3相誘導モータ（ACIM）

Our products and solutions

STは、ディスクリートIGBTおよびパワーMOSFETを含む幅広いパワー半導体やIC、および高効率の可変周波数駆動（VFD）モータ制御の実装に必要なパワー･モジュールやインテリジェント･パワー･モジュール（IPM）、高電圧ゲート･ドライバおよび高性能なSTM32マイクロコントローラを提供します。 

また、設計サイクルの削減および簡素化のために、包括的なハードウェア（評価ボードとリファレンス設計）やファームウェア、およびソフトウェア･ライブラリも提供しています。

3相誘導モータの動作原理

3相AC誘導モータには、それぞれ2等分された3つのステータ巻線があり、ロータ巻線は端絡環によって短絡されています。電流がステータの反対側にあるコイルを流れると、2極電磁石となって2極モータが形成されます。この電磁石それぞれに相を割り当てることで、ロータの回転を始動するために十分な強度の回転磁場が生成されます。 

モータ内の極の数、すなわち巻線の数を増やすことでロータの位置はより正確になりますが、同時により複雑な制御も必要となります。一例として、4極モータは電気自動車のモータ駆動に必要なトルクおよび応答性に適しているとされていますが、極の数に応じてより高度な制御スキームを必要とします。 

一般的なドライブには3つのハーフブリッジがあり、それぞれがステータに正弦波電圧を供給します。ここでは、パワーMOSFETまたはIGBTを高電圧ゲート･ドライバとともに使用するか、3つのハーフブリッジと関連するゲート･ドライブを接続するパワー･モジュールを使用します。これらは、電圧を変化させることで位相の周波数、もしくは電圧/周波数を決定するスカラ･アルゴリズムを使用できます。高性能モータの多相の周波数制御に使用されるベクトル制御や磁場配向制御（FOC）といったより高度なアルゴリズムは、様々な3相誘導モータでその使用が広がっています。 

多相モータには一般的に、複数の極を使用する3相モータが含まれています。

セルフスタート & ソフトスタート･コントローラ

3相AC誘導モータでは、ソフトスタート･コントローラによって、始動時のセルフスタート･モータの負荷および始動中のモータの電流のサージが軽減されます。これによって電源ケーブルおよび配電ネットワークの電気力学的ストレスおよびモータとシャフトの機械的ストレスが低減され、システムの寿命が長くなります。 

誘導モータでは、動作電流の7～10倍の突入電流が生じる場合があります。また、起動条件を満たすために始動トルクが3倍の大きさとなることもあり、モータの各部品への機械的ストレスにつながります。そのため、電子ソフト･スタータが制御システムを使用して、誘導モータがその同期速度に到達するまで一時的に電圧または電流の投入を減らすことでトルクを小さくします。 

デジタル·ソフトスタータ·コントローラは、始動中に電圧を継続的に監視し、モータの負荷を調整してスムーズな加速と速度制御を実現します。これは、多くの場合接続されたサイリスタが各位相を個別に制御し、最適な制御を提供することで実現されています。

直接トルク制御

3相誘導モータのロータで生成されるトルクは、ステータの各極で生成される磁束、ロータの電流、およびロータの力率に比例します。直接トルク制御（DTC）は、可変周波数ドライブで使用される手法で、モータの電圧と電流から推定した磁束を参照値と比較することで、トルクを制御します。 

参照値を変更することで磁束とトルクを迅速に変更でき、正確な電流のみが使用されるため、モータの効率が高くなり、電力損失が低減されます。また、ロータのオーバーシュートも防止されるため、正確なモータ制御を実現します。

障害診断

3相誘導モータは多くの生産プロセスにおいて重要となります。そのため、モータによる製造ラインの稼動停止を防ぐ多くの障害検出/診断手法があります。 

しかしながら、これらのモータは高い信頼性をもつ一方で電圧、電流、振動または温度プロファイルを調べつつ適切に使用する必要があるため、高い専門性を必要とします。そのため、あらゆるレベルのライン･オペレータが適切に使用できるように、より簡単な手法が必要とされています。また、モータ内センサの障害により信頼性の問題を引き起こす可能性があるため、モータ製造業者はセンサの数を削減したいと考えています。 

ロータの障害には、製造中に発生する小さな障害や、モータ稼動中の製造不良やロータにかかる機械、環境、電磁気、熱などの負荷によるものがあります。最初は小規模であった障害が次第に大きくなり、破損したりひび割れたロータによって、電流の増加や熱活性から近隣の部品にも障害をもたらすこともあります。 

モータの監視に機械学習を使用することが増えています。制御システムで使用されるさまざまなタイプのデータのパターンを比較し、発生しうる障害を予測します。