2、电机基础与电流波形：直流电机、交流电机、步进电机的工作原理，以及电流波形的基本形态
在TinyML电机电流分析中，电流波形是电机运行状态的“指纹”。无论是直流电机、交流电机还是步进电机，其电流波形都直接反映了电磁转矩、负载阻力、机械摩擦、供电质量以及控制策略的综合作用。理解不同电机的工作原理及其电流波形的基本形态，是后续进行特征提取、状态分类和异常检测的前提。本章将系统梳理三类常用电机的工作原理，剖析其电流波形的产生机理与典型形态，并给出面向TinyML应用的波形解读方法。
2.1 直流电机的工作原理与电流波形特征
直流电机是将直流电能转换为机械能的旋转电机。其核心工作原理基于载流导体在磁场中受到安培力的作用。对于有刷直流电机，电枢绕组通过换向器和电刷与外部电源连接，换向器保证电枢绕组产生的转矩方向始终一致。无刷直流电机则通过电子换向器（逆变器）替代机械换向器，利用位置传感器或反电动势检测转子位置，实现定子绕组的顺序通电。
直流电机的电流波形并非理想的平直直流，而是叠加了周期性纹波的复合波形。纹波的主要来源包括：
- 换向纹波：有刷电机换向瞬间，电枢绕组电流发生突变，产生高频纹波，频率与换向片数和转速相关。
- PWM斩波纹波：调速时采用PWM驱动，电流波形呈现锯齿状或三角波状，纹波频率等于PWM载波频率。
- 齿槽效应纹波：定子齿与永磁体之间的磁阻变化引起转矩脉动，进而反映为电流纹波。
在负载状态识别中，直流电机电流的均值与负载转矩近似成正比，而纹波幅值和频率则与转速、换向状态、轴承磨损等因素相关。例如，当负载增大时，电流均值明显上升，纹波幅值可能增大，但纹波频率基本不变（取决于转速和换向片数）。
2.2 交流电机的工作原理与电流波形特征
交流电机分为异步电机（感应电机）和同步电机两大类。异步电机依靠定子旋转磁场在转子绕组中感应出电流，进而产生电磁转矩；同步电机的转子转速与定子旋转磁场转速严格同步。工业中最常见的是三相异步电机，其定子绕组通入三相对称交流电，产生旋转磁场。
交流电机的电流波形在理想情况下是标准正弦波，频率等于电源频率（50Hz或60Hz）。但在实际运行中，电流波形会发生以下变化：
- 幅值变化：负载转矩增大时，电流幅值相应增大，因为电磁转矩与电流近似成正比。
- 相位变化：轻载时功率因数较低，电流相位滞后电压较多；重载时功率因数提高，相位差减小。
- 谐波畸变：变频器供电时，PWM调制会产生丰富的谐波分量，导致电流波形畸变，出现明显的毛刺或台阶。
- 不平衡：三相电流幅值不一致时，可能表明电机匝间短路、电源不平衡或机械负载不均匀。
对于TinyML应用，交流电机的电流分析通常关注基波幅值、谐波失真度（THD）、三相不平衡度以及特定频率分量的能量。例如，转子断条故障会在电流频谱中产生(1±2s)f的边频分量（s为转差率），这是故障诊断的重要特征。
| 电机类型 | 电流波形基本形态 | 负载增加时的变化 | TinyML可提取的关键特征 |
|---|---|---|---|
| 直流有刷 | 直流 + 换向纹波 + PWM纹波 | 均值上升，纹波幅值增大 | 均值、纹波峰峰值、纹波频率 |
| 直流无刷 | 梯形波/正弦波（取决于控制方式） | 电流幅值增大，换相尖峰更明显 | 相电流峰值、换相频率、反电动势过零点 |
| 三相异步 | 正弦波（50/60Hz） | 幅值增大，相位角变化，谐波增加 | 基波幅值、THD、三相不平衡度、边频分量 |
| 步进电机 | 阶梯波/脉冲波 | 峰值升高，平台区电流波动增大 | 每步峰值、平台区纹波、失步特征 |
2.3 步进电机的工作原理与电流波形特征
步进电机是一种将电脉冲信号转换为角位移的执行电机。每输入一个脉冲，电机转子转动一个固定的步距角（如1.8°或0.9°）。步进电机的工作原理基于磁阻最小原理或永磁体与电磁铁的相互作用。常见的类型包括永磁式、反应式和混合式步进电机。
步进电机的电流波形与驱动方式密切相关：
- 整步驱动：每相电流为方波，导通期间电流恒定，换相时电流突变。
- 半步驱动：电流波形为阶梯状，每步包含半导通状态，波形更平滑。
- 微步驱动：电流波形近似正弦波，通过细分电流实现更小的步距角，运行更平稳。
步进电机的电流波形在负载变化时表现出以下特征：
- 峰值电流上升：负载转矩增大时，每步的电流峰值明显升高。
- 平台区波动：在电流保持阶段，若负载波动或发生共振，电流平台区会出现明显的振荡。
- 失步特征：当负载超过电机转矩能力时，电机失步，电流波形出现不规则畸变，表现为脉冲缺失或幅值异常。
2.4 电流波形分析的核心方法与判断流程
在TinyML电机电流分析中，从原始电流波形到负载状态识别，通常遵循以下流程：
- 信号采集：使用电流传感器（如采样电阻、霍尔电流传感器、电流互感器）获取电机相线或母线电流。
- 预处理：包括去直流分量、滤波（低通/带通）、归一化、重采样等操作，消除噪声和工频干扰。
- 特征提取：从时域、频域、时频域提取特征。时域特征包括均值、方差、峰峰值、波形因子；频域特征包括基波幅值、谐波能量、特定边频分量；时频域特征包括小波包能量、短时傅里叶变换谱。
- 特征选择与降维：使用主成分分析（PCA）、线性判别分析（LDA）或基于树模型的特征重要性评估，筛选出最具区分度的特征子集。
- 模型训练与部署：在边缘设备上部署轻量级神经网络（如MobileNetV1、TinyML专用模型）或传统机器学习模型（如随机森林、XGBoost），实现实时负载状态分类。
背景与约束：某自动化产线使用24V有刷直流电机驱动传送带，需要实时监测传送带是否卡滞或过载。电机额定电流3A，PWM载波频率20kHz，转速1500rpm，换向片数12片。边缘设备为Cortex-M4微控制器，内存256KB，Flash 1MB。
初始现象：传送带偶尔卡滞，导致电机过载烧毁。传统保护依赖热继电器，响应慢且无法区分轻度过载和瞬时冲击。
关键数据：采集电机母线电流，采样率50kHz，每100ms计算一次特征窗口。正常负载时电流均值1.8A，纹波峰峰值0.3A；卡滞初期电流均值升至2.5A，纹波峰峰值0.6A；完全卡死时电流均值达4.2A，纹波消失。
分析判断：通过时域特征（均值、峰峰值）即可区分正常、轻度过载和堵转三种状态。进一步提取纹波频率（换向频率=1500/60×12=300Hz）的幅值，发现堵转时300Hz分量几乎消失，可作为辅助判据。
实际操作：在Cortex-M4上部署两层全连接神经网络（输入特征6个，隐藏层16个节点，输出3类），模型大小约4KB，推理时间<1ms。设定阈值：均值>2.2A且纹波峰峰值>0.5A持续200ms则报警轻度过载；均值>3.5A持续50ms则立即停机。
结果对比：部署后成功识别出3次早期卡滞，避免了电机烧毁。相比热继电器，响应时间从秒级缩短至毫秒级。
风险与代价：采样率较高导致功耗增加，需在电池供电场景下权衡。此外，PWM噪声可能干扰纹波测量，需增加硬件滤波或软件陷波器。
复盘经验：直流电机的电流均值是负载状态的最强指标，但纹波特征在区分“均匀负载”和“冲击负载”时不可替代。TinyML模型应优先选择计算量小的时域特征，避免在MCU上做复杂FFT。
2.5 常见误区与总结复盘
在电机电流波形分析中，初学者常犯以下错误：
- 误区一：忽略采样率与PWM频率的关系。若采样率低于PWM频率的2倍，纹波信息将混叠为低频噪声，导致特征失真。
- 误区二：将交流电机的谐波直接等同于故障。变频器供电时谐波是正常现象，需区分背景谐波与故障特征谐波。
- 误区三：步进电机失步检测仅看电流幅值。失步初期电流幅值可能变化不大，但波形相位和平台区形态已发生改变，需结合时域形态特征。
- 误区四：忽视温度对电流的影响。电机绕组温度升高时电阻增大，相同负载下电流会略微下降，可能导致误判。
总结而言，电流波形分析的核心在于理解“电流是电磁转矩与反电动势共同作用的结果”。直流电机看均值和纹波，交流电机看幅值和相位，步进电机看峰值和平台形态。在TinyML应用中，应优先选择物理意义明确、计算简单的特征，并充分验证不同负载条件下的波形稳定性。下一阶段将深入探讨电流信号的预处理与特征工程方法，为模型训练奠定基础。