Some time ago, I posted about research I have been conducting on fault detection in electric vehicle motors. The embedded system consists of an STM32 microcontroller from the F4 family (STM32F446RET6), as it has high resolution and linearity in analog-to-digital conversion (ADC). In addition, it is compatible with the CAN communication protocol, which is used by most vehicles for data transmission and monitoring between peripherals.
The electrical quantity used to monitor the most important motor fault is electric current. So the sensor used was a Hall effect sensor, which measures the current non-invasively directly in one of the motor phases.
At the moment, we do not have access to an electric vehicle, but we have a test bench with an industrial motor and inverter, which allows us to perform various tests. We are also working with an automotive inverter, which has the advantage of a CAN network, which we are using to understand and learn about the vehicle's CAN network.
At the moment, our focus is on the fault algorithm, as it is quite complicated to detect faults with the motor powered by the frequency inverter, since it smooths the start and causes the fault frequency to be masked by the fundamental frequency.
Currently, in terms of embedded systems, we are working with the STM32, which performs the ADC conversion of the current measured by the current sensor and also temporarily stores the current data, which is then sent to the ESP32, which sends the data to the cloud where it is processed.
The embedded system part, oddly enough, is simpler than the fault algorithm. We are having a lot of difficulty detecting faults when the motor is powered by an inverter. And this problem is consuming me, as we have already seen several attempts.
Among the alternatives for fault detection with frequency inverters, methods based on neural networks, artificial intelligence, or combinations of these techniques with conventional methods stand out. However, these approaches generally require a large volume of samples and often have high computational costs.
We are racing against time, as we still need to assemble the prototype, and for that, it is essential that a reliable method is in place for detecting faults in electric vehicle motors. Wish us luck and plenty of focus so that everything works out!
I hope everything goes well, as the deadlines are getting shorter and shorter. In addition to this research, I am still working on my master's degree, which is practically in the same area, but in a different line of study. I hope everything works out for me, which is also why I have been absent from Hive.
Há algum tempo atrás eu postei sobre uma pesquisa que venho desenvolvendo sobre detecção de falhas em motores de veículos elétricos. O sistema embarcado é composto por um microcontrolador STM32 da família F4 (STM32F446RET6), pois ele possui alta resolução e linearidade na conversão analógico-digital (ADC). Além disso, possui compatibilidade com protocolo de comunicação CAN, que é utilizada pela maioria dos veículos para a transmissão e monitoramento de dados entre periféricos.
A grandeza elétrica utilizada para o monitoramento de falha no motor mais importante é a corrente elétrica. Então o Sensor utilizado foi um sensor de malha de efeito Hall, que mede a corrente de forma não invasiva diretamente em uma das fases do motor.
No momento não temos contato com o veiculo elétrico, porém temos uma bancada de teste que possui um motor e inversor industrial, que dar para fazer vários teste. Também estamos trabalhando com um inversor automotivo, onde seu diferencial é que ele possui rede CAN, que estamos usando para entende e aprender a rede CAN do veículo.
No momento nosso foco está sendo no algoritmo de falhas, pois é bastante complicado detectar falhas com o motor alimentado pelo inversor de frequência, pois esse suaviza a partida e faz com que a frequência da falhas seja mascarada pela frequência fundamental.
Atualmente, em termo de sistema embarcado estamos trabalhando com o STM32, que realiza a conversão ADC da corrente medida pelo sensor de corrente e também armazena os dados de corrente temporariamente, para depois ser envia para os ESP32, que enviaram os dados para nuvem onde é feito o processamento dos dados.
A parte do sistema embarcado por incrível que pareça é mais simples que o algoritmo de falhas. Estamos tendo bastante dificuldade de conseguir detectar falha quando o motor está alimentado por inversor. E esse problema está me consumindo, pois já vimos de várias tentativas.
Entre as alternativas para detecção de falhas com inversores de frequência, destacam-se métodos baseados em redes neurais, inteligência artificial ou combinações dessas técnicas com métodos convencionais. Porém, essas abordagens geralmente exigem um grande volume de amostras e, muitas vezes, apresentam alto custo computacional.
Estamos correndo contra o tempo, pois ainda é necessário montar o protótipo, e para isso é fundamental que um método confiável esteja funcionando para a detecção de falhas em motores de veículos elétricos. Nos desejem sorte e bastante foco para que tudo dê certo!
Espero que tudo ocorra bem, pois os prazos estão ficando cada vez mais curtos. Além dessa pesquisa ainda venho desenvolvendo meu mestrado que é praticamente na mesma area, só que em uma linha diferente. Espero que dê tudo certo para mim, por esse motivo também ando sumido da Hive.
