什么是負載檢測？為什么它很重要？

無傳感器電機控制算法不知道它們在啟動過程中需要產生的扭矩。如果電機上潛在的負載太大，而施加的電流太小，則可能無法啟動轉子向正確的方向移動。為了補償這一點，典型的方法是注入足夠大的啟動電流，以便在大負載下也能開始旋轉。然而，這意味著即使對于輕負載，我們也使用相同的大啟動電流。相反，如果我們能預測負載，我們就可以微調啟動電流，從而獲得更好的性能并減少電機上的應力。

負載檢測的工作原理是什么？

使用瑞薩的RealityCheck? Motor工具，我們開發了一種基于AI/ML的解決方案，用于估計電機啟動序列開始時的負載。AI分類模型是完全不需要額外加裝傳感器的，只需要更新電機控制固件。

它是如何工作的？

- 檢測電機控制系統中的重要變量。

-應用Reality AI特征空間來提取相關信息。

-使用Reality AI推理來確定移動負載所需的扭矩。

-提供確定的值以將啟動電流調整到最小扭矩要求。

如果扭矩要求低于預期，我們將實現效率提升，因為較低的啟動電流足以開始電機運行。

瑞薩電子應用實例

為了創建應用示例，我們設置了兩個耦合的BLDC電機系統，每個系統都由RA6T2電機控制套件驅動。主電機通過電機軸之間的聯鎖機構連接到次級“制動”電機。使用這種設置，我們可以通過調整施加到制動電機的電流來模擬初級電機上的負載。測試表明，我們的模型可以近乎完美的準確性區分六種可能的載荷。該模型總共只需要大約12.5KB的閃存和估計的6.5KB的RAM。

RA6T2電機控制套件

https://www.renesas.cn/zh/products/microcontrollers-microprocessors/ra-cortex-m-mcus/rtk0ema270s00020bj-mck-ra6t2-renesas-flexible-motor-control-kit-ra6t2-mcu-group

我們如何創建應用示例的？

首先，我們為幾種載荷設置中的每一種收集了適當數量的數據樣本。為了進行評估，我們將數據分為訓練集和測試集。然后，我們將數據上傳到瑞薩Reality AI云平臺*，并使用云工具訓練和測試模型。

RealityAI云平臺

https://www.renesas.cn/zh/key-technologies/artificial-intelligence/real-time-analytics

最后，我們使用部署工具創建了一個嵌入式C包，該包可以使用瑞薩e2 studio IDE與電機控制應用程序集成。借助AI Live Monitor?（Reality AI Tools套件的一部分），我們通過在改變施加的負載的同時反復啟動電機來實時測試AI應用程序。

結論

此應用示例展示了一種提高電機控制設計質量和效率的新型創新方法。使用RealityCheck Motor提供的完全無傳感器的AI模型，可以開始利用改進的電機啟動性能，而無需額外的單位成本，還可以延長電機的使用壽命。

復制以下鏈接至瀏覽器打開向我們發送請求，了解如何在您的系統上運行測試。

https://info.renesas.com/reality-ai-request

復制以下鏈接至瀏覽器打開查看關于RealityCheck? Motor Toolbox的更多信息，并觀看演示視頻。

https://www.renesas.cn/zh/software-tool/realitycheck-motor-toolbox

參考：

* Reality AI Cloud Platform – 將數據上傳到Reality AI Tools，并使用AI Explore?和Try New Data?功能來訓練和測試AI模型。