Identifiering av lagerströmmar i elmotorer för framdrivning av tunga fordon : Utveckling av metod och programvara för att detektera lagerströmmar

Detta är en M1-uppsats från KTH/Hälsoinformatik och logistik

Sammanfattning: Klimatutmaningar, lagändringar och ett ökat miljötänk har tvingat transportsektorn att ställa om till eldrift. Batterier och elmotorer har utvecklats kraftigt och är nu ett alternativ även för tunga fordon. Ett vanligt förekommande problem med elmotorer i fordon är lagerströmmar, här kallat gnista eller blixthändelser. Dessa uppstår på grund av oönskade urladdningar i motorn och förorsakar skador på lagren i motorn. Syftet med motorlager är att avlasta och minska friktionen kring motoraxeln. För att förebygga problemet och se förbättringar eller försämringar av olika åtgärder som görs krävs att lagerströmmar kan identifieras utifrån mätdata. Detta examensarbete analyserar relevant forskning inom området för att sedan introducera en metod och en algoritm för att identifiera lagerströmmar i samarbete med Scania CV. Algoritmen består av tre olika parametrar som påverkar identifieringen av de oönskade strömmarna på olika sätt. Verktyget lyckades identifierade lagerströmmar i olika mätdata, och hittade skillnader i antalet blixthändelser mellan olika körningar av provobjektet. Dock krävs vidare utveckling av verktyget och möjligheten att bearbeta annan typ av data som exempelvis spänningar i motorn för atthitta bättre samband.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)