MCK-RA6T2由MCB-RA6T2 CPU单元和MCI-LV-1低压逆变器组成。设置如下所示：

图2：设置概述

电机测试平台通过本地PC上的图形用户界面(GUI)进行控制，并连接至MCK-RA6T2开发板。当电机参数设置不正确时，电机会尝试启动，但如果连接了负载，则可能会发生停转现象。然而，在这种情况下，图形用户界面(GUI)并未显示电机已停止，反而接收到电机始终在运行的反馈信息。

可以训练AI模型来检测电机启动的模式并检测任何异常。首先，我们从电机收集一个数据集，其中包括由逆变器测量的电流和电压。一旦AI模型经过充分训练，它就能识别电机电流中的不同模式，并提供关于当前电机启动的准确信息。这将使图形用户界面能够准确地显示电机启动状态的结果。

AI模型开发

瑞萨电子AI卓越中心(COE)团队开发了一种AI模型来检测异常情况。我们使用上述电机台架通过修改启动参数来模拟这种异常，如果用户不知道构建成功启动序列的正确参数，就会发生这种情况。

为了开发AI模型，我们从图2中的电机工作台中收集了一个数据集。该数据集描述了可能影响电机的两种情况，第一种情况是电机连接到负载，而另一种是电机上没有任何负载。

模型可以检测到四种情况：

电机具有附加负载时的异常行为

电机无负载时的正常行为

电机无负载时的异常行为

所有这些情况都需要使用我们开发的AI模型进行评估和测试，以确保我们能够检测到任何启动异常。我们为上述每种情况收集了一个数据集，并为它们都训练了一个AI模型。

数据集收集和AI模型训练

数据集是使用数据存储工具收集的。该工具是集成到e2工作室中的Reality AI Utilities的一部分。它将从MCK-RA6T2捕获数据，并将收集的数据直接上传到瑞萨电子的Reality AI Tools。使用此云工具，可以针对瑞萨电子MCU训练和优化AI模型，从而最大限度地减少RAM和闪存的占用空间。一旦模型经过良好的训练，就会在独立的数据集上进行测试，以检查模型的性能。如果模型的性能与训练结果相关，我们将模型部署在MCK-RA6T2上，并对电机本身进行另一次测试。