电机线电流与转差率曲线的工程测量
1.电机T型等效电路模型
1.1 Python代码 - 考虑转差率为负
import numpy as np
import matplotlib.pyplot as plt
# 设置已知参数值
rm = 11.421
lm = 553.9e-3
r2 = 7.553
l2 = 42.90e-3
freq_in = 50
# 设置频率值范围和步长
s = np.linspace(-0.05, 0.05, 1000)
im = 380/(rm+(lm+l2)*2*np.pi*freq_in*1j)/np.sqrt(3);
# 计算并绘制曲线
curr_in = (im + im*(rm+(lm+l2)*2*np.pi*freq_in*1j)/(r2 + l2*2*np.pi*freq_in*1j + (1-s)/s*r2))
plt.plot(np.abs(curr_in), s)
plt.xlabel('Absolute value of curr_in')
plt.ylabel('Power out')
plt.title('s of rated power is 2A, the max Y-axis = 5%(but engine''s rated s = 2%, I think it is wrong.)')
# 绘制横线
horiz_line = plt.axhline(y=0.05, color='r', linestyle='--', label='"s" == rated power of engine')
horiz_line = plt.axhline(y=0, color='r', linestyle='--', label='"s" == 0')
# 添加图例
plt.legend()
plt.show()
1.2 I-s曲线
注意在s = 0附近：
你会发现输出电流最小的位置，并不在转差率 = 0是，而是在转差率达到某个负值的时候——转差率为负，意味着此时电机的负载等效电阻是个负值，在中和掉整个电路的视在等效电阻后，此时的电路转为纯感性电路，此时，电流才会出现极小值，越过这条线，转差率继续向负半周偏移——此时，电机并不是在做功，而是作为一台发电机在工作。就是此时电机正转，但是反拉，提供的力矩与旋转方向相反，克服掉重物的力矩，匀速下滑。
2.不同负载，上下行时的线电流差异
2.1 Python代码
import numpy as np
import matplotlib.pyplot as plt
# 设置已知参数值
rm = 11.421
lm = 553.9e-3
r2 = 7.553
l2 = 42.90e-3
freq_in = 50
im = 380/(rm+(lm+l2)*2*np.pi*freq_in*1j)/np.sqrt(3);
s = np.linspace(0, -0.05, 1000)
curr_in_download = (im + im*(rm+(lm+l2)*2*np.pi*freq_in*1j)/(r2 + l2*2*np.pi*freq_in*1j + (1-s)/s*r2))
# 设置频率值范围和步长
s = np.linspace(0, 0.05, 1000)
# 计算并绘制曲线
curr_in_upword = (im + im*(rm+(lm+l2)*2*np.pi*freq_in*1j)/(r2 + l2*2*np.pi*freq_in*1j + (1-s)/s*r2))
curr_diff_of_updown = curr_in_upword - curr_in_download
plt.plot(np.abs(curr_in_upword), s)
plt.plot(np.abs(curr_diff_of_updown), s)
plt.xlabel('Absolute value of curr_in')
plt.ylabel('Power out')
plt.title('s of rated power is 2A, the max Y-axis = 5%(but engine''s rated s = 2%, I think it is wrong.)')
# 绘制横线
horiz_line = plt.axhline(y=0.05, color='r', linestyle='--', label='"s" == rated power of engine')
horiz_line = plt.axhline(y=0, color='r', linestyle='--', label='"s" == 0')
# 添加图例
plt.legend()
plt.show()
2.2 dI_of(up2down)-s曲线
一个奇迹出现了——转差率和上下行电流差之间呈现出线性关系：（当然，它要考虑到电机的运行方向），此时电流的值是有正负号的。
3 代入实际数据校验dI(up&down) -s 的线性特征
3.1 数据筛选：
{
"engine":"231015062",
"date":"2024/07/06",
"curr":[
{
"up":21.97,
"down":21.84
},
{
"up":22.06,
"down":21.63
},
{
"up":22.12,
"down":21.67
},
{
"up":21.97,
"down":21.80
},
{
"up":23.87,
"down":21.52
}
]
}3.1.1 数据筛选过程
上面这台电机，6日13:10分的最前面这笔数据看起来很像是先空钩下降，然后上升。这是一组完整的数据点，一对儿空钩的电流：
di1 = (21.84a -21.97a) di = 0.13a，空钩
6日 13:20似乎连续做了两次上下操作：
di2 = (22.06, 21.63) di = 0.43 ...
di3 = (22.12, 21.67) di = 0.45
di4,这里似乎是又一组：
di4 = (21.97, 21.80) di = 0.17a
找个电流大一点的：
di5 = (23.87, 21.52) , di = 2.35a
现在把上述5个点，打印出来：
3.2 数据呈现：
看起来能看到那个电机曲线的样子对吧？此时这几个数据点似乎还没有达到那个电流极值。 那个蝴蝶结可能无关紧要，仅仅是误差，或者原始数据读取错误。
3.2.1 源码：
import numpy as np
import matplotlib.pyplot as plt
import json
from datetime import datetime
dbFile = "engine_curr.json"
# 读取原始数据文件
with open(dbFile, 'r', encoding='utf-8') as f:
data = json.load(f)
# 选择id为10到20的数据，并提取需要的字段
ardt = []
armax = []
armin = []
for record in data["curr"]:
armax.append(float(record["up"]))
armin.append(float(record["down"]))
ardt.append(armax[-1] - armin[-1])
ardt_neg = [element * -1.0 for element in ardt]
#绘制：
plt.plot(armax, ardt)
plt.plot(armin, ardt_neg)
plt.ylabel(f's * unknowRatio')
plt.xlabel('current (rms)')
plt.title(f'plc_{data["engine"]}_at{data["date"]}')
# 绘制横线
#horiz_line = plt.axhline(y=0.05, color='r', linestyle='--', label='"s" == rated power of engine')
#horiz_line = plt.axhline(y=0, color='r', linestyle='--', label='"s" == 0')
# 添加图例
plt.legend()
plt.show()
3.3修正显示 - 添加数据点之间的关系
3.3.1 源码（数据同2.3.1）
import numpy as np
import matplotlib.pyplot as plt
import json
from datetime import datetime
dbFile = "engine_curr.json"
# 读取原始数据文件
with open(dbFile, 'r', encoding='utf-8') as f:
data = json.load(f)
# 选择id为10到20的数据，并提取需要的字段
ardt = []
armax = []
armin = []
pt_of_up = []
pt_of_down = []
for record in data["curr"]:
armax.append(float(record["up"]))
armin.append(float(record["down"]))
ardt.append(armax[-1] - armin[-1])
pt_of_up.append([armax[-1], ardt[-1]])
pt_of_down.append([armin[-1], ardt[-1]*-1])
ardt_neg = [element * -1.0 for element in ardt]
#绘制：
for pt in pt_of_up:
plt.scatter(pt[0], pt[1], color='red', marker='+')
for pt in pt_of_down:
plt.scatter(pt[0], pt[1], color='blue', marker='x')
for i in np.arange(len(ardt)):
x1 = pt_of_up[i][0], pt_of_down[i][0]
y1 = pt_of_up[i][1], pt_of_down[i][1]
plt.plot(x1, y1, color='lightgrey')
plt.ylabel(f's * unknowRatio')
plt.xlabel('current (rms)')
plt.title(f'plc_{data["engine"]}_at{data["date"]}')
# 绘制横线
#horiz_line = plt.axhline(y=0.05, color='r', linestyle='--', label='"s" == rated power of engine')
#horiz_line = plt.axhline(y=0, color='r', linestyle='--', label='"s" == 0')
# 添加图例
plt.legend()
plt.show()
4 拟合
4.1 源码：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 获取当前脚本文件所在目录的父目录，并构建相对路径
import os
import sys
current_dir = os.path.dirname(os.path.abspath(__file__))
project_path = os.path.join(current_dir, '.')
sys.path.append(project_path)
sys.path.append(current_dir)
os.chdir(current_dir)
import numpy as np
import matplotlib.pyplot as plt
import json
from datetime import datetime
def get_curr_of_engine(dbFile):
print(os.getcwd())
# 读取原始数据文件
with open(dbFile, 'r', encoding='utf-8') as f:
data = json.load(f)
# 选择id为10到20的数据，并提取需要的字段
ardt = []
armax = []
armin = []
pt_of_up = []
pt_of_down = []
for record in data["curr"]:
armax.append(float(record["up"]))
armin.append(float(record["down"]))
ardt.append(armax[-1] - armin[-1])
pt_of_up.append([armax[-1], ardt[-1]])
pt_of_down.append([armin[-1], ardt[-1]*-1])
ardt_neg = [element * -1.0 for element in ardt]
return (pt_of_up, pt_of_down, ardt, data)
def pot_raw_data(pt_of_up, pt_of_down, ardt, data):
#绘制：
ptall=[]
for pt in pt_of_up:
plt.scatter(pt[0], pt[1], color='red', marker='+')
ptall.append(pt)
for pt in pt_of_down:
plt.scatter(pt[0], pt[1], color='blue', marker='x')
ptall.append(pt)
for i in np.arange(len(ardt)):
x1 = pt_of_up[i][0], pt_of_down[i][0]
y1 = pt_of_up[i][1], pt_of_down[i][1]
plt.plot(x1, y1, color='lightgrey')
# 绘制拟合曲线
(xp, yp) = gen_polyfit_data(ptall, -5, +5)
plt.plot(xp, yp, color='grey', label='Fit curve')
plt.ylabel(f's * unknowRatio')
plt.xlabel('current (rms)')
plt.title(f'plc_{data["engine"]}_at{data["date"]}')
# 绘制横线
#horiz_line = plt.axhline(y=0.05, color='r', linestyle='--', label='"s" == rated power of engine')
#horiz_line = plt.axhline(y=0, color='r', linestyle='--', label='"s" == 0')
# 添加图例
plt.legend()
plt.show()
def gen_polyfit_data(ptall, ymin, ymax):
#拟合前需要按y排序
ar = np.array(ptall)
sorted_pt = ar[ar[:,1].argsort()]
sorted_pt = sorted_pt.tolist()
x = []
y = []
for pt in sorted_pt:
y.append(pt[1])
x.append(pt[0])
# 进行多项式拟合，假设拟合为二阶多项式
z = np.polyfit(y, x, 2) # 使用二阶多项式拟合
# 生成拟合曲线的数据
yp = np.linspace(ymin, ymax, 100)
xp = np.polyval(z, yp)
return (xp, yp)
if __name__ == "__main__":
dbFile = "./engine_curr.json"
#get data
(pt_of_up, pt_of_down, ardt, data) = get_curr_of_engine(dbFile)
#raw raw data
pot_raw_data(pt_of_up, pt_of_down, ardt, data)
可以对比1.2的理论曲线，理论和实验数据似乎是吻合的。
5.后记
本文暂时关闭。2.2节那个线性关系的理论推导，以及3节绘制的图表中，更多的实验数据汇入验证，稍后另起一篇文章进行。 我从去年开始，大概在电机的工程测量上投入了800+小时。
原文地址：https://blog.csdn.net/twicave/article/details/140518979
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！