工業(yè)設備市場的許多企業(yè)都希望采用人工智能和機器學習技術幫助他們最大程度減少意外的服務中斷，防止其產(chǎn)品、產(chǎn)線和服務受到影響。這種想法的緣由顯而易見：減少意外停機時間能夠提升運營效率，實現(xiàn)效益最大化。市場分析公司Aberdeen在2016年發(fā)布的一份研究報告表明，企業(yè)停擺一小時的平均成本高達26萬美元1。OEM可以通過為工業(yè)系統(tǒng)增加測量和分析性能數(shù)據(jù)的智能功能，幫助客戶實施預測性維護（PDM）系統(tǒng)，從而識別和更換故障的系統(tǒng)組件（例如工業(yè)機器人中使用的電機），以免它們出現(xiàn)故障而中斷生產(chǎn)。

為了幫助工業(yè)設備OEM廠商在其產(chǎn)品中實現(xiàn)PDM功能，萊迪思半導體開發(fā)了用于工業(yè)自動化系統(tǒng)的萊迪思AutomateTM解決方案集合。萊迪思提供各類低功耗FPGA，作為一種可重新編程的芯片，它可執(zhí)行數(shù)據(jù)處理或協(xié)處理功能，構建用于PDM應用的AI/ML推理模型。為簡化和加快基于萊迪思FPGA的PDM系統(tǒng)的開發(fā)，Automate包括了軟件工具、工業(yè)IP核、模塊化硬件開發(fā)板、軟件可編程的參考設計和演示，輕松設計具有PDM功能、可擴展的多通道電機控制應用。圖1展示了基于萊迪思Automate 解決方案集合設計的具有預測性維護功能的電機控制系統(tǒng)。

圖1. 基于萊迪思Automate 解決方案集合設計的具有預測性維護功能的電機控制系統(tǒng)，可用于工業(yè)自動化應用

Automate包括了一個PDM多通道電機控制參考設計，采用了業(yè)界常見的電機電流信號分析（MCSA）技術。在萊迪思的解決方案中，克拉克變換將來自三相電機的電流轉(zhuǎn)換為兩個信號。轉(zhuǎn)換后的電流變成α電流和β電流。對于正常運行的健康電機來說，α電流和β電流相隔90度。在 x-y坐標系平面中，點的軌跡構成一個圓。在下文中，我們將展示電流或負載不平衡引起的各種軌跡圓的變形。

本文使用了在FPGA的RTL中實現(xiàn)的無傳感器空間矢量脈寬調(diào)制（SV_PWM）技術來驅(qū)動一個三相無刷直流（BLDC）電機。SV_PWM控制信號驅(qū)動Trenz TEP0002電機驅(qū)動板，該開發(fā)板實現(xiàn)了霍爾電流傳感器，并連接電機以檢測電機繞組電流。板載ADC將霍爾電流傳感器的輸出數(shù)字化，因此該參考設計可以讀取和控制用于電機控制和PDM的 ADC。電流以每秒0.8 MS/s的速率進行采樣。

使用克拉克變換（方程 1）將三相（A、B和C）電流（圖 2）轉(zhuǎn)化為α電流和β電流，如圖3所示。

圖3. 克拉克變換的輸出Iα and Iβ

觀察Iα和Iβ可以發(fā)現(xiàn)它們類似于cos和sin函數(shù)。事實上，當它們在x-y坐標平面上繪制函數(shù)圖像時，結(jié)果就是一個圓（圖 4）。

?

?

該參考設計可以對固定的軸旋轉(zhuǎn)次數(shù)采集電機繞組電流快照（默認為50轉(zhuǎn)的快照）或用戶選擇更長時間段內(nèi)的繞組電流快照。在應用克拉克變換之前，電機電流的信號處理包括峰值檢測和歸一化以及移動平均濾波器。這種自適應的功能適用于各類電機和各種功耗級別的PDM。

萊迪思Automate解決方案集合的PDM解決方案包括了一種專有算法，該算法將圓的數(shù)據(jù)（如圖6所示）折疊為一個具有更高特征集中度的較小的數(shù)據(jù)集，之后才使用PDM AI引擎對其進行處理。PDM AI引擎已經(jīng)使用包括正常的和不正常的電機數(shù)據(jù)在內(nèi)的10000多個模型進行了訓練。

不正常的電機數(shù)據(jù)類型1——繞組電流較高

該類數(shù)據(jù)集代表了由于電機繞組過熱或燒毀造成的早期電機故障。通常情況下，由于制造公差或電機驅(qū)動器故障，一個繞組會先于其他兩個繞組發(fā)生故障。將電阻分別與兩個“正常的”繞組串聯(lián)，可以很好地模擬這種故障模式。圖5顯示了模擬繞組A中“短路”的情況。圖6展示了這種情況下產(chǎn)生的折疊圖像和原始圖像。該圓已變形為長軸在x軸上的橢圓。表1總結(jié)了三個電機繞組高電流導致的變形。

圖5. 電機繞組A的高電流

圖6. 繞組A電流較高情況下電機的PDM圖像（Bad_Robot_D.jpg）

表1. 電機繞組短路時的PDM圖像總結(jié)

不正常的電機數(shù)據(jù)類型2——繞組電流較低

有幾種情況會導致單個繞組電流過低。例如，大功率電機中的連接部分可能會被腐蝕或有松動，從而導致在電流到達電機繞組之前I-R電壓下降。此外，其中兩個繞組可能會先于第三個繞組出現(xiàn)故障，或者電機驅(qū)動在其中一相變?nèi)?。同樣，我們可以將一個電阻與“不正常的”電機繞組串聯(lián)來模擬這種故障，如圖7所示。圖8表明圓發(fā)生變形，變?yōu)殚L軸在135度的橢圓。表2總結(jié)了三個電機繞組低電流導致的變形。

圖7. 電機繞組B阻抗增大

圖8. 繞組B電流較低情況下電機的PDM圖像（Bad_Robot_B.jpg）

表2. 電機繞組低電流下的PDM圖像總結(jié)

不正常的電機數(shù)據(jù)類型3——負載不平衡

第三類故障同樣使用MCSA來檢測電機上機械負載的不平衡。出現(xiàn)負載不平衡時，轉(zhuǎn)動慣量不均勻并圍繞轉(zhuǎn)子軸擺動（類似于陀螺在倒地前的擺動）。當轉(zhuǎn)動慣量繞電機軸擺動時，繞組或多或少地會消耗更多與擺動同步而非與電機轉(zhuǎn)速同步的電流。為了模擬這種情況，可以將一個不平衡的慣性輪固定在電機軸上，并在電機達到運行速度后采集數(shù)據(jù)。圖9顯示了負載不平衡的電機的PDM圖像。電源管理有問題也可能導致相同類型的圖像。

圖9. 安裝了不平衡的慣性輪的電機PDM圖像

正常的電機數(shù)據(jù)——負載平衡電流平衡

那么正常電機的運行特征是如何呢？圖10展示了未連接任何電阻而是一個平衡的慣性輪的電機的PDM圖像。在60°、170°和290°（大約相隔120°）方向與完美的圓有一些細微的偏差。這是SV_PWM從一相轉(zhuǎn)換到下一相重疊的結(jié)果。

圖10. 電流和負載都平衡時的電機PDM圖像

結(jié)論

用于工業(yè)電機控制系統(tǒng)的預測性維護功能通過最大程度減少意外故障導致的系統(tǒng)停擺，極大降低了運營成本。萊迪思Automate 解決方案集合擁有快速輕松實現(xiàn)PDM所需的硬件和軟件工具，并使用行業(yè)標準的MCSA解決方案，為許多工業(yè)應用（包括機器人）中常用的BLDC電機保駕護航。