CN107710085B - 用于估计电装置的损坏程度的方法、装置和系统 - Google Patents

用于估计电装置的损坏程度的方法、装置和系统 Download PDF

Info

Publication number
CN107710085B
CN107710085B CN201680036925.9A CN201680036925A CN107710085B CN 107710085 B CN107710085 B CN 107710085B CN 201680036925 A CN201680036925 A CN 201680036925A CN 107710085 B CN107710085 B CN 107710085B
Authority
CN
China
Prior art keywords
histogram
damage
degree
histograms
processor
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
Application number
CN201680036925.9A
Other languages
English (en)
Other versions
CN107710085A (zh
Inventor
S·莫洛夫
N·德格雷纳
N·格雷塞特
J·万楚克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN107710085A publication Critical patent/CN107710085A/zh
Application granted granted Critical
Publication of CN107710085B publication Critical patent/CN107710085B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32234—Maintenance planning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32235—Sharing of data between process control and maintenance management computers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37252—Life of tool, service life, decay, wear estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明涉及一种用于估计电装置的损坏程度的方法。该方法包括以下步骤：‑形成与被执行损坏程度估计的电装置有关的工作周期的直方图；‑将所形成的直方图与直方图集的直方图或与所述直方图集的直方图组合进行比较，以确定与所形成的直方图最接近的所述直方图集的直方图或直方图组合，该直方图集的各直方图与损坏程度关联；以及‑根据最接近的直方图的损坏程度或根据最接近的直方图组合的直方图的损坏程度确定该电装置的损坏程度的估计。

Description

用于估计电装置的损坏程度的方法、装置和系统
技术领域
本发明总体涉及用于估计电装置的损坏程度的方法和装置。
背景技术
在电力电子学领域中，已知一些装置为脆弱部件。电解电容器、电力模块、电池以及电马达是脆弱部件中的一些。
例如，在寿命结束时，电解电容器甚至可能故障于短路，这潜在地导致严重的问题。
那么，尝试估计这种电装置的损坏程度是重要的题目。
估计电装置的损坏程度的一种可能方式是在不考虑电装置的压力(stress)历史的情况下的、基于在给定时间在电装置的核心处进行的测量的状况监测。该方案可靠，但为了进行测量需要接近电装置本身，这对于商品产品是不容易的。
发明内容
技术问题
这种方案对于构造者和/或消费者不是令人满意的。
例如，在电装置用于电动汽车中时，重要的是识别在哪些车辆上电装置已经达到重大损坏程度。构造者可以警告顾客并提出即将损坏的电装置的控制/交换。该服务对车队提供提高质量的控制。
这对于维护成本过高且接近受限的一队离岸风车同样发生。
技术方案
本发明的目的在于基于容易可用且对于构造者和/或顾客不增加作为重要特征的产品成本的数据来估计电装置的损坏程度。
为此，本发明涉及一种用于估计电装置的损坏程度的方法，该方法的特征在于：方法包括以下步骤：
-形成与被执行损坏程度的估计的电装置有关的工作周期的直方图；
-将所形成的直方图与直方图集的多个直方图或与所述直方图集的直方图组合进行比较，以确定与所形成的直方图最接近的所述直方图集的直方图或直方图组合，直方图集的各直方图与损坏程度关联；以及
-根据最接近的直方图的损坏程度或根据最接近的直方图组合的多个直方图的损坏程度确定电装置的损坏程度的估计。
本发明还涉及一种用于估计电装置的损坏程度的装置，其特征在于：用于估计的装置包括：
-用于形成与被执行损坏程度的估计的电装置有关的工作周期的直方图的单元；
-用于将所形成的直方图与直方图集的多个直方图或与所述直方图集的直方图组合进行比较，以确定与所形成的直方图最接近的所述直方图集的直方图或直方图组合的单元，直方图集的各直方图与损坏程度关联；以及
-用于根据最接近的直方图的损坏程度或根据最接近的直方图组合的多个直方图的损坏程度确定电装置的损坏程度的估计的单元。
本发明还涉及一种用于估计电装置的损坏程度的系统，该系统的特征在于：系统包括：
-用于形成与被执行损坏程度的估计的电装置有关的工作周期的直方图的单元；
-用于将所形成的直方图与直方图集的多个直方图或与所述直方图集的直方图组合进行比较，以确定与所形成的直方图最接近的所述直方图集的直方图或直方图组合的单元，直方图集的各直方图与损坏程度关联；以及
-用于根据最接近的直方图的损坏程度或根据最接近的直方图组合的多个直方图的损坏程度确定电装置的损坏程度的估计的单元。
由此，基于容易可用并不相当增加电装置的成本且为电装置的构造者和/或顾客提供满意的数据可以估计电装置的损坏程度。
根据特定特征，直方图集从直方图数据库生成，直方图数据库从具有与电装置相同的功能的其他电装置的周期和损坏程度的测量结果获得。
由此，可以根据在类似装置的现实工作期间或之后收集的数据生成直方图集。
根据特定特征，所形成的直方图和直方图集的多个直方图由区间(bin)来限定，这些区间表示值、温度范围、速度范围、加速度范围以及所述区间中的基本周期数。
由此，直方图区间可以表示指示电装置的压力的多个参数的组合。
根据特定特征，通过对于各区间将基本周期数除以区间中的基本周期数的和，对所形成的直方图和直方图集的直方图进行归一化。
由此，使直方图之间的比较变得容易。
根据特定特征，所形成的直方图与直方图集的多个直方图或与直方图集的直方图组合的比较步骤由与二次距离的比较来执行。
由此，以加权方式评价所形成的直方图与直方图集的多个直方图或直方图集的直方图组合之间的相似性。
根据特定特征，方法包括通知损坏程度的所确定估计的另外步骤。
由此，可以关于健康状态警告装置的用户并发行用于维护的早期警告。
根据特定特征，方法包括将损坏程度转换成寿命期望并向用户通知剩余寿命期望的另外步骤。
由此，可以关于所估计的故障时间警告装置的用户。
根据特定特征，直方图组合是直方图的线性组合。
由此，使直方图组合的计算变得容易。
根据特定特征，方法由损坏评估装置来执行，以及特征在于：直方图集存储在损坏评估装置的存储器中或通过通信网络从服务器获得。
由此，损坏评估装置可以在需要时自主地计算损坏程度。
根据特定特征，形成工作周期的直方图的步骤由损坏评估装置来执行，并且方法包括将所形成的直方图传送到执行比较步骤、确定步骤的服务器的另外步骤以及由服务器执行的传送电装置的损坏程度的估计的另外步骤。
由此，可以减少装置中的计算量并优化装置与服务器之间的数据传输。
根据特定特征，方法还包括由服务器执行的另外步骤：
-接收从具有与电装置相同的功能的其他电装置的周期和损坏程度的测量获得的直方图；以及
-使用所接收的直方图更新直方图数据库。
由此，可以在电装置的寿命期间更新用于计算所形成的直方图的损坏程度的直方图集。
本发明的特性将从示例实施方式的以下描述的阅读更清楚地显现，所述描述参照附图来产生，附图中：
附图说明
[图1]
图1表示根据本发明的用于确定电装置的损坏评估的系统的架构的示例。
[图2]
图2表示根据本发明的损坏评估装置的架构的示例。
[图3]
图3表示上面可以实施本发明的服务器的示例。
[图4]
图4表示根据本发明的用于确定电装置的损坏评估程度的算法的第一示例。
[图5A]
图5A表示根据本发明的用于确定电装置的损坏评估程度的算法的第二示例。
[图5B]
图5B表示根据本发明的用于确定电装置的损坏评估程度的算法的第二示例。
[图6A]
图6A表示根据本发明的用于确定电装置的损坏评估程度的算法的第三示例。
[图6B]
图6B表示根据本发明的用于确定电装置的损坏评估程度的算法的第三示例。
[图7A]
图7A表示根据本发明的用于确定电装置的损坏评估程度的算法的第四示例。
[图7B]
图7B表示根据本发明的用于确定电装置的损坏评估程度的算法的第四示例。
具体实施方式
图1表示根据本发明的用于确定电装置的损坏评估的系统的架构的示例。
用于确定电装置的损坏评估的系统例如在电动汽车中实施。
损坏评估装置10用于确定至少一个电装置的损坏程度。
在图1的示例中，损坏评估装置10用于确定电力模块15a、电解电容器15b、电马达15c以及电池15d的损坏程度。
用于确定电装置的损坏程度的系统根据第二实现模式、第三实现模式以及第四实现模式可以包括服务器Serv。
服务器Serv可以如下文中将公开的部分执行本发明。
图2表示根据本发明的损坏评估装置的架构的示例。
损坏评估装置10例如具有基于由总线201连接在一起的部件的架构和受如图4或图5A或图6A或图7A公开的程序控制的处理器200。
根据本发明的第二实现模式、第三实现模式以及第四实现模式，总线201将处理器200连结到只读存储器ROM 202、随机存取存储器RAM 203、输入输出I/O IF接口205、显示器207以及网络接口206。
存储器203包含寄存器，这些寄存器旨在接收与如图4或图5A或图6A或图7A所公开的算法有关的程序的变量和指令。
处理器200借助输入输出I/O IF接口205接收例如所感测温度、加速度和/或速度测量结果。
处理器200可以命令显示器207通知至少一个电装置的损坏程度，或者可以命令显示器207通知电装置的寿命期望。
网络接口206可以为在车辆维护期间用于传送和/或接收数据的有线连接，或者可以为无线接口。
只读存储器(或可能地闪速存储器)202包含当损坏评估装置10通电时到随机存取存储器203的与如图4或图5A或图6A或图7A所公开的算法有关的程序的指令。
损坏评估装置10可以通过由可编程计算机(诸如PC(个人计算机)、DSP(数字信号处理器)或微控制器)执行一组指令或程序在软件中实施，或由机器或专用部件(诸如FPGA(现场可编程门阵列)或ASIC(专用集成电路))在硬件中实施。
换言之，损坏评估装置10包括电路或包括电路的装置，该电路或装置使得损坏评估装置10执行与如图4或图5A或图6A或图7A所公开的算法有关的程序。
图3表示上面可以实施本发明的服务器的示例。
服务器Serv例如具有基于由总线301连接在一起的部件的架构和受如图5B或图6B或图7B所公开的程序控制的处理器300。
总线301将处理器300连结到只读存储器ROM 302、随机存取存储器RAM 303以及网络接口306。
存储器303包含寄存器，这些寄存器旨在接收与如图5B或图6B或图7B所公开的算法有关的程序的变量和指令。
网络接口306可以为在车辆维护期间用于传送和/或接收数据的有线连接，或者可以为无线接口。
只读存储器(或可能地闪速存储器)302包含当服务器Serv通电时到随机存取存储器303的与如图5B或图6B或图7B所公开的算法有关的程序的指令。
服务器Serv可以通过由可编程计算机(诸如PC(个人计算机)、DSP(数字信号处理器)或微控制器)执行一组指令或程序在软件中实施，或由机器或专用部件(诸如FPGA(现场可编程门阵列)或ASIC(专用集成电路))在硬件中实施。
换言之，服务器Serv包括电路或包括电路的装置，该电路或装置使得服务器Serv执行与如图5B或图6B或图7B所公开的算法有关的程序。
图4表示根据本发明的用于确定电装置的损坏评估程度的算法的第一示例。
更准确地，本算法由损坏评估装置10的处理器200来执行。
在步骤S400处，处理器200获得与被执行损坏程度的估计的电装置有关的周期。
周期例如是在电装置起作用期间的给定温度范围内的电装置工作温度的变化。
周期可以是在电装置起作用期间的速度和/或加速度的给定范围内的电装置的操作。
在下一步骤S401处，处理器200以直方图的形式将所获得的周期存储在存储器中，和/或更新已经从之前获得的周期形成的直方图。
处理器200构造表示电装置的压力历史的直方图。
可以构造多种直方图，直方图由区间来限定，区间例如表示值、温度范围、速度范围、加速度范围以及所述区间中的基本周期数。
例如，直方图区间表示例如温度平均和温度变化的对(couple)。温度可以由传感器来测量或从将电压和强度输入信号转换成电装置中的温度波动的热模型来计算。
例如，在电装置是电动汽车的电力模块时，各直方图区间与速度/加速度的对对应，并且各区间所存储的值是针对该模式的基本距离的数量。
例如，在电装置是离岸风车时，各直方图区间与输出功率对应，并且各区间所存储的值是基本时间段的数量，例如，在该模式下花费1秒。
直方图可以被归一化到一，即，将各区间值除以所有区间的和。在这种情况下，调整因子被存储为直方图信息的集的一部分。
在下一步骤S402处，处理器200检查是否是评价电装置的损坏的时间。例如，在维护工作期间评价电装置的损坏，或者定期地评价电装置的损坏，例如每天或每周进行，或者包括电装置的系统每次通电时评价电装置的损坏。
如果是评价电装置的损坏的时间，则处理器200移至步骤S403。否则，处理器200返回至步骤S400。
在下一步骤S403处，处理器200从存储器获得直方图集和对应的损坏。在归一化直方图集的情况下，还获得调整因子。
直方图集从直方图数据库来生成。直方图数据库可以从多个其他类似电装置上的周期和损坏的多个测量结果来获得。直方图集在制造时存储在损坏评估装置中，和/或在电装置的维护期间更新。
例如，在损坏与电力周期数有关的情况下，在装置发生故障时，根据电力周期、温度、温度变化限定，压力的直方图被存储在数据库中，作为新观察的配置(profile)。可以首先将直方图归一化到一，将各区间值除以所有区间的和，这涉及值1现在表示用于该配置的故障阈值。
在执行维护操作时，可以进行损坏的测量，例如通过测量测试的特定输出来测量，并且连同直方图一起存储在数据库中，作为新观察的配置，或者通过代替现有配置连同直方图一起存储在数据库中。
在数据库中的配置的数量N变得太大时，为了限制效用函数的最小化的复杂度，可以需要修剪观察的配置。
换言之，处理器200从N个数据库配置提取L个基准配置的集，其中，N可以根据来自在维护期间更新的装置队的反馈随着时间而增长，并且其中，L个基准配置不是必须为从N个配置选择的L个。这限定了向量量化的训练阶段，其中，训练集合(set)是观察的配置的N个直方图的集合，L个图心(centroid)是基准配置的直方图，并且距离可以为用于损坏评价中的效用函数。
例如，为了构造直方图集，从N个中的数据库随机挑选观察的配置。
例如，根据效用函数，发现基准配置的直方图最接近所挑选的观察配置。
例如，通过应用两个配置的直方图的加权平均来使基准配置的直方图移动至直方图集。
将用于构造直方图集的在前步骤重复给定次数。
集(collection)的提取还可以为了促进损坏程度估计的以下步骤而执行。
例如，集可以被选择为构造线性独立直方图的基底，其中，另一个观察的向量可以被容易地表达为基底中的直方图的线性组合。
处理器200对于直方图集的各直方图通过认为直方图集为最接近在步骤S401处形成的直方图来计算损坏值。
在下一步骤S404处，处理器200确定电装置的损坏程度估计。
处理器200将在步骤S401处存储的直方图与被存储到存储器203中的直方图进行比较。
从一般的观点，处理器200执行与二次距离的比较。由此，可以限定用于估计损坏作为效用函数D(pi,pob,{ai}∈Ω)的最小化的一般方案，其中，Ω是最小化所限于的参数集合{ai}的目标集合。例如，Ω是大小为L的实值向量的整个集合，或除等于一的一个条目之外具有所有空条目的、大小为L的L个向量的集合，或除用于最相关的M个配置的组合的M个条目之外具有所有空条目的、大小为L的向量的集合。效用函数D(pi,pob,{ai}∈Ω)例如是二次距离、最大距离或如在S.Kullback的论文Information theory and statistics,JohnWiley and Sons,NY,1959中公开的修改Kullback-Liebler发散。
用于使效用函数最小化的算法在可能时可以是解的集合Ω中的穷举搜索，或解的集合Ω中的随机搜索，或者在效用函数是二次距离时且在Ω是大小为L的实值向量的整个集合时是诸如Moore-Penrose伪逆这样的算法。
Moore-Penrose伪逆算法在Moore,E.H.的论文(1920年)“On the reciprocal ofthe general algebraic matrix".Bulletin of the American Mathematical Society26(9):394–395.doi:10.1090/S0002-9904-1920-03322-7中公开。
根据第一特定实现模式，处理器200将直方图形式的所获得的压力历史与直方图形式的基准配置集进行比较。压力历史为直方图Hob＝(Hob(1),…,Hob(K))，其中，K为可以为多维的直方图的区间数，各区间关联到值的元组(tuple)，例如，对(温度，温度变化)。配置集的各直方图Hi具有与Hob相同的形式。
处理器200可以归一化表示压力历史的直方图，如果尚未执行，其中，计算和
Figure BDA0001519979090000091
并且该和允许限定使pob(k)＝Hob(k)/Sob的已归一化的直方图pob。
如果需要，则处理器200可以对于已归一化的直方图pi的集的全部L个直方图Hi执行相同的归一化。在这种情况下，调整因子被存储为直方图信息的集的一部分。
处理器200计算距离D(pob,pi)，该距离允许描述属于直方图集的Hi与在步骤S401处存储在存储器中的Hob之间的相似性，并且如果Hi＝Hob，则该距离为空。
例如，处理器200使用要最小化的以下效用函数：
Figure BDA0001519979090000092
其为二次距离，
Figure BDA0001519979090000093
其为最大距离，
Figure BDA0001519979090000094
其为修改Kullback-Liebler发散并且ε是使计算稳定的参数。
根据第二特定实现模式，为了逼近压力历史的所获得的直方图，将包含直方图的配置集组合。
优选地，组合是线性的，即，处理器200找到使距离D()最小化的参数集合a1,..,aL。例如，处理器200限定要最小化的以下效用函数：
Figure BDA0001519979090000095
这可以通过限定使P(k,i)＝pi(k)的矩阵P并限定使A(i)＝ai的向量A来获得。由此，通过找到使下式最小化的A来执行比较：
Figure BDA0001519979090000096
其中，
Figure BDA0001519979090000097
可以通过使用Moore-Penrose伪逆计算来获得。
处理器200从比较的结果确定损坏。
从一般的观点，处理器200由下式从在优化函数后获得的参数集合
Figure BDA0001519979090000098
估计损坏：
Figure BDA0001519979090000099
根据第一特定实现模式，处理器200将索引
Figure BDA00015199790900000910
确定为使效用函数D(pob,pi)最小化的索引，这允许获得与所获得的压力历史关联的损坏估计
Figure BDA00015199790900000911
其中，di是与基准配置i关联的损坏值。
这里应注意，所估计的损坏直接是电装置的总损坏或被累积到之前的总损坏估计。
根据第二特定实现模式，一旦找到给出参数
Figure BDA0001519979090000101
的
Figure BDA0001519979090000102
处理器200就通过使用下式来计算损坏估计：
Figure BDA0001519979090000103
在下一步骤S405处，处理器200命令显示器20通知至少一个电装置的损坏信息。
根据特定实现模式，处理器200命令显示器207通知至少一个电装置的损坏程度。
根据另一个特定实现模式，处理器200命令显示器207通知在至少一个电装置的故障之前的剩余寿命的估计。故障之前的剩余寿命由处理器200确定。例如，处理器200使用随着时间的总损坏程度演变的线性外插，并且其中，故障之前的剩余寿命通过计算总损坏程度的已外插曲线与损坏程度阈值之间的交点来获得。
图5A和图5B表示根据本发明的用于确定电装置的损坏程度的算法的第二示例。
更准确地，图5A的算法由损坏评估装置10的处理器200来执行。
在步骤S500处，处理器200获得与被执行损坏程度的估计的电装置有关的周期。
周期例如是在电装置起作用期间的给定温度范围内的电装置工作温度的变化。
周期可以是在电装置起作用期间的速度和/或加速度的给定范围内的电装置的操作。
在下一步骤S501处，处理器200以直方图的形式将所获得的周期存储在存储器中，和/或更新已经从之前获得的周期形成的直方图。
处理器200构造表示电装置的压力历史的直方图。
可以构造多种直方图，直方图由区间来限定，区间表示值、温度范围、速度范围、加速度范围以及所述区间中的基本周期数。
例如，直方图区间表示例如温度平均和温度变化的对。温度可以由传感器来测量或从将损失转换成电装置中的温度波动的热模型来计算。
例如，在电装置是电动汽车的电力模块时，各直方图区间与速度/加速度的对对应，并且各区间所存储的值是针对该模式的基本距离的数量。
例如，在电装置是离岸风车时，各直方图区间与输出功率对应，并且各区间所存储的值是基本时间段的数量，例如，在该模式下花费1秒。
直方图可以被归一化到一，即，将各区间值除以所有区间的和。在这种情况下，调整因子被存储为直方图信息的集的一部分。
在下一步骤S502处，处理器200检查是否是评价电装置的损坏的时间。例如，在维护工作期间评价电装置的损坏，或者定期地评价电装置的损坏，例如每天或每周进行，或者包括电装置的系统每次通电时评价电装置的损坏。
如果是评价电装置的损坏的时间，则处理器200移至步骤S503。否则，处理器200返回至步骤S500。
在步骤S503处，处理器200从服务器Serv接收直方图集或与直方图集有关的信息。
与直方图集有关的信息例如是使得P(k,i)＝pi(k)的与直方图集的各直方图有关的一个矩阵P，和使得A(i)＝ai的向量A。矩阵P在矩阵H的归一化之后获得。在这种情况下，调整因子被存储为直方图信息的集的一部分。
在下一步骤S504处，处理器200确定电装置的损坏程度估计。
处理器200将在步骤S501处存储的直方图与在步骤S503处接收的直方图集的多个直方图进行比较。
从一般的观点，处理器200执行与二次距离的比较。由此，可以限定用于估计损坏作为效用函数D(pi,pob,{ai}∈Ω)的最小化的一般方案，其中，Ω是最小化所限于的参数集合{ai}的目标集合。例如，Ω是大小为L的实值向量的整个集合，或除等于一的一个条目之外具有所有空条目的、大小为L的L个向量的集合，或除用于最相关的M个配置的组合的M个条目之外具有所有空条目的、大小为L的向量的集合。效用函数D(pi,pob,{ai}∈Ω)例如是二次距离、最大距离或修改Kullback-Liebler发散。
用于使效用函数最小化的算法在可能时可以是解的集合Ω中的穷举搜索或解的集合Ω中的随机搜索，或者在效用函数是二次距离时且在Ω是大小为L的实值向量的整个集合时是诸如Moore-Penrose伪逆这样的算法。
根据第一特定实现模式，处理器200将直方图形式的所获得的压力历史与直方图形式的基准配置集进行比较。压力历史为直方图Hob＝(Hob(1),…,Hob(K))，其中，K为可以为多维的直方图的区间数，各区间关联到值的元组，例如，对(温度，温度变化)。配置集的各直方图Hi具有与Hob相同的形式。
处理器200可以归一化表示压力的历史的直方图，如果尚未执行，其中，计算和
Figure BDA0001519979090000111
并且该和允许限定使pob(k)＝Hob(k)/Sob的已归一化的直方图pob。
如果需要，则处理器200可以对于已归一化的直方图pi的集的全部L个直方图Hi执行相同的归一化。
处理器200计算距离D(pob,pi)，该距离允许描述属于直方图集的Hi与在步骤S501处存储在存储器中的Hob之间的相似性，并且如果Hi＝Hob，则该距离为空。
例如，处理器200使用要最小化的以下效用函数：
Figure BDA0001519979090000121
其为二次距离，
Figure BDA0001519979090000122
其为最大距离，
Figure BDA0001519979090000123
其为修改Kullback-Liebler发散并且ε是使计算稳定的参数。
根据第二特定实现模式，为了逼近压力历史的所获得的直方图，将包含直方图的配置集组合。
优选地，组合是线性的，即，处理器200找到使距离D()最小化的参数集a1,..,aL。例如，处理器200限定要最小化的以下效用函数：
Figure BDA0001519979090000124
这可以通过限定使P(k,i)＝pi(k)的矩阵P并限定使A(i)＝ai的向量A来获得。由此，通过找到使下式最小化的A来执行比较：
Figure BDA0001519979090000125
其中，
Figure BDA0001519979090000126
可以通过使用Moore-Penrose伪逆计算来获得。
如果处理器在步骤S503处接收与直方图集有关的信息，则处理器200不找到参数集a1,..,aL，因为它们已经被提供以使距离D(p)最小化。
处理器200从比较的结果或从与直方图集有关的信息确定损坏。
从一般的观点，处理器200由下式从在优化函数后获得的参数集合
Figure BDA0001519979090000127
估计损坏：
Figure BDA0001519979090000128
根据第一特定实现模式，处理器200将索引
Figure BDA0001519979090000129
确定为使效用函数D(pob,pi)最小化的索引，这允许获得与所获得的压力历史关联的损坏估计
Figure BDA00015199790900001210
其中，di是与基准配置i关联的损坏值。
这里应注意，所估计的损坏直接是电装置的总损坏或被累积到之前的总损坏估计。
根据第二特定实现模式，一旦找到给出参数
Figure BDA0001519979090000131
的
Figure BDA0001519979090000132
处理器200就通过使用下式计算损坏估计：
Figure BDA0001519979090000133
在下一步骤S505处，处理器200命令显示器207通知至少一个电装置的损坏信息。
根据特定实现模式，处理器200命令显示器207通知至少一个电装置的损坏程度。
根据另一个特定实现模式，处理器200命令显示器207通知在至少一个电装置的故障之前的剩余寿命的估计。故障之前的剩余寿命由处理器200确定。例如，处理器200使用随着时间的总损坏程度演变的线性外插，并且其中，故障之前的剩余寿命通过计算总损坏程度的已外插曲线与损坏程度阈值之间的交点来获得。
更准确地，图5B的算法由服务器Serv的处理器300来执行。
在步骤S550处，处理器300获得从损坏程度评估装置接收的直方图。直方图例如在维护工作期间和/或定期接收。
例如，在直方图与电力周期数有关的情况下，在装置发生故障时，根据电力周期、温度、温度变化限定，所接收的压力的直方图存储在服务器Serv的数据库中，作为新观察的配置。可以首先将直方图归一化到一，将各区间值除以所有区间的和，这涉及值1现在表示用于该配置的故障阈值。
在执行维护操作时，可以进行损坏的测量，例如通过测量测试的特定输出来测量，并且连同直方图一起存储在数据库中，作为新观察的配置，或者通过代替现有配置连同直方图一起存储在数据库中。
在下一步骤S551处，处理器300用所接收的直方图更新直方图数据库。
在观察的配置的数量变得太大时，为了限制效用函数的最小化的复杂度，处理器300在步骤S552处执行直方图集的修剪。
换言之，处理器300从N个观察的配置提取L个基准配置，其中，N可以根据来自在维护期间更新的装置队的反馈随着时间而增长，并且其中，L个基准配置不是必须为从N个配置选择的L个。这限定了向量量化的训练阶段，其中，训练集合是观察的配置的N个直方图的集合，L个图心是基准配置的直方图，并且距离可以为用于损坏评价中的效用函数。
例如，为了构造直方图集，从N个中的数据库随机挑选观察的配置。
例如，根据效用函数，发现基准配置的直方图最接近所挑选的观察配置。
例如，通过应用两个配置的直方图的加权平均来使基准配置的直方图移动至直方图集。
将用于构造直方图集的在前步骤重复给定次数。
集的提取还可以为了促进损坏程度估计而执行。例如，集可以被选择为构造线性独立直方图的基底，其中，另一个观察的向量可以被容易地表达为基底中的直方图的线性组合。
在下一步骤S553处，处理器300命令向至少一个损坏评估装置10传送已更新的直方图集的评估或传送与直方图集有关的信息。
图6A和图6B表示根据本发明的用于确定电装置的损坏程度的算法的第三示例。
更准确地，图6A的算法由损坏评估装置10的处理器200来执行。
在步骤S600处，处理器200获得与被执行损坏程度的估计的电装置有关的周期。
周期例如是在电装置起作用期间的给定温度范围内的电装置工作温度的变化。
周期可以是在电装置起作用期间的速度和/或加速度的给定范围内的电装置的操作。
在下一步骤S601处，处理器200以直方图的形式将所获得的周期存储在存储器中，和/或更新已经从之前获得的周期形成的直方图。
处理器200构造表示电装置的压力历史的直方图。
可以构造多种直方图，直方图由区间来限定，区间表示值、温度范围、速度范围、加速度范围以及所述区间中的基本周期数。
例如，直方图区间表示例如温度平均和温度变化的对。温度可以由传感器来测量或从将电压和强度输入信号转换成电装置中的温度波动的热模型来计算。
例如，在电装置是电动汽车的电力模块时，各直方图区间与速度/加速度的对对应，并且各区间所存储的值是针对该模式的基本距离的数量。
例如，在电装置是离岸风车时，各直方图区间与输出功率对应，并且各区间所存储的值是基本时间段的数量，例如，在该模式下花费1秒。
直方图可以被归一化到一，即，将各区间值除以所有区间的和。在这种情况下，调整因子被存储为直方图信息的集的一部分。
在下一步骤S602处，处理器200检查是否是评价电装置的损坏的时间。例如，在维护工作期间评价电装置的损坏，或者定期地评价电装置的损坏，例如每天或每周进行，或者包括电装置的系统每次通电时评价电装置的损坏。
如果是评价电装置的损坏的时间，则处理器200移至步骤S603。否则，处理器200返回至步骤S600。
在下一步骤S603处，处理器200将直方图传送至服务器Serv。
在下一步骤S604处，处理器200从服务器Serv接收损坏估计程度。
在下一步骤S605处，处理器200命令显示器207通知至少一个电装置的损坏信息。
根据特定实现模式，处理器200命令显示器207通知至少一个电装置的损坏程度。
根据另一个特定实现模式，处理器200命令显示器207通知在至少一个电装置的故障之前的剩余寿命的估计。故障之前的剩余寿命由处理器200确定。例如，处理器200使用随着时间的总损坏程度演变的线性外插，并且其中，故障之前的剩余寿命通过计算总损坏程度的已外插曲线与损坏程度阈值之间的交点来获得。
更准确地，图6B的算法由服务器Serv的处理器300来执行。
在步骤S650处，处理器300从存储器获得直方图集，以及对应的损坏。在归一化的直方图集的情况下，还获得调整因子。
直方图集从直方图数据库来生成。直方图数据库可以从多个其他类似电装置上的周期和损坏的多个测量来获得。直方图集在制造时存储在损坏评估装置中，和/或在电装置的维护期间更新。
例如，在损坏与电力周期数有关的情况下，在装置发生故障时，根据电力周期、温度、温度变化限定，压力的直方图被存储在数据库中，作为新观察的配置。可以首先将直方图归一化到一，将各区间值除以所有区间的和，这涉及值1现在表示用于该配置的故障阈值。
在执行维护操作时，可以进行损坏的测量，例如通过测量测试的特定输出来测量，并且连同直方图一起存储在数据库中，作为新观察的配置，或者通过代替现有配置连同直方图一起存储在数据库中。
在数据库中的配置的数量N变得太大时，为了限制效用函数的最小化的复杂度，可以需要修剪观察的配置。
换言之，处理器300从N个数据库配置提取L个基准配置的集，其中，N可以根据来自在维护期间更新的装置队的反馈随着时间而增长，并且其中，L个基准配置不是必须从N个配置选择的L个。这限定了向量量化的训练阶段，其中，训练集合是观察的配置的N个直方图的集合，L个图心是基准配置的直方图，并且距离可以为用于损坏评价中的效用函数。
例如，为了构造直方图集，从N个中的数据库随机挑选观察的配置。
例如，根据效用函数，发现基准配置的直方图最接近所挑选的观察配置。
例如，通过应用两个配置的直方图的加权平均来使基准配置的直方图移动至直方图集。
将用于构造直方图集的在前步骤重复给定次数。
集的提取还可以为了促进损坏程度估计的以下步骤而执行。例如，集可以被选择为构造线性独立直方图的基底，其中，另一个观察的向量可以被容易地表达为基底中的直方图的线性组合。
在步骤S651处，处理器300检测从损坏评估装置10接收直方图。
在下一步骤S652处，处理器300将在步骤S650处接收的直方图与在服务器Serv中存储的直方图集进行比较。
处理器300从存储器获得直方图集。
该直方图集可以从多个电装置上的周期和损坏的多个测量结果来获得。
处理器300对于直方图集的各直方图通过认为直方图集为最接近在步骤S651处接收的直方图来计算损坏值。
处理器300确定电装置的损坏程度估计。
处理器300将在步骤S651处接收的直方图与直方图集进行比较。
从一般的观点，处理器300执行与二次距离的比较。由此，可以限定用于估计损坏作为效用函数D(pi,pob,{ai}∈Ω)的最小化的一般方案，其中，Ω是最小化所限于的参数集合{ai}的目标集合。例如，Ω是大小为L的实值向量的整个集合，或除等于一的一个条目之外具有所有空条目的、大小为L的L个向量的集合，或除用于最相关的M个配置的组合的M个条目之外具有所有空条目的、大小为L的向量的集合。效用函数D(pi,pob,{ai}∈Ω)例如是二次距离、最大距离或修改Kullback-Liebler发散。
用于使效用函数最小化的算法在可能时可以是解的集合Ω中的穷举搜索或解的集合Ω中的随机搜索，或者在效用函数是二次距离时且在Ω是大小为L的实值向量的整个集合时是诸如Moore-Penrose伪逆这样的算法。
根据第一特定实现模式，处理器300将直方图形式的所获得的压力历史与直方图形式的基准配置集进行比较。压力历史为直方图Hob＝(Hob(1),…,Hob(K))，其中，K为可以为多维的直方图的区间数，各区间关联到值的元组，例如，对(温度，温度变化)。配置集的各直方图Hi具有与Hob相同的形式。
处理器300可以归一化表示压力的历史的直方图，如果尚未执行，其中，计算和
Figure BDA0001519979090000171
并且该和允许限定使pob(k)＝Hob(k)/Sob的已归一化的直方图pob。
如果需要，则处理器300可以对于已归一化的直方图pi的集的全部L个直方图Hi执行相同的归一化。
处理器300计算距离D(pob,pi)，该距离允许描述属于直方图集的Hi与在步骤S601处存储在存储器中的Hob之间的相似性，并且如果Hi＝Hob，则该距离为空。
例如，处理器300使用要最小化的以下效用函数：
Figure BDA0001519979090000172
其为二次距离，
Figure BDA0001519979090000173
其为最大距离，
Figure BDA0001519979090000174
其为修改Kullback-Liebler发散并且ε是使计算稳定的参数。
根据第二特定实现模式，为了逼近压力历史的所获得的直方图，将包含直方图的配置集组合。
优选地，组合是线性的，即，处理器300找到使距离D()最小化的参数集a1,..,aL。例如，处理器300限定要最小化的以下效用函数：
Figure BDA0001519979090000175
这可以通过限定使P(k,i)＝pi(k)的矩阵P并限定使A(i)＝ai的向量A来获得。由此，通过找到使下式最小化的A来执行比较：
Figure BDA0001519979090000176
其中，
Figure BDA0001519979090000177
可以通过使用Moore-Penrose伪逆计算来获得。
处理器300从比较的结果确定损坏。
从一般的观点，处理器300由下式从在优化函数后获得的参数集合
Figure BDA0001519979090000181
估计损坏：
Figure BDA0001519979090000182
根据第一特定实现模式，处理器300将索引
Figure BDA0001519979090000183
确定为使效用函数D(pob,pi)最小化的索引，这允许获得与所获得的压力历史关联的损坏估计
Figure BDA0001519979090000184
其中，di是与基准配置i关联的损坏值。
这里应注意，所估计的损坏直接是电装置的总损坏或被累积到之前的总损坏估计。
根据第二特定实现模式，一旦找到给出参数
Figure BDA0001519979090000185
的
Figure BDA0001519979090000186
处理器300就通过使用下式来计算损坏估计：
Figure BDA0001519979090000187
在下一步骤S653处，处理器300命令向损坏评估装置10传送所确定的损坏程度。
图7A和图7B表示根据本发明的用于确定电装置的损坏程度的算法的第四示例。
更准确地，图7A的算法由损坏评估装置10的处理器200来执行。
在步骤S700处，处理器200获得与被执行损坏程度的估计的电装置有关的周期。
周期例如是在电装置起作用期间的给定温度范围内的电装置工作温度的变化。
周期可以是在电装置起作用期间的速度和/或加速度的给定范围内的电装置的操作。
在下一步骤S701处，处理器200以直方图的形式将所获得的周期存储在存储器中，和/或更新已经从之前获得的周期形成的直方图。
处理器200构造表示电装置的压力历史的直方图。
可以构造多种直方图，直方图由区间来限定，区间表示值、温度范围、速度范围、加速度以及所述区间中的基本周期数。
例如，直方图区间表示例如温度平均和温度变化的对。温度可以由传感器来测量或从将电压和强度输入信号转换成电装置中的温度波动的热模型来计算。
例如，在电装置是电动汽车的电力模块时，各直方图区间与速度/加速度的对对应，并且各区间所存储的值是针对该模式的基本距离的数量。
例如，在电装置是离岸风车时，各直方图区间与输出功率对应，并且各区间所存储的值是基本时间段的数量，例如，在该模式下花费1秒。
直方图可以被归一化到一，即，将各区间值除以所有区间的和。在这种情况下，调整因子被存储为直方图信息的集的一部分。
在下一步骤S702处，处理器200检查是否是评价电装置的损坏的时间。例如，在维护工作期间评价电装置的损坏，或者定期地评价电装置的损坏，例如每天或每周进行，或者包括电装置的系统每次通电时评价电装置的损坏。
如果是评估电装置的损坏的时间，则处理器200移至步骤S603。否则，处理器200返回至步骤S600。
在下一步骤S703处，处理器200将直方图传送至服务器Serv。
在下一步骤S704处，处理器200从服务器Serv接收损坏估计程度。
在下一步骤S705处，处理器200命令显示器207通知至少一个电装置的损坏信息。
根据特定实现模式，处理器200命令显示器207通知至少一个电装置的损坏程度。
根据另一个特定实现模式，处理器200命令显示器207通知在至少一个电装置的故障之前的剩余寿命的估计。故障之前的剩余寿命由处理器200确定。例如，处理器200使用随着时间的总损坏程度演变的线性外插，并且其中，故障之前的剩余寿命通过计算总损坏程度的已外插曲线与损坏程度阈值之间的交点来获得。
更准确地，图7B的算法由服务器Serv的处理器300来执行。
在步骤S750处，处理器300针对具有与被执行损坏程度评估的电装置相同的功能的其他电装置，获得从损坏程度评估装置接收的直方图。直方图例如在维护工作期间和/或定期接收。
例如，在直方图与电力周期数有关的情况下，在装置发生故障时，根据电力周期、温度、温度变化限定，所接收的压力的直方图存储在服务器Serv的数据库中，作为新观察的配置。可以首先将直方图归一化到一，将各区间值除以所有区间的和，这涉及值1现在表示用于该配置的故障阈值。
在执行维护操作时，可以进行损坏的测量，例如通过测量测试的特定输出来测量，并且连同直方图一起存储在数据库中，作为新观察的配置，或者通过代替现有配置连同直方图一起存储在数据库中。
在下一步骤S751处，处理器300用所接收的直方图更新直方图数据库。
在观察的配置的数量变得太大时，为了限制效用函数的最小化的复杂度，处理器300修剪直方图集。
换言之，处理器300从N个观察的配置提取L个基准配置，其中，N可以根据来自在维护期间更新的装置队的反馈随着时间而增长，并且其中，L个基准配置不是必须为从N个配置选择的L个。这限定了向量量化的训练阶段，其中，训练集合是观察的配置的N个直方图的集合，L个图心是基准配置的直方图，并且距离可以为用于损坏评价中的效用函数。
例如，为了构造直方图集，从N个中的数据库随机挑选观察的配置。
例如，根据效用函数，发现基准配置的直方图最接近所挑选的观察配置。
例如，通过应用两个配置的直方图的加权平均来使基准配置的直方图移动至直方图集。
将用于构造直方图集的在前步骤重复给定次数。
集的提取还可以为了促进损坏程度估计的以下步骤而执行。例如，集可以被选择为构造线性独立直方图的基底，其中，另一个观察的向量可以被容易地表达为基底中的直方图的线性组合。
在下一步骤S752处，处理器300从直方图数据库选择直方图集。
在下一步骤S753处，处理器300从损坏评估装置10接收直方图。
在下一步骤S754处，处理器300将在步骤处接收的直方图与在步骤S752处形成的直方图集进行比较，以确定电装置的损坏程度估计。
从一般的观点，处理器300执行与二次距离的比较。由此，可以限定用于估计损坏作为效用函数D(pi,pob,{ai}∈Ω)的最小化的一般方案，其中，Ω是最小化所限于的参数集合{ai}的目标集合。例如，Ω是大小为L的实值向量的整个集合，或除等于一的一个条目之外具有所有空条目的、大小为L的L个向量的集合，或除用于最相关的M个配置的组合的M个条目之外具有所有空条目的、大小为L的向量的集合。效用函数D(pi,pob,{ai}∈Ω)例如是二次距离、最大距离或修改Kullback-Liebler发散。
用于使效用函数最小化的算法在可能时可以是解的集合Ω中的穷举搜索或解的集合Ω中的随机搜索，或者在效用函数是二次距离时且在Ω是大小为L的实值向量的整个集合时是诸如Moore-Penrose伪逆这样的算法。
根据第一特定实现模式，处理器300将直方图形式的所获得的压力历史与直方图形式的基准配置集进行比较。压力历史为直方图Hob＝(Hob(1),…,Hob(K))，其中，K为可以为多维的直方图的区间数，各区间关联到值的元组，例如，对(温度，温度变化)。配置集的各直方图Hi具有与Hob相同的形式。
处理器300可以归一化表示压力的历史的直方图，如果尚未执行，其中，计算和
Figure BDA0001519979090000211
并且该和允许限定使pob(k)＝Hob(k)/Sob的已归一化的直方图pob。
如果需要，则处理器300可以对于已归一化的直方图pi的集的全部L个直方图Hi执行相同的归一化。
处理器300计算距离D(pob,pi)，该距离允许描述属于直方图集的Hi与在步骤S601处存储在存储器中的Hob之间的相似的特性，并且如果Hi＝Hob，则该距离为空。
例如，处理器300使用要最小化的以下效用函数：
Figure BDA0001519979090000212
其为二次距离，
Figure BDA0001519979090000213
其为最大距离，
Figure BDA0001519979090000214
其为修改Kullback-Liebler发散并且ε是使计算稳定的参数。
根据第二特定实现模式，为了接近压力历史的所获得的直方图，将包含直方图的配置集组合。
优选地，组合是线性的，即，处理器300找到使距离D()最小化的参数集a1,..,aL。例如，处理器300限定要最小化的以下效用函数：
Figure BDA0001519979090000215
这可以通过限定使P(k,i)＝pi(k)的矩阵P并限定使A(i)＝ai的向量A来获得。由此，通过找到使下式最小化的A来执行比较：
Figure BDA0001519979090000216
其中，
Figure BDA0001519979090000217
可以通过使用Moore-Penrose伪逆计算来获得。
处理器300从比较的结果确定损坏。
从一般的观点，处理器300由下式从在优化函数后获得的参数集合
Figure BDA0001519979090000218
估计损坏：
Figure BDA0001519979090000219
根据第一特定实现模式，处理器300将索引
Figure BDA0001519979090000221
确定为使效用函数D(pob,pi)最小化的索引，这允许获得与所获得的压力历史关联的损坏估计
Figure BDA0001519979090000222
其中，di是与基准配置i关联的损坏值。
这里应注意，所估计的损坏直接是电装置的总损坏或被累积到之前的总损坏估计。
根据第二特定实现模式，一旦找到给出参数
Figure BDA0001519979090000223
的
Figure BDA0001519979090000224
处理器300就通过使用下式计算损坏估计：
Figure BDA0001519979090000225
在下一步骤S754处，处理器300命令向损坏评估装置10传送所确定的损坏程度。
当然，可以在不偏离本发明的范围的情况下对以上所描述的本发明的实施方式进行许多修改。

Claims (14)

1.一种用于估计电装置的损坏程度的方法，该方法的特征在于，所述方法包括以下步骤：
形成与被执行损坏程度的估计的所述电装置有关的工作周期的直方图；
将所形成的直方图与多个直方图组合分别进行比较，以确定所形成的直方图与多个直方图组合之间的相似性，从而确定与所形成的直方图最接近的直方图组合，所述直方图组合是直方图集的多个直方图的组合，所述直方图集的各直方图与损坏程度关联；以及
根据最接近的直方图组合的多个直方图的损坏程度确定所述电装置的所述损坏程度的估计。
2.根据权利要求1所述的方法，其特征在于：所述直方图集从直方图数据库生成，该直方图数据库从具有与所述电装置相同的功能的其他电装置的周期和损坏程度的测量结果获得。
3.根据权利要求1所述的方法，其特征在于：所形成的直方图和所述直方图集的多个直方图由区间来限定，所述区间表示温度范围、速度范围、加速度范围以及所述区间中的基本周期数。
4.根据权利要求3所述的方法，其特征在于：通过对于各区间将所述基本周期数除以所述区间中的所述基本周期数的和，对所形成的直方图和所述直方图集的多个直方图进行归一化。
5.根据权利要求1至3中任一项所述的方法，其特征在于：将所形成的直方图与所述直方图组合进行比较的步骤由与二次距离的比较来执行。
6.根据权利要求1至3中任一项所述的方法，其特征在于：所述方法还包括通知所确定的损坏程度的估计的步骤。
7.根据权利要求1至3中任一项所述的方法，其特征在于：所述方法还包括将所述损坏程度转换成寿命期望并通知剩余寿命期望的步骤。
8.根据权利要求1至3中任一项所述的方法，其特征在于：所述直方图组合是所述直方图集的多个直方图的线性组合。
9.根据权利要求1至3中任一项所述的方法，其特征在于：所述方法由损坏评估装置来执行，以及特征在于：所述直方图集存储在所述损坏评估装置的存储器中或通过通信网络从服务器获得。
10.根据权利要求1至3中任一项所述的方法，其特征在于：形成所述工作周期的直方图的步骤由损坏评估装置来执行，以及特征在于：所述方法还包括：将所形成的直方图传送到执行比较步骤、确定步骤的服务器的步骤；以及将所述电装置的所述损坏程度的所述估计传送到所述损坏评估装置的步骤。
11.根据权利要求10所述的方法，其特征在于：所述方法还包括由所述服务器执行的步骤：
接收从具有与所述电装置相同的功能的其他电装置的周期和损坏程度的测量结果获得的直方图；以及
使用所接收的直方图更新直方图数据库。
12.一种用于估计电装置的损坏程度的系统，其特征在于：所述用于估计的系统包括：
用于形成与被执行所述损坏程度的估计的所述电装置有关的工作周期的直方图的单元；
用于将所形成的直方图与多个直方图组合分别进行比较，以确定所形成的直方图与多个直方图组合之间的相似性，从而确定与所形成的直方图最接近的直方图组合的单元，所述直方图组合是直方图集的多个直方图的组合，所述直方图集的各直方图与损坏程度关联；以及
用于根据最接近的直方图组合的多个直方图的损坏程度确定所述电装置的所述损坏程度的估计的单元。
13.根据权利要求12所述的系统，其特征在于：所述系统包括损坏评估装置，该损坏评估装置包括用于在存储器中存储所述直方图集的单元或者还包括用于通过通信网络从服务器获得所述直方图集的单元。
14.根据权利要求13所述的系统，其特征在于：所述服务器还包括：
用于从电装置接收从具有与所述电装置相同的功能的其他电装置的周期和损坏程度的测量结果获得的直方图的单元；和
用于使用所接收的直方图更新直方图数据库的单元。
CN201680036925.9A 2015-06-25 2016-06-14 用于估计电装置的损坏程度的方法、装置和系统 Expired - Fee Related CN107710085B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15173787.1A EP3109719A1 (en) 2015-06-25 2015-06-25 Method and device for estimating a level of damage of an electric device
EP15173787.1 2015-06-25
PCT/JP2016/068195 WO2016208520A1 (en) 2015-06-25 2016-06-14 Method, device and system for estimating level of damage of electric device

Publications (2)

Publication Number Publication Date
CN107710085A CN107710085A (zh) 2018-02-16
CN107710085B true CN107710085B (zh) 2021-11-09

Family

ID=53510626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680036925.9A Expired - Fee Related CN107710085B (zh) 2015-06-25 2016-06-14 用于估计电装置的损坏程度的方法、装置和系统

Country Status (5)

Country Link
US (1) US10732617B2 (zh)
EP (1) EP3109719A1 (zh)
JP (1) JP6489564B2 (zh)
CN (1) CN107710085B (zh)
WO (1) WO2016208520A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6730354B2 (ja) * 2018-03-23 2020-07-29 ファナック株式会社 入力ミス検出装置
US11307568B2 (en) * 2019-01-28 2022-04-19 Oracle International Corporation Estimating the remaining useful life for cooling fans based on a wear-out index analysis

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3546696B2 (ja) * 1998-04-28 2004-07-28 スズキ株式会社 船外機のエンジン管理装置
JP3047892B2 (ja) * 1998-07-17 2000-06-05 日本電気株式会社 設備劣化診断装置および設備劣化診断方法、並びに記録媒体
US20020183971A1 (en) * 2001-04-10 2002-12-05 Wegerich Stephan W. Diagnostic systems and methods for predictive condition monitoring
US6745153B2 (en) * 2001-11-27 2004-06-01 General Motors Corporation Data collection and manipulation apparatus and method
JP4369825B2 (ja) 2004-08-11 2009-11-25 株式会社日立製作所 車両故障診断装置および車載端末
JP5301310B2 (ja) * 2009-02-17 2013-09-25 株式会社日立製作所 異常検知方法及び異常検知システム
JP5427107B2 (ja) * 2010-05-20 2014-02-26 株式会社日立製作所 監視診断装置および監視診断方法
US9360864B2 (en) * 2012-04-11 2016-06-07 General Electric Company Turbine fault prediction
JP6003689B2 (ja) * 2013-02-04 2016-10-05 株式会社デンソー 診断装置
US11093851B2 (en) * 2013-09-18 2021-08-17 Infineon Technologies Ag Method, apparatus and computer program product for determining failure regions of an electrical device

Also Published As

Publication number Publication date
WO2016208520A1 (en) 2016-12-29
JP6489564B2 (ja) 2019-03-27
EP3109719A1 (en) 2016-12-28
WO2016208520A8 (en) 2017-05-26
US20180329403A1 (en) 2018-11-15
CN107710085A (zh) 2018-02-16
JP2018514830A (ja) 2018-06-07
US10732617B2 (en) 2020-08-04

Similar Documents

Publication Publication Date Title
US9478079B2 (en) Device for monitoring a sensor of a vehicle
EP2975421B1 (en) Method and apparatus for estimating state of battery
EP3904894B1 (en) Training device, estimation device, training method, estimation method, training program, and estimation program
CN116148679B (zh) 一种电池健康状态的预测方法及相关装置
CN107710085B (zh) 用于估计电装置的损坏程度的方法、装置和系统
KR20170078256A (ko) 시계열의 데이터를 예측 하는 방법 및 그 장치
CN102944848A (zh) 一种动力电池剩余电量实时评估方法及其装置
US20200070682A1 (en) A battery management system and a method for controlling a battery management system
CN113466716A (zh) 电池健康状态测算方法以及相关设备
WO2019130718A1 (ja) 判定装置、太陽光発電システム、判定方法および判定プログラム
CN117289168B (zh) 基于传感器数据和智能算法的产品质量监测系统
CN116660759B (zh) 基于bms电池管理系统的电池寿命预测方法及装置
KR20230041791A (ko) 전지 상태 판정 방법 및 전지 상태 판정 장치
CN116643178A (zh) 一种电池管理系统的soc估算方法及相关装置
CN115830709A (zh) 基于联邦边缘学习的动作识别方法、服务器及电子设备
CN116124270B (zh) 一种动态汽车衡自动智能化校准方法
CN112598133A (zh) 车辆数据的处理方法、装置、设备和存储介质
US20230324463A1 (en) Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods
CN114119292B (zh) 一种基于物联网与大数据的建筑管理系统
EP3862765B1 (en) Battery degradation evaluation system, battery degradation evaluation method, and battery degradation evaluation program
CN115146525A (zh) 二次电池的劣化状态推定系统、二次电池的劣化状态推定方法及存储介质
CN113258104A (zh) 确定燃料电池的湿度的方法、装置及服务器
CN105021991A (zh) 车辆用电池传感器及利用所述传感器的季节判断方法
CN111742438A (zh) 传感器装置和用于其运行的方法
CN117491871A (zh) 用于借助于归一化流模型对技术设备的设备电池进行预测性诊断的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211109