Nouvelle méthode de diagnostic pour moteurs électriques
Dans le paysage technologique en constante évolution des véhicules électriques, où la performance, l’efficacité et la sécurité sont primordiales, les chercheurs repoussent continuellement les limites de la conception des moteurs et de la détection des défauts. Une percée récente en diagnostic moteur, publiée dans les Proceedings of the CSEE, présente une méthode novatrice pour détecter les défauts d’enroulement internes dans un type spécialisé de moteur à aimant permanent souvent envisagé pour les véhicules électriques de nouvelle génération. Les travaux dirigés par Zhenfei Chen et son équipe de l’Université de Hohai proposent une solution intelligente et économique à un défi persistant de fiabilité des moteurs : la détection des défauts en circuit ouvert dans les enroulements internes inaccessibles.
Alors que les constructeurs automobiles s’efforcent de proposer des véhicules aux performances plus souples, à l’autonomie prolongée et à la durabilité accrue, le moteur électrique demeure un composant central sous surveillance constante. Parmi les différentes topologies de moteurs, les machines à aimants permanents à encoches fractionnaires (FS-PMM) ont retenu l’attention pour leur haute densité de puissance, leur conception compacte et leur ondulation de couple réduite – des attributs clés pour des expériences de conduite premium. Cependant, une variante, le FS-PMM hybride étoile-triangle (Y-Δ), tout en offrant une suppression harmonique supérieure et des pertes réduites, présente une vulnérabilité cachée : ses enroulements internes connectés en triangle sont physiquement isolés et non directement accessibles pour la mesure du courant.
Cette caractéristique architecturale, bien que bénéfique pour les performances électromagnétiques, crée un angle mort pour la surveillance des défauts. Lorsqu’une phase de l’enroulement triangle interne subit un défaut en circuit ouvert – essentiellement un fil rompu – il n’y a aucune indication immédiate aux bornes du moteur, où les capteurs sont typiquement placés. Contrairement aux défauts dans les enroulements étoile externes, qui provoquent une chute évidente du courant de phase mesuré, les défauts internes du triangle peuvent passer inaperçus aux premiers stades. Non détectés, de tels défauts peuvent entraîner une augmentation de la contrainte thermique, des forces magnétiques déséquilibrées et, finalement, une défaillance catastrophique du moteur. Cela représente un risque significatif, particulièrement dans les applications critiques pour la sécurité comme les systèmes de propulsion électrique.
Les méthodes conventionnelles de diagnostic de défauts reposent souvent sur la mesure des courants homopolaires ou des tensions du point neutre – des signaux uniquement présents dans les systèmes connectés en étoile. Ces techniques sont inefficaces pour les configurations triangle ou hybrides Y-Δ. D’autres approches, comme le contrôle prédictif basé sur des modèles ou l’analyse harmonique de l’axe dq, nécessitent des modifications complexes de la commande et une surcharge computationnelle supplémentaire, les rendant moins attractives pour des implémentations en temps réel et à faible coût. L’absence d’une méthode de diagnostic fiable et non intrusive pour les défauts internes du triangle constituait une lacune notable dans le domaine.
Zhenfei Chen, professeure associée à l’École de génie électrique et énergétique de l’Université de Hohai, a identifié ce défi et dirigé une équipe pour développer une nouvelle stratégie de diagnostic qui exploite les caractéristiques inhérentes du moteur plutôt que de nécessiter de nouveaux matériels. Leur approche, détaillée dans le numéro de novembre 2024 des Proceedings of the CSEE, se concentre sur la troisième composante harmonique du courant statorique – un signal souvent considéré comme du bruit mais qui, dans ce cas, devient un indicateur de diagnostic puissant.
L’idée sous-jacente à la méthode réside dans la compréhension du comportement électromagnétique du système hybride Y-Δ dans des conditions de défaut. En fonctionnement normal, les courants triphasés symétriques dans les enroulements étoile et triangle s’annulent mutuellement pour les harmoniques de triple fréquence (comme le troisième, le neuvième, etc.), ce qui se traduit par une teneur négligeable en troisième harmonique dans les courants de phase externes mesurables. Cependant, lorsqu’une phase unique de l’enroulement triangle interne s’ouvre, cette symétrie est rompue. Le circuit interrompu empêche la circulation normale des courants de troisième harmonique dans la boucle triangle, contraignant ces harmoniques à emprunter un chemin alternatif à travers les enroulements étoile externes.
En conséquence, les courants de phase dans l’enroulement étoile accessible présentent une augmentation mesurable de l’amplitude de la troisième harmonique. Fait crucial, la distribution de cette harmonique n’est pas uniforme sur les trois phases. L’analyse de l’équipe a révélé un motif distinct : en cas de défaut en circuit ouvert sur la phase X, les courants des phases A et C affichent des niveaux élevés de troisième harmonique, tandis que la phase B reste relativement non affectée. De même, un défaut sur la phase Y élève les harmoniques en A et B, laissant C intacte, et un défaut sur la phase Z impacte B et C, épargnant A. Cette « signature » unique permet non seulement la détection du défaut mais aussi l’identification précise de la phase défectueuse.
Bien que cette approche basée sur les harmoniques soit élégante en théorie, son implémentation dans le monde réel se heurte à des obstacles pratiques, particulièrement aux faibles vitesses du moteur. À basse vitesse de rotation, l’amplitude du courant de troisième harmonique est intrinsèquement faible, souvent comparable au bruit de fond introduit par les capteurs de courant et les circuits de traitement du signal. Dans de telles conditions, distinguer un signal de défaut authentique d’une erreur de mesure devient difficile, pouvant conduire à de fausses alarmes ou à des défauts non détectés.
Pour surmonter cette limitation, Chen et ses collègues ont introduit un processus d’amélioration du signal en deux étapes. Premièrement, ils appliquent une opération de mise au carré aux amplitudes extraites de la troisième harmonique. Cette transformation non linéaire amplifie les différences entre les phases à harmoniques élevées et celles à harmoniques basses, rendant la signature de défaut plus prononcée. Deuxièmement, ils mettent à l’échelle les valeurs au carré par un facteur de gain, augmentant efficacement le rapport signal sur bruit. Ce signal amplifié est ensuite comparé à un seuil prédéfini pour générer un « indice de localisation de phase de défaut » binaire.
L’indice est conçu pour la clarté et la fiabilité. En fonctionnement sain, les trois indices de phase sont à zéro. Lorsqu’un défaut survient, deux indices passent à « 1 » tandis que celui correspondant à la phase la moins affectée reste à « 0 ». Par exemple, si l’indice de la phase B reste à zéro tandis que A et C passent à un, le système identifie un défaut de phase X dans l’enroulement triangle interne. Cette cartographie logique permet à la fois une détection rapide des défauts et une localisation précise de la phase avec un effort computationnel minimal.
La robustesse de la méthode a été rigoureusement testée sur un prototype physique d’un FS-PMM hybride Y-Δ à 10 pôles et 12 encoches. Le dispositif expérimental comprenait un moteur de charge programmable, un capteur de couple de haute précision et un système de contrôle en temps réel basé sur RTUBox, permettant aux chercheurs de simuler des défauts en circuit ouvert en ouvrant à distance des disjoncteurs dans les connexions d’enroulement interne. Les tests ont été menés dans une large gamme de conditions de fonctionnement, incluant des vitesses variables de l’arrêt à 800 tr/min et des changements de charge dynamiques.
Les résultats ont confirmé les prédictions théoriques. Dans des conditions normales, la teneur en troisième harmonique dans les courants de phase externes était négligeable. Après l’induction d’un défaut en circuit ouvert dans la phase X de l’enroulement triangle interne, les amplitudes de la troisième harmonique dans les phases A et C de l’enroulement étoile externe ont immédiatement augmenté, tandis que l’harmonique de la phase B est restée proche de zéro. L’indice de localisation de phase de défaut a répondu instantanément, passant de tous zéros au motif correct « 1-0-1 », indiquant clairement un défaut de phase X.
Peut-être le plus impressionnant, la méthode a démontré des performances exceptionnelles à basse vitesse, là où les approches traditionnelles échouent souvent. Même à 200 tr/min, le signal harmonique amplifié distinguait clairement la condition de défaut du bruit, grâce à la technique de mise au carré et de mise à l’échelle. L’équipe a soigneusement sélectionné le facteur d’amplification et le seuil pour équilibrer sensibilité et fiabilité, garantissant que les fluctuations mineures dues au bruit des capteurs ne déclencheraient pas de fausses alarmes. Des tests supplémentaires avec des changements de charge soudains – simulant des conditions de conduite réelles comme une accélération rapide ou une montée – ont montré que l’indice de diagnostic restait stable et précis, non affecté par les demandes de couple transitoires.
L’un des avantages les plus convaincants de cette nouvelle méthode est son caractère pratique. Elle ne nécessite aucun capteur supplémentaire, aucune modification de la structure physique du moteur et aucun accès aux enroulements internes. Elle fonctionne uniquement sur les mesures standard de courant de phase déjà disponibles dans la plupart des systèmes de contrôle de moteur. Cela en fait un candidat idéal pour l’intégration dans les contrôleurs de moteur de véhicules électriques existants, ajoutant une couche de protection contre les défauts sans augmenter le coût ou la complexité du système.
D’un point de vue fabrication et maintenance, cette technologie offre une valeur significative. La détection précoce des défauts d’enroulement permet une maintenance prédictive, évitant les pannes imprévues et réduisant les coûts de possession à long terme. Pour les constructeurs automobiles, elle améliore la fiabilité et la sécurité perçues de leurs véhicules électriques, un argument de vente clé sur un marché concurrentiel. La méthode favorise également une adoption plus large des moteurs hybrides Y-Δ, qui, malgré leurs avantages en performance, ont été sous-utilisés en raison des défis de diagnostic.
Les implications dépassent le cadre des véhicules particuliers. Cette technique de diagnostic pourrait être appliquée à tout système utilisant des moteurs hybrides connectés en Y-Δ, y compris les bus électriques, les camions commerciaux, les entraînements industriels et même les applications aérospatiales où la fiabilité des moteurs est critique. Le principe d’utilisation du contenu harmonique inhérent comme signal de diagnostic pourrait inspirer des approches similaires pour d’autres types de machines électriques et conditions de défaut.
Le travail de Zhenfei Chen représente un passage d’une surveillance réactive à une surveillance proactive de la santé des moteurs. Au lieu d’attendre qu’un défaut dégénère en une défaillance majeure, le système peut identifier le problème à son origine, permettant une intervention rapide. Cela s’aligne sur la tendance croissante dans l’industrie automobile vers l’analyse prédictive et les jumeaux numériques, où les systèmes du véhicule surveillent continuellement leur propre santé et performance.
La recherche souligne également l’importance d’une pensée interdisciplinaire dans l’innovation technique. En combinant une connaissance approfondie de la théorie électromagnétique des moteurs avec des techniques pratiques de traitement du signal, l’équipe a pu transformer une faiblesse potentielle – la présence d’harmoniques – en un outil de diagnostic puissant. Ce type de résolution de problème créative est essentiel pour faire progresser l’état de l’art dans la mobilité électrique.
Alors que les véhicules électriques deviennent plus complexes, avec des moteurs multiples, de l’électronique de puissance avancée et des algorithmes de contrôle sophistiqués, le besoin de diagnostics intelligents et embarqués ne fera que croître. Des méthodes comme celle développée par Chen et son équipe fournissent un plan pour construire des systèmes d’entraînement électrique plus intelligents et plus résilients. Elles démontrent que parfois, les solutions les plus efficaces ne sont pas les plus complexes, mais plutôt celles qui exploitent astucieusement le comportement naturel du système.
À l’avenir, ce cadre de diagnostic pourrait être étendu pour détecter d’autres types de défauts, tels que les courts-circuits ou la dégradation partielle des enroulements, en analysant différentes composantes harmoniques ou en utilisant l’apprentissage automatique pour identifier des motifs plus subtils. L’intégration avec les systèmes de télématique véhicule pourrait permettre une surveillance à distance de la santé du moteur, fournissant aux gestionnaires de flotte des informations en temps réel sur l’état de leurs véhicules.
En conclusion, les recherches menées par Zhenfei Chen, Feng Wang, Zhixin Li, Xiangmin Wan et Zhihao Ling à l’Université de Hohai marquent une avancée significative dans la fiabilité et la sécurité des moteurs électriques pour les applications automobiles. Leur méthode de diagnostic de défauts basée sur les harmoniques pour les FS-PMM hybrides Y-Δ est non seulement scientifiquement fondée mais aussi éminemment pratique, offrant une solution robuste et économique à un défi technique persistant. Alors que l’industrie automobile poursuit son voyage vers l’électrification, des innovations comme celle-ci joueront un rôle crucial pour garantir que les véhicules électriques soient non seulement efficaces et puissants, mais aussi fiables et sûrs.
Zhenfei Chen, Feng Wang, Zhixin Li, Xiangmin Wan, Zhihao Ling, Université de Hohai, Proceedings of the CSEE, DOI : 10.13334/j.0258-8013.pcsee.231539