CN103163781A - 利用健康信息状态优化系统性能 - Google Patents

Abstract

一种优化系统性能的方法，其包括经由控制器为系统的多个部件中的每一个确定健康状态，并利用每个部件的SOH确定系统的功能状态（SOF）。该方法包括利用系统的SOF估算系统的剩余使用寿命（RUL），利用成本模型为系统选择成本优化控制策略，并动态地（即实时地）执行所选择的策略来延长所估算的RUL。该方法可包括将所选择的成本优化策略与校准的性能阈值进行比较，并仅当所选择的策略超出阈值时执行所选择的策略。系统包括第一和第二部件和控制器。该控制器相对于所述部件（在一个可能的实施例中是牵引电机和电池）动态地执行上述方法。

Description

利用健康信息状态优化系统性能

技术领域

本发明涉及一种方法和装置，其用于确定系统中使用的各个部件的健康信息状态，及利用所述健康信息状态实时地优化系统性能。

背景技术

系统是一组相互作用和/或相互依赖的部件，所述部件作为一个整体起作用。给定系统的各个部件中的每一个会随着时间以不同的相对速率退化(degrade)。此外，在系统的整体功能内，由于一些部件往往比其他部件发挥更重要的作用，因此，相比该相同系统的其他部件的退化，该给定部件的退化可特别地影响系统性能。例如，某个车辆传感器可影响测量精度，而不会引起整体车辆性能的较大退化，然而退化的电池可严重地降低车辆在特定操作模式下的启动或功能。

可使用各种随车携带的诊断方案来测量特定部件相对于校准阈值（calibrated threshold）的性能。例如，通常测量电池输出电压，并将该值与校准的高/低电压阈值进行比较。当该部件参考这种阈值不再合适地发挥作用时，操作员会了解给定的部件需要修理。当最终维修部件后，系统机能通常得到提高。然而，立即维修并不总是方便或可取的选项。

发明内容

这里公开了一种方法，其估算系统内的部件健康（health），并响应于估算的健康和下文所述的其他信息，动态地（即实时地）控制系统的功能或运行。上述类型的基于活性阈值的维护方法对于一些使用者不太理想，尤其是在退化部件的诊断和其接下来的维修之间的中间时段内。本方法以不同方式运行，其方式为评价系统内每个部件的当前健康状态，以及及时预测系统内每个部件可能老化或最终退化的特定方式。进而系统被动态地控制，以延长该系统的剩余使用寿命。

控制器与系统的各种部件连通，直接或通过通讯总线与每个部件的相应的电子控制单元（ECU）相连通。控制器根据组成系统的各种部件的健康状态（SOH）估计系统的功能状态（SOF）（即性能的当前水平）。部件各自的SOH对系统SOF的影响可以是协同的（synergistic），即，即使当各个部件的SOH维持大于零时，系统SOF可以为零。系统SOF由此被估算或实时预测，并记录在控制器的存储器中，用来（如这里所述地）控制系统。

特别地，一种用于控制具有多个部件的系统的方法包括：经由控制器针对每个部件确定SOH，并利用每个部件的SOH确定系统作为整体的SOF。该方法进一步包括利用系统的SOF估算系统的剩余使用寿命，利用成本模型来选择系统控制策略，该控制策略在产生阈值SOF和部件的阈值剩余使用寿命的同时使系统的运行成本最小化，以及经由控制器执行所选择的控制策略。

另一个用于控制系统的方法包括使用传感器阵列来测量并记录一组针对每一个部件的当前性能值，并接下来经由控制器通过利用SOH模型处理记录的当前性能值计算每个部件的SOH。该方法还包括利用SOF模型（其模拟系统的SOF）根据作为部件的相应SOH确定系统的SOF，并利用老化模型估算系统的剩余使用寿命。另外，方法还可包括通过部件和/或系统成本模型处理一组可能的系统控制策略，从而估算分别替代地执行每一个控制策略的成本，并选择相对于其他可能的策略具有最优成本的系统控制策略（其满足性能和剩余使用寿命阈值）。进而，经由控制器执行成本优化的系统控制策略，从而延长该系统的剩余使用寿命。

此处还描述了一种具有第一部件、第二部件和控制器的系统。控制器针对每个部件确定SOH，还利用每个部件的SOH确定系统的SOH。控制器进而利用系统的SOF估算系统的剩余使用寿命，通过成本模型处理一组控制策略，并从所述一组可能的系统控制策略中选择系统控制策略，其在产生阈值SOF和部件的阈值剩余使用寿命的同时使系统的成本最小化。控制器动态地执行所选择的控制策略，进而实时地优化系统的性能。

从下文中结合附图对实现本发明的较佳模式的详细描述，本发明的上述特征和优势以及其他特征和优势是明显的。

附图说明

图1是具有多个部件的示例系统的示意图，所述多个部件中的每一个可以被如这里所述地评价，以优化系统的控制。

图1A是车辆形式的替换性示例系统的示意图。

图2是用于诊断图1中所示的示例系统的运行的三轴时距图。

图3是图1中的系统相对于一组示例性的系统约束的最优运行点的示例性示意图。

图4是由于改变系统约束引起的图3中的最优运行点的转移的示例性示意图。

图5是描述了一种方法的实施例的流程图，所述方法用于利用健康信息状态实时地优化图1中所示的系统的性能。

具体实施方式

参考附图，其中相同的附图标记代表相同的元件，系统10示例性地显示为电力推进系统。该系统10可用来电力地推动混合动力、电池电力或增程式的电动车辆。可利用这里所述的方法来估算和动态地控制任何具有多个部件的系统10，例如图1A中显示的替换性实例系统10A。然而，为了说明上的一致性，下面将参考图2-5来描述图1所显示的系统10具体实施例。

系统10包括多个部件，所述部件至少包括第一部件12和第二部件22。在图1的具体实施例中，第一和第二部件12和22分别是电力牵引电机和可再充电的电池组。功率变换模块（PIM）14还可作为另一个部件经由交流电（AC）总线16与第一部件/电机12电连接。在同一实施例中，PIM 14可经由直流电（DC）总线18与第二部件／电池组22电连接。图1中未示出的其他部件可包括任何所需的皮带轮／传动带、负载等。

第一和第二部件12和22各自的功能会随着时间由于老化和磨损而退化。因此系统10作为整体的功能状态（SOF）会退化，从而系统10最终不能正确地运行。在这种情况下，可经由讯号或告警灯来通知系统10的操作员以传统方法维修第一和第二部件12和22中的一个或两个。然而，立即维修可能不是可取的。例如，对于指定的操作员，维修可能不是可行或方便的，比如在远程位置操作时可能难以找到维修工具。在一些给定退化部件的特定功能和/或其退化程度的例子中，立即维修可能并不必要。

因此，这里公开了一种预测方法，其中控制器30根据变化的运行条件和系统使用历史，模拟并估算第一和第二部件12和22各自的正常（？）状态（SOH），进而利用估算的SOH动态地控制系统10，以优化系统10的性能或功能状态（SOF）。下面参考图2-5描述该具体方法。

在图1的系统10中，当第一部件12是牵引电机或其他电动机时，第一部件12的运行经由第一电子控制单元（ECU）15（例如电机控制器）控制。第一ECU15可包括有形/非临时性存储器32和处理器33。当前性能值（箭头11）被相对第一部件12测量并记录在存储器32中。当第一部件12是电力牵引电机时，当前性能值（箭头11）的示例性数值可包括平均功率消耗、峰值电流、电阻测量值、转子速度、温度、磁场强度、电机故障数据和/或任何其他充分描述电机性能的信息。传感器阵列19可相对于第一部件12定位，并被根据需要配置为测量所要求的值（箭头11），并将其传送至第一ECU15。

同样，第二部件22的运行经由第二电子控制单元（ECU）25控制。第二ECU25同样包括有形/非临时性存储器132和处理器133。另外的当前性能值（箭头111）被相对第二部件/电池组22测量并记录在存储器132中。当第二部件22是电池组时，用于当前性能值（箭头111）的示例数值可包括内部电阻、电容、第二部件/电池组22的电池单元组21中任意或全部的充电状态、充电速率、温度、峰值功率等。

在这样的实施例中，多个电池单元21可包含在第二部件22内，同时每个电池单元21可选地与第二部件22内的第三ECU24相连通。第三ECU24可包括存储器232和处理器233，且可以是根据本实施例所示的单个装置或多个装置。另一个传感器阵列119可相对于第二部件22定位并被配置为测量所需要的、共同限定了当前性能特征（箭头111）的值，并将该值传送至第二ECU25。以相似的方式，PIM14可作为另一个部件处理，从而可包括另一个传感器阵列219，所述传感器阵列219测量当前的性能信号（箭头211）并将其传送至第一ECU15，如图所示。

简单参考图1A，替换系统10A显示为具有动力传动系的示例车辆，所述动力传动系包括第四部件/内燃发动机80、图1的第一部件/牵引电机12和变速器82。来自发动机80的发动机扭矩使输出构件86旋转。来自电机12的电机扭矩使电机构件87旋转。输入离合器84可用来选择性地将发动机80连接至变速器82的输入轴88。输出扭矩从变速器82经由输出轴85被传送至一组地轮（？）（未示出）。为了说明的清楚性，省略了图1的其他部件，例如为第一部件/电机12供能的第二部件/电池组22、PIM14、控制器30以及图1中的全部其他结构。如下所述，示例系统10A的动力传动部分的控制可经由控制器30作为一种可能的动力控制措施（action）来提供。

再次参考图1，控制器30经由通信总线20分别电连接至第一和第二ECU15和25，以及（当系统10包括多于如图所示的两个部件时）用于其他部件的任何其他ECU。控制器30可以是主机、服务器或包括中央处理单元（CPU）23和存储器38的其他计算装置，所述存储器38包括但不局限于有形/非临时性存储器，其上记录了具体表达图5的方法100的指令。控制器30还可包括所需要的任何线路，包括但不局限于高速时钟、模-数（A/D）电路、数-模（D/A）电路、数字信号处理器和任何必要的输入/输出（I/O）装置和其他信号调节和/或缓冲电路。图1的控制器30可经由通信总线20接收系统输入信号（箭头29）。系统输入信号（箭头29）共同描述了来自第一ECU15的第一部件的健康状况（箭头17）和来自第二ECU25的第二部件的健康状况（箭头117），以及来自其他实施例的系统10中所使用的任何其他部件的健康状况。

控制器30可包括一组老化模型（aging model）39，其分别用于第一和第二部件12和22。这里所使用的术语“老化模型”代表任何装置或记录在存储器38中的软件方法（approach）（例如曲线、公式、参考表格等），其估算或预测给定部件随时间的衰化或退化。该组老化模型39可对历史维护建模，或包含大致描述相似部件12和22的过去性能的统计数据，例如在系统10的相关测试、论证或先前版本（prior fielded version）中使用的部件的相同型号和模型。在系统10中使用了更多的部件的情况下，该组老化模型29可扩大为包括用于附加部件的老化模型。

控制器30还包括系统功能模型45，其处理各个老化模型39所产生的信息，以及第一和第二部件12、22的健康状态（SOH）和描述系统10的运行的系统信息（箭头70），例如车辆速度、环境温度、部件12、22的温度、具有系统10的车辆的给定操作者的驾驶行为或历史、描述操作者所选择的驾驶路线的地理和/或地形信息等。控制器30自动地执行具体表达系统功能模型45的代码，以估算系统功能状态（SOF）。进而控制器30在系统10的动态优化中使用系统SOF，如下所述。

如本领域技术人员所理解的，特定系统的SOF可数学地描述为：

F(t)=F{θ₁(t),θ₂(t)，…,θ_n(t)}

其中θ代表部件1、2、……n各自的健康状态（SOH）。在部件老化模型（例如图1的老化模型39）中，可采用下列数学方程：

θi(t_f)=Φ(t_f，t)θi(t)

其中(i)是部件，t_f是部件(i)在服务寿命结束处的时间，Φ是老化函数，例如老化函数39中的一个，其代表部件(i)的老化，如本领域技术人员所理解的。系统10相对于校准阈值

的剩余有效寿命（RUL）是：

$\mathrm{RUL}=t_f|\≥\stackrel{\‾}{F}|$

从而控制器30计算和监测第一和第二部件12和22各自的SOH，将系统10的退化速率和剩余使用寿命作为部件12、22的退化和剩余使用寿命的函数进行估算，并利用部件的SOH和剩余使用寿命、系统功能模型45和老化模型39来预测作为整体的系统10的SOH、剩余使用寿命和未来性能。

同样作为分析的一部分，控制器30可对成本进行评价，所述成本与针对系统10执行某些寿命-延长控制策略有关。例如，超出阈值

时，图1中所示的控制器30可使用部件-水平成本模型46来估算延长给定部件(i)寿命的成本c_i(t)，例如：

$c_i\left(t\right)=c_i\left(\mathrm{\Φ}(t_f,t)\right)|t_f\≥\stackrel{\‾}{t}$

系统-水平成本模型146可用来评价成本C(t)，所述C(t)是在系统10的水平下执行一组一直到n的寿命-延长控制策略(c₁(t)，…c_n(t))的成本。所述系统-水平成本模型146可数学地表述为：

C(t)=C(c₁(t),c₂(t),c₃(t)…,c_n(t))

进而控制器30选择最优控制策略，即特定的寿命延长策略，该策略使成本C(t)最小化，且该策略满足系统功能/性能P(t)的阈值水平

（即

），并满足部件12、22和系统10的剩余使用寿命大于相应阈值。其后，所选的控制策略经由输出信号（箭头31）指令以动态地控制系统10并延长其剩余使用寿命。现在将参考应用于图1中所示的系统10的图2-5对上述方法进行解释。

参考图2，相对于三条坐标轴41、42和43显示了运行空间40。在示例实施例中，轴线41代表车辆（其使用图1的系统10）的燃料经济性。轴线43代表系统10的运行寿命，轴线42代表特定性能特性，例如电机速度、电池充电/放电率等。如本领域人员所理解的，在运行空间40内存在最优运行点52。即，最优运行点52代表在各种参数（其限定了运行空间）中具有最优平衡的点，所述参数在这里为燃料经济性（轴线41）、寿命（轴线43）和性能（轴线42）。图1的控制器30可响应于如这里所述的特定SOF和SOH的模型处理步骤，提供基于预测（prognosis）的容错（default tolerance）和自动化的寿命延长策略，确保处于最优运行点52或其附近的延长运行（即使在图1的第一和第二部件12和22老化和退化时）。

例如，在包括作为不同的原动力的内燃发动机和牵引电机（一个或多个）的情况下，HEV具有固有的冗余。即，可利用发动机、电机或二者的联合来推动HEV。当图1的系统10用在HEV上时，可实现进一步的故障和缓（mitigation）和寿命延长而不需要冗余的硬件。因此，图1的控制器30可优化第一和第二部件12、22以及其他子系统（其与图2的示例运行空间的参数或不同的实施例中的其他参数相关）各自的控制。

图3和4共同代表在图1的系统10内的系统优化的可能的演变。图3的约束50包括一组约束56，所述约束56由系统中的功率电子器件（powerelectronics）（例如图1的PIM14）确定。另一组约束59根据第一部件/电机12绘制，以及由第二部件/电池22绘制一组约束58。还绘制了最优燃料经济性曲线55以及希望的性能曲线54。从而，可能的最优运行点52的位置在图3中由约束56、58和59确定，其反过来影响相应部件（在这里即PIM14、第一部件/电机12和第二部件/电池组22）的SOH。

在图4中，约束150显示了图3中的一组约束58与另一组约束158（例如由于图1中的系统10的磨损和老化）之间的可能的转变。在图4中用箭头62代表了变化的方向。在示例演变中，第二部件/电池22的SOH发生变化，例如由于图1的各种电池单元21的电阻率的增大或其他因素。同样如图4所示，图3中希望的性能曲线54如箭头60所示发生了转变。该转变可能由于驾驶习惯和/或驾驶环境随时间的变化而发生。因此，由图1中所示的控制器30动态地确定新的最优运行点152。从而通过控制器30发送的输出信号（箭头31）对系统10的运行进行实时优化，以保证在新的最优运行点152运行。

参考图5，示例方法100可由图1中的控制器30执行。因此，参考图1的结构来解释方法100的各种步骤。本领域技术人员将理解，以下方法可用来评估和控制其他系统，例如但不局限于车辆制动系统、动力转向系统或诸如图1A中系统10A的车辆动力传动系。一些步骤可分别由其他装置（例如第一、第二和第三ECU15、24和25）实现，其结果根据需要被传送至控制器30。

从步骤102-106开始，控制器30估算第一部件12、第二部件22和可选的PIM14（第三部件）和/或任何所需要的其他部件各自的健康状态（SOH）。如上所述，建模、计算或以其它方式确定SOH都要求必须测量和记录当前性能值（箭头11、111）及通过SOH模型或函数处理该测量值。在一些实施例中，可将最终确定的SOH值标准化，例如可以使数值1对应校准的/新的部件的SOH，使SOH值0对应无功能的部件。在估算了各个SOH之后（其可以是在校准控制循环中被执行，并被随时间监控的持续过程），该方法进行至步骤108。

在步骤108中，控制器30利用系统功能模型45估算或以其他方式确定系统10作为整体的SOF，即F(t)。进而，在进行至步骤110之前，将该值记录在控制器30的存储器38中。

在步骤110中，控制器30则估算系统10将以何种方式老化，例如通过使用上述的老化模型39。根据老化模型39，控制器30估算和记录系统10的剩余使用寿命。

在步骤112中，控制器30确定剩余使用寿命值（该值在在步骤110中确定）是否小于校准阈值（即

）。如果是，方法100进行至步骤114。否则，方法100进行至步骤113。

在步骤113中，控制器30确定控制策略，所述控制策略用于特定一个或多个部件的控制。例如，步骤113可包括确定是否限制第二部件/电池22的功率或是否减小第一部件/电机12的速度和/或使用，以及将上述限制或降低进行到何种范围。在后面的例子中，当在HEV中执行时，策略可包括，相比第一部件/电机12更多地使用发动机，以减小电机上的应力，从而允许在更多的时间之后才修理或更换电机。方法100进而进行至步骤115。

在步骤114中，控制器30可从系统信息中提取信息（箭头70），来确定驾驶类型、地理/地形信息、环境和/或部件温度等。在提取了该信息之后，方法100进行至步骤116。

在步骤115中，控制器30基于当前控制策略设立约束，包括图4中显示并在上文做出解释的示例约束150。该方法100进而进行至步骤118。

在步骤116中，控制器30则基于在步骤102-106中确定的SOH更新约束。

在步骤118中，控制器30经由至部件12、14、22等中的一个或多个的输出信号的通路（箭头31）动态地控制系统10的性能，如上所述。本步骤执行特定控制策略，该策略使得如上所述的运行成本（即，C(t)）最小化，同时仍然产生系统功能/性能的阈值水平以及部件的阈值剩余使用寿命。在接收输出信号（箭头31）之后，系统10的运行点被控制为遵循新的约束，例如，具有各自的点52、152的图3和4中描述的演变。

在步骤118的示例性实施例中，给定第二部件/电池22的SOH信息，可由控制器30修改充电控制来使燃料经济性（例如图2的轴线41）最大化，以及延长第二部件/电池组22的寿命。

例如在自动停止/启动类型的HEV中，自动停止/启动的最小进入点（minimum entry point）是内部电阻（R）和第二部件/电池组22的电量状态（SOC）的函数。对于新的电池，R相对较低。允许在相对较低的SOC（例如最大SOC的60%）下进入自动启动/停止。随着电池老化，内部电阻（R）增大，逐渐在更高的SOC下允许进入自动启动/停止。同样，为电池充电的发电机输出电压是电池SOC和电池SOH的函数。从而，在一种可能的方式中，控制器30可利用输出信号（箭头31）改变充电操作的速率或其他方面。对于铅酸电池或其他可能类型的电池，这还有助于使电池恢复（revive）或再生（rejuvenate），如本领域所理解的。

在步骤120中，控制器30则设立新的控制标度（calibration），从而新的运行点是基线，并从步骤102开始重复方法100。

尽管已经对执行本发明的较佳模式进行了详尽的描述，但是本领域技术人员可得知在所附的权利要求的范围内的用来实施本发明的许多替换设计和实施例。

Claims (10)

1.一种用于控制具有多个部件的系统的方法，该方法包括：

经由控制器针对每个部件确定健康状态（SOH）；

利用每个部件的SOH确定系统的功能状态（SOF）；

利用系统的SOF估算系统的剩余使用寿命；

通过成本模型处理SOH，以确定多个不同控制策略中每一个的成本；

从多个不同控制策略中选择控制策略，其在产生阈值SOF和部件的阈值剩余使用寿命的同时使操作成本最小化；和

经由控制器动态地执行所选择的控制策略。

2.如权利要求1所述的方法，其中估算系统的剩余使用寿命包括使用老化模型。

3.如权利要求1所述的方法，其中确定SOH包括针对每个部件测量和记录一组当前性能值，进而通过SOH模型处理所记录的性能值。

4.如权利要求1所述的方法，其进一步包括：

当估算的剩余使用寿命小于校准寿命阈值时，经由控制器修改一组系统约束。

5.如权利要求1所述的方法，其中系统是用于车辆的电推进系统，且其中多个部件包括电力牵引电机以及与该牵引电机电连接的电池组。

6.一种系统，其包括：

第一部件；

第二部件；

控制器，其与第一和第二部件中的每一个相连通，其中控制器被配置为：

为第一和第二部件中的每一个确定健康状态（SOH）；

利用每个部件的SOH确定系统的功能状态（SOF）；

利用系统的SOF估算系统的剩余使用寿命；

通过成本模型处理一组控制策略；

从该组可能的系统控制策略中选择系统控制策略，该系统控制策略在产生阈值SOF和部件的阈值剩余使用寿命的同时使运行成本最小化；和

动态地执行所选择的控制策略。

7.如权利要求6所述的车辆，其进一步包括与控制器连通的传感器阵列，其中传感器阵列为第一和第二部件中的每一个测量一组当前性能值，并将测得的该组当前性能值传送至控制器，其中控制器根据测得的该组当前性能值确定每个部件的SOH。

8.如权利要求6所述的车辆，其中控制器使用部件水平老化模型估算系统的剩余使用寿命，并通过使用系统功能模型处理每个部件的SOH和部件水平老化模型的输出来计算系统的SOF。

9.如权利要求6所述的车辆，其中第一部件是电力牵引电机，第二部件是与该牵引电机电连接的电池组。

10.如权利要求6所述的车辆，其进一步包括内燃发动机，其中当估算的电机和电池中的一个的剩余使用寿命低于校准剩余使用寿命阈值时，控制器通过控制发动机的运行，部分地执行所选择的系统控制策略。

Images