BR112020014359A2 - método para determinar as condições operacionais de um ventilador - Google Patents

Abstract

A presente invenção refere-se a um método para determinar os estados operacionais de um ventilador usando uma imagem digital do ventilador com base nas condições físicas (gêmeo digital) e pelo menos um algoritmo específico para os parâmetros operacionais compreende as seguintes etapas do método: criar a imagem digital do ventilador real, pela reprodução de suas propriedades usando modelos de cálculo matemático e possivelmente dados conhecidos, criar pelo menos um algoritmo específico de parâmetro operacional, levando em consideração correlações, características, etc. calcular estados componentes do ventilador via imagem digital usando sensores virtuais, transferir os estados do componente para o algoritmo, que calcula os parâmetros operacionais do ventilador a partir dos estados do componente e, se necessário, fornece prognóstico relacionados à operação do ventilador.

Description

Relatório Descritivo da Patente de Invenção para "MÉTODO

PARA DETERMINAR AS CONDIÇÕES OPERACIONAIS DE UM VENTILADOR".

[0001] A presente invenção refere-se a um método para determinar os estados operacionais de um ventilador, sendo o termo "ventilador" entendido no sentido mais amplo. Além disso, o ensinamento da invenção também pode ser aplicado ao arranjo de vários ventiladores, grupos de ventiladores ou sistemas de ventiladores. No caso do arranjo de vários ventiladores, trata-se da interação dos ventiladores, em particular também de uma coordenação entre os ventiladores. Nesse ponto, deve-se notar que o termo "apuração" também deve ser entendido no sentido mais amplo. Isso inclui, entre outras coisas, o cálculo dos estados operacionais, na medida que for possível.

[0002] A invenção é baseada na ideia de garantir a melhor eficiência possível e o melhor desempenho possível em todos os pontos de operação do ventilador. Isso é difícil devido a parâmetros operacionais opostos.

[0003] Sabe-se da prática de um ventilador que o rolamento de esferas e a graxa do rolamento de esferas são parâmetros críticos para a vida útil do ventilador. A vida útil do rolamento de esferas e da graxa para rolamentos de esferas depende em grande parte da temperatura operacional no motor ou junto ao motor e das forças mecânicas que atuam no rolamento de esferas. Como nem sensores de temperatura nem sensores de força podem ser posicionados nas imediações do rolamento, nem a temperatura do rolamento nem as forças de rolamento que atuam no mancal podem ser medidas. Portanto, é necessário medir indiretamente esses parâmetros ou determiná-los aritmeticamente.

[0004] A partir do documento DE 10 2010 002 294 A1, é conhecido um sistema ou método para determinar o estado do rolamento de uma máquina elétrica. Unidades de sensor reais determinam um valor medido que é transmitido a uma unidade de simulação. Um valor de resultado é determinado usando a unidade de simulação, que é um valor de corrente do rolamento ou um valor dependente da corrente do rolamento. O valor do resultado é transmitido para o cálculo adicional de uma unidade adicional. O conhecido sistema /método é complexo devido aos sensores necessários e é difícil de usar com ventiladores devido à falta de espaço de instalação suficiente.

[0005] A invenção tem como objetivo garantir a melhor eficiência possível e o melhor desempenho de funcionamento possível com meios de projeto simples em cada ponto operacionalde um ventilador. Além disso, uma análise da vida útil deve ser possível para poder implementar novos serviços, tais como manutenção preditiva, etc. Deve-se ter em mente que é difícil montar os sensores necessários em posições adequadas.

[0006] De acordo com a invenção, o objetivo acima é alcançado por um método com as características da reivindicação 1, em que se trata especificamente um método para determinar os estados operacionais de um ventilador usando uma imagem digital (gêmeo digital) do ventilador, em que pelo menos um algoritmo específico de parâmetro operacional está envolvido.

[0007] Mais precisamente, uma imagem digital do ventilador real é criada pela reprodução de suas propriedades usando modelos de cálculo matemáticos e, se necessário, usando dados conhecidos, se necessário, dados reais de medição. No caso dos dados reais de medição pode se tratar de dados de medição atuais decorrentes da operação em andamento de cada motor individual (e possivelmente seu histórico). Além disso, pelo menos um algoritmo específico a parâmetro operacional é criado levando em consideração correlações, características, etc. conhecidas e usadas para cálculos adicionais.

[0008] Os estados dos componentes do ventilador são determinados ou calculados através da imagem digital usando sensores virtuais. Esses estados de componentes são alimentados ao algoritmo específico ao parâmetro operacional ou específico do produto, que determina ou calcula parâmetros operacionais do ventilador, específicos a partir dos estados componentes e, se necessário, fornece previsões relacionadas à operação do ventilador, por exemplo, previsões da vida útil do ventilador. É essencial que o uso combinado de determinados estados de componentes e dados reais de medição seja possível.

[0009] De acordo com a invenção, são utilizados dois componentes de software diferentes, a saber, um primeiro componente de software relacionado ao gêmeo digital e um segundo componente de software relacionado ao algoritmo específico ao parâmetro operacional, que pode ser chamado de algoritmo "inteligente".

[00010] O gêmeo digital é uma imagem digital de um objeto real e individual, no caso do ensinamento de um ventilador ou de um sistema de ventiladores de acordo com a invenção. O gêmeo digital reproduz as propriedades do ventilador usando um modelo de cálculo e, se necessário, usando dados conhecidos do ventilador. A tarefa do gêmeo digital pode ser vista no fato de que os estados dos componentes do ventilador são calculados usando sensores virtuais em função do respectivo estado operacional. Os estados dos componentes determinados com base em tal cálculo são transmitidos ao algoritmo específico de parâmetro operacional, que determina/calcula parâmetros operacionais ou estados operacionais do ventilador a partir dos dados operacionais do gêmeo digital, por exemplo, a vida útil do rolamento e/ou a vida útil da graxa de rolamento. Com base no resultado, é possível um ajuste à regra específico da situação. Os parâmetros operacionais e os estados operacionais são igualmente relevantes na medida em que são dimensões previsíveis.

[00011] A combinação discutida anteriormente de gêmeos digitais e algoritmo específico ao parâmetro operacional pode ser implementada no sentido de um algoritmo digital duplo em um microprocessador a ser atribuído ao motor do ventilador e, portanto, atribuído ao ventilador como um componente fixo.

[00012] O ensinamento de acordo com a invenção, que pode ser resumido sob o termo "algoritmo gêmeo digital", é a combinação de um gêmeo digital que descreve o ventilador com um tipo de algoritmo inteligente, que é projetado especificamente para parâmetros operacionais.

[00013] Com um ventilador projetado adequadamente, a manutenção preditiva pode ser realizada com o objetivo de evitar uma falha do ventilador, por exemplo, devido a um rolamento ou graxa com defeito. É pretendido um ajuste adequado à situação dos parâmetros do sistema, a fim de poder implementar a vida útil máxima possível do ventilador.

[00014] Usando uma imagem digital do ventilador e algoritmos específicos a parâmetros operacionais, o objetivo no âmbito da manutenção preditiva é esgotar a vida útil dos componentes do ventilador o mais completamente possível e, ao mesmo tempo, evitar qualquer falha do ventilador. A vida útil do ventilador é calculada com base nos estados calculados dos componentes e nos parâmetros operacionais resultantes.

[00015] O gêmeo digital usa modelos físicos e/ou matemáticos e/ou estatísticos e/ou empíricos e/ou modelos combinados para calcular estados de componentes térmicos e mecânicos. De qualquer forma, modelos matemáticos e físicos e não físicos estão incluídos. O algoritmo específico de parâmetro operacional (algoritmo inteligente) requer os estados dos componentes determinados pelo gêmeo digital para apurar quaisquer parâmetros operacionais, por exemplo, também para diagnosticar a falha do ventilador. Como a vida útil de um ventilador depende principalmente dos rolamentos de esferas e da graxa do rolamento de esferas, o cálculo do parâmetro operacional focado na graxa de rolamento de esfera e no rolamento de esferas desempenha um papel muito especial.

[00016] Sabe-se na prática que a vida útil da graxa de rolamento depende em grande parte da temperatura de operação. Quanto mais alta a temperatura operacionaldurante toda a vida útil, mais rápida será a graxa de rolamento. Portanto, é importante determinar a temperatura de rolamento para determinar a vida útil da graxa do rolamento.

[00017] Para determinar a temperatura do rolamento, um sensor de temperatura teria que ser posicionado na proximidade imediata do rolamento. Isso não é possível devido às condições geométricas e funcionais do ventilador/motor. Do mesmo modo, os estados dos componentes, tais como a temperatura de rolamento, são calculados da maneira de acordo com a invenção por meio do gêmeo digital, juntamente com um algoritmo específico de parâmetro operacional.

[00018] O cálculo é baseado em um modelo matemático, que por sua vez é baseado em um modelo de cálculo termomagnético acoplado reduzido. A combinação de um gêmeo digital em conjunto com um algoritmo específico de parâmetro operacional calcula fontes de calor, dissipadores de calor e o estado térmico do sistema geral em relação ao motor do ventilador. Com o uso de sensores virtuais do gêmeo digital, a temperatura da graxa do rolamento pode ser determinada dependendo do estado operacional do ventilador/motor e alimentada no algoritmo específico do parâmetro operacional como o estado operacional.

[00019] Tanto o gêmeo digital, incluindo seus sensores virtuais, quanto o algoritmo específico de parâmetro operacional podem ser implementados no código da máquina (código C) no microprocessador existente, o que significa que uma certa inteligência da máquina é incorporada ao ventilador.

[00020] Embora o método de desenvolvimento e a função do método de acordo com a invenção sejam agora discutidos usando o exemplo da vida útil do rolamento e da graxa do rolamento, o método pode se referir a todos os parâmetros operacionais possíveis do ventilador. A aplicação do método de acordo com a invenção sempre faz sentido se os respectivos parâmetros não puderem ser medidos diretamente, mas cujo conhecimento possa ser usado para otimizar o funcionamento do ventilador.

[00021] Existem diferentes possibilidades de projetar e desenvolver vantajosamente o ensinamento da presente invenção. Para este fim, é feita referência, por um lado, às reivindicações subordinadas à reivindicação 1 e, por outro lado, à seguinte explicação dos exemplos de concretização preferidos da invenção, com referência aos desenhos. Em conexão com a explicação dos exemplos de concretização preferidos da invenção com base no desenho, são esclarecidos formulações e desenvolvimentos geralmente preferidos do ensinamento. Nos desenhos

[00022] A Figura 1 a 8 mostram etapas do processo para realizar o ensinamento da invenção com características especiais.

[00023] A Figura 1 mostra o princípio do método de acordo com a invenção, em que a combinação do gêmeo digital com pelo menos um algoritmo específico de parâmetro operacional (algoritmo inteligente) é referida como algoritmo gêmeo digital, no exemplo a seguir para a vida útil da graxa de rolamento e/ou do rolamento.

[00024] Como afirmado anteriormente, a vida útil da graxa de rolamento e dos rolamentos depende da temperatura operacional e da velocidade do motor. Como nenhum sensor de temperatura pode ser posicionado nas imediações do rolamento, a temperatura de rolamento deve ser calculada usando um modelo, de acordo com a invenção, usando o algoritmo gêmeo digital, que resulta de uma combinação de um gêmeo digital e um algoritmo específico de parâmetro operacional (algoritmo inteligente).

[00025] O gêmeo digital nada mais é do que um modelo matemático, baseado em um modelo de cálculo termomagnético e mecânico de acoplamento reduzido. O gêmeo digital calcula a condição térmica e mecânica de todo o sistema que afeta o motor. Graças aos sensores virtuais pertencentes ao gêmeo digital, o gêmeo digital pode determinar a temperatura da graxa do rolamento, dependendo do estado operacional do motor.

[00026] O algoritmo inteligente requer os estados do componente para processamento posterior dos dados, por exemplo, para prever a falha do ventilador. Características de falha podem ser usadas para calcular ou pelo menos estimar a falha do motor. Todo o software relacionado ao algoritmo digital duplo é implementado no código da máquina (código C) no microprocessador do motor, para que não sejam necessários mais componentes eletrônicos.

[00027] A Figura 2 mostra a sequência do cálculo da vida útil da graxa do rolamento no rolamento de um motor de ventilador. Modelos detalhados numéricos, especificamente modelos térmicos, modelos de circuitos magnéticos etc. são necessários para criar a imagem digital do ventilador real. Além disso, são criados algoritmos para calcular a vida útil da graxa.

[00028] Os modelos detalhados são então reduzidos a modelos de comportamento para que o volume de dados possa ser tratado.

[00029] Os modelos de comportamento e o algoritmo que calcula a vida útil da graxa do rolamento são então vinculados em uma simulação do sistema, nomeadamente como parte de uma combinação do gêmeo digital com o algoritmo específico de parâmetro operacional, que no presente caso calcula a vida útil da graxa do rolamento. O código C é gerado a partir da simulação do sistema e o código C é implementado diretamente no microprocessador do motor.

[00030] Como já explicado acima, o modelo deve ser reduzido a um modelo de comportamento para reduzir o tempo de computação. Como resultado dessa medida, o algoritmo digital duplo pode ser implementado no microprocessador do motor. Diferentes métodos podem ser usados para a redução do modelo térmico, por exemplo, o método Krylow. Os dados do modelo detalhado são reduzidos reduzindo a ordem do modelo.

[00031] O modelo de detalhe magnético pode ser reduzido por um algoritmo ou por uma tabela. Os resultados pré-calculados são definidos na tabela para determinadas constelações, para que cálculos complexos possam ser substituídos por uma pesquisa rápida de valores. Com os modelos correspondentemente reduzidos, a temperatura da graxa do rolamento e a temperatura do rolamento podem ser calculadas. Os valores calculados usam o algoritmo específico a parâmetro operacional, aqui o algoritmo que calcula a vida útil da graxa do rolamento, para calcular a vida útil da graxa do rolamento, por um lado, e do rolamento, por outro.

[00032] Além disso, é possível pesar preferivelmente a vida útil consumida do rolamento/graxa para rolamentos, dependendo da temperatura operacional.

[00033] A Figura 3 mostra o curso desse fator de ponderação ao longo da curva de temperatura, em que parâmetros exemplificativos tais como operação contínua, tipo de rolamento, viscosidade, velocidade, temperatura do rolamento e tempo de operação/vida útil são usados como base para calcular a vida útil da graxa de rolamento. Com um tempo de operação de quatro minutos, o exemplo de cálculo fornece uma vida útil consumida de 15 minutos.

[00034] Do modo de acordo com a invenção, os modelos reduzidos de acordo com o gêmeo digital e o algoritmo específico de parâmetro operacional relacionados à vida útil da graxa do rolamento são integrados a uma simulação do sistema e ligados entre si. A simulação do sistema pode ser criada, por exemplo, no programa MATLAB. Com o gerador de código MATLAB, é possível converter a simulação do sistema no código C e implementá-lo no microprocessador do motor.

[00035] A Figura 4 mostra a aplicação do método de acordo com a invenção usando o exemplo do cálculo da vida útil dagraxa do rolamento, em que a consideração do modelo do gêmeo digital é baseada em um modelo térmico e um modelo de circuito magnético. Ambos os modelos são convertidos em um modelo térmico reduzido e em um modelo de circuito magnético reduzido.

[00036] O gêmeo digital é combinado com um algoritmo específico ao parâmetro operacional, ou seja, um algoritmo que determina a vida útil da graxa do rolamento.

[00037] A partir de um modelo detalhado, este é reduzido, ou seja, um modelo reduzido é derivado. Este modelo reduzido pode estar na forma de uma matriz, a matriz sendo traduzida em um código C em uma simulação do sistema, ou seja, com um gerador de código C. A redução do modelo detalhado também pode ser feita de outra maneira.

[00038] O modelo detalhado resulta em um modelo reduzido. Levando em consideração o algoritmo que calcula a vida útil da graxa de rolamento, ocorre uma simulação do sistema, a partir da qual um código é gerado. Esse código é transmitido ao microprocessador do motor, preferivemente com um cálculo em tempo real, em contraste com um processamento com deslocamento de tempo na nuvem.

[00039] A Figura 5 mostra o cálculo da vida útil do rolamento, com um modelo mecânico sendo adicionado ao cálculo da vida útil da graxa do rolamento mostrada na Figura 4, que é convertida em um modelo mecânico reduzido.

[00040] Dois outros algoritmos específicos de parâmetros operacionais são utilizados para o cálculo adicional, por um lado, para avaliação da vibração e, por outro, para o cálculo da vida útil do rolamento.

[00041] Assim como no cálculo da vida útil do rolamento, os dados são vinculados usando uma simulação do sistema, na qual um código C é gerado a partir das matrizes obtidas dessa maneira. Este é transferido para o microprocessador do motor.

[00042] As concretizações acima em relação ao cálculo da vida útil da graxa de rolamento e da vida útil do rolamento deixam claro que o método de acordo com a invenção e o algoritmo gêmeo digital resultante são uma função essencial para a "digitalização" do ventilador, uma vez que informações decisivas são calculadas e analisadas, reduzindo o total de dados resultantes.

[00043] Por fim, as informações essenciais são os estados operacionais, que são determinados no contexto do gêmeo digital com sensores virtuais para poder calcular a vida útil da graxa de rolamento e a vida útil do rolamento no ventilador.

[00044] Neste ponto, deve-se notar que, com o método de acordo com a invenção, isto é, por meio de um algoritmo gêmeo digital com base nos sensores virtuais de qualquer estado operacional concebível, pode-se calcular, o que é impossível com sensores reais devido a limitações de projeto e os custos associados a esses sensores.

[00045] Com base na redução de dados discutida acima, o método de acordo com a invenção permite a criação de um código C compacto que pode ser operado em microprocessadores padrão. Um tipo de refinamento de dados (Big data  Smart Data) é realizado, em que isso é o resultado de cálculo. Apenas os dados compactados e refinados são processados posteriormente ou, por exemplo, enviados para uma nuvem. É evidente que isso reduz significativamente o volume de streaming da conexão com a nuvem.

[00046] Além disso, é necessário realizar uma consulta da vida útil restante do ventilador ou do motor qualquer em outro intervalo de tempo, em que um comportamento linear ou uma deriva podem ser reconhecidos. Como mencionado anteriormente, sensores reais podem ser reduzidos em favor do espaço de instalação e para redução de custos.

[00047] Além disso, os parâmetros operacionais determinados com base no gêmeo digital e no algoritmo específico de parâmetro operacional podem ser usados para manutenção preditiva e manutenção de um ventilador, por um lado, e para otimizar o projeto e a operação de um ventilador, por outro.

[00048] A representação nas Figuras 6 e 7 serve para explicar melhor o ensinamento reivindicado, como já foi discutido a título de exemplo com referência às Figuras 4 e 5.

[00049] É essencial usar uma imagem digital, ou seja, um gêmeo digital do ventilador. O gêmeo digital é criado pelo processamento de dados. Especificamente, ele surge de uma combinação de variáveis de entrada conhecidas ou valores medidos pelo sensor com valores calculados e cálculos/modelos. Usando o gêmeo digital, as temperaturas dos componentes, correntes, perdas, etc. são determinadas em determinados pontos predeterminados no ventilador. Com base no gêmeo digital, valores reais, tais como temperaturas específicas de componentes, são determinados virtualmente, ou seja, quando não há possibilidade da medição em termos econômicos/de projeto usando sensores no respectivo local específico do ventilador.

[00050] O algoritmo específico de parâmetro operacional é de maior importância para o ensinamento reivindicado. Com base nos resultados ou nos dados que o gêmeo digital fornece, por exemplo, a temperatura de rolamento, são determinados parâmetros, tais como a probabilidade de falha ou a vida útil consumida do ventilador ou do rolamento do ventilador. Esses parâmetros dependem dos parâmetros operacionais atuais do ventilador e de seu histórico, ou seja, em que pontos e ambientes operacionais o ventilador é/foi operado.

[00051] As Figuras 6 e 7 ilustram, usando um exemplo específico, o método de acordo com a invenção para determinar os estados operacionais de um ventilador usando uma imagem digital do ventilador, levando em consideração as explicações acima.

[00052] A coluna esquerda da Figura 6 mostra variáveis de entrada medidas ou calculadas, incluindo as unidades atribuídas às setas. Essas variáveis de entrada são medidas usando sensores padrão existentes ou são conhecidas.

[00053] Fontes de calor e dissipadores de calor são calculados a partir dessas variáveis de entrada. Toma-se como base modelos baseados em simulação que levam em consideração fontes de calor, tais como perdas de cobre, ferro, eletrônicas e dissipadores de calor, como o resfriamento do motor (roda de resfriamento, ar circulado e temperatura ambiente). Isso resulta em variáveis de entrada para um modelo térmico reduzido com sensores virtuais. Tudo isso corresponde ao gêmeo digital no sentido de um modelo térmico.

[00054] As temperaturas dos componentes são calculadas a partir do modelo térmico reduzido com sensores virtuais. O modelo térmico forma, neste caso, a física do ventilador e usa sensores virtuais para calcular a temperatura no rolamento, no enrolamento, em magnetos e nos diferentes componentes eletrônicos, conforme necessário.

[00055] Como uma continuação da Figura 6, a Figura 7 mostra claramente que as variáveis de saída do modelo térmico reduzido, possivelmente com parâmetros adicionais, são usadas como variáveis de entrada para calcular o processo de envelhecimento. Os modelos de envelhecimento subjacentes são baseados em dados históricos e podem ser armazenados como curvas características. A vida útil restante, limitada pelo envelhecimento, pode ser calculada ou corrigida individualmente no local, usando o histórico real do ventilador e o status operacional atual.

[00056] Os respectivos modelos para calcular o envelhecimento resultam em uma vida útil calculada em dias ou horas, o que por si só pode servir como mera informação. As informações relevantes podem então ser usadas para o prognóstico adicional, nomeadamente para o prognóstico da vida útil restante dos componentes individuais ou de todo o ventilador. Essa previsão pode ser usada para otimização inteligente da vida útil restante. Para prolongar a vida útil restante, é possível executar medidas, por exemplo, redução de velocidade ou distribuição inteligente de carga para vários ventiladores. Essas medidas podem ser comunicadas usando uma variável de ajuste.

[00057] A Figura 8 mostra novamente o gêmeo digital até o modelo térmico reduzido com sensores virtuais, em que o ventilador e o motor são fotografados. Como mencionado anteriormente, o modelo térmico forma a física dos ventiladores e usa sensores virtuais para calcular diferentes temperaturas, que são usadas para diferentes finalidades/objetivos/usos, em palavras-chave a seguir]:

[00058] Quanto ao monitoramento: apuração de parâmetros operacionais com a ajuda de sensores virtuais e uso dos mesmos para monitoramento. Isso pode ser: Mensagens de alerta, LEDs de status, comentários em um código de erro legível, imagens na nuvem ou uso de aplicativo, são exibidos nas interfaces do usuário.

[00059] Quanto à manutenção preditiva: Método para apuração do envelhecimento de um ventilador, consistindo em vários subsistemas, tais como rolamentos de esferas, enrolamento, componentes eletrônicos, magnetos e prognóstico da vida útil restante. Uso para, por exemplo, planejamento de intervalos de manutenção, para alcançar a maior vida útil possível antes do intervalo de manutenção (ou seja, sem esperar muita antecipada), agendamento automático de prazos de manutenção, notificação de necessidade de manutenção, pedido automático de peças de reposição.

[00060] Quanto à otimização: Método para apuração de estados operacionais relacionados ao desempenho do produto, ou seja, eficiência, temperatura dos componentes, velocidade, potência de saída, fluxo de volume, nível sonoro, vibrações, etc.

[00061] Quanto à criação de um ventilador inteligente: Reação a certas condições operacionais para melhorar o comportamento ou alcançar certos objetivos.

[00062] Alteração do ponto operacional/alteração dos parâmetros de controle para uma eficiência ideal.

[00063] Alteração do ponto operacional para obter a maior vida útil possível.

[00064] Redução da velocidade se a probabilidade de falha for muito alta.

[00065] Alteração do ponto operacional com um ritmo entre dia-noite para o uso noturno mais silencioso.

[00066] Saída de uma variável de ajuste para dispositivos adicionais ou dispositivos do cliente, por exemplo, saída de temperatura para uso no controle de uma bomba de calor ou para resfriamento adicional.

[00067] Ambiente direcionado de estados críticos do sistema (por exemplo ressonâncias, superaquecimento, etc.).

[00068] O seguinte ítem é relevante para a criação de modelos detalhados:

[00069] Um modelo é basicamente uma imagem ou uma aproximação à realidade, que por definição significa uma aproximação. Um modelo é sempre limitado a um segmento, que é de interesse para a imagem desejada. Além disso, um modelo não é fundamentalmente completo, pois é reduzido para o uso mais facil em termos de seus tamanhos de entrada necessários ou elementos individuais de comportamento físicos não são conhecidos quando o modelo é criado. Dependendo do uso posterior e do objetivo, é necessário um tipo diferente de modelagem, ou seja, por exemplo, uma outra área em consideração, uma precisão diferente necessária nos resultados ou na velocidade do cálculo. Existem muitos tipos de modelos, em que no campo técnico, na maioria das vezes, um modelo está conectado a uma representação matemática, por exemplo, a equações algébricas ou inequações algébricas, sistemas de equações diferenciais ordinárias ou parciais, representações de estado-espaço, tabelas, gráficos.

[00070] O desenvolvimento virtual de produtos usando simulação FE (Finite Elemente Simulation) é parte integrante do desenvolvimento de produtos atual. Classicamente, há um domínio físico (por exemplo, resistência ou sistema térmico ou circuito magnético) em um modelo muito grande (ordem de 100 gigabytes) e intensivamente computacional e os resultados determinados em milhões de locais (nós) no modelo. Esta é uma variante de modelos detalhados. A sequência aproximada na criação desses modelos detalhados pode ser descrita a seguir:

[00071] 1. Importação de uma geometria 3D, por exemplo, da área de CAD,

[00072] 2. Atribuição de condições de base, ou seja, grampos fixos, definições de material, condições de contato (pontos de colagem, conexões deslizantes, isolamento térmico),

[00073] 3. Rede (divisão da geometria em milhões de pequenos elementos vinculados,

[00074] 4. Aplicação da carga, isto é, forças, fonte de calor/dissipadores de calor, campos magnéticos,

[00075] 5. Solução automática das equações diferenciais resultantes para cada elemento e montagem individuais, obtendo um ótimo resultado para o modelo geral,

[00076] 6. Avaliação dos resultados.

[00077] Os modelos reduzidos são gerados da seguinte forma:

[00078] Uma redução de modelo geralmente descreve um modelo existente para reduzir mais informações, por exemplo, para otimizá-lo para requisitos de memória ou velocidade de computação. Dependendo da aplicação específica, existem muitas variantes, como:

[00079] Aproximação de funções matemáticas simples, tais como, por exemplo, funções polinomiais e armazenamento apenas dos coeficientes.

[00080] Armazenamento de tabelas para diferentes variáveis de entrada e, em seguida, usando esses valores discretos ou interpolação entre os valores.

[00081] Aproximação de modelos estatísticos que fornecem prognósticos de valores anteriores.

[00082] Gráficos/portas lógicas, exemplo: Se T> 200°C, o ventilador está com defeito. Geração dos modelos reduzidos - exemplo a)

[00083] O ponto de partida para o modelo reduzido é um modelo FE de sistema térmico, que descreve as temperaturas em todos os pontos do modelo, dependendo da entrada e saída de calor. No exemplo a seguir, a redução do modelo para apenas uma entrada de calor e uma saída de calor, apenas uma temperatura a ser determinada no ponto A e apenas os valores "alto" e "baixo" são simplificados. Para esse fim, é realizado um estudo de parâmetros, no qual é determinada a chamada "tabela Look-Up".

Temperatura no ponto A Entrada de calor entrada de calor = = baixo = 1W alto = 11W Saída de calor = baixo = 1W 40°C 80°C Saída de calor = alto = 5W 20°C 60°C

[00084] Em seguida, existem várias possibilidades de usar os resultados.

[00085] Use a tabela direta e discretamente. Exemplo: Se for prevista uma temperatura no ponto A para uma entrada de calor de 4W e uma saída de calor de 1W, o valor de 40°C será adotado diretamente.

[00086] Use a tabela e interpolação linear entre os valores. Exemplo: Se for prevista uma temperatura no ponto A para uma entrada de calor de 5W e uma saída de calor de 1W, o valor de 60°C será determinado por interpolação linear.

[00087] Use a tabela para determinar uma função de prognóstico de temperatura usando regressão. Exemplos de funções alvo são funções polinomiais, funções lineares, funções exponenciais, funções estatísticas, equações diferenciais, etc. Em seguida, a temperatura é determinada usando esta função. Geração dos modelos reduzidos - exemplo b)

[00088] O ponto de partida para o modelo reduzido é um modelo FE de sistema térmico, que descreve as temperaturas em todos os pontos do modelo, dependendo da entrada e saída de calor. Em seguida, os modelos compactos de estado-espaço podem ser aproximados com suposições, cálculos e transformações matemáticas (por exemplo, sistema LTI ou método do subespaço Krylov). Estes consistem em duas equações diferenciais ou integrais ou e quatro matrizes que descrevem o sistema inteiro (por exemplo, matrizes de 200x200 preenchidas com valores numéricos escalares). No entanto, estes não representam mais a temperatura em milhões de nós, mas apenas em alguns pontos selecionados. Além disso, a aproximação leva a um desvio dos resultados, dependendo do tamanho do modelo de estado- espaço. Basicamente, quanto maior o modelo e suas matrizes, menor o desvio.

[00089] Modelos de estado-espaço estão disponíveis como procedimentos, módulos ou objetos, de acordo com as especificações, em muitos programas de álgebra computacional, tais como por exemplo Matlab ou em linguagens de programação, para que esses modelos possam ser calculados simplesmente importando as matrizes. As variáveis de entrada são, por exemplo, a saída de calor que entra no sistema e os dissipadores de calor por convecção, as variáveis de saída são, por exemplo, determinadas temperaturas dos componentes (por exemplo, três temperaturas diferentes dos componentes). Geração dos modelos reduzidos - exemplo c)

[00090] Neste exemplo, o ponto de partida para a redução do modelo são resultados experimentais. Neste caso, assim como no exemplo a), uma tabela seria criada a partir dos resultados da medição e o equivalente continuaria depois (uso discreto, interpolação linear ou regressão usando funções matemáticas).

[00091] Um acoplamento de domínios físicos ou modelos diferentes pode ser de maior importância.

[00092] Tradicionalmente, os domínios são considerados individualmente no desenvolvimento de produtos virtuais, pois um exame conjunto é complexo em termos computacionais e exige muita memória e é dificilmente prático. A redução de modelo oferece a possibilidade de acoplar os modelos de diferentes domínios. Por exemplo, o acoplamento de um modelo detalhado de circuito magnético, cujo tempo de computação em um cluster de computação de alto desempenho leva vários dias a semanas, não é uma vantagem em um modelo térmico. Ao reduzir os modelos detalhados, a capacidade computacional necessária e os requisitos de memória são mais baixos e, assim, o acoplamento dos modelos em relação ao aspecto econômico é possível. Em muitos casos, isso é necessário para mapear o comportamento real com a maior precisão possível.

[00093] Acoplamento de domínios físicos ou modelos diferentes - exemplos

[00094] A resistência do enrolamento é aproximadamente linearmente dependente da temperatura do cobre. Dependendo da resistência do enrolamento, a perda de potência no enrolamento muda aproximadamente linearmente. Dependendo da perda de energia, o comportamento térmico muda, por exemplo, a temperatura do enrolamento e do armazenamento são fortemente não lineares, o que, por sua vez, afeta a resistência do enrolamento. Dependendo dos requisitos dos resultados do modelo, é necessário um acoplamento neste caso.

[00095] O torque necessário e a velocidade de um ventilador dependem muito da resistência do sistema e, por exemplo, da diferença de pressão e temperatura do meio a ser bombeado. O comportamento do circuito magnético muda dependendo do torque da carga, ou seja, correntes através do enrolamento, campo magnético, velocidade, etc. Dependendo disso, o consumo de energia, as perdas e a velocidade alcançável também mudam. Aqui também, no caso de um aplicativo do cliente, é concebível associar o comportamento do ventilador à situação da instalação, dependendo do aplicativo. Especificação de uma implementação técnica - exemplo a)

[00096] Criação de um modelo térmico FE de um ventilador modelo FE complexo em termos computacionais e memória com

1.000.000 de elementos, além da função polinomial. Fontes de calor e dissipadores de calor são representados como funções polinomiais, dependendo da corrente e velocidade de entrada.

[00097] Criação de um modelo térmico reduzido usando métodos estatísticos, que descreve a temperatura do componente eletrônico, dependendo da corrente e velocidade de entrada.  Função polinomial que descreve a temperatura dependendo da corrente de entrada e velocidade = sensor virtual de temperatura.

[00098] Curva característica da folha de dados sobre a vida útil do componente eletrônico, dependendo de sua temperatura  algoritmo específico de parâmetro operacional, que calcula a probabilidade de falha de um sensor de temperatura virtual.

[00099] Use para manutenção preditiva, para monitorar ou otimizar o ponto operacional  de algoritmo inteligente. Especificação de uma implementação técnica - exemplo b)

[000100] Gravação do ponteiro de corrente e velocidade do motor através de componentes eletrônicos/regulamento. O ponto de operação eletromagnético é derivado disso.

[000101] Com base nesse ponto de operação, as perdas de componentes eletrônicos do motor e de potência resultam de tabelas de consulta ou funções polinomiais.

[000102] Um modelo térmico processa os valores de perda e determina as temperaturas de componentes críticos do sistema, tais como rolamentos de esferas ou componentes semicondutores.

[000103] Ao mesmo tempo, as vibrações dos componentes são gravadas usando um sensor real. As vibrações locais são praticamente projetadas no sistema geral usando modelos de comportamento que, por exemplo, permitem estimar a carga do rolamento devido a vibrações.

[000104] Com a ajuda de algoritmos específicos para os parâmetros operacionais, as temperaturas e os valores de vibração determinados são convertidos em uma estimativa da vida útil do componente e do ventilador.

[000105] Medidas de amplo alcance, tais como manutenção preditiva, podem ser possíveis.

[000106] Ao mesmo tempo, com o conhecimento das perdas, o ponto de operação e a eficiência do sistema podem ser otimizados através de ajustes de controle, tais como a variação do ângulo de pré-controle.

[000107] Finalmente, deve-se salientar expressamente que os exemplos de concretização descritos acima servem apenas para discutir o ensinamento reivindicado, mas não o restringe aos exemplos de concretização.

Claims (11)

REIVINDICAÇÕES

1. Método para apuração de estados operacionais de um ventilador usando uma imagem digital (gêmeo digital) do ventilador e pelo menos um algoritmo específico de parâmetro operacional, caracterizado pelo fato de que ele compreende as seguintes etapas do método: criar a imagem digital do ventilador real, pela reprodução de suas propriedades usando modelo de cálculo matemático e, se necessário, dados conhecidos, criar pelo menos um algoritmo específico de parâmetro operacional, levando em consideração correlações, características, etc. calcular estados componentes do ventilador via imagem digital usando sensores virtuais, transferir os estados do componente para o algoritmo, que calcula parâmetros operacionais do ventilador a partir dos estados do componente e, se necessário, fornece prognósticos relacionados à operação do ventilador.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a imagem digital, tal como modelo matemático e/ou físico e/ou empírico e/ou estatístico ou como um modelo combinado se baseia em um modelo de cálculo de circuito térmico e/ou mecânico e/ou magnético.

3. Método de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de que o respectivo modelo de cálculo é convertido de um modelo detalhado em um modelo reduzido.

4. Método de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que a imagem digital é usada para calcular o estado térmico e/ou mecânico do ventilador, em particular do motor do ventilador.

5. Método de acordo com qualquer uma das reivindicações

1 a 4, caracterizado pelo fato de que as temperaturas dos componentes são determinadas em função do estado operacional pelos sensores virtuais da imagem digital, usando os modelos de cálculo.

6. Método de acordo com qualquer uma das reivindicações 1 a 5, caracterizado pelo fato de que pelo menos um algoritmo específico de parâmetro operacional, levando em consideração os estados dos componentes, se necessário, levando em conta critérios de falha ou uma curva característica de falha, calcula os critérios de falha do ventilador ou prediz a falha esperada do ventilador.

7. Método de acordo com qualquer uma das reivindicações 1 a 6, caracterizado pelo fato de que a imagem digital e seus modelos preferivelmente reduzidos e pelo menos um algoritmo específico de parâmetro operacional são integrados a uma simulação do sistema por meio de um programa de simulação.

8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que o software da imagem digital e pelo menos um algoritmo específico de parâmetro operacional, preferivelmente na forma de programa de simulação, é implementado em um microprocessador, preferivelmente em código de máquina (código C).

9. Método, de acordo com a reivindicação 8, caracterizado pelo fato de que o microprocessador é atribuído diretamente ao motor elétrico do ventilador.

10. Método de acordo com qualquer uma das reivindicações 1 a 9, caracterizado pelo fato de que no caso dos parâmetros operacionais trata-se da vida útil do rolamento e/ou da vida útil da graxa do rolamento.

11. Método de acordo com qualquer uma das reivindicações 1 a 10, caracterizado pelo fato de que os parâmetros operacionais determinados são utilizados para manutenção preditiva do ventilador.

Petição 870200087582, de 14/07/2020, pág. 33/49 Algoritmo de Gêmeo digital Algoritmo inteligente gêmeo digital 1/8

Petição 870200087582, de 14/07/2020, pág. 34/49 Criação de modelos numéricos detalhados: modelos térmicos, modelos de circuitos magnético Criação de algoritmos para calcular a vida útil da GRAXA

Redução dos modelos detalhados para modelos comportamentais

Acoplamento de modelos de comportamento e algoritmo de vida útil da graxa de rolamento na simulação do sistema 2/8

Geração do código C a partir da simulação do Sistema

Implementação direta do código no microprocessador do motor

Parâmetros para o projeto de vida útil de graxa de rolamento Operação contínua

Petição 870200087582, de 14/07/2020, pág. 35/49 Tipo de rolamento: 608-2Z Viscosidade: 70 Velocidade: 1290 rpm Temperatura da graxa: 110 ° C Tempo de operação / vida útil: 40.000 h Fator de ponderação vida útil de graxa

Exemplo de cálculo Vida útil Horário Temperatura Fator consumida 3/8

Fator de ponderação Resultado Horas operacionais: 4 minutos Vida útil consumida: 15 minutos Temperatura [º]

Gerador de código Algoritmo

Petição 870200087582, de 14/07/2020, pág. 36/49 Modelo térmico gêmeo digital reduzido como código C Modelo Matrizes do térmico modelo térmico reduzido

Tabela do modelo Modelo de circuito Um código de circuito magnético magnético reduzido C é gerado Modelo de circuito reduzido a partir de magnético matrizes 4/8

Algoritmo de vida útil do rolamento Microprocessador do ventilador Algoritmo de vida útil do rolamento

Modelo Modelo Simulação Gerar Transferir detalhada reduzido do sistema código código C

Modelo térmico Gerador de código

Petição 870200087582, de 14/07/2020, pág. 37/49 Modelo reducido Algoritmo térmico gêmeo digital Modelo térmico como código C reduzido

Mmodelo de circuito Modelo de circuito magnético reduzido Modelo de circuito magnético NI perdas magnético reduzido Um código C é gerado a partir de Modelo de circuito Modelo de circuito matrizes 5/8

Modelo de circuito magnético magnético Microprocessador magnético do ventilador

Análise de Análise de vibração ibração

Linhas características de vida útil de rolamento Linhas características de vida útil de rolamento

Modelo Modelo Simulação Gerar Transferir detalhada reduzido do sistema código código C

Sensor de temperatura Modelo para o cálculo da Temperatura de graxa de rolamento [K] no sistema eletrônico temperatura ambiente

Petição 870200087582, de 14/07/2020, pág. 38/49 Modelo para o cálculo do Potência de entrada resfriamento de motor Temperatura de componente eletrônico [K]

Velocidade Modelo para cálculo das Modelo térmico perdas de circuitos reducido com magnéticos (perdas de ferro) sensores virtuais Corrente Id, Ig Temperatura de magneto [K] Velocidade Modelo para o cálculo do resfriamento de motor 6/8

Perda total

Modelo para o cálculo Temperatura de enrolamento [K] Corrente Id, Ig das perdas de enrolamento (perdas de cobre)

Medição de variáveis ? de entrada: Cálculo de fontes de calor e dissipadores de calor: Cálculo da temperatura do componente: Os sensores padrão existentes medem Os modelos baseados em simulação calculam O modelo térmico descreve a física dos corrente, velocidade e temperatura as fontes de calor, como cobre, ferro, perdas ventiladores e usa sensores virtuais para calcular a da eletrônica eletrônicas e dissipadores de calor, como o temperatura no rolamento, no enrolamento, resfriamento do motor (roda de resfriamento, no magneto e em todos os componentes eletrônicos. ar circulado), temperatura ambiente

Modelo para o Velocidade [rpm] cálculo do envelhecimento Vida útil [h] da graxa de rolamento de Temperatura de graxa de rolamento [k]

Petição 870200087582, de 14/07/2020, pág. 39/49 esferas

Modelo para o cálculo do envelhecimento Vida útil [h] Temperatura de componente eletrônico [k] dos componentes eletrônicos Corrente [A] Prognóstico Otimização Variáveis de ajuste em relação Prognóstico à otimização de vida útil restante de vida útil de vida útil restante restante Modelo para o inteligente Temperatura de magneto [k] cálculo da Vida útil [h] desmagnetização 7/8 dos magnetos

Temperatura de enrolamento [k] Modelo para o cálculo do Vida útil [h] envelhecimento do isolamento de enrolamento

Otimização inteligente da vida útil restante: Otimização de vida útil restante inteligente São tomadas medidas para prolongar a Prognóstico da São tomadas medidas para prolongar a vida útil vida útil restante, por exemplo, redução de vida útil restante restante, por exemplo, redução de velocidade ou velocidade ou distribuição inteligente de distribuição inteligente de carga em vários dos componentes carga em vários ventiladores.

As medidas ventiladores.

As medidas são comunicadas são comunicadas através de uma variável individuais através de uma variável de ajuste . de ajuste.

Sensor de temperatura Modelo para cálculo da Temperatura de graxa de rolamento [K] no sistema eletrônico temperatura ambiente

Petição 870200087582, de 14/07/2020, pág. 40/49 Modelo para o cálculo Potência de entrada ativa das perdas eletrônicas Temperatura de componente eletrônico [K]

Velocidade Modelo para o cálculo Modelo térmico das perdas de circuito reducido com Corrente Id, Ig magnético sensores virtuais Metas, Uso Temperatura de magneto [K]

Velocidade Modelo para o cálculo do resfriamento do motor Perda total 8/8

Modelo para o cálculo das Temperatura de enrolamento [K] Corrente Id, Ig perdas de enrolamento (v=perdas de cobre)

Medição de variáveis ? de entrada: Cálculo de fontes de calor e dissipadores de calor: Cálculo da temperatura do componente: Os sensores padrão existentes Os modelos baseados em simulação calculam O modelo térmico descreve a física dos medem corrente, velocidade e as fontes de calor, como cobre, ferro, perdas ventiladores e usa sensores virtuais para calcular a temperatura da eletrônica eletrônicas e dissipadores de calor, como o temperatura no rolamento, no enrolamento, resfriamento do motor (roda de resfriamento, no magneto e em todos os componentes eletrônicos. ar circulado), temperatura ambiente