CN110874079A - 用于监测电驱动器的状况的方法和系统 - Google Patents

用于监测电驱动器的状况的方法和系统 Download PDF

Info

Publication number
CN110874079A
CN110874079A CN201910813494.8A CN201910813494A CN110874079A CN 110874079 A CN110874079 A CN 110874079A CN 201910813494 A CN201910813494 A CN 201910813494A CN 110874079 A CN110874079 A CN 110874079A
Authority
CN
China
Prior art keywords
electric drive
condition
temperatures
values
value
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.)
Granted
Application number
CN201910813494.8A
Other languages
English (en)
Other versions
CN110874079B (zh
Inventor
J.V.V.N.巴皮拉珠
N.P.V.塞桑托施
A.西索迪亚
R.西达林盖亚
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.)
ABB Schweiz AG
Original Assignee
ABB Schweiz AG
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 ABB Schweiz AG filed Critical ABB Schweiz AG
Publication of CN110874079A publication Critical patent/CN110874079A/zh
Application granted granted Critical
Publication of CN110874079B publication Critical patent/CN110874079B/zh
Active 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • 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
    • 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
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G01K7/427—Temperature calculation based on spatial modeling, e.g. spatial inter- or extrapolation
    • 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
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25257—Microcontroller
    • 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
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34427—Diagnostic, monitoring incorporated in controller
    • 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
    • G05B2219/37211—Measure temperature, compensate cmm program for temperature
    • 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
    • G05B2219/37228—Tool inspection, condition, dull tool
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明涉及监测工业网络中的电驱动器的状况。该方法包括获得在第一时刻的与一个或多个构件相关联的输入参数、状态参数以及一个或多个温度的值。该方法进一步包括：利用电驱动器的状态空间模型的第一层以及在第一时刻的输入参数的值来估计在第二时刻的状态参数的值。另外，该方法包括利用模型的第二层、针对状态变量而估计的值以及在第一时刻的温度的值来估计在第三时刻的一个或多个温度的值。电驱动器的状况根据针对第三时刻而估计的温度的值以及一个或多个预定阈值来确定。

Description

用于监测电驱动器的状况的方法和系统
技术领域
本发明一般涉及工业网络中的电驱动器(electric drive)。更特别地，本发明涉及电驱动器的状况监测。
背景技术
工业网络中的电驱动器一般用于控制驱动各种工业应用的低压和中压电动机的操作。此类工业应用的性能和可靠性取决于电驱动器的状况。电驱动器的状况取决于电驱动器的诸如逆变器(inverter)和二极管之类的各种功率电子构件的状况。功率电子构件的状况恶化影响电驱动器的性能和可靠性，这进而导致工业应用的故障和操作停机时间。
通常，异常的电动机负载、电源中的变化以及随时间推移而改变的环境状况导致功率电子构件的状况恶化。构件的状况恶化导致过热和电驱动器的温度上升以及相关联的温度故障。因此，监测电驱动器的温度对于监测电驱动器的状况并且在预测温度故障中是有用的。
在发生温度故障之前的几小时预测电驱动器的温度是有利的，因为可以采取预防性维护动作来避免温度故障。然而，预测电驱动器的温度是多维计算任务。与电驱动器相关的测量数据的有限可用性使得难以进行热故障分析和预测。
一些现有技术基于例如切换频率和电流之类的有限输入参数来预测温度故障。然而，电驱动器的温度取决于电驱动器的需要在预测期间考虑的各种输入参数和状态参数。
因此，期望具有用于监测电驱动器的状况的备选方法。
发明内容
本发明的方面提供用于监测在工业网络中控制电动机的操作的电驱动器的状况的方法。通过估计与电驱动器的一个或多个构件相关联的一个或多个温度的值来监测该状况。该方法由通信地耦合到电驱动器的网络装置执行。在示例中，网络装置是服务器，该服务器经由与电驱动器耦合的以太网适配器与电驱动器通信。服务器可以安装在云网络中以促进电驱动器的状况的远程监测。备选地，网络装置可以是能够与电驱动器通信的网关装置或控制器。
网络装置获得在第一时刻的与电驱动器的操作相关联的输入参数的值(输入值)、与电驱动器的输出相关联的状态参数的值(状态值)以及与一个或多个构件相关联的一个或多个温度的值(温度值)。输入参数和状态参数影响与电驱动器的一个或多个构件相关联的一个或多个温度。电驱动器的一个或多个构件包括散热器、控制板、以及电驱动器的主体中的一个或多个，但不限于此。因此，一个或多个温度包括散热器温度(Tinv(n))、控制板温度(TCB(n))以及电驱动器的主体的总体温度(TDrive(n))。
在实施例中，输入参数包括跨电驱动器的一个或多个构件的电压(Udc)、驱动器的逆变器的切换频率(Fswitch)、电驱动器处的环境温度(Tambient)以及驱动器的一个或多个构件的操作的时段。例如，电驱动器的冷却风扇的时段(Fan_On)能够是输入参数。类似地，输入参数可以包括与电驱动器相关联的制动斩波(break chopper)电路的接通时间，因为制动斩波电路耗散DC链路能量，这导致一个或多个构件的温度上升。输入参数还可以包括从一个或多个构件(例如，电驱动器的逆变器)的数据表(data sheet)检索的静态热参数。
状态参数可以包括流过一个或多个构件的电流(Idc)或输出电流，输出电流的频率(Freq)以及在一定时段上从电驱动器传输到电动机的能量(E_kWh)。通常，输出电流是流过包括绝缘栅双极型晶体管(IGBT)和二极管的逆变器的测量电流。输出电流通过传导损耗(i2R)影响电驱动器的一个或多个温度，其中，‘R’是逆变器的有效电阻以及‘i’是输出电流。类似地，输出电流的频率影响电驱动器的功率，这是因为低频处的逆变器的阻抗的减小导致电流增加，这进而影响温度上升。
该方法进一步包括利用电驱动器的状态空间模型的第一层和在第一时刻的获得的输入参数和状态参数的值来估计在第二时刻的状态参数的值。在第二时刻的状态参数的所估计的值以及在第一时刻的获得的一个或多个温度的值用于利用电驱动器的状态空间模型的第二层来估计在第三时刻的一个或多个温度的值。
在实施例中，状态空间模型是表示电驱动器的热行为(thermal behavior)的两层模型。状态空间模型的第一层对应于内部驱动器操作，并且表示输入参数与状态参数之间的关系。在一个实施例中，第一层包括：包含与输入参数相关联的一个或多个系数的强迫响应矩阵(Q)以及包括状态参数的系数的自然响应矩阵(P)。第一层能够被说明如下：
Figure BDA0002185679440000021
其中，Udc(n)、Fswitch(n)、Tambient和Fan_On(t)是在第一时刻的输入参数，i(n)、Freq(n)、EkWh(n)和i2(n)是在第一时刻的状态参数，并且i(n+1)、Freq(n+1)、EkWh(n+1)以及i2(n+1)是在第二时刻的估计的状态参数。
强迫响应矩阵(Q)和自然响应矩阵(P)的一个或多个系数利用与电驱动器的内部驱动器操作相关联的某些预定值来初始化。例如，初始化能够根据操作者对于输入参数与状态参数之间的关系的知识、随机地初始化等等。使用输入参数和状态参数的(在一定时段上获得的)历史数据来更新一个或多个系数。使用一阶迭代优化方法来更新系数。一阶迭代优化方法可以用于更新一个或多个系数。一阶迭代优化方法的示例包括但不限于基于梯度下降和递归神经网络(recurrent neural network)的学习方法。这样的系数更新使基于某些预定值来初始化的第一层优化。因此，在第二时刻的估计的状态参数的预测准确度被改进。
状态空间模型的第二层基于状态参数来表示电驱动器的热动态(thermaldynamics)。如下所示，第二层定义状态参数与一个或多个温度之间的关系；
Figure BDA0002185679440000031
其中，矩阵(R)包括一个或多个温度的系数，矩阵(S)包括状态参数的系数，Tinv(n)、TCB(n)和TDrive(n)表示在第一时刻的获得的一个或多个温度，i(n)、Freq(n)、EkWh(n)和i2(n)表示在第二时刻的估计的状态参数，并且Tinv(n+1)、TCB(n+1)和TDrive(n+1)表示在第三时刻的估计的一个或多个温度。
在第三时刻的估计的一个或多个温度值用于确定在第三时刻的电驱动器的状况。通过将一个或多个温度的值与一个或多个预定阈值比较，从电驱动器的一个或多个状况中选择电驱动器的状况。一个或多个预定阈值表示与一个或多个状况相关联的严重程度。
例如，当一个或多个温度中的某一温度的值小于第一阈值时，对于该温度而言，该状况被确定为正常操作状况。在此，当一个或多个温度中的某一温度的值大于第一阈值但小于第二阈值时，对于该温度而言，该状况被确定为警示状况。备选地，当一个或多个温度中的某一温度的值大于第二阈值时，对于该温度而言，该状况被确定为故障状况。
确定该状况以便在一定时段上控制一个或多个温度的值。电驱动器所需的预防性维护动作能够基于所确定的状况来计划。例如，如果确定在第三时刻发生故障状况，则能够在故障状况发生之前采取避免故障状况所需的预防性维护动作。预防性维护动作可以包括减小对电驱动器的输入电流或增加电驱动器的冷却时间以减小一个或多个温度值。
所确定的状况能够提供给与网络装置相关联的用户界面。例如，所确定的状况被传递到维护/服务团队的用户可使用的远程服务器。备选地，所确定的状况被传递到能够与网络装置通信的移动装置。
在实施例中，计时器与所确定的状况一起提供给用户界面。计时器指示所确定的状况发生之前剩下的时间。如果所确定的状况为故障状况，则计时器将剩下的时间更新成故障状况的发生时间，即，更新为第三时刻更加接近。置信度指标可选地与所确定的状况的发生相关联。置信度指标表明所确定的状况将以其在第三时刻发生的置信度。置信度指标基于状况的历史数据来确定。
本发明的另一方面提供用于监测电驱动器的状况的系统。系统具有多个模块，其中的每个执行上述方法的一个或多个步骤。在一个实施例中，系统包括输入单元、模型更新单元、驱动器估计单元、可选的数据存储设备以及可选的通信接口。模块利用系统的(一个或多个)处理器来实现。例如，模块可以利用与电驱动器相关联(例如，在工业网络中与驱动器连接)的控制器、服务器、网关装置或边缘装置的处理器来实现。在另一示例中，模块可以利用云平台上托管的服务器来实现，并且能够经由通信网络与电驱动器通信。
输入单元接收与电驱动器的操作相关联的输入参数的值、与电驱动器的输出相关联的状态参数的值以及与一个或多个构件相关联的一个或多个温度的值。在实施例中，输入单元利用与电驱动器通信地链接的以太网适配器来接收值。数据存储设备(当提供时)记录在输入单元处接收的值。例如，数据存储设备是配置成存储在连续的基础上接收的数据的数据湖(data lake)。
模型更新单元配置成通过使用在一定时段上在输入单元处接收的输入参数值、状态参数值以及一个或多个温度值，对与状态空间模型相关联的一个或多个系数进行更新。更新后的状态空间模型被存储在数据存储设备内以便对一个或多个温度进一步估计。
驱动器估计单元使用更新后的状态空间模型以及在第一时刻的输入参数值、状态参数值以及一个或多个温度值来估计在第二时刻的状态参数的值以及在第三时刻的一个或多个温度值。在第二时刻的估计的状态参数的值由状态空间模型(第二层)用于估计在第三时刻的一个或多个温度值。
驱动器估计单元还配置成基于在第三时刻的估计的温度值来确定电驱动器的状况，以便控制值。通信接口将所确定的状况传递到用户界面，诸如维护团队的人员可使用的在线监测门户。一旦接收到所确定的状况，维护团队就可以采取预防性措施来避免发生与故障相关的状况。
附图说明
图1是其中能够实践本发明的各种实施例的工业网络的简化视图。
图2是根据本发明的实施例监测电驱动器的状况的系统的框图。
图3是根据本发明的实施例用于监测电驱动器的状况的方法的流程图。
图4是图示根据本发明的实施例，用于确定电驱动器的状况的状态空间模型的使用的示意图；
图5是根据本发明的实施例对电驱动器的状态空间模型进行更新的流程图；
图6是图示根据本发明的另一实施例，用于确定电驱动器的状况的状态空间模型的使用的流程图；
图7A是根据本发明的实施例，提供给电驱动器的状态空间模型的输入参数的图解表示；
图7B是根据本发明的实施例，由状态空间模型的第一层提供的估计状态值的图解表示；以及
图7C是根据本发明的实施例，由状态空间模型提供的估计输出温度值的图解表示。
具体实施方式
本发明涉及监测工业网络中的电驱动器的状况。本发明的各种实施例能够在诸如图1中所示的环境100之类的环境中实践。图1中所示的环境100示出其中电驱动器(102)被连接以控制电动机(104)的操作的工业网络。电驱动器(102)还通过通信网络(108)与网络装置(106)通信。网络装置(106)还能够通过通信网络(114)与用户界面(110)通信，用户界面(110)与客户端装置(112)相关联。虽然环境100示出由单个网络装置(106)监测的单个电驱动器(102)以及通过单个用户界面(110)可观察的监测到的状况，但是要理解，多个电驱动器能够由单个或多个网络装置来监测，并且多个电驱动器的监测到的状况能够通过工业网络内的多个用户界面或利用不同的客户端装置可观察。同样地，(一个或多个)网络装置和(一个或多个)客户端装置能够是同一通信网络的一部分。
在实施例中，网络装置(106)是能够通过云网络进行通信的服务器。在另一实施例中，网络装置是能够与电驱动器(例如，经由驱动器的通信接口)通信的网关装置和边缘装置其中之一。网络装置可以与配备有电驱动器(102)(或与电驱动器(102)通信地链接)的以太网适配器通信，以便获得与电驱动器(102)的状况相关的数据。
网络装置(106)可以基于所获得的数据来确定状况，以便控制驱动器。网络装置能够可选地将状况传递到客户端装置(112)。在实施例中，客户端装置(112)是具有显示电驱动器(102)的状况的用户界面(110)(例如，利用在线监测门户来呈现的HMI)的计算装置。在另一实施例中，客户端装置(112)是通过无线通信网络与网络装置(106)通信的移动装置。
维护人员可以观察用户界面(110)上提供的状况。如果状况指示以警示情形为条件的异常状况或故障状况，则维护人员可以采取预防性措施来避免在将来时刻发生这样的状况。由网络装置(106)确定电驱动器(102)的状况参考图2和图3来解释。
图2是根据本发明的实施例用于监测电驱动器的状况的系统(200)的框图。系统(200)包括用于状况监测的多个模块。多个模块可以利用与工业网络中的装置相关联的一个或多个处理器来实现。例如，模块可以利用网络装置的处理器来实现，或模块可以在与工业网络连接的服务器处实现，或模块可以分布在工业装置中连接的一个或多个装置的处理器中(例如，一些模块可以在网关装置中提供，并且一些模块可以在服务器上提供)。在图2的实施例中，该系统包括输入单元(202)、驱动器估计单元(206)、数据存储设备(204)、模型更新单元(210)以及通信接口(208)。多个模块中的每个模块执行如图3中所公开的用于监测电驱动器的状况的方法的一个或多个步骤。
图3是用于监测电驱动器(例如102)的状况的方法的流程图。该方法可以利用与工业网络中的电驱动器通信地耦合的系统(例如200或网络装置106)来执行。通过估计与电驱动器的一个或多个构件相关联的一个或多个温度的值来监测状况。在实施例中，一个或多个温度包括散热器温度、控制板温度以及电驱动器的主体的温度。
在步骤302，在第一时刻获得输入参数值(输入值)、状态参数值(状态值)以及一个或多个温度值(温度值)。这些值由输入单元(例如，202)获得。输入参数与电驱动器的操作相关联。在实施例中，输入参数包括跨电驱动器的一个或多个构件的电压(Udc)、驱动器的逆变器的切换频率(Fswitch)、电驱动器处的环境温度(Tambient)以及电驱动器的构件的操作的时段((Fan_On(t))。输入参数还可以包括与电驱动器相关联的制动斩波电路的接通时间，因为制动斩波电路耗散DC链路能量，这导致一个或多个构件的温度上升。输入参数还可以包括从一个或多个构件的数据表检索的静态热参数。例如，逆变器的静态热参数可以从IGBT数据表检索。
状态参数与电驱动器的输出相关联。在实施例中，状态参数包括流过驱动器的一个或多个构件(例如，逆变器、二极管等等)的电流(Idc)、输出电流的频率(Freq)以及在一定时段(例如，一小时)上从电驱动器传输到电动机(例如，104)的能量(E_kWh)。流过构件的电流能够是流过包括绝缘栅双极型晶体管(IGBT)和二极管的(一个或多个)逆变器的测量电流。输出电流通过传导损耗(i2R，其中，‘R’是逆变器的有效电阻以及‘i’是输出电流)影响电驱动器的一个或多个温度。类似地，输出电流(i)的频率(Freq)影响电驱动器的功率，这是因为低频处的逆变器的阻抗的减小导致电流增加，这进而影响温度上升。在示例中，E_kWh是传输到电动机的、所测量的最后一小时能量。
在步骤304，在第二时刻的状态参数的值由驱动器估计单元(例如，206)估计。在第一时刻的获得的输入参数和状态参数的值被提供作为对电驱动器的状态空间模型的第一层的输入，以便获得在第二时刻的状态参数的值的估计作为第一层的输出。
在步骤306，在第三时刻的一个或多个温度的值由驱动器估计单元估计。在第一时刻的获得的一个或多个温度的值，以及针对第二时刻而估计的状态参数的值被提供作为对电驱动器的状态空间模型的第二层的输入，以获得在第三时刻的一个或多个温度的值作为第二层的输出。
状态空间模型是表示电驱动器的热行为的两层模型。状态空间模型能够基于所接收的输入值和状态值来提供例如在某一时刻的电驱动器的一个或多个温度值的估计。状态空间模型具有如图4中所示的两个层。根据实施例，该模型由模型更新单元(例如，210)训练(例如，来对模型系数进行更新)。一旦训练了状态空间模型，状态空间模型就用于估计一个或多个温度值。出于训练的目的，模型更新单元使用一定时段内获得的输入值、状态值以及温度值。
状态空间模型的第一层对应于电驱动器的内部驱动器操作，并且表示输入参数与状态参数之间的关系。第一层包括：包含与输入参数相关联的一个或多个系数的强迫响应矩阵(Q)以及包括状态参数的系数的自然响应矩阵(P)。第一层能够被说明如下：
Figure BDA0002185679440000071
其中，Udc(n)402、Fswitch(n)404、Tambient 406和FanOn(t)408是在第一时刻的输入值，i(n)、Freq(n)、EkWh(n)和i2(n)是在第一时刻的状态值，并且i(n+1)412、Freq(n+1)414、EkWh(n+1)416以及i2(n+1)418是在第二时刻的估计的状态值。
一阶迭代优化方法，诸如基于梯度下降或递归神经网络的方法，用于训练与第一层链接的模型系数。对梯度下降或递归神经网络方法的输入是在某一时刻的所估计的状态值与在该时刻的状态参数的所测量的值之间的差。强迫响应矩阵(Q)和自然响应矩阵(P)的一个或多个系数被更新以减小所测量的状态值与所估计的状态值之间的差。这样的更新使基于某些预定值的第一层的初始性能(例如，基于操作者的关于驱动器的知识或随机地初始化)优化。因此，估计状态值的准确度被改进。
状态空间模型的第二层表示电驱动器的热动态。如下所示，第二层定义状态参数与一个或多个温度之间的关系；
Figure BDA0002185679440000072
其中，矩阵(R)包括与一个或多个温度相关联的系数，矩阵(S)包括与状态参数相关联的系数，Tinv(n)、TCB(n)和TDrive(n)表示在第一时刻获得的一个或多个温度。i(n)412、Freq(n)414、EkWh(n)416和i2(n)418表示在第二时刻的估计的状态值，并且Tinv(n+1)430、TCB(n+1)432和TDrive(n+1)434表示在第三时刻的估计的一个或多个温度值。
一阶迭代优化方法用于训练模型的第二层。对该方法的输入是一个或多个温度的所估计的值与所测量的值之间的差。矩阵(R)和矩阵(S)的一个或多个系数被更新以减小所测量的温度值与所估计的温度值之间的差。该训练使基于某些预定值的第二层的初始性能(例如，由操作者提供或随机地初始化)优化。因此，估计温度值的准确度被改进。
状态空间模型的训练能够针对边缘计算装置中的实时控制而执行，或可以在云上的服务器中(即，在系统或网络装置上)实现。一旦状态空间模型被训练(或被更新)，状态空间模型就(例如，由驱动器估计单元)用于估计温度值。
在步骤308，确定来自电驱动器的一个或多个状况的状况。针对第三时刻而估计的温度值用于确定状况。这些温度值可以提供给比较器(例如，460)，该比较器将这些温度值与一个或多个预定阈值比较。比较器可以是驱动器估计单元的组成部分(或分离的逻辑)。
一个或多个预定阈值表示与一个或多个状况相关联的严重程度。例如，一个或多个预定阈值包括第一阈值和第二阈值。这些阈值可以基于可用于电驱动器的故障数据来确定。同样地，可以针对散热器、电路板、总体驱动器等等而设置相同或不同的阈值。因而，操作者能够设置为驱动器或驱动器的构件定义正常操作状况的温度值。备选地，这些温度值可以被系统学习并且用于估计。
在实施例中，当一个或多个温度中的某一温度的值小于第一阈值时，对于该温度而言，比较器将状况确定为正常操作状况。备选地，当一个或多个温度中的某一温度的值大于第一阈值但小于第二阈值时，对于该温度而言，比较器将状况确定为警示状况。在另一实例中，当一个或多个温度中的某一温度的值大于第二阈值时，对于该温度而言，比较器将状况确定为故障状况。
在实施例中，驱动器估计单元确定与在第三时刻的状况的发生相关联的置信度指标。置信度指标基于针对电驱动器而确定的状况的历史数据。置信度指标指示驱动器处于在第三时刻的状况下的置信度或概率。在实施例中，当所确定的状况为故障状况时，提供计时器以显示故障状况发生之前剩下的时间。通信接口(例如，208)用于将在第三时刻确定的状况提供给耦合到系统(例如，106)的用户界面(例如，110)。
图5是使用输入值、状态值以及温度值的离散样本来训练(更新)状态空间模型的流程图。
在502，获得电驱动器的状态参数Xm(n)的值。
在504，获得电驱动器的输入参数U(n)的值。
在506，在第k样本的状态参数(Xe(n+k))通过状态空间模型的第一层来估计。状态空间模型的第一层由下面的等式表示：
Xe(n+k)＝P0*Xm(n)+Q0*U(n)。
在508，在第k样本的电驱动器的所测量的状态参数(Xm(n+k))(例如，由电驱动器上的传感器)获得。
在510，状态空间模型的第一层被生成作为初始系数P0和Q0以及所估计的状态值Xe(n+k)与所测量的状态值Xm(n+k)的差的函数。因此，在512，输入参数的系数(即，P0)被更新成P1并且状态参数的系数Q0被更新成Q1。前述的系数更新导致作为步骤510的输出获得的状态值的准确估计。
在514，使用作为步骤510的输出获得的在第k样本的所估计的状态值，通过状态空间模型的第二层来估计在第k1样本的一个或多个温度值。第二层由下面的等式表示：
Ye(n+k1)＝R0.温度(n)+S0 Xe(n+k)
在516，(例如，由电驱动器上的传感器)获得在第k1样本的电驱动器的所测量的状态值(Ym(n+k1))。
在518，状态空间模型的第二层被生成作为初始系数R0和S0以及所估计的一个或多个温度值Ye(n+k1)与所测量的一个或多个温度值Ym(n+k1)的差的函数。因此，在520，温度的系数(即，R0)被更新成R1，并且，状态参数的系数S0被更新成S1。前述的第二层系数更新导致一个或多个温度值的准确估计。
状态空间模型的更新后的系数被实施以通过估计在将来时刻的一个或多个温度值来估计在将来时刻的电驱动器的状况。在图6中示出解释更新后的状态空间模型的使用的流程图。
图6是示出使用状态空间模型来确定电驱动器的状况的流程图。
在602，当前样本‘n’的输入参数U(n)的值，以及，在步骤604，当前样本‘n’的状态参数Xm(n)的值被提供作为对状态空间模型的输入。
在606，通过使用下面表示的状态空间模型的第一层在第k样本估计状态值：
Xe(n+k)＝P*Xm(n)+Q*U(n)，
其中，P和Q指示了如在第一层的训练期间获得的更新后的系数。
在608，在k1样本，电驱动器的一个或多个构件的一个或多个温度值利用如下面所表示的第二层来估计：
Ye(n+k1)＝R.温度(n)+S.Xe(n+k)，
其中，R和S表示第二层的更新后的系数。
在步骤610，所估计的温度值与一个或多个预定阈值比较，以确定在k1样本的电驱动器的状况。例如，如果所估计的温度超过预定温度，则该状况被确定为可能在k1样本发生的故障状况。驱动器状况的估计能够用于控制温度值。
可选地，在步骤612，确定与状况的发生相关联的置信度指标。置信度指标与所确定的状况一起被传递到维护人员可使用的用户界面。根据输入值、状态值以及温度值来估计温度值的示例参考图7A-7C来解释。
图7A图示输入参数(即，输入电流(i))，其幅度相对于时间轴704a(以小时为单位)绘制。在70小时的时刻的输入参数的值示为702a。状态空间模型的第一层的输出将给出在70小时之前的时间(其在示例中为75小时)的状态参数(例如，输出电流)的估计值。状态参数的估计值示为702b。此外，温度值在75小时之前的时间(即，80小时)估计，该温度值示出为702c。因而，操作者能够观察驱动器或驱动器的构件的温度值。
所公开的方法和系统实现提前(例如，实际发生温度状况之前的几小时)估计驱动器状况。状况信息能够用于采取预防性动作来保护电驱动器(和构件)。该方法确保对电驱动器的更高级别的控制或应用控制，并且促进发起适当的安全动作以防止故障。温度值及相关的故障的估计能够用于计划的维护或驱动器控制。

Claims (10)

1.一种用于基于与电驱动器的一个或多个构件相关联的一个或多个温度的值的估计来监测所述电驱动器的状况的方法，其中，所述电驱动器控制电动机的操作，其中，所述方法利用网络装置来执行，其中，所述电驱动器在工业网络中通信地耦合到所述网络装置，所述方法包括：
获得在第一时刻的与所述电驱动器的操作相关联的输入参数的值、在所述第一时刻的与所述电驱动器的输出相关联的状态参数的值以及在所述第一时刻的与所述一个或多个构件相关联的所述一个或多个温度的值；
利用所述电驱动器的状态空间模型的第一层以及在所述第一时刻的获得的所述输入参数和所述状态参数的所述值来估计在第二时刻的所述状态参数的值，其中，所述状态空间模型是表示所述电驱动器的热行为的两层模型；
利用所述电驱动器的所述状态空间模型的第二层、在所述第一时刻的获得的所述一个或多个温度的所述值以及针对所述第二时刻而估计的所述状态参数的所述值来估计在第三时刻的所述一个或多个温度的值；以及
基于针对所述第三时刻而估计的所述一个或多个温度的所述值以及一个或多个预定阈值，从所述电驱动器的一个或多个状况中确定状况，其中，所述一个或多个预定阈值表示与所述一个或多个状况相关联的严重程度，其中，确定所述状况以便进行控制所述一个或多个温度以及所述电驱动器的预防性维护其中之一。
2.根据权利要求1所述的方法，其中，所述状态空间模型的所述第一层包括与所述输入参数和所述状态参数相关联的一个或多个系数，其中，使用一阶迭代优化方法，利用所述输入参数和所述状态参数的历史数据来更新所述一个或多个系数。
3.根据权利要求1所述的方法，其中，所述状态空间模型的所述第二层包括与所述状态参数和所述一个或多个温度相关联的一个或多个系数，其中，使用一阶迭代优化方法，利用所述状态参数和所述温度的历史数据来更新所述一个或多个系数。
4.根据权利要求1所述的方法，其中，从所述电驱动器的所述一个或多个状况中确定所述状况，包括以下项中的一个或多个：
将针对所述第三时刻而估计的所述一个或多个温度的所述值与所述一个或多个预定阈值比较，其中，当所述一个或多个温度中的某一温度的值小于第一阈值时，对于该温度而言，所述状况是正常操作状况，其中，当所述一个或多个温度中的某一温度的值大于所述第一阈值但小于第二阈值时，对于该温度而言，所述状况是警示状况，并且其中，当所述一个或多个温度中的某一温度的值大于所述第二阈值时，对于该温度而言，所述状况是故障状况；以及
估计与在所述第三时刻的所述状况的发生相关联的置信度指标，其中，所述置信度指标基于针对所述电驱动器而确定的所述状况的历史数据。
5.根据权利要求1所述的方法，其中，所述输入参数包括以下项中的一个或多个：跨所述电驱动器的一个或多个构件的电压、所述电驱动器的逆变器的切换频率、所述电驱动器处的环境温度、以及所述电驱动器的一个或多个构件的操作的时段。
6.根据权利要求1所述的方法，其中，所述状态参数包括以下项中的一个或多个：流过所述电驱动器的一个或多个构件的电流、所述输出电流的频率、以及在一定时段上从所述电驱动器传输到所述电动机的能量。
7.根据权利要求1所述的方法，其中，所述一个或多个温度包括散热器温度、控制板温度以及所述电驱动器的主体的温度。
8.一种用于基于与所述电驱动器的一个或多个构件相关联的一个或多个温度的值的估计来监测电驱动器的状况的系统，其中，所述电驱动器控制电动机的操作，其中，所述电驱动器在工业网络中通信地耦合到所述系统，所述系统包括：
输入单元，用于：
接收与所述电驱动器的操作相关联的输入参数的值、与所述电驱动器的输出相关联的状态参数的值、以及与所述一个或多个构件相关联的所述一个或多个温度的值；
模型更新单元，用于：
对与表示所述电驱动器的热行为的状态空间模型相关联的一个或多个系数进行更新，其中，所述状态空间模型包括第一层和第二层，其中，基于一定时段上在所述输入单元处接收的所述值来更新所述一个或多个系数；以及
驱动器估计单元，用于：
估计所述状态参数的值，其中，基于在第一时刻接收的所述输入参数和所述状态参数的所述值，利用所述状态空间模型的所述第一层来估计在第二时刻的所述状态参数的所述值；
估计所述一个或多个温度的值，其中，基于在所述第一时刻接收的所述一个或多个温度的所述值以及针对所述第二时刻而估计的所述状态参数的所述值，利用所述状态空间模型的所述第二层来估计在第三时刻的所述一个或多个温度的所述值；以及
从所述电驱动器的一个或多个状况中确定状况，其中，基于针对所述第三时刻而估计的所述一个或多个温度的所述值以及一个或多个预定阈值，确定在第三时刻的所述状况，其中，所述一个或多个预定阈值表示与所述一个或多个状况相关联的严重程度，其中，确定所述状况以便进行控制所述一个或多个温度以及所述电驱动器的预防性维护其中之一。
9.根据权利要求8所述的系统，进一步包括用于存储所述状态空间模型、所述一个或多个预定阈值、在所述输入单元处接收的所述值以及由所述驱动器估计单元估计的所述值的数据存储设备。
10.根据权利要求8所述的系统，进一步包括将所确定的状况提供给与所述系统相关联的用户界面的通信接口。
CN201910813494.8A 2018-08-30 2019-08-30 用于监测电驱动器的状况的方法和系统 Active CN110874079B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN201841032571 2018-08-30
IN201841032571 2018-08-30

Publications (2)

Publication Number Publication Date
CN110874079A true CN110874079A (zh) 2020-03-10
CN110874079B CN110874079B (zh) 2023-07-14

Family

ID=69642325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910813494.8A Active CN110874079B (zh) 2018-08-30 2019-08-30 用于监测电驱动器的状况的方法和系统

Country Status (2)

Country Link
US (1) US11740607B2 (zh)
CN (1) CN110874079B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022217597A1 (zh) * 2021-04-16 2022-10-20 华为数字能源技术有限公司 一种用于电机驱动器的故障预警方法和装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113424389A (zh) * 2018-12-20 2021-09-21 维斯塔斯风力系统集团公司 提升来自风力涡轮发电机的无功电流注入
US11572731B2 (en) * 2019-08-01 2023-02-07 Ford Global Technologies, Llc Vehicle window control

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070132446A1 (en) * 2001-12-11 2007-06-14 Kleinau Julie A Feedforward parameter estimation for electric machines
JP2009261078A (ja) * 2008-04-15 2009-11-05 Yaskawa Electric Corp モータ制御装置と温度推定方法
US20090319115A1 (en) * 2008-06-18 2009-12-24 Gm Global Technology Operations, Inc. Systems and methods for estimating temperatures of power module components
JP2010268644A (ja) * 2009-05-18 2010-11-25 Nissan Motor Co Ltd モータ温度異常検出装置
US20120249039A1 (en) * 2011-03-29 2012-10-04 Denso Corporation Temperature estimating device and temperature estimating method
US20150048772A1 (en) * 2012-03-30 2015-02-19 Mitsubishi Electric Corporation Motor drive device
JP2015103168A (ja) * 2013-11-27 2015-06-04 三菱電機株式会社 数値制御装置
JP2015116321A (ja) * 2013-12-18 2015-06-25 トヨタ車体株式会社 車両用昇降装置の制御装置
US20150295531A1 (en) * 2014-04-14 2015-10-15 Hyundai Motor Company System and method for estimating temperature of rotor of motor
US20150362558A1 (en) * 2013-02-21 2015-12-17 Renault S.A.S. Assessment of the energy that can be extracted from a motor vehicle battery
CN106301150A (zh) * 2015-06-25 2017-01-04 Abb有限公司 电驱动系统中功率半导体器件中的温度估计
CN106612094A (zh) * 2015-10-26 2017-05-03 发那科株式会社 机器学习装置及方法以及寿命预测装置及电动机驱动装置
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
JP2017175820A (ja) * 2016-03-25 2017-09-28 株式会社日立産機システム 制御装置およびそれを備える巻上機ならびに巻上機の制御方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8482238B2 (en) * 2010-11-30 2013-07-09 Caterpillar Inc. System and method for estimating a generator rotor temperature in an electric drive machine
EP3627121B1 (en) * 2018-09-21 2022-07-06 Maschinenfabrik Reinhausen GmbH Determining a characteristic temperature of an electric or electronic system
US11467214B2 (en) * 2018-10-31 2022-10-11 Abb Schweiz Ag Anomaly detection system and method for electric drives
US11293986B2 (en) * 2019-04-25 2022-04-05 Mitsubishi Electric Research Laboratories, Inc. System and method for estimating temperature and heat loss in electric motors
EP3779186A1 (en) * 2019-08-14 2021-02-17 Siemens Gamesa Renewable Energy A/S Method for computer-implemented determination of control parameters of a turbine
JP7303065B2 (ja) * 2019-08-23 2023-07-04 ファナック株式会社 機械学習装置、制御システム及び機械学習方法
DE102020112200A1 (de) * 2019-09-03 2021-03-04 Schaeffler Technologies AG & Co. KG Elektrische Antriebseinheit, Verfahren zum Betreiben einer elektrischen Antriebseinheit und Verfahren zur Temperaturberechnung
EP3809587A1 (en) * 2019-10-15 2021-04-21 KNORR-BREMSE Systeme für Nutzfahrzeuge GmbH A method for estimating a temperature in an electric motor, and a method for controlling the electric motor
EP3926426A1 (en) * 2020-06-15 2021-12-22 ABB Schweiz AG Method of monitoring an electrical machine
DE102021105493A1 (de) * 2021-03-08 2022-09-08 Ebm-Papst Mulfingen Gmbh & Co. Kg System und Verfahren zum Schätzen der Motortemperatur eines Motors
JP7080368B1 (ja) * 2021-03-18 2022-06-03 三菱電機株式会社 制御装置及び制御方法
US11581835B1 (en) * 2021-06-28 2023-02-14 Amazon Technologies, Inc. Sensor less magnet temperature estimation in permanent magnet machines

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070132446A1 (en) * 2001-12-11 2007-06-14 Kleinau Julie A Feedforward parameter estimation for electric machines
JP2009261078A (ja) * 2008-04-15 2009-11-05 Yaskawa Electric Corp モータ制御装置と温度推定方法
US20090319115A1 (en) * 2008-06-18 2009-12-24 Gm Global Technology Operations, Inc. Systems and methods for estimating temperatures of power module components
JP2010268644A (ja) * 2009-05-18 2010-11-25 Nissan Motor Co Ltd モータ温度異常検出装置
US20120249039A1 (en) * 2011-03-29 2012-10-04 Denso Corporation Temperature estimating device and temperature estimating method
US20150048772A1 (en) * 2012-03-30 2015-02-19 Mitsubishi Electric Corporation Motor drive device
US20150362558A1 (en) * 2013-02-21 2015-12-17 Renault S.A.S. Assessment of the energy that can be extracted from a motor vehicle battery
JP2015103168A (ja) * 2013-11-27 2015-06-04 三菱電機株式会社 数値制御装置
JP2015116321A (ja) * 2013-12-18 2015-06-25 トヨタ車体株式会社 車両用昇降装置の制御装置
US20150295531A1 (en) * 2014-04-14 2015-10-15 Hyundai Motor Company System and method for estimating temperature of rotor of motor
CN106301150A (zh) * 2015-06-25 2017-01-04 Abb有限公司 电驱动系统中功率半导体器件中的温度估计
CN106612094A (zh) * 2015-10-26 2017-05-03 发那科株式会社 机器学习装置及方法以及寿命预测装置及电动机驱动装置
JP2017175820A (ja) * 2016-03-25 2017-09-28 株式会社日立産機システム 制御装置およびそれを備える巻上機ならびに巻上機の制御方法
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022217597A1 (zh) * 2021-04-16 2022-10-20 华为数字能源技术有限公司 一种用于电机驱动器的故障预警方法和装置

Also Published As

Publication number Publication date
US20200073361A1 (en) 2020-03-05
US11740607B2 (en) 2023-08-29
CN110874079B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
CN110874079B (zh) 用于监测电驱动器的状况的方法和系统
JP7266587B2 (ja) 再充電可能なバッテリを制御するための方法およびシステム
JP4943390B2 (ja) 電力送配システム監視方法および電力送配システム
EP3299829B1 (en) Method and apparatus for electrical component life estimation
EP2527942B1 (en) System and method for estimating remaining life for a device
EP2778822B1 (en) A method to implement drive diagnostics and prognostics automatically
EP3203250A1 (en) Method and device for estimating a level of damage or a lifetime expectation of a power semiconductor module
JP2017083237A (ja) パワー素子の予測寿命を学習する機械学習装置及び方法並びに該機械学習装置を備えた寿命予測装置及びモータ駆動装置
EP3926325A1 (en) Method and apparatus for electrical component life estimation with corrosion compensation
WO2018198624A1 (ja) 管理監視システム
US11795958B2 (en) Method for determining operating states of a fan
US20110060569A1 (en) Real-Time, Model-Based Autonomous Reasoner and Method of Using the Same
EP3617824A1 (en) System, apparatus and method of managing an asset using an asset model
WO2021250280A1 (en) Provision of currently unmeasurable state information about a switchgear device system
US11916940B2 (en) Attack detection and localization with adaptive thresholding
US20150088461A1 (en) Fault detecting system and fault detecting method
CN111016827A (zh) 用于自动驾驶车辆的配电系统的健康自学习系统和方法
KR101555225B1 (ko) 전동기 제어반 고장 예측 진단 장치
WO2019234913A1 (ja) 支援装置、学習装置、及びプラント運転条件設定支援システム
KR20200073174A (ko) Iot기반 지능형 원격관리 서비스 시스템
KR101943423B1 (ko) 변전소의 자산 관리 방법
US11467214B2 (en) Anomaly detection system and method for electric drives
US10305282B2 (en) Initiating a control function based on real time available fault current measurement
CN112963406B (zh) 一种液压系统的监测方法、装置、系统和存储介质
KR101035013B1 (ko) 실시간 고장진단장치

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