ann development for bldc prognostic
TRANSCRIPT
Progetto di Reti Neurali Artificialiper la prognostica di eccentricità rotorica e
corto circuito in un motore BLDC
Relatori:Prof. Paolo MaggioreDott. Matteo Davide Lorenzo Dalla Vedova
Candidato:Davide De FanoAprile
2016
Obiettivi
2
Artificial Neural Networks• EARLY FAULT-DETECTION• EFFETTI NON CRITICI• PERFORMANCE INVARIATE
• SENSORS REDUCTION• RUMORE ELETTRICO• DISPONIBILITA' LIMITATA
• REAL-TIME TARGET• RIDUZIONE CAMPIONE• POST-PROCESSING LIMITATO
/17
• APPROCCIO PROBABILISTICO
• CLASSIFICAZIONE CAMPIONI
• ESTRAZIONE CARATTERISTICHE
3
EMAANN
Analisi Risultati
• SIMULAZIONE• CAMPIONAMENTO
• DESIGN• TRAINING
VARIAZIONEPARAMETRI
SC - UNB
Metodologia
• IMPLEMENTAZIONE• SIMULAZIONE RETE
/17
4
Modello EMASCOPES
Discrete,Ts = DT s.
<ThM_elettrico, ThM_geometrico>DThM
DThU
Com
Analyses&
Graphs
TRBLDC Motor Controller
Model
BLDC Motor Dynamic
ModelBLDC Motor
ElectroMecc. Model TM
DThMDThM
ThE
ThU
ThU
Iref
TrM
BLDC ELECTRICAL MODEL
1TM
ei_n
BACK EMF NORM
ec
eb
ea
Duty Cycle
ea
eb
ec
Ia
Ib
Ic
Inverter & Windings
Ia
Ic
Ib
Ia
Ib
Ic
Ka
Kb
Kc
TM
Torque Computing Back EMF - Phase C
Back EMF - Phase A
Back EMF - Phase B
2DThM
1I_ref
3ThE
Ia
Ib
Ic
I_ref
ThE
Duty Cycle
HYSTERESISPILOTING
Ka
Kb
Kc
ea
eb
ec
/17
• ALTERAZIONE fcem
• 2 PAIA POLI – 12 AVVOLGIMENTI
• PILOTAGGIO ONDA QUADRA
• TRASMISSIONE RIGIDA
• Δt=10-6s - EULERO
SIMULAZIONE GUASTI
CARATTERISTICHE EMA
• VARIAZIONE CARICHIOHMICO-INDUTTIVI
5
Corto circuito - elettronica
𝑅 h𝑝 =𝑅0 ∙𝑁 h𝑝
𝐿 h𝑝 =𝐿02∙𝑁 h𝑝
2
0 ,75≤𝑵 𝒑𝒉≤1FATTORE INTEGRITA’ FASE
/17
• CORTO CIRCUITO PARZIALE• SINGOLA FASE INTERESSATA DAL GUASTO
RIDUZIONEINDUTTANZA
RIDUZIONERESISTENZA
VARIAZIONE CARICO INDOTTO
Hp
6
Corto circuito – fcem
𝐾 h𝑝 =𝐾 (𝜃𝑒 ) ∙𝑁 h𝑝
/17
𝑓𝑐𝑒𝑚=𝑁 𝑑Φ𝑑𝑡
NSPIRE
𝑓𝑐𝑒𝑚=Φ∙𝜔 ∙𝐾 h𝑝 DIMINUZIONECARICO INDOTTO
RIDUZIONE COPPIA(A CORRENTE COSTANTE)
𝑇 h𝑝 =Φ∙𝑖 h𝑝 ∙𝐾 h𝑝
MAGNETIPERMANENTI Φ=𝑐𝑜𝑠𝑡
7
Eccentricità rotorica (ζ)
ASSE ROTORE ≡ ASSE DI ROTAZIONE
𝐾 h𝑝 =𝐾 (𝜃𝑒 ) ∙𝑁 h𝑝 ∙ (1+𝜁 𝑐𝑜𝑠 (𝜃𝑒+𝜑 h𝑝 ) )
𝜁=𝑥0𝑔0
ASSENZA VIBRAZIONI CENTRIFUGHE
TRAFERRO COSTANTE NEL TEMPO
𝑔0=𝑟 𝑠−𝑟 𝑟
𝒈=𝒈 (𝜽 )
/17
ECCENTRICITA' STATICA
𝑔 (𝜃 )=𝑔0 (1+𝜁 cos (𝜃 ) )
ALBERO INFINITAMENTE RIGIDOHp
Hp
Hp DIREZIONE SCOSTAMENTO FISSATA 𝜽=𝟎 °𝜃𝑒=2𝜃𝑚𝑜𝑑 (360 )
𝜑 h𝑝 ={ 0 °120 °240 °
≡ ASSE STATORE
8
Simulazione e campionamento
𝑋𝑅𝑀𝑆=√∑1=112
( 𝑋 30 ,𝑖
𝑋 360−1)
2
12
𝑋 30 ,𝑖=∫𝜃 𝑖
𝜃𝑖+30
𝑋 (𝜃)𝑑𝜃
30
𝑋 360=∑𝑖=1
12
𝑋 30 ,𝑖
12
/ Ref,Max0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
T/T M
M
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4BLDC Limited envelope
IRef,Max
LimitedSimulations
ωMIRef
1≤𝑖≤12
• VELOCITÀ COMANDATA• COPPIA RESISTENTE• GUASTO
INPUT DATA
OUTPUT ELABORAZIONENORMALIZZAZIONE
/17
𝜔𝜔𝑅𝑒𝑓 ,𝑀𝑎𝑥𝑇𝑇𝑀𝑎𝑥𝑁 h𝑝 −𝜁
VELOCITA'
CORRENTE DIRIFERIMENTO VALORI MEDI
(30°)
VALORE MEDIOSUL GIRO
VALORE EFFICACENORMALIZZATO
CONTROLLORE NON SATURATOHp
Analisi Output
𝑋=[ 𝜔360
𝐼 360𝜔𝑅𝑀𝑆
𝐼𝑅𝑀𝑆]
SENSIBILITA’
PERIODICITA’
TMM
360° - ROTAZIONE
30° - ARCO AVVOLGIMENTO
ω
ζ - NPH
PUNTO DI LAVORO
9/17
OSCILLAZIONI CARATTERISTICHE
180° - SEQUENZA ELETTRICA
• VELOCITA’• CORRENTE DI RIFERIMENTO
MISURA OSCILLAZIONE
10
Pattern Recognition ANN
[ 𝜔360
𝐼 360𝜔𝑅𝑀𝑆
𝐼𝑅𝑀𝑆]
• FUNZIONE CONTINUA• LIMITATA (-1;+1)• ATTENUAZIONE VALORI ESTREMI
• FUNZIONE LOGISTICA GENERALIZZATA• NORMALIZZAZIONE INPUT• CLASSIFICAZIONE CATEGORICA
𝜎 (𝑥 )𝑖=𝑒𝑥 𝑖
∑𝑘=1
𝑁
𝑒𝑥𝑘
𝑎 (𝑥 )=𝑒𝑥−𝑒−𝑥
𝑒𝑥+𝑒−𝑥
/17
TANSIG
SOFTMAX
11
Apprendimento ANN
AGGIORNAMENTOPESI TARGETVALUTAZIONE
ERRORE𝑇 𝑖=[𝑥1⋮𝑥𝑐 ]
[ 𝜔360
𝐼 360𝜔𝑅𝑀𝑆
𝐼𝑅𝑀𝑆]
INPUT
• METODO ITERATIVO
𝑥𝑐={10
𝑁 h𝑝 8×1= [100 ⋯ 75 ]%𝜁 11×1=[0 ⋯ 10 ]%
/17
ENTITA' DISCRETIZZAZIONE
𝑖𝜁= [1 ⋯ 11 ]𝑖𝑁=[1 ⋯ 8 ]
CLASSE
𝒊𝜻=𝒄
FUNZIONE ERRORE (cross-entropy)
ALGORITMO GRADIENTE (scg – 2° ordine)
INIZIALIZZAZIONE PESI (random)
SEQUENZA INPUT (random)
CRITERIO ARRESTO ()
RISULTATONON UNIVOCO
• RICERCA MINIMO
12
Analisi risultatiCORTO CIRCUITO
ECCENTRICITA’
FALSINEGATIVI
CONFUSIONE
ACCURATEZZA
/17
ERROREDISTRIBUITO
ERRORECONCENTRATO
13
Distinzione tipologia di guasto
𝑋 𝑟𝑒𝑣=[𝑋 30 ,1
𝑋 360−1
⋮𝑋 30 ,12
𝑋 360−1]
12× 1
𝑋=[𝜔𝑟𝑒𝑣12×1
𝐼𝑟𝑒𝑣12×1𝜔360
𝐼 360]26×1
INPUT
/17SUDDIVISIONE
INTERVALLI
CAMPIONAMENTOE ORDINAMENTO VALORI
NORMALIZZATIORDINATI
APPROSSIMAZIONEFORMA SEGNALE
ATTRAVERSO 12 PUNTI RAPPRESENTATIVI
𝜽→ 𝒊=𝟏 𝟏𝟐
𝑁 h𝑝 = [100 90 75 ]%𝜁= [0 5 15 ]%
COMBINAZIONISIMULATE
𝑇=[0 0 01 0.5 0.30 1 1
1 1 10.5 0 00 1 1
1 1 10.3 0 00 1 1]3×9 TARGET
• ATTENUAZIONE GUASTO INATTIVO• RICONOSCIMENTO CONDIZIONE "NORMALE"
• DIREZIONE ECCENTRICITA' FISSA• SINGOLA FASE DANNEGGIATAHp
𝑇 𝑖=[ 𝑆𝐶𝐼𝑁𝑇𝐸𝐶𝐶 ] CORTO CIRCUITO
ECCENTRICITA'
CLASSE DI INTERFERENZA
INTERFERENZA
9 CASI
14
Analisi risultatiDISTINZIONE
NORMALEFUNZIONAMENTO
CORTO CIRCUITOPREDOMINANTE
DISCRIMINAZIONETIPOLOGIA GUASTO
FALSI NEGATIVISPARSI
/17
15
Implementazione della rete
Enable
Z-11/12
2
clk
3
Iref
I O
UNB detect
I O
SC detect
1
Theta
IN
idx
Y30
Y_AVG
Y_RMS
Data pre-processing
IN
idx
Y30
Y_AVG
Y_RMS
Data pre-processing1
I O
Fail detect
clk verif
Acceleration check
Theta index
ACC_in
Multi_in
SC_in
UNB_in
Naming
1e5Gain
1s
U ~= U/z
I_ref
ThM Theta
clk
Iref
Prognostic_
U ~= U/z
• SOTTOSISTEMA "ENABLED"
• CLOCK ESTERNO
• FILTRO INTEGRALE
• FUNZIONAMENTO PARALLELO
• VERIFICA VELOCITA' MEDIA
• INTEGRALE dt dθ
/17
16
Output delle reti
TRANSITORIO INVALIDATO
FLUTTUAZIONE RESIDUA
INTERFERENZA DEGLI INPUT
/17
Es.:
t [s]0 0.05 0.1 0.15 0.2 0.25
M [r
pm]
0
100
200
Speed vs time
ω=25% T=5% NA=90%
17
Conclusioni
• RIDUZIONE COMPUTAZIONALE
• METODO RIADATTABILE
• INDIPENDENZA DALLE
MISURE ELETTRICHE
• DISCRIMINAZIONE FRA TIPI DI GUASTO
(NC, GUASTI SINGOLI E MULTIPLI)
• FASE DI CARATTERIZZAZIONE
DELL'ATTUATORE
• INEFFICACIA NEI TRANSITORI
• SPECIALIZZAZIONE DELLE RETI
OBIETTIVI RAGGIUNTI SVILUPPI FUTURI
/17
Domande