Methodology for Modeling and Detection of inter-turn short-circuit faults of a Permanent Magnet Assisted Synchronous Reluctance Motor in Electric vehicles - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Methodology for Modeling and Detection of inter-turn short-circuit faults of a Permanent Magnet Assisted Synchronous Reluctance Motor in Electric vehicles

Méthodologie de modélisation et de détection des défauts de court-circuit inter-spires d'un Moteur Synchrone Réluctant Assisté par Aimant Permanent dans les véhicules électriques

Résumé

The advent of Electrified Vehicles (EV) in road transportation raises various concerns regarding reliability and safety. Hence, there is a demand for strategies for faults detection at their early stages in the electric powertrain (EPT) that is the heart of EV operations. This thesis has proposed a fault detection methodology intended for predictive maintenance for synchronous electrical machines used in the EPT. We have proposed a data-driven approach that relies exclusively on processing motor stator phase current signals for fault detection. In our study, we generated a synthetic dataset by simulating of a permanent magnet-assisted synchronous reluctance motor (PMaSynRM)under various operating conditions and closed-loop drives. To get the accuracy needed to model motor faults and the computation speed required by the closed-loop controllers, we developed a hybrid model combining analytical and finite element methods to represent motor behavior. This model has been validated experimentally with an accuracy of more than 70%. In a preliminary fault detectionstage, we selected the sliding windows median absolute deviation (MAD), variance, andkurtosis to extract relevant features from our dataset. To detect faults in the system's varying operation conditions, we have proposed an extension of the PCA based on Nuisance Attribute Projection (NAP). This approach allowed us to mitigate the non-linearity of the data caused by load variation, thus allowing the implementationof fault detection insensitive to load variations. Following an evaluation of the fault detection performance, we used Hotelling's T² as a reliable monitoring metric for inter-turn fault detection with the PCA method. To estimate the fault severity, we developed an analytical model of the slope of the CUSUM decision function of T². From this analytical model, we could estimate the fault in noise-free data with an accuracy exceeding 99%. The evaluation of the robustness of our fault estimation method to the noise interference has revealed its robustness to noise levels up to SNR = 30dB. In conclusion, we have discussed the inherent limitations in our approach and made suggestions for futureresearch to overcome them.
L'essor des véhicules électrifiés (VE) dans le transport routier a accru les préoccupationsconcernant la fiabilité et la sécurité. Par conséquent, il existe une demande impérieuse destratégies de détection précoce des défauts dans le groupe motopropulseur électrique (GMPE), crucial pour l'exploitation des véhicules électriques. Cette thèse propose une méthodologie de détection de défauts basée sur les données utilisant exclusivement les signaux de courant statoriques du moteur. Dans notre étude, nous avons généré un ensemble de données synthétiques en simulant un moteur à réluctance synchroneassisté par aimant permanent (MSRAP) dans diverses conditions de fonctionnement etentraînements en boucle fermée. Pour obtenir la précision nécessaire à la modélisation des défauts du moteur et la vitesse de calcul requise par les contrôleurs en boucle fermée, nous avons développé un modèle hybride combinant le méthode analytiques et le modèle éléments finis pour représenter le comportement du moteur. Ce modèle a été validé expérimentalement avec une précision de plus de 70%. Dans la phase préliminaire de détection de défaut, nous avons sélectionné l'écart absolu médian (MAD), le Skewness et le Kurtosis calculés sur des fenêtres glissantes pour extraire les caractéristiques pertinentes de notre ensemble de données. Pour détecter les défauts dans les différentesconditions de fonctionnement du système, nous avons proposé une extension de l'ACP basée sur la projection d'attributs de nuisance (NAP). Cette approche nous a permis d'atténuer la nonlinéarité des données lié à la variation de charge, permettant ainsi la mise en oeuvre d'une détection de défauts insensible aux variations de charge. Suite à une évaluation des performances de détection des défauts, nous avons sélectionnéle T² de Hotelling comme mesure de surveillance fiable pour la détection des défauts de court-circuit inter-spires par l'ACP. Pour estimer la sévérité du défaut, nous avons développé un modèle analytique de la pente de la fonction de décision CUSUM de T². À partir de ce modèle analytique, nous avons pu estimer le défaut dans des données sans bruit avec une précision supérieure à 99%. L'évaluation de la robustesse de notre méthode d'estimation de défaut au bruit a révélé sa robustesse à des niveaux debruit allant jusqu'à SNR = 30dB. En conclusion, nous avons discuté des limites inhérentesà notre approche et formulé des suggestions de recherches futures pour les surmonter.
Fichier principal
Vignette du fichier
130300_LARE_2023_archivage.pdf (22.33 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04509413 , version 1 (18-03-2024)

Identifiants

  • HAL Id : tel-04509413 , version 1

Citer

Pakédam Lare. Methodology for Modeling and Detection of inter-turn short-circuit faults of a Permanent Magnet Assisted Synchronous Reluctance Motor in Electric vehicles. Electric power. Université Paris-Saclay, 2023. English. ⟨NNT : 2023UPAST198⟩. ⟨tel-04509413⟩
20 Consultations
2 Téléchargements

Partager

Gmail Facebook X LinkedIn More