自动化检测BLDC电机启动异常，打造智能高效的电机控制解决方案
来源：Renesas(瑞萨电子)
发布时间：2025-11-17
在这篇博客中，我们重点介绍了如何使用无传感器方法检测BLDC电机的启动异常。
图1：无传感器BLDC电机设置概述
使用无传感器方法有几个优点。首先，通过减少与传感器相关的机械复杂性，我们延长了电机的使用寿命；其次，避免了额外的传感器维护成本；最后，有效降低了物料清单（BOM）成本。然而，当涉及到电机启动和低速精度时，这些优势是有代价的。因此，我们决定通过训练一个可以检测与电机启动相关的任何异常的AI模型来改进BLDC电机的启动。
使用AI模型解决与包含两个电机的电机台架的BLDC电机启动序列问题相关的异常。第一个电机用于制造启动异常，而另一个电机仅充当负载。这个电机台的美妙之处在于它能够实时改变施加到电机上的负载。每个电机都通过瑞萨电子RA6T2电机控制套件（MCK-RA6T2）进行控制。MCK-RA6T2由MCB-RA6T2 CPU单元和MCI-LV-1低压逆变器组成。设置如下所示：
图2：设置概述
电机测试平台通过本地PC上的图形用户界面（GUI）进行控制，并连接至MCK-RA6T2开发板。当电机参数设置不正确时，电机会尝试启动，但如果连接了负载，则可能会发生停转现象。然而，在这种情况下，图形用户界面（GUI）并未显示电机已停止，反而接收到电机始终在运行的反馈信息。
可以训练AI模型来检测电机启动的模式并检测任何异常。首先，我们从电机收集一个数据集，其中包括由逆变器测量的电流和电压。一旦AI模型经过充分训练，它就能识别电机电流中的不同模式，并提供关于当前电机启动的准确信息。这将使图形用户界面能够准确地显示电机启动状态的结果。
瑞萨电子AI卓越中心（COE）团队开发了一种AI模型来检测异常情况。我们使用上述电机台架通过修改启动参数来模拟这种异常，如果用户不知道构建成功启动序列的正确参数，就会发生这种情况。
为了开发AI模型，我们从图2中的电机工作台中收集了一个数据集。该数据集描述了可能影响电机的两种情况，第一种情况是电机连接到负载，而另一种是电机上没有任何负载。
模型可以检测到四种情况：
所有这些情况都需要使用我们开发的AI模型进行评估和测试，以确保我们能够检测到任何启动异常。我们为上述每种情况收集了一个数据集，并为它们都训练了一个AI模型。
数据集是使用数据存储工具收集的。该工具是集成到e2工作室中的Reality AI Utilities的一部分。它将从MCK-RA6T2捕获数据，并将收集的数据直接上传到瑞萨电子的Reality AI Tools®。使用此云工具，可以针对瑞萨电子MCU训练和优化AI模型，从而最大限度地减少RAM和闪存的占用空间。一旦模型经过良好的训练，就会在独立的数据集上进行测试，以检查模型的性能。如果模型的性能与训练结果相关，我们将模型部署在MCK-RA6T2上，并对电机本身进行另一次测试。
图3：Reality AI工具上的模型训练
模型的准确性直接从字段中收集，导致模型的RAM消耗为576字节，Flash为4146字节。
通过使用边缘人工智能并将该模型直接集成到我们的电机控制固件中，我们将能够实时检测影响电机的启动异常。
免责声明
- 1、本文内容版权归属原作者、原发表出处。若版权所有方对本文的引用持有异议，请联系感算商城（service@gansuan.com），我方将及时处理。
- 2、本文的引用仅供读者交流学习使用，不涉及商业目的。
- 3、本文内容仅代表作者观点，感算商城不对内容的准确性、可靠性或完整性提供明示或暗示的保证。读者阅读本文后做出的决定或行为，是基于自主意愿和独立判断做出的，请读者明确相关结果。
- 4、如需转载本方拥有版权的文章，请联系感算商城（service@gansuan.com）注明“转载原因”。未经允许私自转载感算商城将保留追究其法律责任的权利。
