Online Monitoring of Interturn Short Circuit Current in PMSMs

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F25%3APU154805" target="_blank" >RIV/00216305:26620/25:PU154805 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/10905190" target="_blank" >https://ieeexplore.ieee.org/document/10905190</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/IECON55916.2024.10905190" target="_blank" >10.1109/IECON55916.2024.10905190</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Online Monitoring of Interturn Short Circuit Current in PMSMs

Popis výsledku v původním jazyce

This paper extends the previously published parameter estimation-based approach to interturn short circuit diagnostics in permanent magnet synchronous motors by real-time monitoring of hidden machine states after fault occurrence. The designed monitoring method relies on an adaptive formulation of the Kalman filter, which assumes interdependence between measurement and process noise variables. A variable forgetting factor not only mitigates the impact of the process model uncertainty but also facilitates the simultaneous operation of the monitoring algorithm and fault indicator estimation. Furthermore, contributions of fault current and healthy machine model to stationary reference frame currents are estimated from an advanced discrete-time motor description reflecting a stator winding arrangement inside a motor's case. The monitoring algorithm is validated in steady state, torque load transient, and velocity transient laboratory experiments with diverse fault severity values.

Název v anglickém jazyce

Online Monitoring of Interturn Short Circuit Current in PMSMs

Popis výsledku anglicky

This paper extends the previously published parameter estimation-based approach to interturn short circuit diagnostics in permanent magnet synchronous motors by real-time monitoring of hidden machine states after fault occurrence. The designed monitoring method relies on an adaptive formulation of the Kalman filter, which assumes interdependence between measurement and process noise variables. A variable forgetting factor not only mitigates the impact of the process model uncertainty but also facilitates the simultaneous operation of the monitoring algorithm and fault indicator estimation. Furthermore, contributions of fault current and healthy machine model to stationary reference frame currents are estimated from an advanced discrete-time motor description reflecting a stator winding arrangement inside a motor's case. The monitoring algorithm is validated in steady state, torque load transient, and velocity transient laboratory experiments with diverse fault severity values.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

IECON 2024: 50th Annual Conference of the IEEE Industrial Electronics Society

ISBN

978-1-6654-6454-3

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

„“-„“

Název nakladatele

IEEE

Místo vydání

neuveden

Místo konání akce

Chicago

Datum konání akce

3. 11. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—