CN105143879A - 多模态流体状况传感器平台及其系统 - Google Patents
多模态流体状况传感器平台及其系统 Download PDFInfo
- Publication number
- CN105143879A CN105143879A CN201480023083.4A CN201480023083A CN105143879A CN 105143879 A CN105143879 A CN 105143879A CN 201480023083 A CN201480023083 A CN 201480023083A CN 105143879 A CN105143879 A CN 105143879A
- Authority
- CN
- China
- Prior art keywords
- sensor
- fluid
- integrated
- data
- systems according
- 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.)
- Pending
Links
- 239000012530 fluid Substances 0.000 title claims abstract description 147
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 238000005461 lubrication Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 25
- 230000005291 magnetic effect Effects 0.000 claims description 21
- 230000003287 optical effect Effects 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 15
- 239000003921 oil Substances 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 239000003990 capacitor Substances 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 239000004593 Epoxy Substances 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000010705 motor oil Substances 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 3
- 238000010207 Bayesian analysis Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000052 comparative effect Effects 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 238000005538 encapsulation Methods 0.000 claims description 2
- 238000004146 energy storage Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims 2
- 241001269238 Data Species 0.000 claims 1
- 238000009418 renovation Methods 0.000 claims 1
- 230000003252 repetitive effect Effects 0.000 claims 1
- 239000000314 lubricant Substances 0.000 abstract description 22
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 239000004215 Carbon black (E152) Substances 0.000 abstract description 3
- 229930195733 hydrocarbon Natural products 0.000 abstract description 3
- 150000002430 hydrocarbons Chemical class 0.000 abstract description 3
- 230000015556 catabolic process Effects 0.000 abstract description 2
- 239000000356 contaminant Substances 0.000 abstract description 2
- 230000001681 protective effect Effects 0.000 abstract 1
- 230000001050 lubricating effect Effects 0.000 description 32
- 238000012360 testing method Methods 0.000 description 19
- 239000003344 environmental pollutant Substances 0.000 description 10
- 231100000719 pollutant Toxicity 0.000 description 10
- 230000003068 static effect Effects 0.000 description 8
- 238000013480 data collection Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 239000010721 machine oil Substances 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 239000004071 soot Substances 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 108091008695 photoreceptors Proteins 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000002671 adjuvant Substances 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000005059 dormancy Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000013528 metallic particle Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000033999 Device damage Diseases 0.000 description 1
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 230000005355 Hall effect Effects 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 150000001721 carbon Chemical class 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000012809 cooling fluid Substances 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000002939 deleterious effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002923 metal particle Substances 0.000 description 1
- 238000004476 mid-IR spectroscopy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000005298 paramagnetic effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002516 radical scavenger Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/26—Oils; Viscous liquids; Paints; Inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
- G01N33/2888—Lubricating oil characteristics, e.g. deterioration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N21/8507—Probe photometers, i.e. with optical measuring part dipped into fluid sample
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- General Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Lubrication Details And Ventilation Of Internal Combustion Engines (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
Abstract
本发明包括用于包含于诸如汽车往复式发动机和车辆变速器的循环系统内的流体的各个方面的多模态综合同步测量的实施例。这些循环系统执行不断的内部润滑以及散热和污染物去除，以保护内部运动部件在正常操作中不受固有的摩擦影响以及不会损坏。最常见的是，这以基于碳氢化合物和/或相关的合成物的流体来实现，这些流体能够随时间而失去它们的保护性，并且由于内部及外部事件它们的性能会改变或者分解/变质。润滑流体中的若干成分能够被测量并且能够提供对系统执行其设计好的任务的效能的洞悉。流体的质量和水平同样可以在进行中监测。本文所描述的是用于早期预警通知的实时的、同步的、综合的多模态传感器系统。
Description
技术领域
本发明包括用于包含于诸如汽车往复式发动机和车辆变速器的循环系统内的流体的各个方面的多模态综合同步测量的实施例。这些循环系统执行不断的内部润滑以及散热和污染物去除，以保护内部运动部件在正常操作中不受固有的摩擦影响以及不会损坏。最常见的是，这以基于碳氢化合物和/或相关的合成物的流体来实现，这些流体能够随时间而失去它们的保护性，并且由于内部及外部事件它们的性能会改变或者分解/变质。在润滑流体内的若干成分能够被测量并且能够提供对系统执行其设计好的任务的效能的洞悉。本文所描述的是用于早期预警通知的实时的、同步的、综合的多模态传感器系统。
背景技术
本发明的领域涉及(但不限于)汽车工业。特别地，本发明的领域涉及机械发动机以及使用在高温环境下工作的运动型润滑流体的大型机械设备。对于这些润滑剂，将是有利的是实时地监测不断变化的流体性质、污染物含量及性能变化，以确保正受到润滑系统保护的设备安全可靠的运行。这种方法应用于汽车、飞机或航天器、工业设备、风力发电机、救生医疗器械以及其他关键器件。流体的状况通常使用静态的周期性方法来检测，这种方法典型地需要从系统中去除流体并且通常通过提取流体的样本发送到世界各地的测试实验室来进行，这些测试实验室已经建立起用于测量润滑流体的众多方面(包括各种参数的历史时间序列)的程序和方法，通常的做法是对流体应用这样的基于时间的纵向监测以检测出随时间的变化，从而了解封闭环境内的性能变化，例如，浓度不断增大的特定粒子的存在能够指示在受到润滑的系统内的某些底层构件的磨损及性能的水平。这种测试典型地测量流体特性随时间的变化，包括检测底层的润滑流体和添加剂的变化和劣化以及对因正常操作所致的移动部分的正常(意料中的)及异常(意料外的)“磨损”。静态样本通常被发送到可执行众多测试的设施，这些测试包括检测是否存在外来材料和物体。在某些情况下，例如当润滑流体改变时，通常要发送润滑滤清器以及机油，用于测试及具体的分析。对于样本和滤清器，这是破坏性的“拆卸式”分析——使得该滤清器和样本不可再返回使用，而是被评估并随后被去除。在实验室中典型执行的测试包括检测金属及非金属粒子，是否存在水或其他非润滑流体、碳烟及其他成分，并且在某些情况下，验证润滑剂的基本化学性质尚未受影响。书面(或电子)报告在测试完成时被生成并被发送给相关人(stakeholder)。从提取到相关人可查看(review)结果通常需要数天或数周。
众多低成本的润滑流体测量产品和技术不断涌现到市场上——包括用于测量电阻抗特性(在小电源被施加于传感器上时的电容和电阻，在该传感器中样本量足够多的润滑剂将传感器电极桥接到检测器上)的变化的机油样本的消费者晶态“检查”(见lubrieheck.com)。这种方法在机油演变的某个时间点对油底壳流体的性质执行单维测量(即，静态测量)，仅提供在操作员手动提取待测试的油样时的洞悉，并且只在对数据进行适当记录并随时间进行跟踪时才指示电性质变化。这种方法具有许多缺点，包括间隔采样(仅在操作员进行测量时)，以及抵消因存在被引入流体内的多种污染物而掩盖润滑剂的真实状况/状况的影响(force)的可能性。例如，在汽车发动机的情形中，内燃机的正常工作会由于发动机的工作而产生碳副产物(这是使油变色的产物)。如果车辆只是正在产生这种碳“烟”，则电阻会由于碳烟的引入而改变(增大)。如果与此同时发动机正经受到不利的“磨损”，到了金属小颗粒作为异常状况产生于内部运动部件间的程度，则这些颗粒将会就降低电阻，因为金属相对是比基础润滑剂更好的导体。在碳烟和金属颗粒两者都同时在产生的情况下，它们能够部分或完全消除一些或所有可测量的效果——从而提供关于润滑剂和底层发动机的真实状况的错误指示，通过比较进行的测试实验室分析执行众多测试，这些测试将能够单独地检测出在基础润滑流体中存在这两种材料并且提供关于流体及最终系统的状况的准确报告。
润滑流体必须适应广泛的操作条件——包括温度、压力、纯度的变化以及状态的变化。润滑剂通常针对特定的操作环境和温度范围进行优化并且以粘度来表示。一些润滑剂被设计用于在多种粘度下工作(例如，10W-30多级粘度机油)。典型地，对流体状况及性质的测量是静态的并且经由在处于静态的/非操作的状态时进行的采样在这种操作环境的外部进行。静态采样不一定会验证在操作状态下的流体的状况——是处于正常的/典型的操作范围之内还是之外。已存在已为实时地测量润滑流体及其他液体而研发出的昂贵复杂的传感器——要么用于实验室环境和条件下要么用于即时的传感器润滑信息很关键的价值非常高的机器。诸如Voelker传感器公司之类的公司为机床工业提供了用于实时地测量包括油位(oillevel)、氧化(pH值变化)、温度等在内的众多参数的产品。该传感器元件不是基于MEMS的并且具有更大的占用面积(footprint)，并且在尺寸/形状因子(formfactor)方面不适合于在汽车机油/润滑系统中工作(“ContinuousOilConditionMonitoringformachineToolandIndustrialProcessingEquipment”，PracticingOilAnalysis(9/2003))。
在集成电路的多模态传感器系统的领域之外，已经存在关于连续的电性质测量的各种实施方式，这些测量由Halalay(7,835,875、6,922,064、7,362,110)、Freese等人(5,604,441)、Ismail等人(6.557,396)、Steininger(4,224,154)、Marszalek(6,268,737)以及公开了用于得到关于机油状况的了解的关于电性质的奇异向量分析(电的)或者时间序列测量的其他一些人执行。如同在Lubricheck方法中那样，克服相互依赖的真实测量从而消除可能会报告不正确的机油状况的效果的挑战仍然存在。这恰恰是流体测试协议和实验室应用为了包括频谱分析而进行的在多个维度上的测试以及为了确定油样中的金属及外来物体的含量而进行的测试的原因。
润滑剂被设计用于在超出它们的规定范围之外使用(perform)并且通过添加“添加剂”来进一步增强以延伸流体的寿命和安全裕度。了解润滑寿命对于系统的安全工作是关键的。流体的更换通常按照很保守的(即，短的)建议间隔来执行，为操作员提供了大的安全裕度。大体上，润滑剂能够工作显著要长得多的间隔，或者在恶劣环境下工作的特定设备(例如，用于战场上或布雷作业中的军事设备等)的情形中可能需要更积极的更换周期。重要的是根据由设备/系统制造商确定的规格来确定润滑流体何时无法继续使用。只要润滑流体处于操作的安全裕度内，它就可以无限期地工作并且不需要以新的润滑流体来替换或更换。
提供对流体性能更精确的测量能够使润滑剂及其所保护的设备两者的寿命最大化。随着设备和碳氢化合物润滑剂的成本增加，提供润滑剂更长且更精确的寿命以及关于即将发生的设备(包括发动机、滤清器以及系统中的其他构件等)性能劣化的早期检测和通知两者的价值同样会增加。这种方法能够有可能在预先检测到关键设备的故障时挽救生命。此外，如果流体失效并且是设备损坏的部分原因，该系统还有可能省去修理/更换底层/损坏设备所需的资源以及损失的时间。这种方法同样可避免为完成比实际需要更频繁的机油更换所需要的服务和资源的损耗。
发明内容
在实施例中，集成系统被提供用于对从来自在基于流体的封闭系统环境中的多个传感器模态的测量得出的流体的多个性质进行连续监测。适当地，该系统是发动机内润滑监测系统并且该监测是实时的。
在某些实施例中，该系统被构建成见于往复式发动机的放油底壳(oildrainpan)内的标准尺寸及形状的放油塞(oildrainplug)的形状因子，其中所述系统通过有线的或无线的数据遥测而位于远离接收器之处。适当地，该系统还包含位于远处的接收器。
在其他实施例中，传感器模态包括电传感器、温度传感器、磁传感器、光学传感器、压力传感器和多轴加速度传感器中的至少两种，适当地，传感器模态中的至少一种包含电感器。在实施例中，传感器模态至少包括磁传感器和光学传感器，并且在其他实施例中，传感器模态至少包括电传感器、磁传感器和光学传感器。
在某些实施例中，该系统包含于能够支持包含于放油塞机械设计中的高温、高压及高振动的环境的环氧树脂封装内。
在某些实施例中，该系统还包含寿命有限的电源，该电源给传感器平台的电气构件提供电能。在某些实施例中，该系统还包含用于给可充电电源电功率以延伸寿命的能量清除器(scavenger)/采集器。
在某些实施例中，该系统还包含用于检测单个及多个相关流体特性的多个数字信号处理器模块。在实施例中，该系统还包含选自错误指示、具体数据特征检测信号、具体数据特征信号检测强度等级以及快速傅立叶变换(FastFourierTransform)(FFT)数据输出中的多级输出信号生成。
在其他实施例中，传感器模态测量使用卡尔曼滤波(KalmanFiltering)技术、贝叶斯(Baysian)分析技术、隐马尔科夫滤波(hidden-MarkovFiltering)技术、模糊逻辑分析技术或神经网络分析技术来分析。
在示例性的实施例中，传感器模态测量包括下列项中的至少一项：差分温度(differentialtemperature)比较、差分磁传感器比较、差分电感式传感器比较、差分电阻抗比较、差分光吸收比较、多轴加速度计比较、至少由两个传感器的集合构成的任意组合及综合比较、相对于时间和温度的每个传感器向量的数据比较、由所组合的至少两个传感器的集合构成的综合向量的数据比较、相对于时间和温度的电感数据比较、相对于时间和温度的光学数据比较、相对于温度和压力的光学数据比较、用于检测峰值热量的相对于时间和压力的温度数据比较、相对于多轴加速度计数据的压力数据比较，以及其他传感器组合。
还提供了连续监测机器的工作流体的方法，包括：使用第一传感器模态来测量流体的第一状况，使用第二传感器模态来测量流体的第二状况，过滤来自传感器的数据，整合来自传感器的数据，分析来自传感器的数据，从数据中得出流体的性质，将所得出的流体状况的性质发送给接收器，并且重复该过程以便积累用于跟踪流体的工作状况的变化的流体性质的时间序列。在实施例中，这些方法还包括通过计算任意单个或多个状况的期望变化率相对观察到的变化率的时间序列来跟踪流体的状况。在另外的实施例中，这些方法还包括计算在多个传感器的预期及期望测量值变化相对意外变化的时间序列数据上的期望散度或收敛。
更多的实施例、实施例的特征和优点，以及各种实施例的结构和操作，将在下文中参照附图详细描述。
附图说明
图1是本申请所描述的示例性实时多模态流体感测系统的示图。
图2是构成多模态流体传感器解决方案的示例性的主要的发动机内传感器源和接收元件的示图。
图3是本申请所给出的系统的示例性的主要电子和固件元件的框图。
图4是示例性光学传感器的内部示图(insetdiagram)。
图5是包含并入本申请所给出的系统的处理部分内的用于综合的多模态传感器计算的数字信号处理模块的示例性的处理电气元件和/或固件元件的框图。
图6是用于各种光学性质检测的离散波长的代表性框架。
图7是本申请所给出的系统的示例性电源单元的框图。
图8是本申请所给出的具有标准放油塞的示例性形状因子的示例性实时多模态流体感测系统的示图。
具体实施方式
应当意识到，本文所描述并示出的特定实施方式是示例并且并非意指以任意方式对本申请的范围另作限定。
本文所引用的已公布的专利、专利申请、网站、公司名称及科学文献通过引用的方式全文并入本文，以至就如同各自被特别地及单独地指示为通过引用方式而并入那样的程度。在本文所引用的任意参考文献与本说明书的具体教导之间的任何冲突应当按照有利于后者的方式来解决。同样，在单词或短语按现有技术来理解的定义与本说明书中所特别教导的该单词或短语的定义之间的任何冲突应当按照有利于后者的方式来解决。
如同本说明书所使用的，单数形式“一(a)”、“一个(an)”及“该(the)”同样特别地包含它们指代的项的复数形式，除非上下文另有明确规定。术语“大约”在本文中用来意指近似、在...附近、大致或左右。当术语“大约”结合数字范围来使用时，它通过扩展在所述数字值以上和以下的边界来修改该范围，大体上，术语“大约”在本文中被用来修改在规定值以上及以下的数字值达20％的变化。应当理解，术语“大约”的使用还包括特别列举的量。
本文所使用的技术和科学术语具有本领域技术人员通常所理解的含义，除非另有定义。在本文中对本领域技术人员已知的各种方法和材料进行引用。
为了提供关于流体的更准确理解，同步执行多模态测试能够有助于给出对润滑流体的真实工作状态和状况的洞悉。在实施例中，集成系统被提供用于对从来自在基于流体的封闭系统环境中的多个传感器模态的测量得出的流体的多个性质进行连续监测。合适的实施例利用高级的微机电系统(MEMS)与半导体技术的结合将实验室测试直接置于流体内，以连续且同时地测量流体的多个方面并且将这些参数单独报告给可编程的计算机以提供对流体状况的并行的及综合的实时分析。如同本文所使用的，术语“传感器模态”包括对流体的磁性质、电性质及光学性质的测量，以及测量流体的温度和压力并且通过对多轴加速度的测量来测量流体及周围的容纳容器在空间中的取向。这些操作共同组成的本发明通篇的“多模态”分析或测试的实例。这些测量能够单独地进行也能够结合起来进行——用于提供对流体的状况和状态的洞悉。由于单维测试会“掩盖”由在流体内的两种不同污染物之间的相互作用(例如，在系统中的增大电阻的和减小电阻的两种外来物质的结合)引起的任意单一结果，使用多个(即，两个或更多个)感测模态进行的同步多模态感测的应用会提高测量的保真度和准确度。
在多模态感测中，测量被结合以使用软件/固件编程将传感器输入与参照基准进行比较并在包括时间在内的各种测量维度上检测不断变化的流体状况来确定流体的状态(和状态变化)。重要的是设定用于检测油内的外来污染物的阈值。例如，足量的水随着时间推移能够导致受润滑流体正常保护的关键元件被腐蚀。基于这些阈值，能够提供某些警报和通知，要么通过输出接口来发送要么通过无线接口来轮询，可任选地使用便携式手持器件，例如，智能手机。为了验证流体状况的持续评估，能够进行第二检查以通过周期性的实验室采样来检验测量。外部验证能够是在多模态传感器的初始测试期间的合格性校准过程的一部分。外部验证同样能够准予(qualify)额外的润滑流体和操作环境。一旦了解了基线，在所有综合测量上的阈值能够被编程到半导体内以通过综合的测量数据输出以及在其之外提供报警功能。
在另外的实施例中，本文所描述的系统和方法检测可能被错误地引入润滑系统内的错误的流体或不合适的润滑流体的使用。以错误的润滑流体来操作机器如果不立即修复的话则会导致不可弥补的损伤。多模态传感器“期望”润滑流体是合格的(conforming)，在不合格(non-conforming)的流体被引入并随后被检测到时发出警报。
特定的个体传感器能够结合到框架内，这些传感器提供关于系统的状态的更全面理解，既用于即时的测量也用于纵向监测。这样的传感器框架大大改进了对系统状况的实时监测并且大大提升了系统自动识别并响应于各种操作事件的能力。
特别地，结合了磁传感器的框架便于含铁金属污染物的及时识别。例如，顺磁共振能够表征寒铁颗粒的特性，并且有可能表征它们的尺寸。
将光透射仪、不透明度测量或光谱测量集成到框架内可提供关于例如碳烟、水或防冻液的特定污染物的指示。此外，本发明还能够通过多模态感测分析的结合来改进，以包括例如会改变流体的光学性质的压力和温度。这些校正因子能够被应用于提高测量的精度。
将电测量集成到框架内可提供流体状况的更全面的描述。这些测量还能够检测并且能够提供独立的方式用于区分供选择的流体状态以及状况诊断。这种状态变化可通过至少一个传感器模态的集合来检测。
控制系统集成不同的传感器，利用传感器状态的模式来“识别”或“诊断”值得进一步注意的状况集合。为了这样的分析建立的数学算法包括但不限于卡尔曼滤波(和增强的卡尔曼滤波)、隐马尔科夫模型、贝叶斯分析、人工神经网络或模糊逻辑。这些控制系统能够被容易地实现于软件、固件、硬件或者它们的组合中。(参见：“SolutionsforMEMSSensorFusion”，Esfandyari,J,DeNuccio,R,Xu,G.，SolidStateTechnology，2011-07，p.18-21；该文全文并入文本，以作参考)。
在另外一些实施例中，能够获得关于在不同的机器操作条件下的流体性质的更多理解，所述条件包括例如在系统不运行时的“休眠中”，或者处于在系统关闭之后可能实际发生的“峰值节拍(peakbeat)”。温度可能在关闭之后增加，这时没有冷却流体在循环。流体性质将会随着流体加热和冷却而变化。在短的加热或冷却间隔上测量这些变化能够得出关于润滑流体的性质的更多有价值的指示和洞悉。例如，光吸收可以随流体加热而改变。此外，跟踪电性质随温度的变化能够提供关于流体的状况的更多信息。偏差会促使控制系统请求测量，例如，不管是在机器正在操作时还是在启动或关闭时。
本申请克服了传统诊断的众多局限。首先，从流体采样到测试的传统时间延迟会使关键设备具有损坏的风险。有时，润滑流体在其正在被更换时被采样。虽然可能对提供关于内部部件的磨损的洞悉有帮助，但是机器会在潜在不安全的条件下操作，直到结果从实验室返回。其次，润滑流体可能在操作暂态期间暴露于通常能够超过150℃的极端温度下，可能导致润滑流体中的添加剂的某种分解。这样的温度通常没有被检测到，因为设备在这些条件下通常被“关闭”。尽管没有新的热量在产生，但是残余的热量被传递到润滑流体内并且能够潜在地影响其性能。这样的极端温度通常需要特殊的工程工作来设计出用于支持可靠的操作的集成的现场感测系统(例如，-50℃～+150℃)。此外，传感器及其他电活性元件需要支持这种环境。同样重要的是支持润滑流体在正常的及高负荷的操作期间可能遇到的各种压力。现场传感器框架必须被设计用于承受住随时间推移在润滑系统内遇到的峰值温度和压力。
若干变量提供了对润滑流体性质的洞悉。有些变量能够被直接测量，而其他变量能够被推导出。为了获得对流体状况的基本了解，对润滑剂的若干测量(传感器模态)可以有帮助的，包括，例如，温度、绝对压力、电阻抗或电阻、pH值、光透射或吸收，以及磁性测量。测量要么是直接的(例如，经由温度传感器得到的温度)，要么被推导出——例如，经由电变化和光变化的结合测量得到的碳堆积程度。标准的技术现在是可用的并被用来采集这些数据中的一些，例如，热电偶和压力传感器。派生的测量(例如，在操作范围内的粘度一致性)能够从直接的测量中计算出，并且能够被外推到温度和压力的范围之外。额外的检测方法包括一个或多个电感线圈和磁传感器的使用，以增强对运动的金属颗粒的检测。包含例如光源和光检测器的光透射仪测量对各种波长的光的吸收的变化，以表征碳烟堆积以及在润滑流体中的其他潜在的污染物和材料。所有此类测量都应当进行温度和压力补偿(或归一化)以提供关于润滑流体的基本健康状况的精确指示。此外，压力测量还能够针对系统取向的变化来准予。对来自多轴加速度计的取向的计算被用来确定压力读数何时会由于系统被定向超出了预定标准而为无效的，或者作为选择，压力读数针对在该标准的预定极限内的系统取向进行补偿。
粘度分析从多个传感器读数中得出摩擦系数，以确定润滑剂的净流体摩擦。本发明给出了通过测量来得出粘度的一种简单方法，例如，在选定位置的流体润滑剂内用于测量流体流动的两个磁传感器。这些磁传感器(例如，无延迟的霍尔(Hall)传感器)基本上是相互类似的并且彼此很接近地定位于润滑剂流内。小的紊流诱导器(inducer)使得能够在传感器附近测量基于所引起的流量扰动的细微流量差异。该测量能够进一步与使用光透射仪的光吸收测量集成到一起。这种与温度或合格的压力读数耦合的综合测量提供了用于计算摩擦系数的框架。基于霍尔(Hall)的传感器被设计为尽可能相似的。不是由紊流诱导器引起的时间和空间变化使用两个近似相同的传感器来减去。此外，紊流诱导器的形状被设计用于造成与流体速度相关的细微变化，类似于其中流体分子按照机翼上方和上方的略微不同的速度行进的航空应用。粘度使用所记录的润滑剂粘度参考数据从这些细微差异的测量以及局部的温度和压力中得出，提供关于实时润滑剂状况的指示。
传感器被适当地设计用于承受住发动机润滑剂的高温。高温热电偶测量温度，厚膜电阻器允许进行压力感测，以及高温磁传感器。光测量方法基于已经证明的高温设计。光谱的范围适当地为从紫外(UV)到中红外(mid-IR)，在该范围内润滑流体在高温下不发射能量，取决于流体、环境及潜在的污染物。透射仪的范围以毫米来度量，并且在发射元件和接收元件之间的距离使用已知的MEMS制造技术来精确地控制。在光发射元件和接收元件之间的这个距离必须是很精确的。所有这些元件都已经被实现并且在这些极端的温度和压力环境下按照中继有用数据的方式单独工作。设计并不限定于这些方法。目前，这些方法被证明是有效的并且提供了简单的解决方案。
在实施例中，通篇所描述的系统和方法提供了诸如与出现于内燃机中的或同其相关的高温环境关联的那些流体之类的流体的实时监测(即，在不存在去除样本的延迟的情况下在发动机活动期间监测流体)。适当地，这些系统和方法监测基于通常用于内燃机的基于油的流体润滑剂，以及其他流体(例如，传动液)或者基于乙二醇的冷却剂(例如，防冻剂)，以及在制造环境及用于医疗行业的关键的救生医疗设备中的其他流体。这些系统和方法适当地提供了使用多个传感器模态的实时监测，以在各种操作条件下确定被监测流体的劣化。另一个方面是本发明的检测在润滑剂内是否存在已知的有害颗粒(例如，金属)的能力。所处理的另一个方面是以被不断浸入润滑流体内的传感器模块来监测流体。所处理的另一个方面是对流体状况的并行的及综合的实时分析。本发明还处理了在这样的机器的操作环境中所遇到的高温及其他状况。
在示例性的实施例中，实时多模态流体感测系统处于包含将要浸入待监测的流体内的有源感测环境(100)的单个单元的自含式的实施例中。传感器附接于能够被放置到流体中的组件上，电子的及有源传感器被嵌入到经由螺纹螺栓(200)保持于原位的放油塞(300)内。螺栓头容纳有包含微控制器、过滤器及其他元件的自含式(self-contained)系统的非传感器元件，该自含式系统称为命令、控制及通信模块，即C3模块(400)。适当地包含于组件内的还有电感线圈(108)以及其他信号源方法以包含用于操作系统的功率，例如，电源(180)。螺栓组件是能够由技术人员安装和拆除的自含式平台。这样的环境是在汽车上的放油塞或者在同样可以用作流体的容器(reservoir)的润滑回流系统内的类似“低点”的典型环境。流体环境会经历到通过正常的和异常的操作引起的温度和压力的变化。正因如此，传感器被设计用于在温度和压力规格内——以及在超出正常操作环境的常用容限内工作，以便能够检测异常的状况。
在感测环境中，系统以编程的方式在包括磁、光及电的多个传感器模态上生成它自己的本地及低能量的参考信号源，并且连续地检测其内的值以及被动地接收连续的压力和温度测量值。传感器平台(100)的有源元件将要被浸入被测量的流体内。在传感器没有被完全或部分浸入流体内的情况下，这能够通过从光发射(106)到光接收(107)以及从电源(101)到期望值容限的接收(104)的多传感器确认来检测并确认。以此方式，流体不足的状况能够通过多种方法来检测，以及检验电传感器和光学传感器两者是否被正确地及协作地交叉检查。
磁感测通过生成预定义的且可编程的特性(102)的信号来实现，该特性(102)具有与磁传感器(103)很接近的已知的固定参考距离，该信号由用于执行信号放大、A/D转换及数据过滤的数据采集控制单元(109)接收并处理。感测能够通过以下类型的一个或多个传感器(103)来完成：可提供与信号相称的响应速度，能够为相同的类型或者不同的类型并且可提供流体状况的直接的和差分的两种测量。数据采集控制单元(109)执行过滤并分析信号的步骤，包括放大、降噪滤波，该信号然后将被传递到微控制器(140)。
一个或多个光学传感器(107)能够耦接至能够由一个或多个特定波长的发射器(例如，窄频调谐的发光二极管(LED))和光接收器(例如，感光器)构成的一个或多个光源(106)。现在的光发射器能够被配置用于发射在窄频段内的光。这样的波长取决于流体以及会累积于流体中的污染物的具体类型。图6示出了在这样的近红外区上的代表性分布图。当LED发光时，光感测能够确定众多的特性，包括但不限于流体是否存在。此外，LED能够被安置于与伴随的感光器相距不同的已知且固定的距离处，以在不同的频率上提供吸收水平的基于距离的分布。该实施例能够通过与感光器间隔开已知距离的单个LED发射器以及通过与按已知的序列发出脉冲的感光器间隔开已知的距离的多个LED来实现。控制逻辑通过在微控制器(140)中的以及在数据采集控制单元(109)中的软件/固件来管理。光感测能够检测出具体波长的吸收以及光特性的时间序列变化两者的差异。所产生的光感测按照有源和无源两种模式来操作。在有源模式中，光源发出穿过流体的强度和波长已知的光脉冲，用于测量对来自光源的光的吸收程度和水平。这种小规模的透射仪被配置用于检测特定的污染物和/或在特定波长上的流体性质的变化(例如，分解)，如图6所示出的那样。
感测电性质的变化通过安置于与电容测量相距已知的参考距离处的电源(101)来完成，例如，流体的介电常数。信号的强度和频率以及测量基于可编程的微控制器固件，并且基于且依赖于待连续监测的流体的基本特性，该流体位于源与测量感测之间。在该间隙之间的电阻和电容能够经由数据采集控制单元(109)来测量。不同的流体将会具有不同的性质，并且因而用于以编程方式来配置和控制源场和传感器接收性质两者的能力是本发明的重要方面。压力感测(111)和温度感测(110)同样连接至数据采集控制单元(109)。这些传感器同样能够检测在热量和压力水平上的正常和异常状况，并且提供关于环境的操作状态的洞悉。流体状态变化——例如，从休眠(在系统不运行时)到峰值操作环境——能够通过可编程的微控制器单元(140)来评估。这样的应用能够被开发于软件/固件中以包括形成关于“休眠中”和“操作中”两种状况的理解。此外，在特定压力和温度下的分布能够有助于确定计算(因温度/压力所致的偏移——例如，磁传感器基于使用霍尔效应(103))以及因温度和压力分布所致的光学性质变化两者。
跟踪图1的放油塞(300)在三维空间中的取向的变化通过多轴加速度计传感器(112)来完成。注意，在可替换的实施例中，加速度计112可以布置于C3模块(400)、MEMS传感器平台(100)、接收器(170)内或者其他外部位置。加速度计传感器(112)可以布置在MEMS器件(100)内，在被称为命令、控制及通信模块(C3模块(400))的自含式系统的非传感器元件内，或者在另一个处理器单元附近。所感兴趣的每个轴的加速度通过数据采集控制单元(109)来测量并且被用来计算放油塞(300)在空间中的取向，并且因此计算出发动机及车辆在空间中的取向。取向计算结果能够由数据采集控制单元(109)使用，以根据取向的预定标准来准予来自压力传感器(111)的测量并拒绝某些压力读数，或者针对某些压力读数进行调整以补偿压力输出。
实时时钟(150)提供精确的时间基准以触发由微控制器模块(140)进行的监测事件，并且将所采集数据与时间基准进行关联用于纵向分析。实时时钟提供能够与每个所记录的多模态传感器测量关联的时间和数据两种信息。
可编程的微控制器(140)还提供信息的预处理和后处理两种处理，包括过滤以及用于提供数据校正的其他算法的使用。结果通过经由有线或无线连接的通信模块(160)传递给接收器(170)。注意，接收170可以可任选地包含显示器、处理单元或两者，接收来自集成系统的数据。接收器(170)和微控制器两者可以处理内部存储(280)以记录并评估时间序列数据，
在微控制器(140)内，传感器数据被积累并经过额外的过滤以及在多个传感器间的整合。原始数据经过通过用于例如温度、压力、光吸收、电阻抗及磁特征(203、204、205、206、207和208)的每个个体传感器模态的至少一个数字信号处理器(DSP)的集合进行的处理。结果的并行输出——在数据校正过滤(220)之前和之后提供能够经由通信模块(160)传递的原始数据输出(260)。
配置模块(270)能够动态地设定增强型过滤(220)的过滤及处理参数，以包括基线和错误提示以及包括配置存储、事件监测、触发器等在内的其他参数。配置模块经由通信模块(160)连接至外部器件。
此外，在能够连续的或者按照由微处理器及其关联的编程软件指导的间隔轮询的操作期间，该操作(and)通过为了提供精确的时间基准(150)而引入实时时钟来进一步增强。这样的测量“交叉检查”提供了固有值的确认，改进了该数据校正(通过示例的卡尔曼滤波及其他算法技术)以及整个传感器系统的完整性。对于许多高值的系统，当“故障”被检测到时，该故障通常不是在环境中，而是在传感器中。本发明通过连续地验证众多测量准则来提供固有传感器平台的交叉关联和验证，使得期望的和预期的传感器的输出/值能够连续地校验传感器系统的性能。以此方式，错误状况(例如，传感器故障)的隔离本身在于宝贵的操作员的见解——以识别并更换作为已知的故障器件的故障传感器。
包含电存储器(182)和光能采集器的电源(180)给C3模块(400)和传感器平台(100)提供电功率。在一种实施例中，电存储器包含用于给系统提供功率直到其放完电的电池。在另一种实施例中，电存储器包括与一个或多个能量采集器连接的可充电电池，这些能量采集器使电存储器的寿命延长超过单次充电。在另一种实施例中，电能存储器包括双电层电容器，该双电层电容器可任选地耦接至可使电存储器的寿命延长超过单次充电的能量采集器。
在一种实施例中，能量采集器包括用于将环境中的动能转换成电流的振动能采集器(183)。在另一种实施例中，能量采集器包括用于将声能或振动能转换成电流的声能采集器(184)。在另一种实施例中，能量采集器包括用于将差分温度转换成电流的热能采集器(185)。在另一种实施例中，能量采集器包括电磁能采集器(186)，在该电磁能采集器(186)中天线(188)收集背景电磁辐射(例如，射频传输)，用于转换成电流。
C3模块(400)使用有线或无线协议或者两者与接收器(170)通信。现在，在汽车系统中存在有合适的协议，例如用于有线通信的控制器局域网总线(CAN)和本地互连网络总线(LIN)，以及用于无线通信的轮胎压力监测系统(TPMS)和无钥匙遥控系统(RKS)。接收器(170)在某些实施例中能够包含处理单元。它还能够包含用于示出监测状态的显示器。
用于现场感测流体参数的机械设计并入了独特的特征以使成本最小化，并且提供环保型设计以获得更长寿命。本发明的概念是包括被构建于放油塞内的压力传感器件，该放油塞允许简单的安装以按照定期维护计划来升级和更换。传感器以环氧聚合物树脂来安装，该环氧聚合物树脂具有卓越的工作温度范围、附着性以及耐盐和石油副产品的性能。这是防止由不同的热膨胀引起的问题、层离以及化学分解的关键。螺栓具有基于终端用户规范的标准螺纹尺寸。穿过螺栓的中间的孔眼被钻出以允许安装集成系统并且提供位于传感器平台(100)之上的油路。压力传感器的外部经由集成的大气压力管道(314)敞开于大气中。螺栓的头部被向下加工以通过产生空腔而使传感器匹配到螺栓内。
图7示出了包含储能器(182)和/或给储能器(182)添加的能量采集器(183-186)的电源。这样的能量采集器能够收集振动能(183)，尤其是来自工作中的发动机的油底壳的振动能，或者声能(184)，许多实施例还包含在流体底壳与环境之间的热梯度，其中采集器(185)能够包含用于热能到电能的转换的TEC(热电转换器)，如同本领域技术人员所已知的。作为选择，电磁采集器(186)能够可任选地使用天线(188)收集来自电场、磁场、感生电磁、有线或无线电磁能中的任一项的能量。
图8示出了放油塞多模态传感器系统的整体剖视图，示出了本发明的一种特别有利的实施例，包括C3模块(400)、集成的MEMS传感器平台(316，相当于传感器平台100)及电池(180)。射频天线(310)提供通信，并且在某些实施例中执行天线(188)的能量采集。剖视图中所示出的印刷电路板(312)提供了一个或多个基板以及C3模块(400)与MEMS传感器平台(316或100)的电耦合。环境压力管道(314)将环境压力转递给在本实施例中布置于传感器平台(316)上的差分压力传感器。注意，其他实施例能够使用绝对压力传感器来代替该差分传感器，具有或没有用于允许与机械压力补偿不同的电补偿的额外的环境压力传感器。为提高精度和可重复性而对这些压力传感器进行的温度补偿同样是本领域技术人员已知的。在某些优选的实施例中，螺栓螺纹(200)为传统的放油底壳螺栓提供了共形的嵌入式更换。
在一种实施例中，这种传感器系统测量在流体容器的底部附近的压力，并且可任选地将该压力与环境压力进行比较。可任选地，对于该测量可以包括温度补偿。这种方法能够测量在与重力(或加速度)场下的静态压力对应的传感器上方的圆柱内的流体的质量。对于给定的温度，这种静态压力在含有流体的容器的特定温度和取向下与流体的水平近似。
为了解释的目的，前述描述已经参考具体的实施例进行了描述。但是，这些说明性的讨论并非意指为穷尽性的或者将本发明限定于所公开的具体形式。根据上述教导，许多修改和变化都是可行的。这些实施例被选择并被描述以便解释本发明的原理及其实际应用，以由此使本领域技术人员能够最佳地利用本发明，并且具有各种改型的各种实施例都适合于所能想到的特定用途。
Claims (42)
1.一种集成系统，用于对从来自在基于流体的封闭系统环境中的多个传感器模态的测量得出的流体的多个性质进行连续监测。
2.根据权利要求1所述的集成系统，其中所述系统是发动机内的润滑监测系统。
3.根据权利要求1所述的集成系统，其中所述监测是实时的。
4.根据权利要求1所述的集成系统，还包含位于远处的接收器单元。
5.根据权利要求1所述的集成系统，被构建成存在于往复式发动机排油盘内的标准尺寸及形状的放油塞的形状因子，其中所述系统位于远离所述接收器单元之处，通过数据遥感将来自所述系统的监测信息传送给所述接收器单元。
6.根据权利要求1所述的集成系统，其中所述传感器模态包括电传感器、温度传感器、磁传感器、光学传感器、加速度传感器和压力传感器中的至少两种。
7.根据权利要求1所述的集成系统，其中所述传感器模态中的至少一种包含电感器。
8.根据权利要求1所述的集成系统，其中所述传感器模态至少包括磁传感器和光学传感器。
9.根据权利要求1所述的集成系统，其中所述传感器模态至少包括电传感器、磁传感器和光学传感器。
10.根据权利要求1所述的集成系统，包含于能够支持高温、高压及高振动的环境的环氧树脂封装内。
11.根据权利要求1所述的集成系统，还包含用于检测单个及多个相关流体特性的多个数字信号处理器模块。
12.根据权利要求1所述的集成系统，还包含选自错误指示、具体数据特征检测信号、具体数据特征信号检测强度等级以及快速傅立叶变换(FFT)数据输出中的多级输出信号生成。
13.根据权利要求1所述的集成系统，其中所述传感器模态测量使用卡尔曼滤波技术来分析。
14.根据权利要求1所述的集成系统，其中所述传感器模态测量使用贝叶斯分析技术来分析。
15.根据权利要求1所述的集成系统，其中所述传感器模态测量使用隐马尔科夫滤波技术来分析。
16.根据权利要求1所述的集成系统，其中所述传感器模态测量使用模糊逻辑分析技术来分析。
17.根据权利要求1所述的集成系统，其中所述传感器模态测量使用神经网络分析技术来分析。
18.根据权利要求1所述的集成系统，其中所述传感器模态测量包括下列项中的至少一项：
a.差分温度比较
b.差分磁传感器比较
c.差分电感传感器比较
d.差分电阻抗比较
e.差分光吸收比较
f.至少由两个传感器的集合构成的任意组合及综合比较
g.相对于时间和温度的每个传感器向量的数据比较
h.由所组合的至少两个传感器的集合构成的综合向量的数据比较
i.相对于时间和温度的电感数据比较
j.相对于时间和温度的光学数据比较
k.相对于温度和压力的光学数据比较
l.用于检测峰值热量的相对于时间和压力的温度数据比较，以及
m.其他传感器组合。
19.一种发动机内的润滑监测系统，用于对从来自在基于流体的封闭系统环境中的多个传感器模态的测量得出的流体的多个性质进行连续的实时监测，包含选自错误指示、具体数据特征检测信号、具体数据特征信号检测强度等级以及快速傅立叶变换(FFT)数据输出中的多级输出信号生成。
20.根据权利要求19所述的集成系统，其中发动机内的润滑监测系统包含存在于往复式发动机放油底壳内的油塞。
21.根据权利要求19所述的集成系统，其中所述系统通过有线的或无线的数据遥测而位于远离接收器单元之处。
22.根据权利要求19所述的集成系统，还包含位于远处的接收器单元。
23.一种用于有规律地监测机器的工作流体的方法，包括：使用第一传感器模态来测量所述流体的第一状况，使用第二传感器模态来测量所述流体的第二状况，过滤来自所述传感器的数据，整合来自所述传感器的所述数据，分析来自所述传感器的所述数据，从所述数据中得出所述流体的性质，将所得出的所述流体状况的性质发送给接收器，并且重复过程以便积累用于跟踪所述流体的所述工作状况的变化的流体性质的时间序列。
24.根据权利要求23所述的方法，还包括通过对比于任意单个或多个状况的观察到的变化率计算时间序列期望变化率来跟踪所述流体的所述状况。
25.根据权利要求23所述的方法，还包括对比于意外变化计算在预期及期望测量值变化的多个传感器时间序列数据上的期望散度或收敛。
26.根据权利要求6所述的集成系统，其中所述压力传感器模态通过所述加速度传感器模态来准予。
27.根据权利要求23所述的方法，还包括加速度计读数随时间的关联以便确定用于针对系统取向的变化来准予压力读数的标准的系统取向。
28.根据权利要求1所述的集成系统，其中所述系统由包含下列项中的至少一项的电源供电：
a.不可充电的电池
b.可充电的电池
c.双电层电容器
d.用于将振动能转换成电流的能量采集器
e.用于将声能转换成电流的能量采集器
f.用于将温度差转换成电流的能量采集器
g.用于将电磁能转换成电流的能量采集器
h.能量采集的其他形式。
29.根据权利要求1所述的集成系统，所述系统还包含用于处理传感器模态读数的微控制器单元。
30.根据权利要求1所述的集成系统，还包含能够进行下列耦接中的至少一种耦接的通信单元：
a.从所述系统到所述接收器单元的无线耦接
b.从所述接收器单元到所述系统的无线耦接
c.从所述系统到所述接收器单元的有线耦接
d.从所述接收器单元到所述系统的有线耦接。
31.根据权利要求28所述的通信单元，其中所述通信单元包含下列项中的至少一项：
a.车内无线通信
b.轮胎压力监测系统(TPMS)
c.无钥匙遥控系统(RKS)
d.车内有线通信
e.CAN总线
f.LIN。
32.根据权利要求1所述的集成系统，被布置于发动机的放油底壳螺栓内。
33.根据权利要求23所述的方法，还包括对用于给所述传感器平台供能的能量存储单元再充电。
34.根据权利要求23所述的方法，还包括在更换了所述流体之后对所述放油底壳塞的翻新。
35.根据权利要求1所述的集成系统，其中所述对多个性质的监测通过测量所检测的所述流体的不合格的性质来检测引入所述基于流体的封闭系统环境内的不合格的流体。
36.一种用于监测多个性质的集成系统，所述多个性质之一是在封闭系统内的流体的水平，所述集成系统包含传感器，用于与环境压力相比测量所述流体在其表面之下的压力。
37.根据权利要求36所述的集成系统，还包含与用于针对温度来补偿所述压力读数的系统耦接的温度传感器。
38.根据权利要求1所述的用于监测多个性质的系统，其中在所述封闭系统内的所述流体的所述水平包括所述性质之一，并且其中所述传感器模态之一包括压力感测。
39.根据权利要求1所述的集成系统，其中来自电池的信号源的方法包含用于操作所述系统的功率。
40.根据权利要求39所述的集成系统，其中所述电池通过由下列信号源的方法中的至少一种提供的电流来充电以包含用于操作所述系统的功率：
a.用于将振动能转换成电流的源
b.用于将热能转换成电流的源
c.用于将电磁能转换成电流的源。
41.根据权利要求1所述的集成系统，其中来自电容器的信号源包含用于操作所述系统的功率，并且其中所述电容器通过由下列信号源的方法中的至少一种提供的电流来充电以包含用于操作所述系统的功率：
d.用于将振动能转换成电流的源
e.用于将热能转换成电流的源
f.用于将电磁能转换成电流的源。
42.根据权利要求41所述的集成系统，其中所述电容器是双电层电容器。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/844,199 | 2013-03-15 | ||
| US13/844,199 US20140266065A1 (en) | 2013-03-15 | 2013-03-15 | Multi-modal fluid condition sensor platform and system thereof |
| PCT/US2014/025606 WO2014151378A2 (en) | 2013-03-15 | 2014-03-13 | Multi-modal fluid condition sensor platform and system thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105143879A true CN105143879A (zh) | 2015-12-09 |
Family
ID=51524689
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480023083.4A Pending CN105143879A (zh) | 2013-03-15 | 2014-03-13 | 多模态流体状况传感器平台及其系统 |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US20140266065A1 (zh) |
| EP (1) | EP2972306A4 (zh) |
| JP (1) | JP2016517520A (zh) |
| KR (1) | KR20150131307A (zh) |
| CN (1) | CN105143879A (zh) |
| BR (1) | BR112015023337A2 (zh) |
| CA (1) | CA2907091A1 (zh) |
| HK (1) | HK1215471A1 (zh) |
| MX (1) | MX2015012915A (zh) |
| WO (1) | WO2014151378A2 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107544464A (zh) * | 2017-09-11 | 2018-01-05 | 上海斐讯数据通信技术有限公司 | 一种工业故障的检测方法及系统 |
| CN110454256A (zh) * | 2019-09-23 | 2019-11-15 | 赵梓杰 | 一种多功能车载机油传感器 |
| CN110809744A (zh) * | 2017-06-28 | 2020-02-18 | 通快机床两合公司 | 具有多个传感器的机床 |
| TWI801427B (zh) * | 2017-10-12 | 2023-05-11 | 日商西鐵城時計股份有限公司 | 異常檢測裝置及具備異常檢測裝置之機床 |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9217684B2 (en) * | 2012-11-30 | 2015-12-22 | B/E Aerospace, Inc. | Oxygen system having sensors with a passive RFD interface |
| CA2952739C (en) | 2014-06-30 | 2019-06-11 | Pitco Frialator, Inc. | System and method for sensing oil quality |
| US9982580B2 (en) * | 2015-03-30 | 2018-05-29 | GM Global Technology Operations LLC | Adaptation of a wireless oil level sensor to an oil pan drain plug |
| US10466152B2 (en) * | 2015-10-07 | 2019-11-05 | Logilube, LLC | Fluid monitoring and management devices, fluid monitoring and management systems, and fluid monitoring and management methods |
| US9841394B2 (en) | 2015-11-16 | 2017-12-12 | Pitco Frialator, Inc. | System and method for sensing oil quality |
| US10527523B2 (en) | 2015-12-18 | 2020-01-07 | Ge Global Sourcing Llc | Vehicle sensor assembly having an RF sensor disposed in the sensor assembly to wirelessly communicate data to outside the sensor assembly |
| US10436730B2 (en) | 2015-12-21 | 2019-10-08 | Pitco Frialator, Inc. | System and method for sensing oil quality |
| US10627280B2 (en) * | 2017-04-17 | 2020-04-21 | Simmonds Precision Products | Integrated sensor unit for fuel gauging |
| GB2563918B (en) * | 2017-06-29 | 2021-12-15 | Perkins Engines Co Ltd | Engine monitoring apparatus |
| JP6810175B2 (ja) | 2019-02-08 | 2021-01-06 | 本田技研工業株式会社 | 内燃機関の異常判定装置 |
| JP6810176B2 (ja) | 2019-02-08 | 2021-01-06 | 本田技研工業株式会社 | 内燃機関の異常判定装置 |
| JP6813608B2 (ja) * | 2019-02-08 | 2021-01-13 | 本田技研工業株式会社 | 内燃機関の異常判定装置 |
| CN109682953B (zh) * | 2019-02-28 | 2021-08-24 | 安徽大学 | 一种使用bp神经网络判定电机轴承润滑脂含量的方法 |
| US11674838B2 (en) * | 2019-04-04 | 2023-06-13 | Poseidon Systems Llc | Capacitive fringe field oil level sensor with integrated humidity and temperature sensing |
| US11499454B2 (en) * | 2020-02-14 | 2022-11-15 | Cummins Inc. | Systems and methods for reliably detecting wear metal particles in lubrication systems to avoid progressive damage |
| CN111832424B (zh) * | 2020-06-22 | 2023-10-03 | 淮阴工学院 | 一种开关电源滤波电容多模态故障检测方法 |
| US11982665B2 (en) | 2020-11-20 | 2024-05-14 | Dodge Industrial, Inc. | Oil quality sensor |
| DE102022125102A1 (de) | 2022-09-29 | 2024-04-04 | Voith Patent Gmbh | Radsatzgetriebe mit Temperatursensor |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6157894A (en) * | 1997-12-23 | 2000-12-05 | Simmonds Precision Products, Inc. | Liquid gauging using sensor fusion and data fusion |
| US20050066711A1 (en) * | 2003-09-25 | 2005-03-31 | Discenzo Frederick M. | Fluid sensor fixture for dynamic fluid testing |
| US7134323B1 (en) * | 1998-04-02 | 2006-11-14 | Rockwell Automation Technologies, Inc. | System and method for dynamic lubrication adjustment for a lubrication analysis system |
| CN101251503A (zh) * | 2007-12-18 | 2008-08-27 | 上海师范大学 | 一种自动检测汽车机油污染度的方法 |
| CN101382534A (zh) * | 2007-09-05 | 2009-03-11 | 孙一慧 | 检测油变质程度和油位的方法 |
| US20100109331A1 (en) * | 2008-11-03 | 2010-05-06 | Hedtke Robert C | Industrial process power scavenging device and method of deriving process device power from an industrial process |
| US20110169512A1 (en) * | 2006-02-17 | 2011-07-14 | Hedges Joe D | Detection of fuel contamination in lubricating oil |
| US20120025529A1 (en) * | 2011-05-31 | 2012-02-02 | General Electric Company | System and Methods for Monitoring Oil Conditions of a Wind Turbine Gearbox |
| CN102539283A (zh) * | 2011-01-06 | 2012-07-04 | 北京盈胜泰科技术有限公司 | 一种监测变压器绝缘油成分变化的系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4323843A (en) * | 1978-12-06 | 1982-04-06 | Batham Ian N | Magnetic contamination detector |
| KR100651891B1 (ko) * | 1996-10-26 | 2006-12-01 | 폭스바겐 악티엔 게젤샤프트 | 모터 오일 내의 분석물의 컨텐츠 판정 방법 |
| US6324899B1 (en) * | 1998-04-02 | 2001-12-04 | Reliance Electric Technologies, Llc | Bearing-sensor integration for a lubrication analysis system |
| EP1232388A2 (en) * | 1999-11-19 | 2002-08-21 | Battelle Memorial Institute | An apparatus for machine fluid analysis |
| JP4856729B2 (ja) * | 2009-02-09 | 2012-01-18 | ダイハツディーゼル株式会社 | 原動機制御装置 |
| DE112011105006B4 (de) * | 2011-03-04 | 2014-10-09 | Toyota Jidosha Kabushiki Kaisha | Fahrzeugkühlsystem |
| US9020766B2 (en) * | 2011-09-23 | 2015-04-28 | Mastinc. | Multi-modal fluid condition sensor platform and system therefor |
-
2013
- 2013-03-15 US US13/844,199 patent/US20140266065A1/en not_active Abandoned
-
2014
- 2014-03-13 BR BR112015023337A patent/BR112015023337A2/pt not_active IP Right Cessation
- 2014-03-13 CA CA2907091A patent/CA2907091A1/en not_active Abandoned
- 2014-03-13 CN CN201480023083.4A patent/CN105143879A/zh active Pending
- 2014-03-13 JP JP2016501892A patent/JP2016517520A/ja active Pending
- 2014-03-13 EP EP14769918.5A patent/EP2972306A4/en not_active Withdrawn
- 2014-03-13 MX MX2015012915A patent/MX2015012915A/es unknown
- 2014-03-13 WO PCT/US2014/025606 patent/WO2014151378A2/en active Application Filing
- 2014-03-13 KR KR1020157029624A patent/KR20150131307A/ko not_active Application Discontinuation
-
2016
- 2016-03-23 HK HK16103434.0A patent/HK1215471A1/zh unknown
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6157894A (en) * | 1997-12-23 | 2000-12-05 | Simmonds Precision Products, Inc. | Liquid gauging using sensor fusion and data fusion |
| US7134323B1 (en) * | 1998-04-02 | 2006-11-14 | Rockwell Automation Technologies, Inc. | System and method for dynamic lubrication adjustment for a lubrication analysis system |
| US20050066711A1 (en) * | 2003-09-25 | 2005-03-31 | Discenzo Frederick M. | Fluid sensor fixture for dynamic fluid testing |
| US20110169512A1 (en) * | 2006-02-17 | 2011-07-14 | Hedges Joe D | Detection of fuel contamination in lubricating oil |
| CN101382534A (zh) * | 2007-09-05 | 2009-03-11 | 孙一慧 | 检测油变质程度和油位的方法 |
| CN101251503A (zh) * | 2007-12-18 | 2008-08-27 | 上海师范大学 | 一种自动检测汽车机油污染度的方法 |
| US20100109331A1 (en) * | 2008-11-03 | 2010-05-06 | Hedtke Robert C | Industrial process power scavenging device and method of deriving process device power from an industrial process |
| CN102539283A (zh) * | 2011-01-06 | 2012-07-04 | 北京盈胜泰科技术有限公司 | 一种监测变压器绝缘油成分变化的系统 |
| US20120025529A1 (en) * | 2011-05-31 | 2012-02-02 | General Electric Company | System and Methods for Monitoring Oil Conditions of a Wind Turbine Gearbox |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110809744A (zh) * | 2017-06-28 | 2020-02-18 | 通快机床两合公司 | 具有多个传感器的机床 |
| CN107544464A (zh) * | 2017-09-11 | 2018-01-05 | 上海斐讯数据通信技术有限公司 | 一种工业故障的检测方法及系统 |
| TWI801427B (zh) * | 2017-10-12 | 2023-05-11 | 日商西鐵城時計股份有限公司 | 異常檢測裝置及具備異常檢測裝置之機床 |
| CN110454256A (zh) * | 2019-09-23 | 2019-11-15 | 赵梓杰 | 一种多功能车载机油传感器 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20150131307A (ko) | 2015-11-24 |
| WO2014151378A2 (en) | 2014-09-25 |
| CA2907091A1 (en) | 2014-09-25 |
| US20140266065A1 (en) | 2014-09-18 |
| EP2972306A2 (en) | 2016-01-20 |
| EP2972306A4 (en) | 2017-01-25 |
| WO2014151378A3 (en) | 2014-11-20 |
| HK1215471A1 (zh) | 2016-08-26 |
| MX2015012915A (es) | 2016-09-16 |
| JP2016517520A (ja) | 2016-06-16 |
| BR112015023337A2 (pt) | 2017-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105143879A (zh) | 多模态流体状况传感器平台及其系统 | |
| US9389215B2 (en) | Multi-modal fluid condition sensor platform and system thereof | |
| CN103913559A (zh) | 多模态流体条件传感器平台及用于其的系统 | |
| US9020766B2 (en) | Multi-modal fluid condition sensor platform and system therefor | |
| CN105143877A (zh) | 多模态流体状况传感器平台及其系统 | |
| US7581434B1 (en) | Intelligent fluid sensor for machinery diagnostics, prognostics, and control | |
| Zhu et al. | Survey of lubrication oil condition monitoring, diagnostics, and prognostics techniques and systems | |
| CN109073506A (zh) | 用于监视车轴并用于在多个轴故障模式间区分的传感器系统 | |
| NO343417B1 (no) | System og fremgangsmåte for tilstandsvurdering av nedihullsverktøy | |
| CN107054244B (zh) | 用于测量机器运转状况的系统和方法 | |
| KR101768457B1 (ko) | 독립 전원형 산업설비 예지보전 시스템 및 방법 | |
| CN201876451U (zh) | 基于多传感器融合技术的多参量油液监测分析装置 | |
| Daum | Principles, concepts and assessment of structural health monitoring | |
| Alkahtani et al. | Condition monitoring through temperature, vibration and radio frequency emission | |
| Cheng et al. | 16 Applications of Sensor | |
| Giglio et al. | MEMS for structural health monitoring in aircraft | |
| Fahmy et al. | Industrial Applications of Sensors | |
| KR101478504B1 (ko) | 진동 탐지 및 분석에 의한 오작동 탐지 방법 | |
| Chen et al. | RFID enabled remote structural health monitoring for heavy lifting appliances |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1215471 Country of ref document: HK |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151209 |
|
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1215471 Country of ref document: HK |