TU Darmstadt / ULB / TUprints

Model-based diagnosis of electric cooling fan drive systems

Pagel, Michael (2018)
Model-based diagnosis of electric cooling fan drive systems.
Technische Universität Darmstadt
Ph.D. Thesis, Primary publication

[img]
Preview
Text
20180320_Model_based_diagnosis_Pagel.pdf - Accepted Version
Copyright Information: CC BY-NC 4.0 International - Creative Commons, Attribution NonCommercial.

Download (8MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Model-based diagnosis of electric cooling fan drive systems
Language: English
Referees: Isermann, Prof. Dr. Rolf ; Binder, Prof. Dr. Andreas
Date: 2018
Place of Publication: Darmstadt
Date of oral examination: 5 December 2017
Abstract:

This work is a contribution to the field of fault detection and diagnosis for electrically driven engine cooling fans. Its main focus is on the online gathering and determination of important parameters and internal states. The algorithms are specifically designed in a resource and computing efficient manner to allow for series implementation on microcontrollers usually employed in small electrical drives. Furthermore, the developed methods for fault detection and diagnosis are characterized by a low application effort, drastically reducing the costs for transferring them to other applications. Novel algorithms are presented for determination of the winding resistance, the flux linkage over angle and the equivalent series resistance. Furthermore, a novel approach for determination of the magnet temperature is proposed, utilizing the winding temperature, which is derived from the winding resistance without requiring an additional temperature sensor. A method is presented for detection of a demagnetization event based on the flux linkage over angle. Besides that, detection of an aged DC-link capacitor and of winding faults is demonstrated. Furthermore, a novel approach is presented for detection and diagnosis of unusual load conditions, caused for example, by a blockage or dirt on the fan blade.

Alternative Abstract:
Alternative AbstractLanguage

Die vorliegende Arbeit ist ein Beitrag zum Gebiet der Fehlerkennung und -diagnose bei elektrischen Kühlgebläsen. Hauptfokus der Arbeit liegt dabei auf der online-Erkennung wichtiger Parameter und interner Zustände. Damit die Algorithmen auch auf Microcontrollern lauffähig sind, die typischerweise bei elektrischen Kleinantrieben zum Einsatz kommen, wurde auf ein ressourcen- und verarbeitungseffizientes Design geachtet. Darüber hinaus zeichnen sich die entwickelten Algorithmen durch einen geringen Applikationsaufwand aus, wodurch der Transfer der Algorithmen zu anderen Anwendungen deutlich erleichtert wird und kostengünstig umgesetzt werden kann. Es werden neue Algorithmen vorgestellt für die Bestimmung des Wicklungswiderstandes, der Flussverkettung sowie des äquivalenten Serienwiderstandes des Zwischenkreiskondensators. Weiterhin wird ein neuartiges Verfahren vorgestellt, welches unter Zuhilfenahme der Wicklungstemperatur die Magnettemperatur bestimmen kann. Die Wicklungstemperatur wird dabei aus dem Wicklungswiderstand abgeleitet und benötigt somit keinen zusätzlichen Temperatursensor im Motor. Basierend auf der Auswertung der Flussverkettung wird ein Verfahren präsentiert, das es erlaubt, eine Demagnetisierung zu erkennen. Außerdem werden Verfahren demonstriert, die die Alterung des Zwischenkreiskondensators sowie Wicklungsfehler erkennen können. Darüber hinaus wird ein neuer Ansatz zur Erkennung einer Schwergängigkeit vorgestellt, die z.B. durch eine Blockade oder Schmutzablagerungen auf den Lüfterblättern hervorgerufen werden kann.

German
URN: urn:nbn:de:tuda-tuprints-80898
Classification DDC: 000 Generalities, computers, information > 000 Generalities
000 Generalities, computers, information > 004 Computer science
500 Science and mathematics > 500 Science
500 Science and mathematics > 510 Mathematics
500 Science and mathematics > 530 Physics
600 Technology, medicine, applied sciences > 600 Technology
600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 18 Department of Electrical Engineering and Information Technology
18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik
Date Deposited: 21 Nov 2018 14:11
Last Modified: 09 Jul 2020 02:22
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/8089
PPN: 439113156
Export:
Actions (login required)
View Item View Item