工业设备如何利用AI预测故障？从电机电流信号分析谈起

在工业设备市场中，越来越多的企业开始寻求人工智能与机器学习的帮助，核心目标非常明确：最大程度减少意外的服务中断，保障产线、产品及关键服务不受影响。这一思路背后的逻辑十分清晰——减少非计划停机时间，就等于提升运营效率、实现效益最大化。市场分析公司Aberdeen早在2016年就发布过研究报告，数据显示企业每停机一小时的平均成本高达26万美元。对于OEM厂商来说，为工业系统增加智能功能，实时测量和分析性能数据，就能帮助客户搭建预测性维护（PDM）系统，在那些关键组件（比如工业机器人中的电机）真正出问题之前就识别并更换掉——这才是避免生产中断的治本之策。

为了让工业设备OEM厂商在产品中落地PDM功能，莱迪思半导体推出了专为工业自动化系统设计的Automate™解决方案集合。核心思路是利用低功耗FPGA——一种可重新编程的芯片，既能做数据处理，也能承担协处理任务，用来构建面向PDM应用的AI/ML推理模型。为了简化和加速基于莱迪思FPGA的PDM系统开发，Automate整合了软件工具、工业IP核、模块化硬件开发板、软件可编程的参考设计和演示，让工程师能够轻松搭建具备PDM功能、可扩展的多通道电机控制应用。图1展示的就是这样一个典型系统：基于莱迪思Automate设计的带有预测性维护功能的电机控制方案。

图1. 基于莱迪思Automate解决方案集合设计的具有预测性维护功能的电机控制系统，适用于工业自动化应用

Automate中包含了一个PDM多通道电机控制参考设计，采用业界常见的电机电流信号分析（MCSA）技术。具体来说，在莱迪思的方案中，克拉克变换将来自三相电机的电流转换为两个信号：α电流和β电流。对于正常运行的健康电机，α电流和β电流相位相差90度。在x-y坐标系中，点的轨迹会构成一个圆。接下来我们会看到，当电流或负载出现不平衡时，这个圆会发生各种变形。

本文所使用的驱动方案，是在FPGA的RTL中实现的无传感器空间矢量脉宽调制（SV_PWM）技术，用来驱动一个三相无刷直流（BLDC）电机。SV_PWM控制信号驱动Trenz TEP0002电机驱动板，这块板子上集成了霍尔电流传感器，连接电机后可以检测电机绕组电流。板载ADC将霍尔电流传感器的输出数字化，因此参考设计能够同时读取并控制用于电机控制和PDM的ADC。电流的采样速率达到每秒0.8 MS/s。

通过克拉克变换（方程1）将三相（A、B、C）电流（图2）转化为α电流和β电流，结果如图3所示。

图3. 克拉克变换输出的Iα和Iβ信号

观察Iα和Iβ，会发现它们类似于cos和sin函数。事实上，在x-y坐标平面上绘制函数图像时，结果就是一个圆（图4）。

该参考设计可以对固定的轴旋转次数采集电机绕组电流快照（默认是50转的快照），用户也可以选择更长时间段内的绕组电流快照。在应用克拉克变换之前，电机电流的信号处理包括峰值检测、归一化以及移动平均滤波器。这种自适应功能使得参考设计能够适用于各类电机和各种功耗级别的PDM场景。

莱迪思Automate解决方案集合的PDM方案中还包含一种专有算法：该算法先将圆的数据（如图6所示）折叠成一个特征更集中的较小数据集，然后再交给PDM AI引擎处理。这个PDM AI引擎已经使用超过10000个模型进行了训练，这些模型涵盖了正常和不正常的电机数据。

异常电机类型一：绕组电流偏高

这类数据代表的是由于电机绕组过热或烧毁造成的早期故障。通常情况下，由于制造公差或电机驱动器故障，一个绕组会先于其他两个绕组发生问题。为了模拟这种故障模式，可以分别将电阻与两个“正常的”绕组串联。图5展示了模拟绕组A中“短路”的情况。图6则给出了这种情况下产生的折叠图像和原始图像——原本的圆已变形为长轴在x轴上的椭圆。表1总结了三个电机绕组高电流导致的不同变形情况。

图5. 电机绕组A的高电流模拟

图6. 绕组A电流较高情况下电机的PDM图像（Bad_Robot_D.jpg）

表1. 电机绕组短路情况下的PDM图像特征总结

异常电机类型二：绕组电流偏低

有几种情况会导致单个绕组电流过低。比如大功率电机中的连接部分出现腐蚀或松动，导致电流到达电机绕组之前产生I-R压降。另外，其中两个绕组也可能先于第三个绕组出现故障，或者电机驱动器在某相变弱。同样，可以将一个电阻与“不正常的”电机绕组串联来模拟这种故障，如图7所示。图8表明圆发生了变形，变为长轴在135度的椭圆。表2总结了三个电机绕组低电流导致的变形。

图7. 电机绕组B阻抗增大模拟

图8. 绕组B电流较低情况下电机的PDM图像（Bad_Robot_B.jpg）

表2. 电机绕组低电流下的PDM图像特征总结

异常电机类型三：负载不平衡

第三类故障同样使用MCSA来检测电机上机械负载的不平衡。出现负载不平衡时，转动惯量不均匀并围绕转子轴摆动（类似于陀螺在倒地前的摆动）。当转动惯量绕电机轴摆动时，绕组消耗的电流会更多与摆动同步，而不是与电机转速同步。为了模拟这种情况，可以将一个不平衡的惯性轮固定在电机轴上，然后在电机达到运行速度后采集数据。图9显示了负载不平衡的电机的PDM图像。另外，电源管理有问题也可能导致相同类型的图像。

图9. 安装了不平衡惯性轮的电机PDM图像

正常电机数据——负载平衡电流平衡

那么正常电机的运行特征是什么样子呢？图10展示了未连接任何电阻、而是安装了一个平衡的惯性轮的电机的PDM图像。可以看到在60°、170°和290°方向（大约相隔120°）与完美的圆存在一些细微的偏差——这是SV_PWM从一相转换到下一相时重叠的结果。

图10. 电流和负载都平衡时的电机PDM图像

结论

在工业电机控制系统中加入预测性维护功能，能够通过最大程度减少意外故障导致的系统停摆，有效降低运营成本。莱迪思Automate解决方案集合提供了快速实现PDM所需的硬件和软件工具，采用行业标准的MCSA方案，能够覆盖包括机器人在内的许多工业应用中常用的BLDC电机。这套方案不仅降低了开发门槛，也为工业设备智能化提供了一个切实可行的路径。