单逆变器驱动双永磁同步电机断相容错控制策略

为保障单逆变器控制双表贴式永磁同步电机(surface-mountedpermanentmagnetsynchronousmotor,SPMSM)在发生断相故障后系统的安全可靠运行,该文提出一种单逆变器表贴式双永磁同步电机系统绕组断相故障容错控制策略。首先根据断相后的电机电压电流关系,设计一种用于单逆变器双永磁同步电机的绕组断相故障容错拓扑。在此基础上,为保证双永磁同步电机系统稳定运行,利用端口电压调整策略,满足双永磁同步电机的拓扑约束。仿真和实验结果表明,所提容错控制策略可确保单逆变器控制双电机系统在某一电机发生断相故障时仍然稳定运行。     

基于智能理论的高压断路器机械故障诊断

文中对高压断路器机械故障诊断方法进行了研究,通过监测高压断路器合闸操作振动信号,提出了一种基于小波分解和支持向量机(SVM)的机械故障智能诊断方法。首先利用小波分解对振动信号进行分解,然后提取出振动信号的低频和高频重构信号的能量并将其作为特征量,最后利用SVM实现高压断路器机械故障的分类。为了验证提出的方法,搭建了高压断路器机械故障诊断软硬件平台,并对现场的高压断路器进行了实验研究。实验结果表明,该方法能有效地完成高压断路器机械故障的诊断。     

子模块故障下基于变执行频率的MMC功率损耗优化控制

模块化多电平变流器(modular multilevel converter,MMC)因其高度模块化和低谐波失真而逐渐成为最适合大功率应用的拓扑之一。当子模块(submodule,SM)发生故障时,故障桥臂中SM电容电压和开关频率将升高,这会导致MMC故障桥臂的功率损耗不平衡,从而影响MMC的寿命。文中提出一种基于变执行频率的功率损耗优化控制(variable execution frequency-based power losses optimization control,VEF-PLOC),该控制通过调整电容电压平衡控制的执行频率来调节功率器件的开关损耗,从而优化故障桥臂中功率器件的损耗。提出的VEF-PLOC能够优化SM故障下故障桥臂功率损耗,从而有效地提高MMC的寿命。最后,在时域专业工具PSCAD/EMTDC上进行仿真,并在小型MMC样机上进行实验,仿真和实验结果皆验证了提出的VEF-PLOC的有效性。     

基于DSP的电磁调速电牵引采煤机

介绍电磁调速电牵引采煤机的调速工作原理、结构及牵引特性;同时针对电磁调速器的特点、DSP丰富的外设资源和高速运算能力来进行外围硬件电路的设计,提出了用TMS320F2812控制采煤机速度的方法,给出了控制器的硬件框图和外围电路和系统软件设计.     

开关磁阻电机在蓄电池电机车上的应用

针对目前矿用蓄电池电机车牵引动力的弊端,以四相8/6极开关磁阻电机(SRM)为研究对象,设计了一种基于TMS320F2812的蓄电池电机车SRM控制系统.介绍了SRM的原理和特点,并且设计了硬件电路.利用双闭环控制进行调速,并进行了实验.实验结果表明,SRM控制系统能使电机车运行可靠,节能效果明显.     

计及磁极排布与材料的磁齿轮成本效果分析

为了研究不同永磁材料对磁齿轮的成本和转矩性能的影响,建立了表贴式和内嵌式两种磁性齿轮的二维模型。通过有限元仿真,得到了不同材料下两种磁齿轮的气隙磁密和稳态转矩;从剩磁、矫顽力、居里温度和价格方面讨论了4种永磁材料的基本特征,利用成本效果分析法得到了不同材料、不同结构下的磁齿轮成本效果指标。研究结果表明,采用稀土永磁材料的磁齿轮成本效果指标值要优于非稀土永磁材料,钕铁硼表贴式磁齿轮成本效果指标最好。     

表嵌式交替极永磁电机拓扑演化及气隙磁场调制效应研究

与传统表贴式永磁（SPM）电机相比,交替极永磁（CPM）电机部分磁极被转子铁心极替代,因此具有相对较高的永磁体利用率,且具有与SPM相媲美的转矩输出能力。该文对CPM电机拓扑演化规律进行分析,总结CPM电机不同永磁结构下的磁极特征。在此基础上,量化分析不同永磁结构下CPM电机气隙磁通密度调制谐波的转矩贡献,揭示不同永磁结构对CPM电机气隙磁场调制效应的影响规律。制作了一台CPM样机并进行了样机试验,验证了理论分析与仿真的可靠性。     

深度学习理论及其在电机故障诊断中的研究现状与展望

电机已经被广泛应用到人们生产生活的各个领域中,电机的故障不但会对电机本身会造成损害,甚至会引发经济损失、人员伤亡等各种问题。因此,将及时且高效的故障诊断技术应用于电机有着重要意义。相比较传统故障诊断技术而言,深度学习因其更强大更复杂的数据表达能力,已被应用于电机故障诊断领域,并取得了一定的研究成果。因此,介绍了深度置信网络(DBN)、自编码网络(AE)、卷积神经网络(CNN)和循环神经网络(RNN)这四类经典的深度学习模型,并总结了这四类模型在电机故障诊断中的应用。最后对深度学习在电机故障诊断领域中所面临的问题和挑战进行了总结和展望。