BLDC(無(wú)刷直流)電機(jī)是一種由直流電驅(qū)動(dòng)的高效電動(dòng)機(jī)。由于取消了機(jī)械刷結(jié)構(gòu)，BLDC電機(jī)相比傳統(tǒng)有刷電機(jī)具有更高的能效表現(xiàn)，廣受認(rèn)可。這提供了更高的可靠性、更長(zhǎng)的使用壽命以及幾乎無(wú)需維護(hù)的優(yōu)勢(shì)。然而，這些電機(jī)需要精確的控制算法來(lái)實(shí)現(xiàn)繞組之間的電流切換。

瑞薩電子在軟硬件精確控制算法領(lǐng)域處于行業(yè)領(lǐng)先地位，持續(xù)為客戶(hù)提供高性能、高可靠性的創(chuàng)新解決方案。驅(qū)動(dòng)這些BLDC電機(jī)有多種算法，例如矢量控制(磁場(chǎng)定向控制)、梯形控制等，可根據(jù)具體應(yīng)用和控制需求選擇是否使用傳感器或無(wú)傳感器方案。

在這篇博客中，我們重點(diǎn)介紹了如何使用無(wú)傳感器方法檢測(cè)BLDC電機(jī)的啟動(dòng)異常。

圖1：無(wú)傳感器BLDC電機(jī)設(shè)置概述

為何在磁場(chǎng)定向控制中采用無(wú)傳感器方案?

使用無(wú)傳感器方法有幾個(gè)優(yōu)點(diǎn)。首先，通過(guò)減少與傳感器相關(guān)的機(jī)械復(fù)雜性，我們延長(zhǎng)了電機(jī)的使用壽命;其次，避免了額外的傳感器維護(hù)成本;最后，有效降低了物料清單(BOM)成本。然而，當(dāng)涉及到電機(jī)啟動(dòng)和低速精度時(shí)，這些優(yōu)勢(shì)是有代價(jià)的。因此，我們決定通過(guò)訓(xùn)練一個(gè)可以檢測(cè)與電機(jī)啟動(dòng)相關(guān)的任何異常的AI模型來(lái)改進(jìn)BLDC電機(jī)的啟動(dòng)。

如何檢測(cè)BLDC電機(jī)的啟動(dòng)異常?

使用AI模型解決與包含兩個(gè)電機(jī)的電機(jī)臺(tái)架的BLDC電機(jī)啟動(dòng)序列問(wèn)題相關(guān)的異常。第一個(gè)電機(jī)用于制造啟動(dòng)異常，而另一個(gè)電機(jī)僅充當(dāng)負(fù)載。這個(gè)電機(jī)臺(tái)的美妙之處在于它能夠?qū)崟r(shí)改變施加到電機(jī)上的負(fù)載。每個(gè)電機(jī)都通過(guò)瑞薩電子RA6T2電機(jī)控制套件(MCK-RA6T2)進(jìn)行控制。MCK-RA6T2由MCB-RA6T2 CPU單元和MCI-LV-1低壓逆變器組成。設(shè)置如下所示：

圖2：設(shè)置概述

電機(jī)測(cè)試平臺(tái)通過(guò)本地PC上的圖形用戶(hù)界面(GUI)進(jìn)行控制，并連接至MCK-RA6T2開(kāi)發(fā)板。當(dāng)電機(jī)參數(shù)設(shè)置不正確時(shí)，電機(jī)會(huì)嘗試啟動(dòng)，但如果連接了負(fù)載，則可能會(huì)發(fā)生停轉(zhuǎn)現(xiàn)象。然而，在這種情況下，圖形用戶(hù)界面(GUI)并未顯示電機(jī)已停止，反而接收到電機(jī)始終在運(yùn)行的反饋信息。

可以訓(xùn)練AI模型來(lái)檢測(cè)電機(jī)啟動(dòng)的模式并檢測(cè)任何異常。首先，我們從電機(jī)收集一個(gè)數(shù)據(jù)集，其中包括由逆變器測(cè)量的電流和電壓。一旦AI模型經(jīng)過(guò)充分訓(xùn)練，它就能識(shí)別電機(jī)電流中的不同模式，并提供關(guān)于當(dāng)前電機(jī)啟動(dòng)的準(zhǔn)確信息。這將使圖形用戶(hù)界面能夠準(zhǔn)確地顯示電機(jī)啟動(dòng)狀態(tài)的結(jié)果。

AI模型開(kāi)發(fā)

瑞薩電子AI卓越中心(COE)團(tuán)隊(duì)開(kāi)發(fā)了一種AI模型來(lái)檢測(cè)異常情況。我們使用上述電機(jī)臺(tái)架通過(guò)修改啟動(dòng)參數(shù)來(lái)模擬這種異常，如果用戶(hù)不知道構(gòu)建成功啟動(dòng)序列的正確參數(shù)，就會(huì)發(fā)生這種情況。

為了開(kāi)發(fā)AI模型，我們從圖2中的電機(jī)工作臺(tái)中收集了一個(gè)數(shù)據(jù)集。該數(shù)據(jù)集描述了可能影響電機(jī)的兩種情況，第一種情況是電機(jī)連接到負(fù)載，而另一種是電機(jī)上沒(méi)有任何負(fù)載。

模型可以檢測(cè)到四種情況：

電機(jī)具有附加負(fù)載時(shí)的異常行為

電機(jī)無(wú)負(fù)載時(shí)的正常行為

電機(jī)無(wú)負(fù)載時(shí)的異常行為

所有這些情況都需要使用我們開(kāi)發(fā)的AI模型進(jìn)行評(píng)估和測(cè)試，以確保我們能夠檢測(cè)到任何啟動(dòng)異常。我們?yōu)樯鲜雒糠N情況收集了一個(gè)數(shù)據(jù)集，并為它們都訓(xùn)練了一個(gè)AI模型。

數(shù)據(jù)集收集和AI模型訓(xùn)練

數(shù)據(jù)集是使用數(shù)據(jù)存儲(chǔ)工具收集的。該工具是集成到e2工作室中的Reality AI Utilities的一部分。它將從MCK-RA6T2捕獲數(shù)據(jù)，并將收集的數(shù)據(jù)直接上傳到瑞薩電子的Reality AI Tools。使用此云工具，可以針對(duì)瑞薩電子MCU訓(xùn)練和優(yōu)化AI模型，從而最大限度地減少RAM和閃存的占用空間。一旦模型經(jīng)過(guò)良好的訓(xùn)練，就會(huì)在獨(dú)立的數(shù)據(jù)集上進(jìn)行測(cè)試，以檢查模型的性能。如果模型的性能與訓(xùn)練結(jié)果相關(guān)，我們將模型部署在MCK-RA6T2上，并對(duì)電機(jī)本身進(jìn)行另一次測(cè)試。

圖3：Reality AI工具上的模型訓(xùn)練

模型的準(zhǔn)確性直接從字段中收集，導(dǎo)致模型的RAM消耗為576字節(jié)，F(xiàn)lash為4146字節(jié)。

通過(guò)使用邊緣人工智能并將該模型直接集成到我們的電機(jī)控制固件中，我們將能夠?qū)崟r(shí)檢測(cè)影響電機(jī)的啟動(dòng)異常。