Mätning av dynamisk motoreffekt möjliggör direkt mätning på hybrider

Tidigare var mobila effektmätningar svåra på grund av fordonets dynamiska natur med ständigt ändrade hastigheter. De unika funktionerna i HBM:s eDrive, ett system för testning av elektriska maskiner och drivenheter, gör dock mobila mätningar av elektrisk effekt möjliga i verkliga miljöer.

I den här artikeln diskuteras behovet av testning i fordon, utmaningar för effektmätning och begränsningarna för traditionella effektanalysatorer. Den kommer också att behandla hur eDrive utför dynamiska effektmätningar och publicerar cykliska beräkningar för korrelation med ett befintligt DAQ-system. Artikeln avslutas med en serie exempel på dynamisk effektmätning där eDrive används för att testa motorsystemet i en elektrisk skoter. Dessa mätningar visar hur motorns och drivningens prestanda kan bedömas under fordonets acceleration och inbromsning, vid fri fart och andra förhållanden samt hur man testar olika motorstyrningar.

Varför mäta på ett fordon?

Mobil datainsamling är en hörnsten för fordonsutvärdering och görs ofta för att utvärdera strukturell hållbarhet, buller och vibrationsegenskaper. Målet är att förstå slutprodukten och hur alla delsystem fungerar tillsammans. För att utvärdera kundupplevelsen och se till att fordonet uppfyller hållbarhetskraven genom fordonstester som omfattar jämförelse av leverantörsdelar och övervakning av prestanda under extrema förhållanden och tester av fordonsparker. Bild 1 visar HBM QuantumX som tar emot hundratals kanaler med signaler för tex belastning, acceleration, temperatur, CAN-signaler, GPS etc för att göra en strukturell utvärdering av ett fordon.

Genom den globala satsningen på elfordon är det önskvärt att integrera mätningar av elektrisk effekt i sina befintliga DAQ-system. På grund av kraftmätningens komplexa natur krävs ofta ett externt system. HBM erbjuder GEN2tB kraftanalyserare (visas på bild. 2), som kan utföra effektmätningar i labbet eller i fordonet. Detta system kan registrera elektriska spänningar och strömmar som kommer från en elektrisk maskin, vilket kan ge nya insikter i fordonsdynamiken (detta fanns inte med förbränningsmotorer).

Införandet av mätningar av elektrisk effekt gör det dessutom möjligt att korrelera värden för drivlinan med strukturdynamik, NVH (buller, vibrationer och hårdhet) och användarupplevelse i en omfattning som inte tidigare varit tillgänglig. Mätningsexempel som presenteras i den här artikeln med hjälp av HBM:s mobila lösningar och GEN2tB kommer att illustrera denna korrelation av motoreffektmätningar till driftförhållandena i elfordonet.

Unika utmaningar för testning av mobil effekt och effektivitet

Mätning av mobil effekt innebär utmaningar för både de mekaniska och elektriska systemen. En av de främsta utmaningarna är att den elektriska frekvensen, som bestämmer hastigheten, ständigt förändras. Detta skapar ett behov av en algoritm för att upptäcka cykler (frekvensspårning) för att korrekt mäta den elektriska effekten. Denna algoritm kommer att diskuteras senare.

På bild 3 finns det en enda strömfas för ett elfordon som saktar ner. Frekvensen går från hög frekvens till låg frekvens på några sekunder. Det skulle tidigare ha varit omöjligt att mäta effektivvärden och effektvärden live eftersom traditionella effektanalysatorer är beroende av en mätning baserad på en faslåst slinga (phase lock loop) som kräver en fast frekvens. Om ett system baserat på en faslåst slinga skulle försöka följa en dynamisk signal skulle det sluta med att effektberäkningarna utförs på en felaktig tidsperiod och ge ett felaktigt effektmått.

Det finns också en utmaning med hybridfordon och hybridtransmissioner som har kopplingar, transienter, flera maskiner och växlande tillstånd som skapar strömmar som ständigt ändrar amplitud och frekvens. Transienterna kommer att påverka fordonets hållbarhet, prestanda och användarupplevelse, vilket skapar en efterfrågan på exakta mätningar av drivlinans dynamik.

Mätning av vridmoment i fordon är också en utmaning eftersom axeln ofta är svår att komma åt eller ändra. Mätning av vridmoment är inte ämnet för denna artikel, men det är möjligt med hjälp av anpassade sensorer, telemetrisystem, skattningsmodeller från CAN eller töjningsmätning av halva axeln.

Vad gör att traditionella lösningar är omöjliga eller oprecisa?

Traditionella kraftanalysatorer har utformats för att mäta kraftledningar vid 50 och 60 Hz och använder en teknik med en faslåst slinga som tar tid att ställa in sig på en fast frekvens. Denna inställningstid är ofta i storleksordningen några sekunder. När den faslåsta slingan har landat i en vågform bestämmer den frekvensen och använder tidsperioden för effektivvärden och effektmätningar. Om frekvensen ständigt ändras kommer den faslåsta slingan inte att ställa in sig och den kommer att göra sina mätningar på en godtycklig tidsperiod. Detta resulterar ofta i omöjliga resultat, t.ex. verkningsgrader på över 100 procent.

Traditionella effektmätningssystem saknar också vanligtvis visuell återkoppling eller registrerade data, vilket avsevärt begränsar mätningarnas spårbarhet. Under en mätning av en drivlina i ett fordon vill man vanligtvis mäta en viss uppsättning effekter, spänningar eller strömmar och behöver visuell återkoppling för att indikera när de har uppnått den givna inställningen.

Utan återkoppling är det svårt att veta om fordonet har uppnått en viss belastningspunkt och hur länge det har fungerat vid den punkten. Denna återkoppling används också för att övervaka kontrollvariablerna Id och Iq. Visuell återkoppling ger en insikt i hur fordonet reagerar på olika störningar eller om de har uppnått sina bör-värden. Användningen av visuell återkoppling är avgörande för att göra benchmarking av konkurrenters fordon där kontrollstrategin eller drivlinans prestanda i stort sett är okända.

Traditionella effektmätningssystem saknar vidare en metod för korrelation och återkoppling till externa system. Detta är nödvändigt för att korrelera deras effektsignaler med miljödata som ofta samlas in av befintliga datainsamlingssystem.

GPS, video, temperatur och fordonets status ger en betydligt bättre insikt i vad som hände under testet. En hård inbromsning, en undanmanöver för att missa ett hinder eller svåra trafikförhållanden kan påverka fordonets effekt eller visa på ett fel i fordonskontrollen. Utan GPS eller video kan man endast förlita sig på förarens minne för att minnas dessa händelser. En riktig testkörning skulle behöva omfatta externa testförhållanden för att göra testresultaten transparenta.

Mer traditionella mobila datainsamlingssystem har inte varit avsedda för högfrekventa och högspända signaler som genereras av växelriktare. Mobila datainsamlingssystem har samplingshastigheter som maximalt ligger runt 100 kS/s, vilket är mer än tillräckligt för struktur- eller frekvensdata, men ger inte tillräckligt med bandbredd för att få en bra effektnoggrannhet från en pulsbreddsmoduleringsomriktare. Dessa växelriktare slår på och stänger av en högspänning med upp till 20 kHz, vilket kräver en mycket högre samplingshastighet för att exakt mäta effektivvärde-spänningar och -strömmar. En exempeluppsättning av högfrekvensinvertersignaler visas på bild 4.

Traditionella mobila DAQ-system är inte heller gjorda för högre spänningar, vilket är ett problem med likströmsbuss-spänningar på upp till 900 V. Dessa mätningar kan göras med spänningssonder, men det leder till att noggrannheten minskar.

Det går att använda sensorer i fordonet för att mäta effektvärden, men dessa är vanligtvis lågpris- och lågnoggrannhetssensorer som skickar ut data i långsam takt till CAN-bussen. Detta är vanligtvis inte användbart för dynamiska effektdata, saknar noggrannhet och ger ingen insikt utöver den långsamma datahastigheten.

Tillämpning av snabbare, kontinuerlig sampling

eDrive-systemet är unikt eftersom det ständigt registrerar pulsbreddsmoduleringsspänningar och -strömmar med upp till 2 MS/s per kanal. Dessa signaler med hög samplingshastighet är tillgängliga för granskning efter ett test men används också för beräkning av effektvärden i realtid.

eDrive-systemet uppnår dynamiska effektmätningar i realtid genom att göra alla beräkningar i hårdvara på en digital signalprocessor (DSP) i realtid. Denna DSP utför ekvationer i realtid, inklusive en unik algoritm för cykeldetektering. Cykelavkänningen filtrerar digitalt fas A-strömmen, hittar nollgenomgångar, tar tiden mellan två på varandra följande nollgenomgångar och använder den tiden för effektivvärde-beräkningar. DSP:n beräknar sedan effekttivvärde-spänning, ström, effekt och effektivitet på halvcykelbasis.

Bild 5 visar fas A i rött och visar cykeltiden i svart från en maskin som saktar ner. En cykeldetektor är avgörande för dynamiska effektmätningar eftersom det gör det möjligt för användarna att exakt mäta effekten när det inte finns något stationärt tillstånd. Beräkningen av dessa värden i realtid minskar tiden för efterbearbetning och ger användaren omedelbar återkoppling om systemets tillstånd.

Instrumentets realtidsekvationer är offentliga och kan redigeras av en användare, så att de kan spela in sina egna signaler eller visa sina unika ekvationer som spår. Att beräkna signaler i realtid kan avsevärt minska tiden för efterbehandling eftersom en extern dator inte behövs för att köra ekvationerna. Exempel på offentliga ekvationer visas på bild 6.

Kombinationen av registrerade data med hög samplingshastighet och tillgång till ekvationer ger spårbarhet för effektresultat snarare än ett resultat från en svart låda. Eftersom ekvationerna bearbetas i realtid kan de dessutom publiceras på en CAN-buss för korrelation med externa system.

Vikten av dynamisk effekt

Elfordonens vridmoment och hastighet är beroende av spänning och ström som ständigt ändrar frekvens och amplitud. Mätningen av dessa signaler kräver, som tidigare nämnts, en metod för att spåra frekvensen för att korrekt mäta effekten. En avancerad metod för frekvensspårning såsom cykelupptäckt gör det möjligt att testa mer än bara statisk effekt och gör det möjligt för användare att testa dynamisk effekt.

Dynamiska förluster är ytterligare förluster som införs under ett transient tillstånd, vilket illustreras på bild 7 där två rutor med registrerade data visas. Den översta rutan visar fas A-ström, cykelavkänning och effektivvärden under linjestart av en induktionsmotor. Den nedre rutan visar reell effekt, reaktiv effekt och skenbar effekt beräknade på halvcykelbasis.

Under maskinens första cykler ökar den reaktiva effekten och de efterföljande förlusterna. Denna ökade förlust under transienten skulle inte förstås eller fångas upp av traditionella effektivitetskartor, men den bidrar till elfordonens räckvidd och prestanda. Genom att ha en exakt mätning och förståelse för dessa förluster kan man börja optimera körcyklerna och fordonens faktiska prestanda.

Signalkorrelation

Testning av drivlinor på vägen skiljer sig avsevärt från testning i ett laboratorium eftersom det finns en hög grad av oförutsägbarhet i testförhållandena. För att exempelvis mäta vridmoment och hastighet i ett labb styrs en inställning för vridmoment och hastighet till en dyno och en mätning görs. För att göra samma test i ett fordon måste det ställas in på en låst hastighet, men den kommer att variera beroende på vind, vägförhållanden och höjd. För att mäta ett fast vridmoment i ett fordon måste man belasta det rejält, vilket kan innebära att man måste hitta en backe som är tillräckligt brant för att nå den önskade effektpunkten eller gå så långt som att sätta en släpvagn eller belasta fordonet med vikter.

Testning i fordonet har också som mål att hitta problem med prestanda eller kontroll. Om drivlinan inte fungerar som förväntat under vissa förhållanden vill man förstå orsakerna till felet och återskapa dem.

För att kunna förstå dessa problem ordentligt är det nödvändigt att korrelera effektvärdena med video, GPS, acceleration samt CAN-signaler. Dessa typer av mätningar kommer att ge insikt om pedalposition, hjulvinkel och miljöförhållanden som påverkar fordonets totala prestanda.

Som tur är görs dessa mätningar ofta redan med befintliga DAQ-system. Ett system som mäter dynamisk effekt kan tillföra realtidseffekt i de tillgängliga kanaler. Kombinationen av dynamisk effektmätning och miljödata kommer att ge en betydande mängd data för att förbättra fordonets prestanda.

För att uppnå detta skickar HBM eDrive de cykelbaserade beräkningarna till en CAN-buss för korrelation med ett befintligt DAQ-system. Högfrekvensdata lagras lokalt på eDrive-enheten, men effekt, styrning och andra variabler publiceras också på CAN för korrelation. Den beskrivna installationen visas på bild 8.

Den föreslagna provningsuppställningen ger effektdata till grupper som utför struktur-, NVH- och utmattningstester, men tillhandahåller också högfrekvensdata i sitt sammanhang till drivline- och styrtekniker. Alla höghastighets- eller cykelbaserade signaler kan visas live på en dator i förarhytten för att ge användaren visuell återkoppling om drivlinans tillstånd.

Exempel på dynamisk effektmätning

De frågor om dynamisk effekt som diskuteras ovan demonstreras bäst genom ett exempel från den verkliga världen. För denna demonstration utrustades en skoter med en trefasmotor med en invändig permanentmagnet med ett HBM eDrive-system. Skotern kördes runt på en bana med en rad stopp, starter och backar. Ett exempel på ett testvarv visas på bild 9 där spänningar, strömmar och effektvärden visas. Fordonet startas initialt och genomgår en serie starter, accelerationer, sparkar och frirullar.

Som framgår av figuren finns det en tydlig gräns för effekt och ström som kan ses av de platta orangefärgade linjerna. Även om den synliga effekten hålls konstant av regulatorn ändras den synliga och reella effekten beroende på fordonets tillstånd. Vid en komplett körcykel av fordonet kan man också se hur fordonet hanterar regenerativ effekt. Ämnena acceleration, regenerering och felhantering kommer att undersökas närmare inom kort.

Fordonsacceleration

På bild 10 visas ett exempel där fordonet startar från ett stopp. Eftersom fordonet är en skoter krävs det att föraren sparkar till den för att starta den, vilket resulterar i en sinusformad motelektromotorisk kraft som syns i de blå spänningsvågformerna. När fordonet har nått tillräcklig hastighet börjar pulsbreddsmoduleringstyrningen och vi får ett strömflöde som syns i rött.

Så snart det finns ström, följer cykeldetektorn den och börjar ge effekt som visas av den svarta fyrkantiga vågen på bild 10. Det visas att effekten ökar med fordonets hastighet, men den ökar inte linjärt.

Det finns fluktuationer i effekten när den ökar och det finns också ett översteg när fordonet når den maximala effektpunkten. Detta överskridande orsakar troligen ytterligare ineffektivitet och skulle behöva beaktas om fordonet hade många starter och stopp i sin drift.

När fordonet väl har nått den maximala effektpunkten fortsätter den reaktiva och reella effekten att förändras i takt med att fordonets hastighet ändras. Denna dynamik visar att effekten är beroende av miljön och hur föraren väljer att använda fordonet.

Fordonsdynamik

Figur 11 visar en rad olika fordonsdynamiska händelser som inträffar under en körning. Under denna period av testet körs fordonet med full gas och går sedan in i frirullning. Under denna frirullning sänker den sin strömstyrka och går in i en period av lätt regenerering. Därefter får fordonet återigen full gas och föraren sparkar för att driva fordonet. Skotern minimerar strömtillförseln under sparken och kör sedan ned för en nedförsbacke där strömnivån kan minskas för samma hastighet.

Under nedförsbacken fluktuerar effekten kraftigt på grund av olika miljöfaktorer, som i det här fallet: gupp, höjdskillnader och vind. Detta segment visar hur effekten är direkt kopplad till miljöfaktorer. Om händelser som denna skulle vara kopplade till vibrations- eller feldiagnostikdata skulle man få verktyg för att förbättra konstruktioner och lösa problem.

Regenerativ bromsning

Hur och när ett fordon går in i regenerativ bromsning är av intresse, men hur föraren interagerar med regenereringen måste också beaktas. På bild 12 visas skotern med full gas följt av en inbromsningsperiod. Strömmen och effekten sjunker långsamt när fordonets hastighet börjar minska. Strömmen går sedan till nästan noll men ökar kort därefter trots den fortsatta hastighetsminskningen. Vid denna tidpunkt kan vi se att strömmen blir negativ, vilket tyder på att strömmen förs tillbaka till batteriet.

Fordonet fortsätter att sakta ner och så småningom blir effekten positiv, vilket visar att vi inte längre genererar tillräckligt med energi för att få den tillbaka i batteriet och att denna energi nu bidrar till förlusterna. Detta visar hur regenerering kan leda till ytterligare förluster. När man utformar ett system som används av verkliga användare kan detta vara värdefull information vid val av när man ska slå på eller stänga av regenereringen. Regenereringen kan också påverka användarupplevelsen och data kan hjälpa till att korrelera saker som hårda eller ojämna stopp med oönskade effekter på drivlinan.

Exempel på dynamisk styrning

HBM eDrive-systemet kan göra styrtransformationer i realtid utöver effektberäkningar. Möjligheten att göra rymdvektor- eller DQ0-transformationer ger användarna information som hjälper dem att avgöra om maskinen beter sig som förväntat. Genom att registrera de uppmätta kontrollvariablerna tillsammans med tex CAN-data från fordonet kan man se om maskinen genomför det som dess styrenhet tror att den gör.

Genom att övervaka styrtekniken kan användarna också förstå oväntade störningar. På bild 13 visas tidsdata för skotern som går i luften. Den är i stationär drift och går sedan upp i luften under en period. I luften ökar enhetens frekvens och amplituden minskar. Under denna period går systemet till och med tillfälligt in i regenerering. När fordonet landar uppstår en stor strömtillströmning och en dynamisk effektsituation. Styrningen återställer driften av fordonet och det fortsätter att fungera.

Hur fordonsstyrningen hanterar transienten kommer att vara intressant för elektriska drivlinor. Om det är för mycket ström i fel axel är det möjligt att rotorn avmagnetiseras. Det kan också finnas gränser för hur mycket ström ett system kan hantera.

På bild 14 visas ett exempel på fordonets landning i rymdvektordomänen. Flödes- och magnetiseringsaxeln visas och plottas med alfa mot beta i det högra fönstret. När fordonet landar får strömmarna för magnetisering och flöde en topp och den resulterande xy-displayen visar hur regulatorn reagerar på störningen. Man kan se om regleringen går utanför ett acceptabelt intervall och ställa in den enligt systemets behov. Om positionen vore tillgänglig kunde detta också ha visats i DQ0-domänen.

Om författarna

Mitch Marks är specialist på motortestning för HBM Test and Measurement där han fungerar som affärsutvecklare och applikationsexpert för testning av elmotorer. Denna roll gör att han regelbundet besöker många labb i många olika branscher över hela landet vilket ger honom ett unikt perspektiv på några av de bästa metoderna för att utforma en motortestcell. Tidigare i karriären har han drivit ett forskningslabb för kraftförsörjning med fokus på distribuerade nät och testning av dragmotorer. Mitch tog en kandidatexamen och en masterexamen från University of Wisconsin-Madison i WEMPEC-programmet för elektriska motorer och drivsystem. Han kan nås via Mitchell.Marks@hbkworld.com.

Mike Hoyer är applikationsingenjör på HBM Test and Measurement. Mike har över 35 års erfarenhet av  radiosändningar och över 30 års erfarenhet av datainsamling, marknadsföring och applikationsteknik inom fordons-, flyg- och kraftindustrin, vilket ger lösningsorienterade resultat över hela världen via presentationer, artiklar, mässor, seminarier, videor, webbseminarier, vitböcker samt utbildning och demonstrationer på plats. Han har en kandidatexamen i elektroteknik från New York Institute of Technology, Old Westbury, New York, och en associerad examen i ingenjörsvetenskap från Farmingdale State University of New York. Mike kan nås via Mike.Hoyer@hbkworld.com.