CN101892885B - 确定内燃机中油损耗的方法、电装置、内燃机 - Google Patents
确定内燃机中油损耗的方法、电装置、内燃机 Download PDFInfo
- Publication number
- CN101892885B CN101892885B CN2010101898697A CN201010189869A CN101892885B CN 101892885 B CN101892885 B CN 101892885B CN 2010101898697 A CN2010101898697 A CN 2010101898697A CN 201010189869 A CN201010189869 A CN 201010189869A CN 101892885 B CN101892885 B CN 101892885B
- Authority
- CN
- China
- Prior art keywords
- oil
- parameter
- criterion
- output
- combustion engine
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 119
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 61
- 230000006866 deterioration Effects 0.000 title abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 53
- 239000006229 carbon black Substances 0.000 claims description 20
- 230000003647 oxidation Effects 0.000 claims description 18
- 238000007254 oxidation reaction Methods 0.000 claims description 18
- 238000009434 installation Methods 0.000 claims description 11
- 239000002912 waste gas Substances 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 13
- 230000001537 neural effect Effects 0.000 abstract description 2
- 239000003921 oil Substances 0.000 description 122
- 210000002569 neuron Anatomy 0.000 description 17
- 230000006872 improvement Effects 0.000 description 15
- 239000010410 layer Substances 0.000 description 13
- 239000010705 motor oil Substances 0.000 description 9
- 230000004913 activation Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 8
- 230000002349 favourable effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
- F01M11/00—Component parts, details or accessories, not provided for in, or of interest apart from, groups F01M1/00 - F01M9/00
- F01M11/10—Indicating devices; Other safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
- F01M11/00—Component parts, details or accessories, not provided for in, or of interest apart from, groups F01M1/00 - F01M9/00
- F01M11/10—Indicating devices; Other safety devices
- F01M2011/14—Indicating devices; Other safety devices for indicating the necessity to change the oil
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Lubrication Details And Ventilation Of Internal Combustion Engines (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明涉及一种用于在内燃机、尤其是在柴油发动机或汽油发动机中确定油损耗的方法(10，20)，具有步骤：接收(I)至少一个对于油损耗有决定作用的运行参数；由至少一个有决定作用的运行参数推导(II)用于油更换的判据(9)；根据判据(9)输出(III)有关油更换的信息(16)；根据本发明，为了推导判据(9)(a)多个有决定作用的运行参数作为神经元的和/或或然的计算网络(1)的输入参数(E1...E6)由计算网络(1)换算成多个表征油的状态参数作为计算网络(1)的输出参数，和(b)至少一部分输出参数(A)处于监控下，其中由监控推导出判据(9)。
Description
技术领域
本发明涉及一种用于确定内燃机中油损耗的方法，具有步骤：接收(Aufnehmen)至少一个对于油损耗有决定作用的运行参数；由至少一个有决定作用的运行参数推导出油更换(Oelwechsel)的判据(Kriterium)；根据判据输出涉及油更换的信息。本发明还涉及用于控制和/或调节内燃机的电装置，具有：用于接收至少一个对于油损耗有决定作用的运行参数的传感器件和/或显示器件；用于由至少一个有决定作用的运行参数推导出油更换的判据的计算器件；用于根据判据输出涉及油更换的信息的通讯器件。本发明也涉及计算机程序产品和内燃机。
背景技术
由内燃机制造者通常固定地给定油更换间隔，例如根据对于油损耗有决定作用的运行参数，如发动机运行小时数。给定的发动机运行小时的过程作为油更换的判据，并且给内燃机的运行者输出推荐油更换的信息。用于这种上述方法的原理确定的油更换是经验地观察和/或试验台检验，借助于它们预测可能出现的油损耗。而实际的油损耗主要由内燃机的紧急运行方式确定。因此在上述方法中是严厉的，固定的油更换间隔不可能针对实际的内燃机状态并因此不能够针对实际的油状态。
由申请人DE10316315B4已知一种用于更好地确定油损耗的第一改进器件。其中给出具有曲轴箱的内燃机，它具有可以通过观察孔盖封闭的开孔并且具有用于容纳油的油池。通过油状态传感器能够获得油在油池中的状态和油位，其中在内燃机的观察孔盖上设置用于容纳油状态传感器的固定体。该传感器用于监控油质量如粘度、污染度或油的含水量。但是还期待这种基本上良好的评价更好。在实践中已经证实，油状态传感器经常不能达到内燃机的耐用性和/或使用寿命。尤其对于大型设备如大型柴油发动机或类似设备这个解决方案已经证实是期待改善的。
由DE10048547A1同样描述了一种信任传感器的、用于评价发动机油损耗的方法。在此通过传感器测量发动机油的油粘度并且对传感器附设温度计以用于同时确定油温。由此为了接收粘度温度特性曲线可以测量在发动机冷却状态中的粘度和油温。粘度指标作为油更换的判据。在这种传感器解决方案中同样出现与传感器相关的上述问题。
值得期待的是，用于确定油损耗的更好的解决方案，它尤其能够相对简单地实现并且还具有足够的、尤其更好的可靠性和/或耐用性。
发明内容
在此本发明的目的是，给出一种方法和一种装置，通过它们能够更好地确定油损耗。尤其能够相对简单地实现该方法和该装置，并且还具有足够程度的可靠性和/或耐用性。
涉及方法的目的通过本发明利用上述形式的方法得以实现，在该方法中根据本发明，为了推导判据将多个有决定作用的运行参数通过神经元的(neuronal)和/或或然的(probabilistisch)计算网络的输入参数由计算网络换算成多个表征油的状态参数作为计算网络的输出参数，然后将至少一部分输出参数处于监控(Kontrolle)下，其中由监控推导出判据
本发明源自这种观点，经验的观察和试验台检验只有限地适合于确定实际的油损耗。此外本发明已经认识到，存在不同的影响油损耗的影响参数。本发明已经认识到，通过适合的传感器不能获得影响参数本身的物理-化学的交叉关联并因此也不必完全保留经验的、通过传感器补充的评价。但是本发明还已经认识到，能够给出多个对于油损耗有决定作用的运行参数，尤其是内燃机的运行参数，并且/或者其周围和/或环境，由它们能够推导出用于确定油损耗并由此用于油更换的可靠判据。本发明已经认识到，这种判据能够通过神经元的和/或或然的计算网络推导出来。使用该计算网络，用于由多个有决定作用的运行参数作为计算网络的输入参数计算多个表征油的状态参数作为计算网络的输出参数。在此本发明以惊奇的方式充分利用神经元的和/或或然计算网络的强大，考虑有决定作用的运行参数之间大多未定义的物理-化学的横向关联。本发明的方案还规定监控至少一部分输出参数，其中由监控推导出判据。在本发明的特别优选的改进方案中所述监控可以包括或然率检验和/或表征油的状态参数的极限值监控。
总之，本发明已经有利地认识到，本身内在的参数如粘度或粘度温度特性曲线只能有限且在一定的前提下适合于全面地了解油损耗。因此存在例如对于油的其它的物理-化学的横向关联，它们对于粘度可能具有对立的作用，例如增加粘度的以及降低粘度的物理-化学横向关联。尽管现有技术的理想传感器也能够在粘度恒定时接收可靠的油损耗，但是事实上对于油存在大量的质量扰动。本发明已经认识到，通过由多个有决定作用的运行参数推导出判据能够避免这些错误结论。如上所述，有决定作用的运行参数优选内燃机的运行参数和/或内燃机的周围和/或内燃机的环境。但是按照本发明的方案也能够，为了确定油损耗附加地引用补充测量的或诊断的或以其它方式确定的状态参数。
人造的神经元的和/或或然的计算网络能够做到，按照本发明的方案建立至少有决定作用的运行参数与多个表征油的状态参数之间的关系并由此通过监控至少一部分输出参数推导出用于油更换的数据。例如可以测量有决定作用的运行参数作为输入参数或者以其它方式接收发动机传感器。计算网络的结果作为输出参数是多个对于油损耗有决定作用的表征油的状态参数。
本发明的有利改进方案由从属权利要求中给出并具体地给出有利的可能性，在所提出的任务范围内以及在其它优点方面实现上述的方案。
按照本发明的方案所述方法规定，根据判据输出有关油更换的信息。有利地也可以使信息作为有关确定方法的信息由确定方法构成，或者输出有关确定方法的附加信息。由此例如可以显示例如硬件故障或软件故障或确定方法的其它未定义的状态。附加地可以输出用于确定方法的未定义状态的原因。有关油更换的信息尤其也可以是在油更换方面不确定的信息。
也可以有利地规定，多个输入参数包括直到八个输入参数，并且/或者多个输出参数包括直到八个输出参数。在考虑到数学的确定性判据的条件下，示例的扩展结构能够相对灵活并按照需要构成。因此例如可以在某些类型的内燃机方面利用特有的有决定作用的运行参数。此外也可以根据油的类型选择要确定的损耗有决定作用的和表征油的状态参数。如果一种内燃机的运行参数对于一种油的所有状态参数能够是恒定，则它们也可以作为常数给定，由此优化计算费用。实际上不给出数量界限，因为神经元的和/或或然的计算网络目前能够以可接受的计算效率和相对简单的要执行的IT技术和硬件也在用于内燃机的控制和/或调节范围内实现。
在本发明改进方案的第一优选变化中规定，多个输入参数只具有内燃机的有决定作用的运行参数，并且/或者多个输出参数只是表征油的状态参数。由此能够有利地实际上完全替换用于测量油状态的传感器。已经在内燃机的连续运行中提供多个输入参数，仅仅以内燃机的有决定作用的运行参数的形式。这个解决方案已经证实是特别成本有利的，因为附加的IT费用可以相对简单地在发动机控制器范围内实现。如上所述，输入参数也可以是内燃机周围和/或内燃机环境的有决定作用的运行参数。
以特别优选的方式使多个有决定作用的运行参数包括这些参数，它们由下列参数组成的参数组中选择：油运行时间、油耗、发动机功率、废气回输率。已经证实，发动机油运转时间、即油运行时间在内燃机中对油质量具有主要的影响。通常对于内燃机的单位油耗也有利地存在关于在可能的油更换间隔之间新油补充量的预测。油耗对于整个位于内燃机中的油量的平均寿命也是有决定作用的。由于在内燃机的运行点中不同的发动机油负荷同样获得对于给出的油功率的系数。因此同样已经证实发动机功率是对于油损耗有决定作用的运行参数。废气回输率同样对于油质量具有明确的、有规律的负面影响。已经认识到，随着废气回输率的增加要比处于少量废气回输率的情况更提前地油更换。其原因是增加了炭黑或类似物质到油中。
在本方法的一个特别优选的改进方案范围中规定，使用至少四个参数-即参数油运行时间、油耗、发动机功率、废气回输率作为计算网络的输入参数。在这个改进方案的范围内已经认识到，在各种情况下这四个有决定作用的运行参数特别适合于可靠地预言油损耗。
但是同样可以选择在计算网络中去掉油耗输入参数，如果这个参数在特殊形式的内燃机中作为内燃机常数已知的时候。在这种情况下本方法的这种改进方案专门用于某种形式的内燃机。但是确定油损耗的方法有利地省去油耗作为计算网络的输入参数，对于不同形式的内燃机是可以使用的。
总之，能够有利地、尤其借助于上述的多个有决定作用的运行参数能够获得足够数量的油的表征性的状态参数作为输出参数。根据需要能够确定相应数量的表征油的状态参数。
在本发明的改进方案的特别优选的第二变化中多个输入参数也包括多个油的表征性的状态参数。这一点已经证实是有利的，如果油的表征性的状态参数能够相对简单且/或成本有利地测量的时候。这尤其涉及油粘度、或由油的粘度温度曲线给出的粘度指数的状态参数。也能够说明一定的油质量。必要时能够将粘度传感器或其它传感器简化地组合到本方法中，而不偏离本发明的方案。
在本发明的一个特别优选的改进方案中，多个油的表征性的状态参数包括由下列参数组中选择的参数：粘度、温度、氧化、硝化、炭黑含量。在上述的本发明第一变化的范围内，尤其能够在神经元的和/或或然的人造计算网络中确定所有四个状态参数-即油的粘度、氧化、硝化和炭黑含量。在本发明改进方案的上述第二变化范围内可以省去粘度作为输出参数，因为它作为输入参数使用。
对于本方法的特别优选的改进方案尤其规定，通过油的表征性的状态参数的或然率检验监控多个输出参数。或然率监控尤其具有优点，避免在人造计算网络的输出参数中的不可能或以其它方式矛盾的结果。或然率监控例如尤其可以包括检验发动机油的运转时间是否位于内燃机的运行时间以下。或然率监控也可以包括检验单位油耗是否位于油总量以下。或然率监控也可以包括，发动机功率是否位于内燃机的最大功率以下。同样或然率监控可以包括检验，废气回输率是否在最大可能的废气率以下。这些和其它的或然率监控能够相对简单地通过比较器件、如补偿器或类似的逻辑元件集成到控制器中。
此外有利的是，所述监控多个输出参数包括表征油状态参数的极限值监控。本发明有利地认识到，对于每个油的表征性的状态参数能够给出一个阈值，它是状态参数第一范围之间的阈值，它还表明足够的油质量，另一第二范围，它不再表明有关足够的油质量的这个状态参数。对于每个油的表征性的状态参数的阈值可以在极限值监控的范围内作为极限值使用。尤其可以，与或然率监控一样，使极限值监控包括至少一部分输出参数、但是尤其是所有输出参数。以特别优选的方式可以使监控是独立的和/或总体的监控多个输出参数。
所述监控可以按照需要设计。例如在独立监控的范围内在已经超过输出参数的唯一极限值时可以推导出用于油更换的判据，它建议油更换。也可以附加或备选地执行多个输出参数的总体监控，其中只有当超过多个输出参数阈值时，才例如输出用于油更换的具有油更换建议的判据。总体监控多个输出参数也可以包括权衡的方法步骤，它们设计成，对于多个输出参数相互权衡超过和/或低于阈值的程度。总之，在这个改进方案的特殊使用的扩展结构中，通过调整监控步骤的敏感性能够调整确定方法的敏感性。
尤其可以使判据以具有界限的参数的形式构成，其中在超过界限的情况下通过参数有关油更换的信息含有用于油更换的建议。该建议也可以附加地含有一时间范围，在该范围以内建议油更换。
在通过人造网络计算方面，在相对简单的计算网络实施例中能够对于每个输出参数通过神经元的和/或或然的计算网络执行相互间无条件的计算。在这种计算时有关第一状态参数的结果不影响有关油的第二状态参数的结果。在更费事的、但是具有更高可靠性的改进方案范围内，对于每个输出参数能够通过神经元的和/或或然的计算网络执行相互间有条件的计算。在此有关第一状态参数的结果影响有关第二状态参数的结果。这些改进方案能够例如在递归的加入计算网络的范围内在一个循环中或在确定的、关联的计算步骤范围内实现
原则上人造计算网络可以根据需要有利地由神经元的和/或或然的计算网络构成。已经证实单层或多层的感知器网(Perzeptron-Netz)是特别适合的。单层感知器网具有相对微少的计算耗费和IT耗费。具有至少一个神经元覆盖面的多层的感知器网是更可靠的。径向的基础功能网也是有利的。径向的基础功能网能够特别专用地设计。已经证实按照自适应(adaptiv)谐振理论(ART)或预言性的、自适应谐振理论(ARTMAP)网络特别容易且灵活适配于不同的运行状态。它们的优点是，它们在测试的训练中还能够做到，以不同的有决定作用的运行参数顺序灵活地调整到不同的输入参数。贝叶斯网络(Bayes-Netz)已经证实特别优选用于或然的计算网络。
本发明涉及装置的目的利用用于控制和/或调节内燃机的电装置得以实现，其中根据本发明，具有用于推导判据的计算器件，它们具有神经元的和/或或然的计算网络，具有用于多个有决定作用的运行参数形式的输入参数的输入并且计算测试设计成，将输入参数换算成多个油的表征性的状态参数作为输出参数，并且该计算器件含有比较和逻辑单元，它们设计成，使多个输出参数处于监控下并且由所有输出参数的监控推导出判据。这些计算器件尤其包括处理器，它设计成，通过神经元和/或或然的计算网络执行计算。该处理器或可能其它的处理器设计成执行输出参数监控。为此也可以使用比较仪或类似形式的计算器件。
按照另一独立的权利要求本发明的方案产生计算机程序产品。本发明的方案产生具有上述形式的用于控制和/或调节内燃机的电装置的内燃机。为了执行本方法，内燃机最好附加地具有一个或多个传感器或显示器件，用于接收至少一个对于油损耗有决定作用的运行参数，并且/或者至少一个油的表征性的状态参数。
附图说明
下面借助于附图描述本发明的实施例。附图不是一定成比例地示出实施例，而是使用于解释的附图以简化的和/或略微失真的形式给出。在补充由附图直接看出的理论方面请参阅有关的现有技术。在此要考虑到，有关的实施例形式和细节可以进行多个改型和变化，而不偏离本发明的一般思想。在描述、附图以及权利要求中公开的本发明特征不仅可以单独地而且可以任意组合地对于本发明的改进方案都是有决定作用的。此外，所有由至少两个在描述、附图和/或权利要求中公开的特征组合都在本发明的范围内。本发明的一般思想不局限于在下面所示和所述的优选实施例的准确形式或细节，或者不局限于与在权利要求中主张的内容相比受局限的内容。在给出的测量范围中位于上述的界限以内的值作为极限值公开并且可以任意使用并可以主张权利。
本发明的其它优点、特征和细节由下面的优选实施例以及借助于附图的描述给出。附图中：
图1A简示出按照第一变化的优选实施例，用于阐释确定油损耗的方法和用于控制和/或调节内燃机的电装置，
图1B简示出按照第二变化的优选实施例，同样用于阐释确定油损耗的方法和用于控制和/或调节内燃机的电装置，
图2示出神经元人造网络的示例部分，如同在图1A和1B中给出的那样，在此是多层的感知器网，具有覆盖的神经元层，用于确定氧化作为油的表征性的状态参数，
图3示出图2的网络中覆盖的神经元层的方框图，
图4以流程图示出特别优选的本发明实施例和/或电装置的工作原理，用于执行本方法和/或计算机程序产品。
附图标记清单
1 神经元网络
2 计算
3 或然率监控
4 极限值监控
5 粘度
6 氧化
7 硝化
8 炭黑含量
9 判据
10，20 方法
11 输入层
12 被覆盖的层
13 输出层
14 求和
15 激活函数
16 建议
OeL(h) 油运行时间
OeL(Vb)油耗
OeL(Q) 油质量
Pmot 发动机功率
AGRR 废气回输率
Visk 粘度
SW，SSW 阈值
AW 可接受的值
S 和值
A 输出参数
E1...E6 输入参数
V1...V3 人造神经元
A1，A2，A3 输出值
S1...S10方法步骤
具体实施方式
在图1A中以第一变化的方框图简示出在一个未详细示出的内燃机中用于确定油损耗的方法10的第一实施例。在图1B中示出按照第二变化的本方法20的第二实施例。为了简化对于一致或类似元件或具有一致或类似功能的元件使用相同的标记符号。
所述方法10，20首先接收I至少一个对于油损耗有决定作用的运行参数，接着由至少一个有决定作用的运行参数推导II出用于油更换的判据，最后根据判据输出III有关油更换的信息。按照本发明的方案为了推导II判据执行两个方法步骤。在第一步骤(a)中将多个有决定作用的运行参数作为神经元的和/或或然的计算网络1的输入参数由计算网络1换算成多个油的表征性的状态参数作为计算网络1的输出参数。在第二步骤(b)中将至少一部分输出参数A处于监控下，在这里处于或然率监控3和极限值监控4下，其中由监控推导出判据9，在这里以具有界限的参数的形式。在此根据判据9输出形式为建议16的信息。
在本方法10的第一实施例中利用五个输入参数，用于将它们利用神经元网络1换算成四个输出参数。神经元网络在此以两层感知器网的形式构成，借助于图2和图3通过输入参数E1至E6和输出参数A详细解释。输入参数在方法10中仅仅通过内燃机的五个有决定作用的运行参数构成。输出参数在这里仅仅是油的表征性的状态参数。具体地说，作为输入参数利用对于油有决定作用的运行参数油运行时间OeL(h)、油耗OeL(Vb)、油质量OeL(Q)、发动机功率Pmot以及废气回输率AGRR。作为输出参数利用计算2确定油的粘度5以及氧化6和硝化7而且确定油的炭黑8。在这里油质量OeL(Q)是可选择的，当它可以省去的时候，而且如图所示完全计算输出参数。在一个未示出的实施例中同样可以省去油耗OeL(Vb)作为输入参数，在这个输入参数在方法的使用范围中是恒定的时候。这是例如本方法只用于确定形式的内燃机的情况。
所有上述的运行参数是这样的参数，它们一般在一个用于控制和/或调节内燃机的电装置、如发动机控制器的范围内确定，因此上述运行参数作为常见的发动机控制器的一部分已经使用。此外规定，上述运行参数以及其它在这里所述的输入参数对于其它实施例以显著的特征值的形式出现。这种特征值的优点是，它可以包括例如在发动机控制器范围内在所测量的运行参数观察时间间隔上的有决定作用的运行参数的平均权重。例如对于发动机功率可以使用一个表示平均发动机功率的特征值，这在需要的情况下也可利用用于最大发动机功率的特征值。原则上也可以设想，使有决定作用的运行参数以数据集(Datensammlung)、特征曲线族或数据矩阵的形式供使用。所述特征值也可以含有在观察时间间隔上的有决定作用的运行参数随时间的变化过程。当然，在这种情况下使用于有决定作用的运行参数的特征值或特征曲线族或类似数据集换算成用于神经元网络1测量的输入参数的形式。在此可以在输入参数的公式中考虑关于特征值或类似参数随时间变化过程的附加信息。
在方法10中按照第一实施例神经元网络1由四个独立的神经元子网络构成，用于确定四个油的表征性的状态参数作为输出参数。借助于图2和图3解释这种子网络。
在图1B中示出方法20的第二实施例，具有与方法10基本相同的结构，但是在输入参数和输出参数的选择上有所不同。在方法20中附加地对于在方法10中给出的有决定作用的运行参数作为输入参数也使用油的表征性的状态参数作为输入参数。在这里使用粘度作为油的表征性的状态参数Visk，用于附加地对于有决定作用的运行参数作为神经元网络1的其它输入参数。为此借助于目前相对廉价表示的传感器确定粘度Visk或者代表粘度的特征值。因此所述方法20为了推导判据使用总共六个输入参数，其中五个输入参数是内燃机的或其周围的有决定作用的运行参数并且一个输入参数是油的表征性的状态参数。在方法20的结构方面这是有利的，在此仅仅确定三个输出参数作为油的表征性的状态参数，即氧化6、硝化7和炭黑含量8。另一表征的状态参数粘度Visk已经为了确定油损耗在测量顺序中使用。其优点是，神经元网络1仅仅由三个单独的神经元子网络组成，但是它们分别具有六个输入参数。所述方法10的神经元网络1的子网络分别仅仅具有五个输入参数。因此所述方法20的神经元网络以更高的程度一致作为方法10的神经元网络。因此所述方法20的神经元网络1的优点是，这能导致更可靠的结果并且也以更少的计算费用或时间费用实现。
其结果也可以是，监控(b)在步骤的范围内为了推导(II)判据9比按照第一实施例的方法10更简单且更少故障。但是在方法20中在输入侧产生更高的测量费用。两种方法10，20能够根据需要和目标选择合适的应用方式。
此外在方法10中监控(b)的步骤结构基本相同。在方法20中在或然率监控3的第一步骤中检验神经元网络1的输出参数，即氧化6、硝化7和炭黑含量8或者附加地在方法10中检验粘度5，它是否位于估计的范围中。为此在逻辑上理性地引用有关给出的输出参数极限的假设。具体地说，目前对于每个输出参数给定一个可信范围。如果由神经元网络1求得的输出参数不能落入可信范围中，则或者可以中断并重复方法10，20，或者中断不过代替建议16而输出有关确定方法10，20的信息。这例如可以是关于硬件故障的信息或其它有关不可信的输出参数结果。
接着对于每个输出参数-即对于方法20时的氧化6、硝化7、炭黑含量8和附加地对于方法10时的粘度5-执行独立的极限值监控4。即，对于每个所述的输出参数检验，这些输出参数在对于油质量最大允许的表征的状态参数阈值方面是否还是允许的。在极限值监控4中象征性地给出阈值SW。只要由神经元网络1求得的油的表征性的状态参数采用有关可接受的值AW，极限值监控4就可以对于这个状态参数提供一数值，它适合于在另一步骤中形成判据9。在此对一个状态参数作为神经元网络1的输出参数附设数值“0”——如果它是一个可接受的值AW，并且附设数值“1”——如果它超过阈值SW。在此在方法10，20中这导致，在所有数值求和时对于状态参数作为神经元网络1的输出参数只形成一个1以下的和，如果所有状态参数是可接受的值AW。换言之，这种极限值监控4导致，在只唯一的状态参数超过阈值SW的情况下，判据9超过值“1”。在此该判据9以具有界限为“1”的参数形式形成，其中参数是引用状态参数5，6，7，8的数值和并且界限为1。在结果中这种方法10，20导致，在信息范围内建议油更换，如果只唯一的状态参数粘度5、氧化6、硝化7或炭黑含量8超过阈值SSW的时候。
不离开本发明的方案地当然也可以使用其它的具有界限的参数，用于形成判据。例如可以使输出参数更弱地这样权衡，只有当所有由神经元网络1求得的状态参数作为输出参数超过阈值时，才给出具有建议16的信息，用于油更换。在这种情况下通过0.25确定输出参数的数值——如果超过一个阈值的时候，并且通过0确定数值——如果状态参数具有可接受的值AW的时候。形成求和只在所有输出参数都超过阈值SW的情况下导致参数值1，它在这种情况下对应于界限并且导致输出建议油更换。
图2示例地示出两层的感知器网，用于形成用于方法10，20中的神经元网络1的子网络，在此用于形成用于求得氧化6的子网络。在图2中所示的子网络具有输入层11，用于检测和标准化输入参数E1至E6。在此也一起示出粘度Visk作为可能的输入值E6作为方法20的一部分。在方法10的情况下省去粘度Visk作为输入值E6。因此图2用于方法10的子网络的输入层11仅仅具有输入值E1至E5(如上所述)。图2的子网络的第二层是被覆盖的层，具有人造神经元V1至V3，用于确定输出值A1，A2和A3。由输出值A1至A3在输出层13作为输出参数A确定氧化6。在方法10的情况下这种其它三个用于确定粘度5、硝化7和炭黑含量8的子网络在神经元网络1中执行。在方法20的情况下其它两个用于确定硝化7和炭黑含量8的子网络在神经元网络1中执行。
为了进一步示例地解释可以借助于下面的等式对于输出值A确定氧化6：
A＝c0+c1(E1)+c2(E2)+c3(E3)+c4(E4)+c5(E5)+F，其中
F＝c6(E6)，(如果存在粘度传感器，例如在方法20中)或者
F＝0，(如果不存在粘度传感器，例如在方法10中)。
这个示例表示，在用于确定油损耗的方法的范围内也可以提供方法10和方法20作为可选择的方案。换言之，一种用于确定油损耗的方法可以含有决定步骤，它检验确定粘度可用性的选择。如果确定粘度供使用，(F＝c6(E6))，决定步骤按照第二变化使用方法20。如果确定粘度不能使用(F＝0)，决定步骤按照第一变化使用方法10。
图3示出方框图，用于解释神经元子网络的被覆盖的层12的其它细节，在此具有图2中的子网络的第一、第二和第三人造神经元V1，V2，V3。每个人造神经元包括输入参数E1，E2，E3，E4，E5，E6的求和14和激活函数15(它也可以称为阈值函数)。求和提供和值S作为数值。它指的是，求和14也可以是指数j上的权重和，具有权重Wij，其中指数i是相应的用于第i个神经元Vi的权重。
阈值函数或激活函数15的横坐标通过和值S表示。激活函数15的纵坐标是用于神经元V1的值A1或用于神经元V2的值A2或用于神经元V3的值A3，它取决于激活函数的选择。在此作为激活函数选择s形的(sigmoid)正切函数。只有当和S的数值大于激活函数的阈值SSW的时候，神经元Vi(i＝1，2，3)才激活(feuern)。抑制在激活函数的阈值SSW以下的和值。
图4示例地示出用于方法10，20的计算机程序的程序流程图。这个程序例如具有如下步骤。
在方法开始START以后首先在第一步骤S1中检验，发动机是否运转。如果为此规定的特征值AN为1，在另一步骤S2中在方法10的情况下读入输入参数E1至E5，或者在方法20的情况下读入输入参数E1至E6。
其它步骤-用于方法10的S3，S4，S5，S6或用于方法20的步骤S4，S5，S6是确定前面所述的油的表征性的状态参数作为神经元网络1的输出参数。因此例如在步骤S4作为神经元网络1的输出参数确定氧化形式的油的表征性的状态参数，而且通过如图2和图3所示的子网络。类似地在步骤S6中确定炭黑含量。
如果发动机例如超过一个更长的运行持续时间以高废气回输率(AGRR-输入参数E5)运行，则提高用于输入参数AGRR或E5的输入系数。
对于状态参数粘度、氧化和硝化存在其它的规律性，它们在这里没有详细解释。最后，这一点是化学-物理的横向关联，它们在神经元网络1培训后由其检测。仅仅示例性地指出，由发动机负荷通过输入参数E4(Pmot)测量的发动机负荷以及新油质量(输入参数E3，Oel(Q))可能降低发动机油粘度。其它输入参数E1，E2和E5一般宁愿允许增加发动机油粘度。尤其是由此给出，在提高硝化、氧化和炭黑含量时油粘度增加。
增加粘度可能导致一种情况，尽管在粘度恒定的情况下——一方面由于机械剪力和新油质量降低粘度，另一方面由于硝化、氧化和炭黑含量增加粘度——发生大量的发动机油质量中断。在所示的方法过程情况下每个输出参数(它们在方法步骤S3，S4，S5，S6中求得)，在步骤S7中处于对于炭黑含量示例表示的或然率监控。在有效的或然率监控时每个输出参数在方法步骤S8中处于极限值监控。在此，在步骤S9中监控S7，S8的结果不仅对于炭黑含量而且对于硝化、氧化和粘度都用于形成具有界限的参数形式的判据。在此该参数称为“数值”，在此界限称为“GW”。对于参数位于界限以上的情况，在另一步骤S10中输出油更换建议给内燃机的运行者。如果例如计算的发动机油炭黑粘度位于给定的极限值以外，这可能有助于给出有效的油更换建议。油更换建议取决于在图1A或图1B的步骤9中判据的形成。它也取决于，计算的发动机油炭黑含量在前面所述的极限值以下是否还导致油更换建议。如果其它输出参数粘度、氧化和硝化位于极限值以上(尽管炭黑含量可接受)，也可以输出油更换建议。
如果不输出油更换建议，本方法在步骤S10中规定，不输出处理建议并且在一定的时间间隔以后重复过程。
总之，对于内燃机的运行者根据在这里建议的方法10，20得到明显降低的运行成本。这能够优化油更换间隔，即根据需要并且不是随心所欲的。作为以软件为基础的解决方案本发明的方案几乎不费成本地转换到发动机控制器中。此外本方法按照本发明的方案形成预言，如果在一定运行方式中需要油更换的时候。因此对于内燃机运行者的规定时间是可靠的。
此外按照本发明的所示方案的方法由于执行神经元的和/或或然的人造的计算网络能够训练并进一步发展。因此例如基准测量在油实验室中或者其它的经验值可以用于继续训练神经元网络和/或或然网络，由此改善所建议方法的说服力。
Claims (23)
1.一种用于在内燃机中确定油损耗的方法(10，20)，具有步骤：
-接收(I)至少一个对于油损耗有决定作用的运行参数；
-由至少一个有决定作用的运行参数推导(II)用于油更换的判据(9)；
-根据判据(9)输出(III)有关油更换的信息(16)
其特征在于，
-为了推导判据(9)
(a)多个有决定作用的运行参数作为神经元的和/或或然的计算网络(1)的输入参数(E1...E6)由计算网络(1)换算成多个表征油的状态参数作为计算网络(1)的输出参数(A)，和
(b)多个输出参数(A)中的至少一部分处于监控下，其中由该监控推导出所述判据(9)。
2.如权利要求1所述的方法(10，20)，其特征在于，根据判据(9)输出有关确定方法的信息(16)。
3.如权利要求1或2所述的方法(10，20)，其特征在于，所述多个输入参数(E1...E6)包括直到八个输入参数，并且/或者所述多个输出参数(A)包括直到八个输出参数。
4.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述多个输入参数(E1...E6)只是内燃机的有决定作用的运行参数。
5.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述多个有决定作用的运行参数包括这样的参数，它们由下列参数组成的参数组中选择：
油运行时间(OeL(h))、油耗(OeL(Vb))、发动机功率(Pmot)、废气回输率(AGRR)。
6.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述多个输入参数(E1...E6)是多个油的表征性的状态参数。
7.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述多个油的表征性的状态参数包括这样的参数，它们由下列参数组选择：
粘度(5)、温度、氧化(6)、硝化(7)、炭黑含量(8)、油质量(OeL(Q))。
8.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述监控多个输出参数(A)包括表征油状态参数的或然率监控(3)。
9.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述监控多个输出参数(A)包括表征油状态参数的极限值监控(4)。
10.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述监控包括单独地和/或总体地监控多个输出参数(A)。
11.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，对于每个输出参数(A)通过神经元的和/或或然的计算网络(1)实现相互间无条件的计算。
12.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，对于每个输出参数通过神经元的和/或或然的计算网络(1)实现相互间有条件的计算。
13.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述判据(9)以具有界限的参数构成，其中在参数超过界限的情况下，有关油更换的信息(16)含有用于油更换的建议。
14.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，由下面的计算网络组中选择神经元的和/或或然的计算网络(1)：一层或多层的感知器网、径向的基础功能网、按照自适应谐振理论(ART)或预言性的、自适应谐振理论(ARTMAP)的网络、贝叶斯网络。
15.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述内燃机为柴油发动机或汽油发动机。
16.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述多个输入参数(E1...E6)是粘度(5)和/或油质量(OeL(Q))。
17.如权利要求1至2中任一项所述的方法(10，20)，其特征在于，所述判据(9)以具有界限的参数构成，其中在参数超过界限的情况下，有关油更换的信息(16)含有用于油更换的建议，其中，该建议附加地含有时间范围，在该时间范围以内建议油更换。
18.一种用于控制和/或调节内燃机的电装置，具有：
-传感器件和/或显示器件，用于接收至少一个对于油损耗有决定作用的运行参数；
-计算器件，用于由至少一个有决定作用的运行参数推导用于油更换的判据；
-通讯器件，用于根据判据(9)输出有关油更换的信息(16)，
其特征在于，
-所述计算器件为了推导判据(9)
(a)包括神经元的和/或或然的计算网络(1)，具有用于形式为多个有决定作用的运行参数的输入参数(E1...E6)的输入，并且所述计算器件设计成，使输入参数(E1...E6)换算成多个表征油的状态参数作为输出参数(A)，和
(b)包括比较单元和逻辑单元，它们设计成，使多个输出参数处于监控下并由所有的输出参数监控推导出判据(9)。
19.根据权利要求18所述的用于控制和/或调节内燃机的电装置，用于执行如权利要求1至17中任一项所述的方法(10，20)。
20.一种用于在内燃机中确定油损耗的装置，具有：
-用于接收(I)至少一个对于油损耗有决定作用的运行参数的器件；
-用于由至少一个有决定作用的运行参数推导(II)用于油更换的判据(9)的器件；
-用于根据判据(9)输出(III)有关油更换的信息(16)的器件，
其特征在于，
-为了推导判据(9)
(a)多个有决定作用的运行参数作为神经元的和/或或然的计算网络(1)的输入参数(E1...E6)由计算网络(1)换算成多个表征油的状态参数作为计算网络(1)的输出参数，和
(b)多个输出参数(A)中的至少一部分处于监控下，其中由该监控推导出所述判据(9)。
21.一种内燃机，具有如权利要求18或19所述的用于控制和/或调节内燃机的电装置。
22.一种内燃机，具有如权利要求20所述的装置。
23.如权利要求22所述的内燃机，其特征在于一个或多个传感器件和/或显示器件，用于接收至少一个对于油损耗有决定作用的运行参数，和/或至少一个油的表征性的状态参数。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE1020090032002 | 2009-05-18 | ||
| DE102009003200.2 | 2009-05-18 | ||
| DE102009003200A DE102009003200B4 (de) | 2009-05-18 | 2009-05-18 | Verfahren zur Bestimmung eines Ölverschleißes bei einer Brennkraftmaschine, elektrische Einrichtung zur Steuerung und/oder Regelung einer Brennkraftmaschine, Brennkraftmaschine |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101892885A CN101892885A (zh) | 2010-11-24 |
| CN101892885B true CN101892885B (zh) | 2013-10-30 |
Family
ID=43102208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010101898697A Expired - Fee Related CN101892885B (zh) | 2009-05-18 | 2010-05-18 | 确定内燃机中油损耗的方法、电装置、内燃机 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20100299080A1 (zh) |
| CN (1) | CN101892885B (zh) |
| DE (1) | DE102009003200B4 (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8527127B2 (en) * | 2011-02-10 | 2013-09-03 | GM Global Technology Operations LLC | Method and system for oil life monitoring |
| US8965625B2 (en) | 2012-02-01 | 2015-02-24 | Afton Chemical Corporation | System and method for extending a lubricant discard interval |
| US8977421B2 (en) * | 2012-02-01 | 2015-03-10 | Afton Chemical Corporation | System and method for determining a lubricant discard interval |
| US20130197830A1 (en) * | 2012-02-01 | 2013-08-01 | Afton Chemical Corporation | System and method for determining a lubricant discard interval |
| US20130197738A1 (en) * | 2012-02-01 | 2013-08-01 | Afton Chemical Corporation | System and method for determining a lubricant discard interval |
| US20130226392A1 (en) * | 2012-02-29 | 2013-08-29 | GM Global Technology Operations LLC | Systems and methods for advising customers regarding vehicle operation and maintenance |
| DE102012004794B4 (de) * | 2012-03-07 | 2022-03-03 | Volkswagen Aktiengesellschaft | Verfahren zum Überwachen der Ölqualität einer Brennkraftmaschine |
| US9244054B2 (en) * | 2012-07-10 | 2016-01-26 | GM Global Technology Operations LLC | Systems and methods for determining a state of deterioration of engine oil using multiple preselected oil properties |
| US9354221B2 (en) | 2013-04-29 | 2016-05-31 | General Electric Company | Turbomachine lubricating oil analyzer system, computer program product and related methods |
| US9303540B2 (en) | 2013-04-29 | 2016-04-05 | General Electric Company | Turbomachine lubricating oil analyzer apparatus |
| US9846149B2 (en) | 2013-08-19 | 2017-12-19 | Ingersoll-Rand Company | Lubricant health and service determination |
| US10711668B2 (en) * | 2016-01-25 | 2020-07-14 | Ford Global Technologies, Llc | Lubrication system monitoring assembly and method |
| DE102016216951A1 (de) * | 2016-09-07 | 2018-03-08 | Robert Bosch Gmbh | Modellberechnungseinheit und Steuergerät zur wahlweisen Berechnung eines RBF-Modells, eines Gauß-Prozess-Modells und eines MLP-Modells |
| CN107401438B (zh) * | 2017-05-17 | 2019-07-26 | 中国第一汽车股份有限公司 | 提醒用户更换发动机机油的方法 |
| DE102018009521A1 (de) * | 2018-12-06 | 2020-06-10 | Deutz Aktiengesellschaft | Verfahren zur Bestimmung und Prädiktion des individuellen Ölwechselintervalls eines Verbrennungsmotors |
| JP7135816B2 (ja) | 2018-12-11 | 2022-09-13 | トヨタ自動車株式会社 | 交換推奨装置、交換推奨方法、および交換推奨プログラム |
| CN110307990B (zh) * | 2019-06-05 | 2020-12-25 | 中国中车股份有限公司 | 一种柴油机机油系统故障的智能诊断方法及系统 |
| CN111981111B (zh) * | 2020-07-31 | 2021-07-09 | 江苏国茂减速机股份有限公司 | 一种基于大数据的减速机联动控制系统和方法 |
| JPWO2022163435A1 (zh) * | 2021-02-01 | 2022-08-04 | ||
| DE102021118828B3 (de) | 2021-07-21 | 2022-10-20 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren zur Abschätzung des Gasgehalts in einem Schmieröl eines Antriebsmotors eines Kraftfahrzeugs |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5604441A (en) * | 1995-03-14 | 1997-02-18 | Detroit Diesel Corporation | In-situ oil analyzer and methods of using same, particularly for continuous on-board analysis of diesel engine lubrication systems |
| DE19803157A1 (de) * | 1998-01-28 | 1999-07-29 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Bestimmung der Ölmenge und/oder des Ölzustandes in einer Brennkraftmaschine |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4421950C2 (de) * | 1993-12-09 | 1998-06-04 | Peter Mueller | Einrichtung zum Diagnostizieren und Regeln eines Verbrennungs- oder Elektromotors |
| US6170318B1 (en) * | 1995-03-27 | 2001-01-09 | California Institute Of Technology | Methods of use for sensor based fluid detection devices |
| US5750887A (en) * | 1996-11-18 | 1998-05-12 | Caterpillar Inc. | Method for determining a remaining life of engine oil |
| DE10008547A1 (de) * | 2000-02-24 | 2001-08-30 | Bosch Gmbh Robert | Verfahren zur Beurteilung des Verschleißes von Motoröl |
| MXPA03009722A (es) * | 2001-04-26 | 2004-02-12 | Engineered Machined Products I | SISTEMA DE FILTRACIoN AUXILIAR Y METODO DE FILTRACIoN. |
| DE10316315B4 (de) | 2003-04-10 | 2005-11-17 | Mtu Friedrichshafen Gmbh | Brennkraftmaschine mit einem Ölzustand-Sensor |
| US7260501B2 (en) * | 2004-04-21 | 2007-08-21 | University Of Connecticut | Intelligent model-based diagnostics for system monitoring, diagnosis and maintenance |
-
2009
- 2009-05-18 DE DE102009003200A patent/DE102009003200B4/de not_active Expired - Fee Related
-
2010
- 2010-05-17 US US12/781,499 patent/US20100299080A1/en not_active Abandoned
- 2010-05-18 CN CN2010101898697A patent/CN101892885B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5604441A (en) * | 1995-03-14 | 1997-02-18 | Detroit Diesel Corporation | In-situ oil analyzer and methods of using same, particularly for continuous on-board analysis of diesel engine lubrication systems |
| DE19803157A1 (de) * | 1998-01-28 | 1999-07-29 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Bestimmung der Ölmenge und/oder des Ölzustandes in einer Brennkraftmaschine |
Also Published As
| Publication number | Publication date |
|---|---|
| DE102009003200A1 (de) | 2010-12-30 |
| CN101892885A (zh) | 2010-11-24 |
| US20100299080A1 (en) | 2010-11-25 |
| DE102009003200B4 (de) | 2011-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101892885B (zh) | 确定内燃机中油损耗的方法、电装置、内燃机 | |
| US11072258B2 (en) | Method for predicting battery life | |
| KR101703163B1 (ko) | 차량의 복합 고장을 예측하기 위한 장치 및 방법 | |
| Karatuğ et al. | Development of condition-based maintenance strategy for fault diagnosis for ship engine systems | |
| KR20190109505A (ko) | 오일 진단 시스템 | |
| JP4032045B2 (ja) | データ処理方法及びデータ処理装置、並びに診断方法及び診断装置 | |
| US20140306837A1 (en) | System and method for qualitative indication of cumulative wear status | |
| KR20190069696A (ko) | 장비 고장 예측 장치 및 방법 | |
| EP2400271A1 (en) | Method an arrangement for controlling energy consumption in a marine vessel | |
| US20090192700A1 (en) | Method and system for starting system prognosis and diagnosis | |
| US11619917B2 (en) | Motor vehicle cooling control system and method | |
| JP2005025351A (ja) | 情報処理装置，状態判定装置及び診断装置，並びに情報処理方法，状態判定方法及び診断方法 | |
| Alarcin et al. | Fuzzy AHP and Fuzzy TOPSIS integrated hybrid method for auxiliary systems of ship main engines | |
| AU2010337991A1 (en) | Method and control system for scheduling load of a power plant | |
| CN105377615A (zh) | 用于优化船舶性能的方法及其装置 | |
| CN109789808A (zh) | 用于运行机动车的车载能量网的方法 | |
| CN111125841A (zh) | 飞机发动机的健康评估方法、计算机设备和存储介质 | |
| CN116505629A (zh) | 固态电池的控制管理方法、装置、设备及存储介质 | |
| WO2022181112A1 (ja) | 電池診断システム | |
| Vorkapić et al. | Machine learning methods in monitoring operating behaviour of marine two-stroke diesel engine | |
| Montgomery et al. | Minor maintenance actions and their impact on diagnostic and prognostic CBM models | |
| JP7233215B2 (ja) | 蓄電システム、異常予兆診断システム | |
| RU2019114033A (ru) | Система управления и способ регулировки электролитической выработки по требованию водородно-кислородного газа для введения в двигатель сгорания | |
| Liu et al. | Remaining useful life prediction of aircraft auxiliary power unit with on-wing sensing data | |
| CN108520302A (zh) | 一种柴油机故障诊断系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131030 Termination date: 20140518 |