The importance of accurately controlling the speed and torque of Synchronous Machines (SMs) in industry, transportation, aerospace, to name a few, can not be overstated. The driving unit to control the machines are called Variable Speed Drives (VSDs) and they can be designed in many different ways. In this project, a speed sensorless drive using high-frequency square-wave voltage injection is implemented in a open-source Python software called Motulator, developed by Prof. Marko Hinkkanen at Aalto University. The drive is first tested on an already existing linear model of a Permament Magnet Synchronous Machine (PMSM). An equivalent model is built in Matlab/Simulink to benchmark the performance of the implementation in Python. The results suggest that the performance Motulator implementation is satisfactory when compared to the Simulink implementation. Next, a non-linear Synchronous Reluctance Machine (SynRM) is implemented, using data from Finite Element (FEM) simulations of the non-linear flux-current relation. By using the injection scheme (with some tweaks), the speed of the motor is accurately controlled, but a steady-state position error is observed at all operating points. The error is produced due to the cross-saturation effect and a compensation strategy is implemented in an attempt to remove this error. however without full success. / Det är av avgörande betydelse att kunna kontrollera varvtal och vridmomentet hos synkrona elektriska maskiner (SM) inom transport, flyg och rymd, för att nämna några tillämpningar. Drivsystem för att styra de elektriska maskinerna kallas för varvtalsreglerade drivsystem och kan konstrueras på många olika sätt. I det här projektet implementeras ett varvtalsreglerat drivsystem, utan sensor för mätning av varvtalet. Varvtalsestimeringen bygger på att en fyrkantsvåg med hög frekvens injiceras varur det är möjligt att estimera hastigheten. Implementering görs i Python i en open-source programvara kallad Motulator, utvecklad av professor Marko Hinkkanen från Aaltouniversitetet. Regleringen testas först på en redan existerande linjär modell av en permanentmagnetiserad motor. Som jämförelse utvecklas även en motsvarande implementering av regleralgoritm och motor i Matlab/Simulink. Resultaten visar att Motulatorimplementeringen fungerar väl och att simuleringarna stämmer väl överens med Matlab/Simulink-modellen. I nästa steg implementeras en icke-linjär modell av en synkron reluktansmaskin. Det icke-linjära förhållande mellan flöde och ström modelleras med hjälp av data från finita elementsimuleringar (FEM). Simuleringar i Motulator visar att varvtalet i denna motormodell kan kontrolleras för alla olika laster och varvtal. Däremot noteras ett stationärt rotorpositionsfel vid vissa driftpunkter. Felet beror på mättningen av statorinduktansen och en algoritm implementerats för att kompensera effekten av mättningen och därmed eliminera felet. Det visar sig dock att kompenseringsalgoritmen endast fungerar vid vissa driftpunkter.

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. / A changing climate, changing laws and an increased environmental consciousnesshas forced the transport sector to transition to electric power. Batteries and electric motors have seen a quick and powerful development which means that they are now an alternative even for heavy vehicles. A common problem with electric motors forvehicles is bearing currents. The bearing currents occur as a result of electrical discharges in the motor and can damage the bearings inside the motor. The purpose of motor bearings is to offload and reduce friction for the motor shaft. To prevent the issue and to see improvements or deteriorations from different preventativemeasures it is critical to be able to identify bearing currents from data. This thesis analyzes relevant research in the area before introducing a method and an algorithm for detecting bearing currents in cooperation with Scania CV. The algorithm is composed of three different parameters which affects the identification in different ways. The tool was able to identify bearing currents from various data and found differences between the number of bearing currents between different test runs of the motor. However, more development of the tool and the possibility to process different kinds of data like voltages inside the motor is needed to be able to find better patterns in the data.