AT519335A1 - Verfahren zur Diagnose eines technischen Systems - Google Patents

Verfahren zur Diagnose eines technischen Systems Download PDF

Info

Publication number
AT519335A1
AT519335A1 ATA51008/2016A AT510082016A AT519335A1 AT 519335 A1 AT519335 A1 AT 519335A1 AT 510082016 A AT510082016 A AT 510082016A AT 519335 A1 AT519335 A1 AT 519335A1
Authority
AT
Austria
Prior art keywords
kernel
order
technical system
volterra
excitation
Prior art date
Application number
ATA51008/2016A
Other languages
English (en)
Other versions
AT519335B1 (de
Inventor
Ritzberger Daniel
Dr Jakubek Stefan
Original Assignee
Avl List Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Avl List Gmbh filed Critical Avl List Gmbh
Priority to ATA51008/2016A priority Critical patent/AT519335B1/de
Priority to DE112017005566.0T priority patent/DE112017005566A5/de
Priority to PCT/EP2017/078007 priority patent/WO2018083147A1/de
Priority to KR1020197013032A priority patent/KR20190077384A/ko
Priority to US16/347,140 priority patent/US20200064406A1/en
Priority to JP2019522773A priority patent/JP2019537004A/ja
Priority to CN201780071786.8A priority patent/CN109983353A/zh
Publication of AT519335A1 publication Critical patent/AT519335A1/de
Application granted granted Critical
Publication of AT519335B1 publication Critical patent/AT519335B1/de

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04664—Failure or abnormal function
    • H01M8/04671—Failure or abnormal function of the individual fuel cell
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Fuel Cell (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Secondary Cells (AREA)

Abstract

Um eine Anregefrequenz für ein Diagnoseverfahren eines technischen Systems auf Basis der Anregung des technischen Systems mit einem Anregesignal mit der Anregefrequenz zu ermitteln ist vorgesehen, dass das technische System (1) als Volterra-Reihe mit Volterra- Kernel (Hn (1,,n ) ) modelliert wird, im fehlerfreien Zustand des technischen Systems (1) ein Volterra-Kernel ( n,nom 1 n H ( ,, ) ) n-ter Ordnung für den fehlerfreien Zustand ermittelt wird, für einen definierten Fehlerzustand des technischen Systems (1) ein Volterra-Kernel ( n ,fault 1 n H ( ,, ) ) n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird, ein Bewertungskernel ( n,diff 1 n H ( ,, ) ) n-ter Ordnung als Funktion des Volterra-Kernels ( n ,nom 1 n H ( ,, ) ) n-ter Ordnung für den fehlerfreien Zustand und des Volterra-Kernel ( n ,fault 1 n H ( ,, ) ) n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird und der Bewertungskernel ( n,diff 1 n H ( ,, ) ) n-ter Ordnung ausgewertet wird, um einen Frequenzbereich zu bestimmen, in dem die Verstärkung des Bewertungskernels ( n,diff 1 n H ( ,, ) ) einen vorgegebenen Grenzwert übersteigt und die Anregefrequenz (ωm) für das Anregesignal (a(t)) aus diesem Frequenzbereich gewählt wird.

Description

Zusammenfassung
Um eine Anregefrequenz für ein Diagnoseverfahren eines technischen Systems auf Basis der Anregung des technischen Systems mit einem Anregesignal mit der Anregefrequenz zu ermitteln ist vorgesehen, dass das technische System (1) als Volterra-Reihe mit VolterraKernel (,—, ωη)) modelliert wird, im fehlerfreien Zustand des technischen Systems (1) ein Volterra-Kernel (Hnnom (ω,—, ω)) n-ter Ordnung für den fehlerfreien Zustand ermittelt wird, für einen definierten Fehlerzustand des technischen Systems (1) ein Volterra-Kernel (H , — , ω)) n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird, ein Bewertungskernel (Hndiff^!, — , ω)) n-ter Ordnung als Funktion des Volterra-Kernels (Huuom^!,—, ω)) n-ter Ordnung für den fehlerfreien Zustand und des Volterra-Kernel (H ,—, ω)) n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird und der
Bewertungskernel (Hndiff (ω,—, ω)) n-ter Ordnung ausgewertet wird, um einen Frequenzbereich zu bestimmen, in dem die Verstärkung des Bewertungskernels (Hndiff (ω,—, ω)) einen vorgegebenen Grenzwert übersteigt und die Anregefrequenz (um) für das Anregesignal (a(t)) aus diesem Frequenzbereich gewählt wird.
Fig. 3
Figure AT519335A1_D0001
/
AV-3868 AT
Verfahren zur Diagnose eines technischen Systems
Die gegenständliche Erfindung betrifft ein Verfahren zur Diagnose eines technischen Systems, das ein Eingangssignal auf ein Ausgangssignal abbildet, wobei dem Eingangssignal im Betrieb des technischen Systems ein Anregesignal mit zumindest einer Anregefrequenz überlagert wird und zur Diagnose das Eingangssignal und/oder das Ausgangssignal analysiert wird, um einen Fehlerzustand des technischen System festzustellen.
Es gibt verschiedene bekannte Diagnoseverfahren zur Diagnose eines galvanischen Elements, insbesondere einer Brennstoffzelle. Einen guten Überblick über bekannte Verfahren kann aus Jinfeng Wu, et al., „Diagnostic tools in PEM fuel cell research: Part I Electrochemical techniques“, Int. Journal of Hydrogen Energy 33 (2008), S.1735-1746 entnommen werden. Ein sehr einfaches Verfahren ist die Messung der Polarisationskurve in Form eines statischen Zusammenhanges zwischen Strom und Spannung. Zur Ermittlung der Polarisationskurve wird der Strom in Abhängigkeit von einer sich ändernder Spannung, oder umgekehrt, gemessen. Polarisationskurven liefern Information über das allgemeine Verhalten von galvanischen Elementen bei bestimmten Betriebszuständen. Mit der Auswertung einer Polarisationskurve können allerdings nicht verschiedene, gleichzeitig auftretende Zustände analysiert werden, ebenso wenig wie dynamische Prozesse. Einzelne Fehlerzustände können jedoch dieselbe Wirkung auf die Polarisationskurve haben, sodass einzelne Fehlerzustände unter Umständen nicht unterschieden werden können. Um eine Fehlerunterscheidung zu vereinfachen oder überhaupt zu ermöglichen, können dynamische Effekte mitberücksichtigt werden. Ein wesentlicher Nachteil dieser Methode ist aber, dass die Analyse der Polarisationskurven zeitaufwendig ist und nicht im laufenden Betrieb des galvanischen Elements eingesetzt werden kann.
Eine andere oftmals verwendete Methode ist die Elektrochemische Impedanzspektroskopie, die es erlaubt das dynamische Verhalten des galvanischen Elements zu erfassen. Dazu wird dem galvanischen Element ein kleiner Wechselstrom oder eine kleine Wechselspannung mit bekannter Amplitude und Anregefrequenz (auch mehrere Anregefrequenzen) eingeprägt und die Antwort (in Amplitude und Phase) in Abhängigkeit von der Anregefrequenz gemessen und ausgewertet. Die Auswertung erfolgt durch Analyse der Grundwelle, bzw. der Grundwellen bei mehreren Anregefrequenzen. Mit der Elektrochemischen Impedanzspektroskopie können auch verschiedene Einflüsse auf den aktuellen Betriebszustand diagnostiziert werden und die Methode kann auch im Realbetrieb des galvanischen Elements eingesetzt werden.
Ein anderes bekanntes, als Total Harmonic Distortion Analysis (THDA) bezeichnetes, Verfahren baut auf der Elektrochemischen Impedanzspektroskopie auf und analysiert das Verhältnis der Grundschwingung zu deren Oberwellenanteilen. Dieses Verfahren ist in der EP 1 / 211
AV-3868 AT
646 101 B1 oder in Ramschak E., at el., „Detection of fuel cell critical status by stack voltage analysis“, Journal of Power Source 157 (2006), S.837-840 beschrieben.
Sowohl die Elektrochemische Impedanzspektroskopie als auch THDA beruhen allerdings darauf, dass die Anregefrequenz vorab bekannt ist, mit der ein bestimmter Zustand des galvanischen Elements bestmöglich angeregt werden kann, um eine aussagekräftige Diagnose zu ermöglichen. Das „gesunde“, d.h. fehlerfreie, galvanische Element liefert eine andere Antwort auf ein Anregesignal, als ein galvanisches Element mit einem fehlerhaften Zustand. Das Anregesignal, insbesondere die Anregefrequenz, soll diesen Fehlerzustand besonders gut anregen, um den fehlerbehafteten Zustand diagnostizieren zu können. Im Wesentlichen bedeutet das, dass die Amplitude der Antwort des galvanischen Elements auf ein Anregesignal ausreichend hoch sein muss, um sicher messtechnisch erfasst und ausgewertet werden zu können. Das Problem hierbei ist jedoch, dass eine bestimmte Anregefrequenz nicht jeden Fehlerzustand gleichermaßen anregt. Damit ist es notwendig bestimmte Fehlerzustände mit verschiedenen Anregefrequenzen anzuregen. Allerdings sind diese optimalen Anregefrequenzen für ein bestimmtes galvanisches Element vorab nicht bekannt, sondern müssen bisher aufwendig empirisch ermittelt werden.
Die Verwendung eines breiten Anregefrequenzbandes löst diese Problematik nicht oder nur bedingt, da es, vor allem aufgrund des nichtlinearen Verhaltens des galvanischen Elements, zu Frequenzüberlagerungen und Intermodulationen kommt. Das kann dazu führen, dass die messtechnische erfasste Antwort des galvanischen Elements auf das Anregesignal nicht mehr oder nicht mehr eindeutig ausgewertet und einem bestimmten Fehlerzustand zugeordnet werden kann. Bei Verwendung mehrere Anregefrequenzen sollten diese daher so ausgewählt werden, dass sich die einzelnen Anregefrequenzen nicht gegenseitig beeinflussen, was bei einem ganzen Frequenzband nicht gegeben ist. Daraus folgt aber, dass zur Anregung an sich nur diskrete Anregefrequenzen geeignet sind und kein kontinuierliches Frequenzspektrum.
Die obigen Ausführungen können auch auf technische Systeme verallgemeinert werden, deren Funktion diagnostiziert werden soll, indem die Antwort des technischen Systems (Ausgangsgröße) auf eine bestimmte Anregung (Eingangsgröße) mit einer bestimmten Anregefrequenz ausgewertet wird. Als technisches System kommen hierbei insbesondere galvanische Elemente oder Elektrolyseure in Frage. Ein galvanisches Element ist beispielsweise eine Batterie, ein Akkumulator oder eine Brennstoffzelle. Eine Brennstoffzelle kann dabei beispielsweise eine Alkalische Brennstoffzelle (AFC), eine Polymerelektrolyt-Brennstoffzelle (PEMFC), eine Direktmethanol-Brennstoffzelle (DMFC), eine Phosphorsäure-Brennstoffzelle (PAFC), eine Schmelzkarbonat-Brennstoffzelle (MCFC) oder eine Festoxid-Brennstoffzelle (SOFC) sein. Ein Elektrolyseur kann dabei beispielsweise ein PolymerelektrolytElektrolyseur, ein Festoxid-Elektrolyseur oder ein Alkaline-Elektrolyseur sein.
/ 212'
AV-3868 AT
Es ist daher eine Aufgabe der gegenständlichen Erfindung, eine Anregefrequenz für ein Diagnoseverfahren eines technischen Systems auf Basis der Anregung des technischen Systems mit einem Anregesignal mit der Anregefrequenz auf einfachere Weise zu ermitteln.
Diese Aufgabe wird erfindungsgemäß dadurch gelöst, dass das technische System als Volterra-Reihe mit Volterra-Kernel modelliert wird, im fehlerfreien Zustand des technischen Systems ein Volterra-Kernel n-ter Ordnung für den fehlerfreien Zustand ermittelt wird, für einen definierten Fehlerzustand des technischen Systems ein Volterra-Kernel n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird, aus dem Volterra-Kernel n-ter Ordnung für den fehlerfreien Zustand und dem Volterra-Kernel n-ter Ordnung für den fehlerbehafteten Zustand ein Differenzkernel n-ter Ordnung gebildet wird und der Differenzkernel n-ter Ordnung ausgewertet wird, um einen Frequenzbereich zu bestimmen, in dem die Verstärkung des Differenzkernels einen vorgegebenen Grenzwert übersteigt und die Anregefrequenz für das Anregesignal aus diesem Frequenzbereich gewählt wird. Diese Vorgehensweise erlaubt eine systematische, einfache Bestimmung der für einen bestimmten Fehlerzustand optimalen Anregefrequenzen des technischen Systems.
Vorzugsweise wird die Anregefrequenz für das Anregesignal ausgewählt wird, bei der die Verstärkung des Differenzkernels n-ter Ordnung einen Maximalwert annimmt. Auf diese Weise kann mit der bestmöglichen Anregung zur Diagnose gerechnet werden. Darüber hinaus lässt sich eine Maximalwertsuche auch einfach automatisieren, um die Anregefrequenzen vollständig automatisiert zu ermitteln.
Da eine direkte Schätzung der Volterra-Kernel aus Eingangs-/ Ausgangsdaten im Allgemeinen nicht möglich ist, wird vorzugsweise ein parametrisches Modell verwendet, beispielsweise ein nicht-lineares, polynomiales NARMAX oder NARX Modell, von dem die VolterraKernel analytisch abgeleitet werden können. Das parametrische Modell wird dabei vorzugsweise im Zeitbereich aus bekannten Daten geschätzt. Vom parametrischen Modell werden die Volterra Kernels bevorzugt mittels Harmonic Probing Algorithm analytisch abgeleitet.
Die gegenständliche Erfindung wird nachfolgend unter Bezugnahme auf die Figuren 1 bis 6 näher erläutert, die beispielhaft, schematisch und nicht einschränkend vorteilhafte Ausgestaltungen der Erfindung zeigen. Dabei zeigt
Fig.1 einen Volterra-Kernel 2.Ordnung des technischen System im fehlerfreien Zustand,
Fig.2 einen Volterra-Kernel 2.Ordnung des technischen System im fehlerbehafteten
Zustand,
Fig.3 den sich daraus ergebenden Differenzkernel-Kernel 2.Ordnung,
Fig.4 eine Brennstoffzelle als Beispiel eines zu diagnostizierenden technischen Systems, / 213'
AV-3868 AT
Fig.5 ein beispielhaftes APRBS Eingangssignal und
Fig.6 die Reaktion des technischen Systems darauf in Form des Ausgangssignals.
Die Erfindung beruht auf der Modellierung des nichtlinearen Übertragungsverhaltens eines technischen Systems, beispielsweise eines galvanischen Elements oder eines Elektrolyseurs. Das Übertragungsverhalten ist bekanntermaßen die Antwort (Ausgangssignal y(t)) des technischen Systems auf eine bestimmte Anregung (Eingangssignal u(t)). Bei einem galvanischen Element ist das Eingangssignal u(t) beispielsweise ein elektrischer Strom I und das Ausgangssignal y(t) eine sich einstellende elektrische Spannung U, oder umgekehrt. Ein technisches System hat jedoch oftmals ein (hochgradig) nichtlineares Eingangs-/Ausgangsverhalten. Solche nichtlinearen technischen System werden oftmals mittels einer bekannten Volterra-Reihe modelliert, in der Form y(t) = y(t) + y2(t) +...yn(t) mit der n-ten nichtlineaOT ot ren Teildynamik yn(t) = j ... j ^(η,...,τη)u(t-η)·...·u(t- τη)άη .dxn. Theoretisch reicht -OT -OT n von 1 bis unendlich, praktisch ist für die allermeisten Anwendungen bzw. technischen Systeme n<5 ausreichend. Beispielsweise kommt man bei einem galvanischen Elementmit n=3 aus. Für ein lineares System (n=1) ergibt sich dann die bekannte Faltung für lineare, zeitinOT variante Systeme y(t) = j h(r)u(t — τ^τ, mit der Impulsantwort h. Die Funktionen h1, ..., hn
-OT sind die nichtlinearen Impulsantworten (im Zeitbereich) (h1 ist die lineare Impulsantwort), die das nichtlineare System beschreiben und als Volterra-Kernel bezeichnet werden.
Der Ansatz über eine Volterra-Reihe hat den Vorteil, dass die Volterra-Reihe mit der multidimensionalen Fouriertransformation einfach in den Frequenzbereich transformiert werden kann. Das Übertragungsverhalten im Frequenzbereich ist durch die Übertragungsfunktionen ΗηΟω) gegeben und ergibt sich aus der multidimensionalen Fouriertransformation zu
OT OT
H(jo,... ,jon) = j ... j hn(^,..., τη)e— )d^ ... d^, was dem Volterra-Kernel n-ter —OT —OT
Ordnung im Frequenzbereich entspricht. Für n=1 ist hn die lineare Impulsantwort und Hn die lineare Übertragungsfunktion und entspricht dem Spektrum, das bei der Elektrochemischen Impedanzspektroskopie eines galvanischen Elements als technisches System ausgewertet wird. Mit der Fouriertransformierten der Eingangsfunktion U(jo) ergibt sich die Ausgangsfunktion y(t) zu y(t) = £ ——- j . j HM-, j<9„ n=1 2%) —ot —ot i=1
Zusammenhänge sind aus dem Stand der Technik hinreichend bekannt, z.B. aus Kapitel 6 von Billings, S.A., „Nonlinear System Identification : NARMAX methods in the time, frequency, and spatio-temporal domains“, Wiley Verlag, 2013, ISBN 978-1-119-94359-4 oder )Π U(jOjje'1 klo) ...don. Diese
-4· / 21
AV-3868 AT
Shan-Jen Cheng, et al., „Nonlinear modeling and identification of proton exchange membrane fuel cell (PEMFC)“, Int. Journal of Hydrogen Energy 40 (2015), S.9452-9461.
Der Vorteil einer Volterra-Reihe ist die direkte Interpretierbarkeit der Volterra-Kernel. Mit einer beispielhaften Eingangsfunktion u(t) = cos(ω81) + cos(obt) ergibt sich beispielsweise allePermutationenroj 2 der Volterra-Kernel 2.Ordnung (n=2) aus y2(t) = H(ω,o je +ω2)t. Damit sind ω1,2 =[±ωα·±ω1, ] im Frequenzspektrum enthalten:
H(+ω8, +ω8)e : )t als 2. Harmonische Frequenz bei (ω8 + ω8)
H(+ω8, -ω8)e : ' )t als konstante Verstärkung
H(+ω8, +<ab)e : ω )t als Intermodulation der Frequenzen ω8,ω.
H(+ω8,-ob)e : )t als Intermodulation der Frequenzen ω8,ω.
usw.
Beispielsweise kann man den Volterra-Kernel 2.Ordnung als Konturplot für die Verstärkung auf einer Frequenzebene ω,ω2 darstellen, woraus sich direkt die nichtlinearen Zusammenhänge zwischen Eingang und Ausgang erkennen lassen. Auch das ist aus den oben genannten Kapitel 6 von Billings, S.A. oder aus Shan-Jen Cheng, et al. grundsätzlich bekannt.
Das Problem bei einer Volterra-Reihe als mathematisches Modell für ein gegebenes technisches System (beispielsweise ein galvanisches Element) ist jedoch, dass die Volterra-Kernel für das technische System in der Regel nicht oder nur sehr schwer direkt bestimmt oder aus bekannten Daten (beispielsweise am technischen System gemessenen Daten) identifiziert werden können.
Um dieses Problem zu beheben wurde bereits vorgeschlagen, das nichtlineare System im Zeitbereich mittels parametrischer Modelle zu beschreiben, die dann analytisch in den Frequenzbereich überführt werden können. Ein parametrisches Modell ist ein Modell, das den aktuellen Systemausgang aus den mit Parametern gewichteten vergangen Ein- und Ausgängen ermittelt. Das parametrische Modell liegt zur Identifikation und Strukturerkennung in einer „linear-in-den-Parametern“ Form vor, wobei die vergangenen Ein- und Ausgängen jedoch nichtlinear miteinander kombiniert werden können, z.B. in der Form y(t)= 01*y(k-1)*y(k2) + 01*u(k-1)*y(k-1) +..., mit den Parametern θ. Auch das wurde bereits ausführlich in der zitierten Literatur, also beispielsweise Kapitel 2 und 3 von Billings, S.A. oder Shan-Jen Cheng, beschrieben und kann daher als bekannt vorausgesetzt werden. Dieses bekannte Vorgehen wird zum besseren Verständnis trotzdem nachfolgend kurz erläutert.
/ 215
AV-3868 AT
Das System wird mit einem polynomialen NARMAX Modell, als Beispiel eines parametrischen Modells, modelliert, in der Form
Σ- Σ θι®x(k)+e(k) 11 =1 f =f-1 y(k) = θ0 + Σ θ. x (k) +Σ Σ θί® x (k)xh(k)+· ·
1! =1 1! =1 i2 =1
Werden die Störungen e(k) weggelassen, spricht man auch von einem NARX Modell. Mit den Modellparametern θ^ , j=jy+ju+je und y(k - m)
Figure AT519335A1_D0002
e(k - (m - jy - ju )) < m < jy jy +1 < m < jy + ju jy + ju + 1 < m < jy + ju + je j bezeichnet dabei die Anzahl der vergangenen Ausgangsgrößen jy, die Anzahl der vergangenen Eingangsgrößen ju und die Anzahl der vergangenen Störgrößen je, die im NARMAX Modell berücksichtigt werden. j, bzw. jy, ju und je, sind dabei Parametrierungsmöglichkeiten und können gewählt werden. Für ein galvanisches Element als technisches System ist beispielsweise die Wahl von jy = ju = je < 5 ausreichend.
Um das parametrische Modell, beispielswiese das NARMAX-Modell, für das technische System zu identifizieren, werden N bekannte Datenpunkte herangezogen. Ein Datenpunkt ist dabei die Ausgangsgröße y(N) bei einer bestimmten Eingangsgröße u(N), und gegebenenfalls Störgröße e(N). Ein Datenpunkt kann am technischen System gemessen werden, oder kann bekannt sein. Diese Darstellung ist linear in den Parametern θ, womit das polynomiale NARMAX oder NARX Modell in die Matrixform Y = P^+e] gebracht werden kann, mit dem Ausgangsvektor Y = [y(1),y(2),...,y(N)]T , dem Parametervektor θ = [θ,θ,.,θρ]Τ, gegebenenfalls einem Störvektor e = [e(1),e(2),...,e(N)]T, und der Regressormatrix P, die vergangene Ausgangsgrößen y(k-m) und vergangene Eingangsgrößen u(k-(m-jy)) enthält. Dieses lineare Gleichungssystem kann beispielsweise mit der Least-Mean-Square Methode gelöst werden: θ = (PTP)-1PTY, woraus sich die p Parameter θ des polynomialen NARMAX Modells ergeben.
Eine bessere Modellgüte kann erreicht werden, indem die Regressormatrix P mit einem bekannten Orthogonalisierungsverfahren, beispielsweise dem Gram-Schmidtschem Orthogonalisierungsverfahren, in eine orthogonale Matrix W und eine Dreiecksmatrix A zerlegt wird. Die Matritzen W und A ergeben sich dabei aus dem jeweiligen Orthogonalisierungsverfahren.
/ 216'
AV-3868 AT
Die derartige Transformation in den orthogonalen Raum ist vorteilhaft, weil ein parametrisches Modell, wie das polynomiale NARMAX oder NARX Modell, eine sehr große Anzahl an potentiellen Parametern θ enthalten kann, wobei viele davon zum Beschreiben des Eingangs-/Ausgangsverhalten des technischen Systems überhaupt nicht relevant sind. Eine Lösung von diesem überbestimmten Gleichungssystem ist oftmals numerisch schwierig oder sogar unmöglich, da die Regressormatrix P sehr schlecht konditioniert ist. Die Transformation erlaubt hingegen neben der Berechnung der unbekannten Parameter θ auch eine Bewertung welche der Parameter θ wichtig sind und welche der Parameter θ nicht benötigt werden (eine sogenannten Strukturselektion)
Daraus kann ein Ersatzproblem formuliert werden in der Form y = (PA-1)(A6)[+e] = Wg [+e].
W g
Durch die Transformation bildet die Regressormatrix P eine orthogonale Basis und die Parameter gi können unabhängig voneinander durch obige Gleichung berechnet werden. Die einzelnen Regressoren (Elemente der Regressormatrix P) können dabei hinsichtlich Signifigi2(Wj,Wj) kanz beurteilt werden mit einem Fehleranteil ERRi der Form ERR = —j---r—-x1000%, (y,y) wobei wi die Spalten der Matrix W sind und (·, ·) das innere Vektorprodukt zweier Vektoren ist. Damit können die einzelnen Regressoren nach Wichtigkeit beurteilt werden, beispielsweise in dem nur Regressoren verwendet werden, die einen vorgegebenen Fehleranteil ERRi aufweisen. Alternativ dazu könnten die einzelnen Regressorkandidaten nach absteigender Wichtigkeit (gemessen am Fehleranteil ERRi) sortiert werden und in absteigender Reihenfolge hinzugefügt werden, bis ein vorgegebener Gesamtfehler ERRG erreicht ist, also z.B. ERR = Zi ERRi > ERRg (beispielsweise 99,9%) erreicht ist. Die anderen Regressoren werden auf Null gesetzt. Danach kann das Ersatzproblem mit den ausgewählten Regressoren im orthogonalen Raum gelöst werden. Die Lösung ergibt sich beispielsweise in der Form (y, w·) g '—. Die Parameter gi müssen dann nur mehr zurücktransformiert werden, indem (w^wj das Gleichungssystem Aθ=g gelöst wird. Auch das ist grundsätzlich bekannt, beispielsweise aus Kapitel 3.2 von Billings. 8
Aus dem derart identifizierten NARMAX oder NARX Modell des technischen Systems, beispielsweise des galvanischen Elements, können die Volterra-Kernel direkt analytisch abgeleitet werden. Ein Beispiel dafür ist der sogenannte bekannte Recursive Probing Algorithmus (oftmals auch als Harmonic Probing Algorithmus bezeichnet), beschrieben in Kapitel 6 von
Billings. Dabei nutzt man aus, dass man durch die Volterra-Reihe bei gegebenem harmoni8 / 217'
AV-3868 AT sehen Input (Ansatzfunktionen) die prinzipielle Antwort des technischen Systems (Harmonische, Intermodulationen, etc.) weiß. Man setzt nun jetzt den Modellausgang y(t) von Volterra-Reihe und parametrischen (NARMAX, NARX) Modell gleich. Für die Terme des parametrischen Modells (vergangene Outputs und Inputs) werden nun diese bekannten Ansatzfunktionen eingesetzt. Als einzige unbekannte im Gleichungssystem verbleiben dabei die Volterra-Kernel, nach denen aufgelöst werden kann, wobei der Volterra-Kernel n-ter Ordnung abhängig ist vom Volterra-Kernel (n-1)-ter Ordnung, usw. Daraus können die Volterra-Kernel rekursiv ermittelt werden.
Das führt zu einer analytischen Lösung für die gesuchten Volterra-Kernel H(j^ ,...,jon) (der Einfachheit halber auch oft als Η(ω,...,ωη) bezeichnet) im Frequenzbereich, d.h. dass die Volterra-Kernel als Funktionen der Frequenzen ωπ dargestellt werden können. Ein Volterra-Kernel, als komplexe Funktion, hat damit eine Verstärkung (Amplitude) und Phase. Alternativ könnte auch bereits ein NARMAX oder NARX Modell des technischen System bekannt sein, das dann verwendet werden kann, um die Volterra-Kernel H(j^,---,jon) abzuleiten.
Zur erfindungsgemäßen Ermittlung der optimalen Anregefrequenz(en) ω,,, zur Diagnose des technischen Systems werden zuerst die Volterra-Kernel Η„^(ωι, ω2,..., ωπ) n-ter Ordnung mit n>1, insbesondere der Volterra-Kernel 2.Ordnung (n=2) H^orn^i, ω2), für einen fehlerfreien Betrieb des technischen Systems identifiziert. D.h., es wird ein parametrisches Modell für einen fehlerfreien Betriebszustand wie oben beschrieben identifiziert und daraus die Volterra-Kernel Hn.nom(wi, ω2,..., ωπ) n-ter Ordnung bestimmt. Danach wird das technisches System gezielt in einen definierten Fehlerzustand geführt und erneut die Volterra-Kernel Hn^t^, ω2,..., ωπ), insbesondere der Volterra-Kernel 2.Ordnung (n=2) H^uit^, ω2), für einen fehlerbehafteten Betrieb des technischen Systems identifiziert. Nun wird erfindungsgemäß der Unterschied zwischen dem fehlerfreien Kernel Hn,nom n-ter Ordnung und dem fehlerbehafteten Kernel Hn,fault n-ter Ordnung ausgewertet. Dazu wird ein Bewertungskernel Hn,diff n-ter Ordnung als Funktion des fehlerfreien Kernel Hn,nom n-ter Ordnung und des fehlerbehafteten Kernel Hn,fault n-ter Ordnung, also wertet. Es kann beispielsweise ein Bewertungskernel Hn,diff n-ter Ordnung als Quotient aus dem fehlerfreien Kernel Hn,nom n-ter Ordnung und dem fehlerbehafteten Kernel Hn,fault n-ter
H f . (ω,ω7 ,·,ω )
Ordnung H dff(^,ω,···,ω ) = ——------------—, beispielsweise der Bewertungs, Hn,nom(ω1, ω 2>-> ω n)
H. . (ω, ω 7) kernel 2.Ordnung H2diff^!, ω7) = —,----------, bestimmt werden. Ebenso könnte als Be-
/ 218'
AV-3868 AT wertungskernel Hn,diff n-ter Ordnung die Differenz aus dem fehlerfreien Kernel Hn,nom n-ter Ordnung und dem fehlerbehafteten Kernel Hn,fault n-ter Ordnung Hn,diff (ωι, ω 2,..., ω J = |Hn>fault (ωη ω 2,..., ω n) - Hn>nom (ωι, ω 2 ,..., ω η)|, beispielsweise der Bewertungskernel 2.Ordnung H^^, ω 2) = Jh.^, ω 2) - H^^, ω 2)|, bestimmt werden. Der Quotient Hn,fault/Hn,nom beschreibt die relative Veränderung bei einem Fehlerfall und die Differenz Hn,fault-Hn,nom die absolute Größe der Veränderung. Die beiden Größen können sowohl einzeln als auch in Kombination bewertet werden.
Der Bewertungskernel Hn,diff kann nun dahingehend ausgewertet werden, dass die Frequenzbereiche gesucht werden, in denen eine Verstärkung des Bewertungskernel Hn,diff vorliegt, die eine definierte Grenzverstärkung überschreitet. Vorzugsweise wird die Frequenz gesucht, wo sich die maximale Verstärkung ergibt. Der Differenzkernel 2.Ordnung ist hierbei besonders vorteilhaft, da dieser noch einfach grafisch als 3D-Plot oder als Konturplot der Verstärkung dargestellt werden kann, was die Auswertung vereinfacht. Das wird anhand der Figuren 1 bis 3 am Beispiel eines Volterra-Kernels 2.Ordnung und dem Quotienten als Bewertungskernel H2,diff erläutert.
Fig.1 zeigt die Verstärkung des Volterra-Kernels 2.Ordnung H2,nom eines technischen Systems, beispielsweise eines galvanischen Elements, im fehlerfreien Zustand. Fig.2 zeigt die Verstärkung des Volterra-Kernels 2.Ordnung H2,fault desselben technischen Systems im fehlerbehafteten Zustand, d.h. in einem konkreten, eindeutigen Fehlerfall. Dargestellt ist jeweils der Volterra-Kernel 2.Ordnung H2,nom als zweidimensionaler Konturplot der Verstärkung in Abhängigkeit von den Frequenzen ω1, ω2, die in den Figuren wie in diesen Zusammenhang oftmals üblich als mit der halben Abtastfrequenz normalisierte Frequenz aufgetragen ist. Nachdem die Volterra-Kernel komplexe Funktionen sind, kann für einen Volterra-Kernel die Verstärkung (als Betrag der komplexen Funktion, also des Volterra-Kernels) und die Phase, jeweils als Funktion der Frequenzen (ω1, ω2,..., ωπ), berechnet und dargestellt werden.
, x Hfa„lt(ω,ω)
In Fig. 3 ist der Bewertungskernel H2diff^!,ω) = —,---------- der Volterra-Kernel H2,nom (ωΐ, ω 2)
2.Ordnung des technischen Systems dargestellt. Die größte Verstärkung des Bewertungskernels (wieder als Betrag des komplexen Bewertungskernel) kann bei den auftretenden harmonischen Frequenzen erwartet werden, also bei ω1 = ω2, die durch eine Diagonale im Bewertungskernel Hdiff repräsentiert wird. Die größte Verstärkung muss aber nicht unbedingt bei den harmonischen Frequenzen auftreten, sondern kann z.B. auch bei Intermodulationen auftreten. Die größte Verstärkung tritt im dargestellten Beispiel im Bereich von ω1 = ω2 = [0,01, 0,02] auf. Wird also die Anregefrequenz ω,,, des technischen Systems in diesem Bereich gewählt, kann mit einer guten Anregung des zugrundeliegenden Fehlerzustandes, der , -9· / 21
AV-3868 AT den fehlerbehafteten Volterra-Kernel H2,fault hervorgerufen hat, gerechnet werden. Diese Auswertung erfolgt am einfachsten manuell, kann aber natürlich auch durch Maximalwertsuchen (auch als Bereichssuchen) automatisiert werden.
Damit ist aber auch ersichtlich, dass optimale Anregefrequenzen ω,,, des technischen Systems für verschiedene Fehlerzustände ermittelt werden können.
Wenn nun dem Eingangssignal u(t) des zugrunde liegenden technischen Systems im Normalbetrieb ein Anregesignal a(t) mit einer derart ermittelten Anregefrequenz ω,,, überlagert wird, kann im Fehlerfall mit einer bestmöglichen, für den Fehlerzustand charakteristischen Anregung des Ausgangssignals y(t) gerechnet werden.
Wenn die Volterra-Kernel 2.Ordnung für die Bestimmung der Anregefrequenzen verwendet werden, ergeben sich somit zwei Anregefrequenzen (ω™ι, ωΙΙ12), die beispielsweise mit einem Anregesignal a(t) = Aj cos(omlt) + A2 cos(om21) eingebracht werden könnten. Wenn ωιυ1 = ωπ2 = ω,,, ist, dann kann als Anregesignal beispielsweise auch a(t) = Acos (omt) verwendet werden.
Das Anregesignal a(t) ist im Vergleich zu den Amplituden des Eingangssignals von geringer Amplitude (z.B. A, A1, A2 kleiner 10%, vorzugsweise kleiner 5%, der zu erwartenden maximalen Amplitude des Eingangssignals), um den Normalbetrieb des technischen Systems nicht zu stören. Die laufende Diagnose des Betriebs des technischen Systems kann dann beispielsweise in bekannter Weise laufend mit der Elektrochemischen Impedanzspektroskopie oder der Total Harmonic Distortion Analysis durchgeführt werden.
Selbstverständlich können auf diese Weise mit dem Anregesignal a(t) gleichzeitig durch verschiedene weitere Anregefrequenzen ω,,, auch verschiedene Fehlerzustände angeregt werden. Die verschiedenen Fehlerzustände können dann im Frequenzspektrum der Ausgangsgröße festgestellt werden, je nachdem in welchem Frequenzbereich des Frequenzspektrums eine Reaktion festgestellt wird.
Wenn mehrere Anregefrequenzen ω,,ψ, p>1, im Anregesignal a(t) enthalten sind, dann ist es wichtig, dass sich die Anregefrequenzen ω,,ψ nicht gegenseitig im Frequenzspektrum beeinflussen, was durch geeignete Auswahl einfach sichergestellt werden kann. Auf eine saubere Trennung der sich ergebenden Frequenzspektren ist daher zu achten, um die verschiedenen Fehlerzustände sauber auseinander halten zu können.
Quasi als „Abfallprodukt“ der erfindungsgemäßen Methode erhält man durch die Identifikation der Volterra-Kernel auch ein nicht-lineares, genaues Zeitmodell (polynomiales NARMAX oder NARX Modell). Damit ergeben sich Möglichkeiten für eine Fülle an weiteren Diagnosemöglichkeiten auf Basis des Zeitmodells, die unter dem Sammelbegriff Model-based Fault
AV-3868 AT
Diagnosis and Isolation (FDI) bekannt sind. Das identifizierte Zeitmodell kann dabei auch im online Betrieb des technischen Systems laufend mitgerechnet und aktualisiert werden.
Das parametrische Modell des technischen Systems, z.B. ein NARMAX oder NARX Modell, kann vorliegen, oder kann vorab identifiziert werden, wie nachfolgend anhand eines galvanischen Elements als technisches System 1 beschrieben wird. Das beispielhafte technische System in Form des galvanischen Elements ist in Fig.4 dargestellt.
An das galvanische Element in Form einer Brennstoffzelle sind elektrische Verbraucher 2a, 2b, wie z.B. ein Hybridantriebsstrang oder eine Fahrzeugbatterie, angeschlossen. Zwischen Brennstoffzelle und den Verbrauchern 2a, 2b kann in bekannter Weise auch ein Leistungsteil 3 angeordnet sein, um den Energiefluss sowie die Spannungs- und Strompegel zu regeln. Das galvanische Element kann auch, insbesondere im Fall einer Brennstoffzelle, an eine, nicht näher beschriebene, hinlänglich bekannte, Gaskonditionierung 4 angeschlossen, die dazu dient, die Reaktionsgase für die Brennstoffzelle bedarfsgerecht aufzubereiten, insbesondere betreffend, Druck, Feuchtigkeit, Temperatur, Massenfluss. Es kann auch eine Gasquelle 5, z.B. für Wasserstoff, vorgesehen sein. Die Gaskonditionierung ist schematisch dargestellt und wird nicht im Detail beschrieben. Fehler in der Gaskonditionierung können zu fehlerhaften Betriebszuständen im galvanischen Element führen. Ein Reaktionsgas kann beispielsweise zu feucht oder zu trocken sein, der Druck eines Reaktionsgases kann zu hoch sein, der Massenfluss eines Reaktionsgases kann zu nieder sein, usw. Ebenso können im galvanischen Element Schädigungen, z.B. eine beschädigte Ionenaustauschmembran einer Zelle, oder Veränderungen auftreten, die als Fehlerzustände erkannt werden können. Solche Fehlerzustände führen zu suboptimalem Betrieb des galvanischen Element s und können sogar zur Beschädigung oder Zerstörung des galvanischen Elements führen. Es ist daher wichtig, den Betriebszustand des galvanischen Elements laufend zu überwachen, um im Fehlerfall rasch entsprechende Gegenmaßnahmen ergreifen zu können. Die Überwachung soll anhand des Strom- und Spannungsverlaufs des galvanischen Elements, also den Eingangs- und Ausgangsgrößen des technischen Systems 1, erfolgen.
Es wird nun das galvanische Element in einen fehlerfreien Betriebszustand geführt, d.h. dass z.B. die Gaskonditionierung fehlerfrei arbeitet und alle Reaktionsgase ausreichend und richtig konditioniert vorliegen und dass kein anderer Fehlerzustand vorliegt. In diesem Zustand wird dem galvanischen Element ein Eingangssignal u(t), hier z.B. in Form eines zeitlichen Stromverlaufs I(t), eingeprägt, das das galvanische Element möglichst gut anregen soll, um das statische und dynamische Verhalten des galvanischen Elements möglichst gut erfassen zu können. Ein geeignetes Eingangssignal u(t) ist beispielsweise ein Stromverlauf I(t) in Form eines amplitudenmodulierten Pseudo Random Binary Sequence (APRBS) Signals, wie in Fig.5 dargestellt, oder ein Random Gaussian Sequence Signal. Das sich daraus ergebende Ausgangssignal y(t), hier z.B. in Form des zeitlichen Spannungsverlaufs U(t), ist in Fig.6 / 21
AV-3868 AT für eine kurze Zeitspanne dargestellt. Das Eingangssignal u(t) und Ausgangssignal y(t) werden mit einer vorgebebenen Abtastrate, z.B. 100Hz, abgetastet, woraus sich die Datenpunkte ergeben und woraus wie oben skizziert ein NARMAX oder NARX Modell identifiziert wird. Das identifizierte NARX Modell ergibt sich beispielsweise in der Form y(k) = -0.4453u(k - 2) + 0.0059y(k - 4) + 1.2348y(k -1) + 0.5177u(k - 3) + + 0.0015y(k - 1)u(k - 2) - 0.0018y(k - 1)u(k - 3) - 0.0004u(k - 2)u(k - 2) 5 - 0.0323y(k - 2) - 0.0121y(k - 5) + 0.0407 + 0.0003u(k - 2)u(k - 3) - .
- 0.0005y(k - 1)y(k -1) - 0.2171y(k - 3) + 0.0003y(k - 1)y(k - 3) -
- 0.0874u(k - 5) + 0.0004y(k - 3)u(k - 5) - 0.0002y(k - 3)u(k - 3)
Dieses parametrische Modell kann dann wie oben ausgeführt analytisch in den Frequenzbereich transformiert werden, woraus sich die Volterra-Kernel im Frequenzbereich ergeben.
Das wird wiederholt, wobei das galvanische Element nun in einem definierten Fehlerzustand betrieben wird, beispielsweise mit zu niedriger relativer Feuchtigkeit eines Prozessgases.
Aus dem Bewertungskernel wird dann die zumindest eine Anregefrequenz ω,,, identifiziert, mit der das technisches System 1 angeregt werden muss, um diesen Fehlerzustand im laufenden Betrieb des technischen Systems 1 bestmöglich anzuregen und so diagnostizierbar zu machen.
-1213 / 21
AV-3868 AT

Claims (5)

  1. Patentansprüche
    1. Verfahren zur Diagnose eines technischen Systems (1), das ein Eingangssignal (u(t)) auf ein Ausgangssignal (y(t)) abbildet, wobei dem Eingangssignal (u(t)) im Betrieb des technischen Systems (1) ein Anregesignal (a(t)) mit zumindest einer Anregefrequenz (ω,,,) überlagert wird und zur Diagnose das Eingangssignal (u(t)) und/oder das Ausgangssignal (y(t)) analysiert wird, um einen Fehlerzustand des technischen System (1) festzustellen, dadurch gekennzeichnet, dass technische System (1) als Volterra-Reihe mit Volterra-Kernel (Hn(Oj,—, ωη)) modelliert wird, dass im fehlerfreien Zustand des technischen Systems (1) ein Volterra-Kernel (Hnnom (ω,—, ω)) n-ter Ordnung für den fehlerfreien Zustand ermittelt wird, dass für einen definierten Fehlerzustand des technischen Systems (1) ein VolterraKernel (Hnfault^!, — ,ω)) n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird, dass ein Bewertungskernel (Hndiff^!, — , ω)) n-ter Ordnung als Funktion des VolterraKernels (Hnnom (ω,—, ω)) n-ter Ordnung für den fehlerfreien Zustand und des VolterraKernel (Hnfault^,—, ω)) n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird und dass der Bewertungskernel (Hndiff (ω,—,ω)) n-ter Ordnung ausgewertet wird, um einen Frequenzbereich zu bestimmen, in dem die Verstärkung des Bewertungskernels (H^iff^, —, ω)) einen vorgegebenen Grenzwert übersteigt und die Anregefrequenz (ωρ für das Anregesignal (a(t)) aus diesem Frequenzbereich gewählt wird.
  2. 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als Bewertungskernel (, —, ω)) der Quotient des Volterra-Kernels (Hnnom (ω,—, ω)) n-ter Ordnung für den fehlerfreien Zustand und des Volterra-Kernel (Hnfault^!,—, ω)) n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird.
  3. 3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als Bewertungskernel (Hndiff (ω,—, ω)) die Differenz des Volterra-Kernels (Hnnom (ω,—, ω)) n-ter Ordnung für den fehlerfreien Zustand und des Volterra-Kernel (Hnfault^!, —, ω)) n-ter Ordnung für den fehlerbehafteten Zustand ermittelt wird.
  4. 4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Anregefrequenz LJ für das Anregesignal (a(t)) ausgewählt wird, bei der die Verstärkung des Bewertungskernels (Hndiff(^, —,ω)) n-ter Ordnung einen Maximalwert annimmt.
    14 / 21
    AV-3868 AT
  5. 5. Verfahren nach Anspruch 1 oder 4, dadurch gekennzeichnet, dass das technische
    System (1) im Zeitbereich mittels eines parametrischen Modells, insbesondere ein polynomiales NARMAX oder NARX Modell, beschrieben wird, von dem die Volterra-Kernel (Hn(Oj,...,ωη)) analytisch abgeleitet werden können.
    5 6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Volterra-Kernel (Η(ω,···,ω)) aus dem parametrischen Modell mit einem Harmonic Probing Algorithmus abgeleitet werden.
    , -14-
    15 / 21
    AVL List GmbH
    1/3
    Fig. 1
    Fig. 2
    16/21
    Fig. 3
    AVL List GmbH
    2/3
    Fig.4
    17 / 21
    AVL List GmbH
    3/3
    18 / 21 österreichisches
    Patentamt
ATA51008/2016A 2016-11-04 2016-11-04 Verfahren zur Diagnose eines technischen Systems AT519335B1 (de)

Priority Applications (7)

Application Number Priority Date Filing Date Title
ATA51008/2016A AT519335B1 (de) 2016-11-04 2016-11-04 Verfahren zur Diagnose eines technischen Systems
DE112017005566.0T DE112017005566A5 (de) 2016-11-04 2017-11-02 Verfahren zur Diagnose eines technischen Sytems
PCT/EP2017/078007 WO2018083147A1 (de) 2016-11-04 2017-11-02 Verfahren zur diagnose eines technischen systems
KR1020197013032A KR20190077384A (ko) 2016-11-04 2017-11-02 기술 시스템을 진단하기 위한 방법
US16/347,140 US20200064406A1 (en) 2016-11-04 2017-11-02 Method for diagnosing a technical system
JP2019522773A JP2019537004A (ja) 2016-11-04 2017-11-02 技術システムを診断するための方法
CN201780071786.8A CN109983353A (zh) 2016-11-04 2017-11-02 用于诊断技术系统的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
ATA51008/2016A AT519335B1 (de) 2016-11-04 2016-11-04 Verfahren zur Diagnose eines technischen Systems

Publications (2)

Publication Number Publication Date
AT519335A1 true AT519335A1 (de) 2018-05-15
AT519335B1 AT519335B1 (de) 2022-08-15

Family

ID=60331587

Family Applications (1)

Application Number Title Priority Date Filing Date
ATA51008/2016A AT519335B1 (de) 2016-11-04 2016-11-04 Verfahren zur Diagnose eines technischen Systems

Country Status (7)

Country Link
US (1) US20200064406A1 (de)
JP (1) JP2019537004A (de)
KR (1) KR20190077384A (de)
CN (1) CN109983353A (de)
AT (1) AT519335B1 (de)
DE (1) DE112017005566A5 (de)
WO (1) WO2018083147A1 (de)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10985951B2 (en) 2019-03-15 2021-04-20 The Research Foundation for the State University Integrating Volterra series model and deep neural networks to equalize nonlinear power amplifiers
CN115084593B (zh) * 2022-05-31 2024-05-31 同济大学 一种基于非线性阻抗谱的燃料电池故障诊断方法
CN115219902B (zh) * 2022-07-06 2024-08-16 山东大学 一种动力电池寿命快速测试方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013225624A1 (de) * 2012-12-11 2014-06-12 Hyundai Autron Co., Ltd. Vorrichtung zum Diagnostizieren eines Fehlers eines Brennstoffzellenstapels
KR101511866B1 (ko) * 2013-11-08 2015-04-14 현대오트론 주식회사 연료전지 스택의 고장 진단 방법 및 이를 실행하는 장치

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6714481B1 (en) * 2002-09-30 2004-03-30 The United States Of America As Represented By The Secretary Of The Navy System and method for active sonar signal detection and classification
DE102005020318B4 (de) * 2005-05-02 2007-02-22 Infineon Technologies Ag Verfahren zum Ermitteln eines Modells für ein elektrisches Netzwerk und Verwendung des Verfahrens
US20070136018A1 (en) * 2005-12-09 2007-06-14 Fernandez Andrew D Nonlinear model calibration using attenuated stimuli
JP2010216995A (ja) * 2009-03-17 2010-09-30 Toyota Motor Corp 電池特性判断方法及び電池特性判断装置
RU2581844C2 (ru) * 2010-10-22 2016-04-20 Нуклеас Сайнтифик, Инк. Устройство и способ быстрой зарядки аккумуляторных батарей

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013225624A1 (de) * 2012-12-11 2014-06-12 Hyundai Autron Co., Ltd. Vorrichtung zum Diagnostizieren eines Fehlers eines Brennstoffzellenstapels
KR101511866B1 (ko) * 2013-11-08 2015-04-14 현대오트론 주식회사 연료전지 스택의 고장 진단 방법 및 이를 실행하는 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
T. Kadyk et al., "Nonlinear frequency response analysis of PEM fuel cells for diagnosis of dehydration, flooding and CO-poisoning", Journal of Electroanalytical Chemistry 630, (2009) Seiten 19 - 27 *

Also Published As

Publication number Publication date
CN109983353A (zh) 2019-07-05
AT519335B1 (de) 2022-08-15
US20200064406A1 (en) 2020-02-27
WO2018083147A1 (de) 2018-05-11
DE112017005566A5 (de) 2019-08-29
JP2019537004A (ja) 2019-12-19
KR20190077384A (ko) 2019-07-03

Similar Documents

Publication Publication Date Title
EP2845255B1 (de) Verfahren zur bestimmung kritischer betriebszustände an einem brennstoffzellenstack
DE102013226823A1 (de) Verfahren und System zum Messen einer Impedanz für eine Diagnose eines Brennstoffzellenstapels
DE102005025449A1 (de) Verfahren und Vorrichtung zur Messung einer dielektrischen Antwort eines elektrischen Isoliersystems
AT519335B1 (de) Verfahren zur Diagnose eines technischen Systems
DE102014224290A1 (de) Verfahren, Vorrichtung und System zum Messen einer Impedanz einer Brennstoffzelle
WO2021105071A1 (de) Verfahren zur abschätzung des zustands eines energiespeichers
EP3839494A1 (de) Verfahren zur charakterisierung einer schweissnaht
DE102022109552A1 (de) Verfahren zur analyse der qualität einer batteriezelle durch eine umfangreiche qualitätsprüfung von batteriezellen, die in einer qualitätsprüfung mit hohem durchsatz als mindestqualität bewertet wurden
DE102019212909A1 (de) Verfahren zum Detektieren eines Fehlers in einem Batteriesystem sowie Batteriesystem und Kraftfahrzeug
Kim et al. Investigation of noise suppression in experimental multi-cell battery string voltage applying various mother wavelets and decomposition levels in discrete wavelet transform for precise state-of-charge estimation
DE102018108184A1 (de) Verfahren und Einrichtung zur Bestimmung des Zustands eines Akkumulators sowie Computerprogramm
DE102016213175A1 (de) Brennstoffzellenstapel-Diagnosesystem und Diagnoseverfahren desselben
DE102015203878A1 (de) Verfahren und Vorrichtung zur Diagnose eines Batteriesystems
DE102011089150A1 (de) Verfahren und Einrichtung zur Ermittlung des Zustandes einer Batterie und Computerprogramm
DE102015213532B4 (de) Einrichtung und Verfahren zur Erkennung der Verunreinigung eines Filters einer Brennstoffzelle
WO2022247991A1 (de) Verfahren und vorrichtung zum nicht-invasiven bestimmen einer batterie sowie batterie-managementsystem
DE102016222126A1 (de) Verfahren zum Betrieb eines elektrischen Energiespeichersystems sowie entsprechendes maschinenlesbares Speichermedium, elektronische Steuereinheit und elektrisches Energiespeichersystem
AT520558B1 (de) Rekursives, zeitreihenbasiertes Verfahren zur Zustandsermittlung eines elektrochemischen Reaktors
EP2388602A1 (de) Verfahren zur Diagnose von Kontakten einer Photovoltaikanlage und Vorrichtung
AT526078B1 (de) Verfahren und System zur Bewirkung und Bestimmung eines Fehlers an einer PEM Brennstoffzelle
DE102021213762B4 (de) Verfahren zur Erstellung von Datensätzen für die Bewertung zumindest eines Lebensdauerparameters einer Batteriezelle, Vorrichtung und Software hierfür.
DE102023201383A1 (de) Computerimplementiertes Verfahren zum Optimieren einer Detektionsschwelle eines Vorhersagemodells
Smekens et al. A Battery Testing Toolbox for Real-World Operating Conditions
DE102021207106A1 (de) Vorrichtung und Verfahren zum Überwachen eines elektrischen Speichers
WO2024133015A1 (de) Verfahren zur diagnose eines gaskonzentrationssensors, gaskonzentrationssensor, computerprogramm und computerlesbares medium

Legal Events

Date Code Title Description
MM01 Lapse because of not paying annual fees

Effective date: 20221104