做调速电机的性能测试,绕不开两件事:损耗分离和效率MAP图。有一回帮某客户做一台7.5kW变频驱动异步电机的摸底测试,额定点效率91.5%,数据很好看。结果客户反复反馈:低速大扭矩工况下电机外壳烫手。翻测试记录,800rpm以下效率已经掉到82%以下,但问题出在哪?效率曲线本身给不出答案——是铜损大了,还是铁损异常,还是机械部分出了问题,单看η没有用。于是我把损耗一项项分离出来,再把这些工况点的效率数据铺成一张以转速和转矩为坐标的效率MAP图,问题一下清晰了:低速区铁损占比异常高,磁路过饱和。这就是损耗分离和效率MAP图真正的价值。
这篇笔记我会把整个流程完整说一遍:损耗怎么拆、台架怎么搭、数据怎么采、MAP图怎么画,以及我自己踩过的几个坑。适合电机测试的入门工程师,也适合做电机控制器标定的朋友参考。
1. 单调一条效率曲线,解决不了调速电机的真实工况
1.1 调速电机的"工况"不是一个点,而是一张面
很多人测电机,习惯性只测额定点效率,测完报告上写"额定点效率91.5%",好像这台电机到哪儿都是91.5%一样。但调速电机的本质是宽范围运行——电动车的起步、爬坡、巡航,变频空调的宽范围调功,机器人的连续启停插补,转速和转矩的跨度非常大。一个额定点最多只能说设计校核点做得好不好,完全代替不了实际运行时的性能。
额定点效率好看、低速大扭矩区一塌糊涂的电机,我见过不止一台。原因也各不相同:有的是磁路在低频区饱和,铁损暴涨;有的是转子导条工艺有问题,大电流下杂散损耗失控;有的是散热风路设计不合理,热态电阻一上去,铜损全吃掉效率。这些问题在额定点效率曲线上都看不出来,因为额定点只有一个,损耗的构成也只有一个截面。
所以评价调速电机,行业里通用的做法是做全工况扫描,用效率MAP图把整个转速-转矩平面的效率分布画出来,同时配合损耗分离,解释"为什么某些区域效率低"。
1.2 不同角色从这两项测试里各取所需
损耗分离和效率MAP图在不同角色手里,价值完全不同:
- 电机设计人员关心损耗构成。铜损大,就加粗线径、提高槽满率;铁损大,就换低损耗硅钢片、调整磁密;机械损耗大,就换轴承、优化风路。没有损耗分离,优化就是盲人摸象。
- 控制器标定工程师关心效率MAP图。做效率优先的控制策略时,直接查表找当前转速下效率最高的转矩点,让电机尽量工作在高效区,这在电动车和家电驱动里是实打实的节能手段。
- 系统集成与验收人员关心这台电机在整个负载包络内是否满足指标。很多招标文件会直接要求提供效率MAP图,而不是单点效率。
这个区别很关键:效率MAP图是"结果",损耗分离是"原因"。只看图,你知道哪里效率低;做了分离,你才知道为什么低、能不能优化、往哪个方向优化。
2. 四项损耗的物理来源,以及把它们"拆开"的核心思路
2.1 铜损:公式简单,但温度是绕不开的变量
铜损是四项损耗里最容易理解的:电流流过绕组,电阻发热。公式就是经典的三相绕组损耗:
P_cu = 3 × I² × R
其中I是相电流有效值,R是每相绕组的直流电阻。需要注意,这个R必须是电机实际运行温度下的热态电阻。常温下测出来的冷态电阻直接拿来算,效率会被算高,因为实际跑起来绕组温度可能到100℃甚至更高,电阻会比冷态大30%以上。
温度换算可以用这个公式:
R_θ2 = R_θ1 × (K + θ2) / (K + θ1)
铜绕组的K值取235,铝绕组取225。θ1是测量R_θ1时的绕组温度,θ2是目标工作温度。
实操里建议在负载试验过程中,每测完一个点就断电快测一次直流电阻,同时记录绕组温度;测不了热态电阻的,就用埋置热电偶的绕组温度配合冷态电阻换算。只测外壳温度再估绕组温度,误差很大,低速大转矩工况里外壳温度和绕组温度能差出三五十度。
2.2 铁损:靠空载试验"挤"出来
铁损由磁滞损耗和涡流损耗组成,产生在定转子铁心里。它的特点是:只要有旋转磁场就有铁损,跟负载大小基本无关。这个特性给了我们一个非常方便的实验手段——空载试验。
空载时电机输出功率近似为零,输入功率几乎全部用来抵消损耗。其中空载电流很小,空载铜损可以单独计算后扣掉,剩下的损耗就是:
P_0 ≈ P_fe + P_mech
也就是说,空载试验直接把铁损加机械损耗这个"组合"给我们了。如果想再拆开,就用下一节的电压外推法。
这里要提醒一句:如果是变频器供电的调速电机,铁损跟供电频率直接相关,不同转速点的铁损不一样。所以不能只做额定转速下的空载试验,而是要在每个目标转速对应的频率和电压下分别做空载试验。我见过有同行只做50Hz空载,然后用额定点铁损去算所有转速点的损耗分离,低频段算出来的铁损明显偏小,整个分离都是错的。
2.3 机械损耗:用外推法和铁损"分家"
铁损近似正比于电压平方,机械损耗(轴承摩擦加风摩损耗)只跟转速有关,跟电压无关。所以可以做一组变电压空载试验:把空载输入功率P_0扣除空载铜损后,对电压平方U²作图,画出来近似一条直线。把直线外推到U²等于零,也就是电压为零时,铁损趋近于零,剩下的截距就是该转速下的机械损耗。
这个方法是电机测试里最经典的技巧之一。具体操作时,电压点至少取5到7个,覆盖范围建议从额定电压的50%到120%左右,太低电压电机可能失步或转速明显下降,数据就没法用了。
得到的斜率对应铁损的变化系数,截距就是机械损耗。每个目标转速下的机械损耗要单独做外推,因为转速不同,轴承摩擦和风阻都变了。
2.4 杂散损耗:测不准的兜底项怎么处理
负载运行时,定子漏磁场、转子导条里的横向电流、端部磁场畸变,会产生一堆难以直接分离的附加损耗,统称杂散损耗。工程上常用的做法有两种:
一种是按行业测试规范推荐的简化估算,杂散损耗按输入功率的一定比例取值,一般在0.5%到1%这个量级,具体按电机的类型和功率段选取。另一种是实测法,需要用特殊手段加测功机补偿,设备要求高、操作麻烦,一般试验台不这么干。
很多新手做损耗分离时直接把杂散损耗忽略掉,算出来的效率整体偏高0.5到1个百分点。别小看这零点几个点,电机效率从91%提到92%,在评价和考核里可能就是合格与不合格的差别。我的习惯是哪怕用估算值,也要把它列进损耗清单里,保持分离结果的完整性。
2.5 各类损耗随工况的变化规律
列一张表,方便在数据处理时做直觉校验:
| 损耗项 | 随转矩变化 | 随转速变化 | 产生位置 |
|---|---|---|---|
| 铜损 | 随电流平方增长,转矩越大铜损越大 | 间接影响,转速改变反电势和电流相位 | 定子绕组、转子导条 |
| 铁损 | 基本与转矩无关,弱磁区除外 | 磁滞损耗随频率一次方,涡流损耗随频率平方增长 | 定子铁心、转子铁心 |
| 机械损耗 | 与转矩无关 | 随转速近似平方增长 | 轴承、风路、电刷 |
| 杂散损耗 | 随负载增大而增大 | 随转速和频率升高 | 铁心表面、端部结构件 |
这张表的实际用途很大。比如某组数据处理完,发现铜损在同一个转矩下随转速上升得很快,这不合常理,多半是温度修正没做对或者电流测量相位有问题。发现损耗不闭合,先拿这张表去对照,能省很多排查时间。
3. 测试台架怎么搭,精度怎么控,数据怎么采
3.1 动力、负载与转矩转速传感器的匹配
搭建调速电机测试台,核心是"一台电机带动一台负载,中间串一个扭矩传感器"。负载侧常用的有测功机和伺服电机两种。测功机做稳态效率测试更省心,伺服电机回馈电能做负载柔性更好,可以根据手头条件选。
扭矩传感器的量程选择有个经验法则:按被测电机额定转矩的1.5到2倍选。选大了,低速低转矩区间传感器输出信号太弱,分辨率不够,效率MAP图低速区会全是毛刺;选小了,过载保护麻烦。
转速测量用增量式编码器或测速电机,精度一般都能满足。比较容易被忽视的是联轴器对中。对中偏差会引入周期性附加转矩,直接导致实测输出功率偏小,而且转速越低影响越明显。安装完用对中仪或百分表打跳动,径向和轴向偏差控制在0.05mm以内,再做动平衡。
3.2 电参量测量:功率分析仪的精度和接线
电侧测量必须用功率分析仪或者宽频功率计,普通万用表在变频器输出端测电压电流基本不可用。因为变频器输出的是PWM波,电压电流波形畸变率很高,普通表测出来的是错误读数。功率分析仪的电压电流测量带宽需要覆盖变频器载波频率,现在主流载波一般8到16kHz,建议选带宽不低于1MHz的型号,测采样值才够用。
传感器精度也很关键。电流互感器或电流探头选0.1级到0.2级,电压测量用隔离探头或电压互感器。这里有个很容易翻车的细节:电流探头在高频PWM下的相位误差,会让功率测量产生明显偏差。所以探头带宽也要够,并且接好后先测一组已知功率做校验。
接线方式按电机的星形或三角形接法选择。星形接法一般用三瓦特计法,三角形接法用两瓦特计法,功率分析仪都能配。关键是电压信号要在电机端子上取,不要接在变频器输出线上很远的地方,线缆压降和寄生电感都会带来误差。
3.3 机械环节的细节:对中、预紧和环境
机械台架的细节决定测试下限。联轴器选弹性联轴器还是刚性联轴器,要根据转速范围和对中精度来定。高速低转矩工况下,弹性联轴器的柔性体转动损耗不能忽略,所以高精度测试建议用刚性联轴器配精密对中。
温度传感器要埋到位:绕组端部埋热电偶、机壳表面贴热电偶、轴承室一个、环境温度一个。绕组端部热电偶对温度修正至关重要,因为铜损计算依赖的就是这个温度值。测试前把所有传感器校准一遍,比设备大牌的牌子更重要。
3.4 数据采集与稳态判定
数据采集系统需要保证各路信号同步采样。如果电压、电流是一套仪器,转矩、转速是另一套仪器,两套系统各采各的,事后拿平均值硬拼,最终效率计算会有系统性偏差。
稳态判定是效率测试的隐形关卡。每个工况点加载后,不能马上记录数据。我的做法是:转速波动小于0.5%、转矩波动小于1%且持续5秒以上,才开始采数,每组数据平均5到10秒再存。低速大转矩区因为电机和负载的机电时间常数大,稳定时间可能需要20秒甚至更长,宁可等一等也不要采一个不稳定的瞬时值。
4. 空载与负载试验的全流程,外加一组损耗分离算例
4.1 空载试验的操作流程与注意点
空载试验的目标,是拿到每个目标转速下的(铁损+机械损耗)组合,以及外推出的机械损耗。操作流程可以这样做:
- 电机先空转空载热机,让轴承、绕组温度达到热稳定状态,一般至少要运行半小时。
- 热稳定后测热态直流电阻,记录绕组温度。
- 把变频器输出设定到目标转速对应的频率和电压。
- 从约50%额定电压开始,以每次10%左右的步长升压,一直升到120%额定电压,每个电压点记录空载电压、空载电流、空载输入功率和转速。
- 每一步扣除空载铜损,得到修正后的空载损耗P_0'。
- 对每个转速分别做P_0'对U²的线性外推,截距就是该转速下的机械损耗,斜率给出铁损随电压平方的变化关系。
- 该转速下额定电压点的P_0'值,就是后续负载工况使用的铁损参考值。
这里注意,变频器供电下做变电压扫描,需要驱动设备允许连续调压。有些简易变频器只有固定的V/F曲线,没法方便地变电压,这时候可以换用工频电源或能调压的实验电源来做空载试验。
4.2 负载扫描试验的操作流程
负载试验的目的,是在目标转速下从低转矩到高转矩逐点加载,记录每个工作点的完整电气和机械数据:
- 变频器设定目标转速,先让电机空转达到热稳定。
- 给负载逐步加到设定的转矩值,每个转矩点等待稳定。
- 稳定后同时记录输入电压、输入电流、输入功率、转矩、转速、绕组温度和机壳温度。
- 每测完几个大转矩点,断电快速复测一次直流电阻,用于热态铜损修正。
- 一个转速的转矩扫描做完,再切换下一个转速重复。
大转矩高负荷点时电机温升快,连续测久了数据会飘。我习惯先把所有转速下的小转矩点测完,再回头补大转矩点,这样可以让热量分散,避免散热最差的低速大转矩区长时间连续加载。
4.3 损耗分离的计算实例
用一台虚构的样机数据演示一遍,读者可以按这个格式自己套。设定一台额定1.5kW、额定转矩9.55Nm、额定转速1500rpm的三相异步调速电机,取其中一个运行点:
n = 1000rpm,T = 6Nm,输入功率P1 = 780W,相电流I = 3.5A(星形接法,相电流等于线电流),热态修正后的相电阻R = 1.8Ω。
第一步算输出功率:
P2 = T × n / 9550 = 6 × 1000 / 9550 ≈ 628W
第二步算铜损:
P_cu = 3 × I² × R = 3 × 3.5² × 1.8 ≈ 66W
第三步取铁损和机械损耗。在同转速下做过空载试验并外推,得到该转速点的铁损参考值P_fe = 50W,机械损耗P_mech = 28W。
第四步取杂散损耗,按输入功率0.5%估算:
P_s ≈ 0.5% × 780 ≈ 4W
第五步验证闭合:
- 四部分分离损耗合计:66 + 50 + 28 + 4 = 148W
- 实测总损耗:P1 - P2 = 780 - 628 = 152W
- 偏差:4W,相对误差2.6%
这个闭合偏差在可接受范围内,说明数据和分离过程互相一致。如果偏差超过3%,就要回头查温度修正、探头相位、或者空载外推数据点够不够。
4.4 损耗闭合校验:每次都要做
损耗分离最忌讳"只拆不算"。每处理完一个运行点,都要做一遍上面的闭合校验。注意P1-P2求出来的总损耗里还包含了负载附加的机械损耗变化,所以如果偏差能控制在±3%以内,已经是很不错的数据质量。超过3%,优先排查我在后面第6章列的几个常见原因。
5. 从测量数据到效率MAP图:网格规划、插值与判读
5.1 测点网格怎么设计才能兼顾时间和精度
效率MAP图的本质,是把测得的离散点效率,插值到整个转速-转矩平面上。所以测点网格设计很讲究。测得太稀,插值出来的等效率线抖动严重;测得太密,时间成本翻倍,电机长时间运行还会热漂移。
我的经验是:转速方向取8到12个点,从最低工作转速到最高转速,低速段略加密,因为低速区损耗构成变化剧烈;转矩方向取7到10个点,从10%额定转矩到110%额定转矩,低转矩区加密一点,因为高效区通常出现在中等偏低的转矩带。粗算下来,一个典型网格大约80到100个点,一个点稳定加记录按1分钟算,加上中间调参和休息,总测试时间要预留3到4小时。
更好的做法是两轮扫描。先用一个5乘5的稀疏网格快速跑一遍,摸清效率分布的轮廓,找出高效区和效率陡变区,再对这些区域加密补测。这样既不盲目浪费测试时间,又能保证MAP图关键位置的数据密度。
5.2 数据处理:插值、边界与等高线绘制
测完的数据,剔除明显异常点后,可以用散点插值生成规则网格。我在处理效率和损耗MAP图时习惯用Python的SciPy库,核心逻辑就是griddata做插值,再用contourf画等效率线。
import numpy as np from scipy.interpolate import griddata # speed_list, torque_list, eta_list 分别为各测点的转速、转矩、效率 points = np.column_stack((speed_list, torque_list)) # 生成目标网格:转速从n_min到n_max,转矩从0到T_max grid_speed, grid_torque = np.meshgrid( np.linspace(n_min, n_max, 200), np.linspace(0, T_max, 200) ) # cubic插值出光滑效率曲面,边界区域配合线性插值更稳 eta_grid = griddata(points, eta_list, (grid_speed, grid_torque), method='cubic')插值方法上,内部区域用cubic能得到光滑的等效率线,但边界区域cubic容易外推出离谱值,我一般对超出测点包络的网格点做掩膜处理,或者改用linear插值。画等效率线的时候,把数据点位置标上去,一眼就能看出哪些区域是靠插值脑补出来的,方便审图时判断可信度。
5.3 从MAP图上读出哪些设计信息
一张画好的效率MAP图,信息量非常大:
- 高效区向低转矩方向偏移,说明铁损占比过高,电机在低负荷下也费电。对策方向是降低磁密、换低损耗硅钢片、调整齿槽比。
- 高效区局限在低转速,高速区效率急剧下滑,多半是机械损耗或铁损在高速区涨得太快。对策方向是优化风路、改善轴承、复核高速段的磁链分配。
- 大转矩区效率塌陷,基本可以断定铜损过大,因为大转矩对应大电流。对策方向是增大线径、提高槽满率、改善转子导条导电性。
另外可以把实际应用的工作包络叠加到MAP图上,比如电动车的典型运行点分布,判断电机是否在高效区内工作。很多整机系统的节能改造,最后都是靠这种叠加分析找到最优工作区切换策略的。
6. 实操阶段最容易翻车的五个细节
6.1 温度修正不统一,整张MAP图都跟着偏
这是我能列出来的头号坑。早期我做一个多转速扫描,图省事用冷态电阻算铜损,结果MAP图大转矩区效率普遍比预期低3个百分点,我还以为是电机设计问题,差点让客户改方案。后来复核发现是绕组实际温度已经到100℃以上,电阻比冷态大了足有四成,铜损被严重低估,效率被高估,整个图的趋势都被带偏了。
正确的做法是:每个负载点记录绕组温度,铜损计算一律把电阻修正到统一参考温度(比如75℃),或者直接使用该点的实测热态电阻。数据记录表里必须带上测温这一列,这是损耗分离数据质量的基石。
6.2 低速大转矩区的热积累陷阱
低速大转矩是调速电机的典型恶劣工况。转速低,自扇冷风叶几乎不发挥作用,散热全靠外部风冷。扫描这类工况点的时候,电机温度会持续攀升,绕组温度一路走高,导致铜损越测越大,效率越测越低,而且这不是电机真实性能差,是测试过程造成的假象。
对策是控制连续加载时间:低速大转矩点尽量短时加载,记录完马上把负载降回小转矩点让电机喘口气;有条件的话给电机加装外部强制风冷;测试顺序上,把大转矩和低速点分散在全程中,不要集中在一起连续测。
6.3 扭矩传感器漂移和零点校准
扭矩传感器的零点会随温度和运行时间漂移,特别是低速小转矩工况,传感器输出信号本来就小,零点漂移几个满量程的万分位,相对误差就能吃掉几个百分点。
我现在的习惯是:扭矩传感器开机先预热至少30分钟再校零;每次切换转速段之前重新校零一次;如果连续测试超过1小时,中间抽时间校零一次。同时留意传感器温度显示,靠近电机端的传感器容易被热辐射烤热,必要时加隔热垫。
6.4 变频器供电下的谐波和载波损耗
变频器输出的PWM电压谐波含量高,会在电机铁心里产生额外的谐波铁损,折扣算下来比工频正弦供电高10%到20%并不罕见。如果损耗分离时用的铁损数据是从工频正弦空载试验得到的,拿去修正变频负载工况,低速段会明显偏小,闭合校验必然超标。
更好的方案是每个目标转速点都在变频器供电下做空载试验,这样铁损参考值里已经包含了该工作点的谐波影响。同时功率分析仪带宽一定要覆盖载波频率,测量点尽可能靠近电机端子,把线路寄生影响降到最低。
6.5 数据闭环校验是最后一道防线
损耗分离做得对不对,最直接的检验就是每个点算完,分离损耗总和跟实测总损耗能不能闭合。偏差超过3%,就按下面的顺序排查:
| 现象 | 优先排查方向 |
|---|---|
| 分离损耗普遍小于实测总损耗 | 温度修正没做、电流探头相位误差、杂散损耗取太低 |
| 分离损耗普遍大于实测总损耗 | 空载铁损值取错转速、机械损耗外推数据点太少 |
| 大转矩区偏差越来越大 | 热态电阻测量不准、扭矩传感器零点漂移 |
| 低速区偏差明显 | 对中不良、传感器预热不足、稳态判定过严或过松 |
做调速电机性能测试到最后,我最大的体会是:损耗分离和效率MAP图不是两件事,而是同一件事的两面——先弄清楚能量到底在哪个环节被浪费掉,才能知道效率还有没有的救。每次拿到一组新数据,我都会先跑一遍闭合校验,误差超过3%就回台架查原因,绝不硬出报告。这套流程看起来繁琐,但当你看到一张经过校验的效率MAP图把问题区域清清楚楚标出来的时候,前面这些较真都值了。