在無刷直流（BLDC）電機控制系統(tǒng)中，無傳感器方案因省去霍爾或編碼器等位置反饋器件，可顯著降低BOM成本、提升系統(tǒng)可靠性并簡化機械結(jié)構(gòu)。然而，其在啟動階段和低速運行時缺乏轉(zhuǎn)子位置信息，易導致啟動失敗、停轉(zhuǎn)或誤判，尤其在帶載啟動場景下問題更為突出。針對這一痛點，瑞薩電子提出一種基于邊緣AI的實時異常檢測方法，有效提升無傳感器BLDC控制的魯棒性。

問題背景與挑戰(zhàn)

在典型的磁場定向控制（FOC）或梯形波換相架構(gòu)中，無傳感器算法通常依賴反電動勢（BEMF）觀測來估算轉(zhuǎn)子位置。但在電機靜止或低速時，BEMF幅值極小，難以準確提取，導致初始換相時序錯誤。若此時電機連接負載（如風機、泵類），極易發(fā)生啟動失步或堵轉(zhuǎn)，而傳統(tǒng)控制邏輯可能仍誤判為“正常運行”，造成系統(tǒng)保護失效或設備損壞。

解決方案：嵌入式AI異常檢測

瑞薩電子代理商-中芯巨能為您推薦您使用瑞薩電子RA6T2 電機控制套件（MCK-RA6T2，含MCB-RA6T2 CPU單元與MCI-LV-1低壓逆變器，訂購料號：RTK0EMA270S00020BJ和RTK0EMA270S00021BJ），此套件構(gòu)建了一個雙電機測試平臺：一臺作為被測電機（DUT），另一臺模擬可變負載。通過本地PC上的GUI下發(fā)啟動指令，并同步采集逆變器輸出的三相電流與母線電壓原始數(shù)據(jù)。

在此基礎上，瑞薩AI卓越中心（COE）團隊開發(fā)了一個輕量級AI模型，用于識別四種典型啟動狀態(tài)：

無負載 + 正常啟動

無負載 + 異常啟動（參數(shù)錯誤）

帶負載 + 正常啟動

帶負載 + 異常啟動（如堵轉(zhuǎn)）

如需采購RTK0EMA270S00020BJ、RTK0EMA270S00021BJ或咨詢RA6T2等需求，請加客服微信：13310830171。瑞薩代理商-深圳市中芯巨能電子有限公司，為制造業(yè)廠家的工程師或采購提供選型指導+數(shù)據(jù)手冊+樣片測試+技術(shù)支持等服務。

數(shù)據(jù)采集與模型訓練

數(shù)據(jù)通過 e2 studio 集成的 Reality AI Utilities 工具 實時捕獲，并上傳至 Reality AI Tools? 云平臺 進行特征提取與模型訓練。該平臺支持自動優(yōu)化神經(jīng)網(wǎng)絡結(jié)構(gòu)，以適配RA6T2 MCU的資源約束。最終模型僅占用 576 字節(jié) RAM 和 4,146 字節(jié) Flash，完全可在應用固件中與FOC控制環(huán)并行運行。

模型輸入為時域電流/電壓序列，輸出為啟動狀態(tài)分類結(jié)果。經(jīng)獨立測試集驗證，其對異常啟動（尤其是帶載堵轉(zhuǎn)）的識別準確率超過98%。部署后，GUI可實時顯示真實啟動狀態(tài)，避免誤報。

工程價值與實現(xiàn)要點

無需額外傳感器：僅利用現(xiàn)有電流采樣通路，零硬件改動；

低資源開銷：模型極小，不影響主控性能；

快速部署：Reality AI工具鏈支持從數(shù)據(jù)到代碼的一鍵生成；

適用性強：可擴展至不同功率等級的BLDC應用，如OBC、家電壓縮機、工業(yè)風扇等。

總結(jié)

該方案將邊緣AI與電機控制深度融合，解決了無傳感器BLDC在關鍵啟動階段的可靠性瓶頸。對于追求高集成度、低成本且需應對復雜負載工況的工程師而言，此方法提供了一種實用、高效且易于落地的技術(shù)路徑，標志著智能電機控制從“精確驅(qū)動”向“自主診斷”的演進。