CN111123098A - 用于电力驱动装置的异常检测系统和方法 - Google Patents
用于电力驱动装置的异常检测系统和方法 Download PDFInfo
- Publication number
- CN111123098A CN111123098A CN201911052177.5A CN201911052177A CN111123098A CN 111123098 A CN111123098 A CN 111123098A CN 201911052177 A CN201911052177 A CN 201911052177A CN 111123098 A CN111123098 A CN 111123098A
- Authority
- CN
- China
- Prior art keywords
- drive
- electric drive
- electric
- server
- condition
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
Abstract
本发明涉及监视处理设备的电力驱动装置的状况。方法包括从驱动控制单元和一个或多个传感器单元检索与在某个时间期中电力驱动装置的操作关联的驱动装置信息集合。方法包含从服务器获得与电力驱动装置关联的一个或多个可靠性信息。利用驱动装置信息集合和与电力驱动装置的驱动装置类型对应的模型,在服务器中计算一个或多个可靠性信息。一个或多个可靠性信息包含在指定的将来时间期中出现异常状况的概率。方法进一步包含基于出现异常状况的概率,将关于异常状况的至少一个状况指示提供到人机接口和驱动控制器之一。
Description
技术领域
本发明一般涉及监视电力驱动装置的操作状况。更特定地说,本发明涉及用于检测在电力驱动装置的操作中的异常的系统和方法。
背景技术
电力驱动装置被用来将受控功率输出提供到电马达以实行在处理设备中的各种工业操作。工业操作的性能和可靠性取决于电力驱动装置和电马达的状况以可靠地执行工业操作。电力驱动装置的状况取决于诸如功率电子转换器、过滤器电路、控制器电路和逆变器的电力驱动装置的各种功率电子组件的操作的状况和持续时间。进一步,状况和恶化也取决于与电力驱动装置的操作关联的多个物理参数,诸如操作电流、电压、驱动装置温度、功率板温度、切换频率、负载转矩等。与电力驱动装置的操作关联的这些参数可以被称为驱动装置参数。
任何功率电子组件的状况的恶化可导致电力驱动装置的故障/失效,这又造成电马达的操作的失效。类似地,诸如操作电流、电压、温度和/或负载转矩的驱动装置参数的异常值可导致电力驱动装置的失效。电力驱动装置的失效可中止多个工业过程,这可对企业造成巨大损失。因此,要求进行驱动装置失效的早期识别,以便能进行预防性维护动作以避免此类故障的出现。
用于预测为马达系统供电的电力驱动装置的失效的一些方法包含对马达电流数据应用马达电流特征分析/递归神经网络方法。从马达电流的电流特征识别电力驱动装置的操作状况。电流特征与阈值特征的任何偏离指示电力驱动装置的操作异常和退化。进一步,一些现有技术描述了通过比较驱动装置温度和预确定的阈值监视电力驱动装置的状况。
需要考虑在诸如电压、频率、负载转矩、驱动装置温度、电流、功率和影响驱动装置的操作状况的其它驱动装置变量的各种驱动装置参数之间的依赖性,以便进行状况监视和关联分析以检测状况。由于电力驱动装置的失效取决于多个驱动装置参数的值和电力驱动装置的组件的状况,因此,基于单独一个驱动装置参数来监视电力驱动装置的操作状况的方法能够被限于检测由于其它未被监视的驱动装置参数引起的异常状况。电力驱动装置的驱动装置参数的其它操作状况和阈值根据驱动装置类型而不同。
相应地,需要用于基于电力驱动装置的多个驱动装置参数和驱动装置类型来检测电力驱动装置的操作状况的方法。此类检测应有助于采取预防性动作以避免在电力驱动装置中异常状况的出现。
发明内容
本发明的一方面提供一种用于监视电力驱动装置的状况的方法。电力驱动装置控制在处理设备中电马达的操作。方法能够由耦合到服务器的电力驱动装置执行。服务器能够通过通信网络(例如,工业网络)以通信方式耦合到电力驱动装置。备选的是,驱动装置和服务器能够是工业计算机的一部分,在此情况下,驱动装置和服务器被集成在工业计算机中。
方法包含从电力驱动装置的驱动控制单元和/或一个或多个传感器单元检索与电力驱动装置的操作关联的驱动装置信息集合。可在驱动装置操作的某个时间期(例如,几个小时)中获得该驱动装置信息集合。该驱动装置信息集合包含操作参数的值和在该时间期中电马达的操作状态信息。例如,驱动装置参数的值包含电流、电压、转矩、切换频率、功率板温度及能够由传感器单元测量或者能够有驱动控制单元确定的其它实时信号的值。
从与电力驱动装置关联的状态指示符检索电马达的操作状态信息。作为示例,主状态字(MSW)信号或其它逻辑的指示符能够被用于确定状态。操作状态信息包含与在时间期期间由电力驱动装置控制的电马达的通电、闲置或断电状态关联的一个或多个时间实例。电马达基于电力驱动装置控制的操作状况处在通电、闲置或断电状态。例如,电马达在电力驱动装置被接通并且操作时处在通电状态,在电力驱动装置被接通但未执行操作时处在闲置状态,以及在电力驱动装置被断开时,电马达处在断电状态。
方法进一步包含从服务器获得与电力驱动装置关联的一个或多个可靠性信息。一个或多个可靠性信息指示电力驱动装置的运转的成功概率。在一实施例中,一个或多个可靠性信息包括在指定的将来时间期中出现异常状况的概率。在一实施例中,使用与电力驱动装置的驱动装置类型对应的模型和如从电力驱动装置接收的驱动装置信息集合,在服务器中计算一个或多个可靠性信息。该模型是从与在一个或多个处理设备中一个或多个电力驱动装置的操作关联的驱动装置信息的历史数据配置的,其中一个或多个电力驱动装置对应于电力驱动装置的驱动装置类型。
为在服务器中计算一个或多个可靠性信息,从驱动装置信息集合中排除了在电马达处在断电状态时的时间实例电力驱动装置的操作参数的一个或多个值。操作参数的值的此类排除被进行以去除已知且被记录的异常状况,以便通过使用模型,能够捕捉在驱动装置信息集合中的识别未被记录的异常状况的出现的模式。
一个或多个可靠性信息也能够包含在当前时刻电力驱动装置的状况、在时间期期间识别的一个或多个异常实例、出现异常状况的预期时间及与电力驱动装置的操作对应的至少一个建议。
方法进一步包含基于出现异常状况的概率,将至少一个状况指示提供到至少一个人机接口(HMI)。至少一个状况指示包含指示电力驱动装置的特定状况的信息。在一实施例中,在出现的概率被确定是大于第一阈值的情况下,至少一个状况指示包含关于异常状况的出现的至少一个警示。在一实施例中,当在时间期期间识别的异常操作实例的数量大于第二阈值时,出现的概率大于第一阈值。备选的是,出现异常状况的概率取决于在时间期期间识别的异常操作实例的数量。在当前时间期期间由模型识别的大量的异常操作实例指示在指定的将来时间期间中出现异常状况的更高概率。
在另一实施例中,至少一个状况包含警示和至少一个建议。在一实施例中,警示包含关于异常状况的出现的警告消息和对于所述出现剩余的时间。至少一个建议包含要采取的预防性措施以避免在指定的将来时间期间中出现异常状况。
在HMI上提供的警示和至少一个建议是由参与处理设备的监视和维护的维护人员或服务工程师可查看的。例如,HMI是智能电话的显示单元,并且警示和至少一个建议被提供在智能电话上运行的维护门户内。
本发明的另一方面提供用于监视在处理设备中至少一个电力驱动装置的状况的一种电力驱动装置和服务器布置。至少一个电力驱动装置控制在处理设备中电马达的操作。至少一个电力驱动装置被耦合到服务器。例如,电力驱动装置能够经由工业网络被耦合到服务器。另举一例,电力驱动装置和服务器布置能够是工业计算机的组成部分,其中驱动装置和服务器均是单个单元的一部分。
至少一个电力驱动装置具有多个模块,其每个模块执行上述方法的一个或多个步骤。进一步,服务器具有多个模块,其每个模块执行方法的一个或多个步骤的剩余步骤。在一个实施例中,至少一个电力驱动装置包括驱动控制单元、一个或多个传感器单元、数据采集单元和通信单元。在一实施例中,服务器包括输入接口、计算单元和输出接口。模块利用至少一个电力驱动装置或服务器的(一个或多个)处理器被实现。
例如,模块可利用服务器的处理器或与电力驱动装置关联的控制器被实现。在另一示例中,模块可利用在云平台上托管的服务器被实现,并且有能力经由通信网络与电力驱动装置进行通信。在一实施例中,模块可利用经由无线通信网络以通信方式耦合到以太网适配器的网络装置被实现,以太网适配器被耦合到电力驱动装置。
驱动控制单元确定与至少一个电力驱动装置的操作关联的驱动装置信息集合的一项或多项。一个或多个传感器单元测量与至少一个电力驱动装置关联的操作参数的一个或多个可测量值。数据采集单元从驱动控制单元和一个或多个传感器单元检索驱动装置信息集合。通信单元将驱动装置信息集合传递到服务器。
服务器在输入接口接收驱动装置信息集合,并且使用计算单元计算一个或多个可靠性信息。一个或多个可靠性信息包含在指定的将来时间期中出现异常状况的概率、在当前时刻电力驱动装置的状况、在时间期期间识别的一个或多个异常操作实例及出现异常状况的时间。
计算单元使用与至少一个电力驱动装置的驱动装置类型对应的模型和驱动装置信息集合来计算一个或多个可靠性信息。模型由计算单元从多个模型中选择,其中每个模型对应于电力驱动装置的驱动装置类型。多个模型被存储在由服务器可访问的数据存储装置中。在一实施例中,数据存储装置是在内部被链接到系统的存储器装置。在一实施例中,数据存储装置是在外部被耦合到系统的数据库。
为创建模型,计算单元将无监督机器学习方法(例如,诸如局部离群因子(LOF)算法的集群算法)和无监督机器学习方法(例如,诸如判定树算法(DAT)的分类算法)应用到驱动装置信息的历史数据。历史数据与对应于至少一个电力驱动装置的驱动装置类型的一个或多个电力驱动装置的操作关联。一个或多个电力驱动装置可以是单个处理设备或多个处理设备的一部分。在一实施例中,与一个或多个电力驱动装置的操作关联的驱动装置信息的历史数据由输入接口接收。类似地,在输入接口收到的与多个驱动装置类型对应的多个电力驱动装置的历史数据由计算单元用于创建多个模型。
为创建每个模型,计算单元排除了与每个电力驱动装置的一次或多次驱动装置跳闸和驱动装置失效关联的一个或多个时间实例之前和之后的操作参数的一个或多个值。一个或多个驱动装置跳闸和驱动装置失效从每个电力驱动装置内存在的故障记录器获得。进一步,计算单元在每个模型的计算期间排除了与每个电力驱动装置的断电状态关联的操作参数的一个或多个值。每个电力驱动装置的断电状态作为每个电力驱动装置的操作状态信息的一部分被获得。
输出接口将包括出现异常状况的概率的一个或多个可靠性信息提供到至少一个电力驱动装置。在接收一个或多个可靠性信息时,至少一个电力驱动装置使用通信单元将至少一个状况指示传递到至少一个人机接口(HMI)。在一实施例中,至少一个状况指示是基于出现异常状况的概率。例如,如果出现的概率大于预定义的阈值,则通信单元可提供关于异常状况的出现的警示。
附图说明
图1是在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是根据本发明的一实施例,用于监视在处理设备中至少一个电力驱动装置的状况的电力驱动装置和服务器布置的框图。
图3是根据本发明的一实施例,用于监视在处理设备中电力驱动装置的状况的方法的流程图。
图4A-4B是根据本发明的一实施例,创建用于获得与在处理设备中电力驱动装置关联的一个或多个可靠性信息的模型的流程图。
图5是根据本发明的一实施例,在图4A-4B中参考的模型的示例图示。
图6是根据本发明的一实施例,通过在某个时间期中使用在图4A-4B中参考的模型而获得的电力驱动装置的多个异常状况的图形表示。
图7是根据本发明的一实施例,在电力驱动装置中在一段时间期间在电力驱动装置中出现的多个异常状况的图形表示。
图8是根据本发明的一实施例,在某个时间期中通过电力驱动装置的模型确定的出现异常状况的概率的图形表示。
具体实施方式
本发明涉及监视在处理设备中电力驱动装置的状况,其中电力驱动装置控制电马达的操作。本发明的各种实施例能够在诸如图1中示出的环境100的环境中被实践。图1中示出的环境100示出包含多个电力驱动装置(102a-n)的处理设备(104),其中多个电力驱动装置通过通信网络(110)与服务器(106)进行通信。在一实施例中,电力驱动装置(例如,102n)可经由以太网适配器或网关装置(108)或适合的硬件与服务器进行通信。如所示出的,电力驱动装置(例如,102a)可控制在处理设备(104)中电马达(例如114)的操作。
多个电力驱动装置也有能力通过通信网络与人机接口(HMI)(112)进行通信。在一实施例中,与每个电力驱动装置对应的至少一个状况指示被提供到HMI。例如,HMI是例如智能电话、膝上型计算机及诸如此类的有能力托管维护门户的计算装置的显示单元。至少一个状况指示可被显示在维护门户内以供维护人员或服务工程师查看。虽然在此实施例中,HMI被示为在通信网络上连接的装置/终端,但HMI也能够是电力驱动装置的一部分,或者经由在处理设备中的本地连接(例如蓝牙或WIFI)与电力驱动装置连接。进一步,状况指示能够被直接显示在电力驱动装置的HMI上。
虽然图1的环境示出与多个电力驱动装置一起使用的单个服务器,以便监视单个处理设备的多个电力驱动装置的状况,但理解的是,在一个或多个处理设备中操作的多个电力驱动装置的状况能够通过使用在通信网络110中连接的单个或多个服务器来监视。进一步,虽然环境示出每个电力驱动装置的至少一个状况指示被提供到单个HMI,但理解的是,在多个处理设备中操作的多个电力驱动装置的每个电力驱动装置的至少一个状况指示能够被提供到多个HMI。此外,服务器106能够是处理设备的一部分,并且通信网络能够是处理设备的网络。
在任一情况下,多个驱动装置能够通过一个或多个通信网络与单个/多个服务器连接,并且(一个或多个)驱动装置的状况监视利用电力驱动装置和服务器布置来执行。根据一些实施例,电力驱动装置经由工业网络被耦合到服务器。根据一些其它实施例,电力驱动装置和服务器(或控制器)布置是工业计算机的组成部分。在这里,电力驱动装置和服务器均是单个单元的一部分。本领域技术人员将认识到,对于状况监视,能够测量/处理或检索能够指示或被用来推断驱动装置的状况/状态的与驱动装置关联的一个或多个参数,以便进一步分析和确定。此外,此类进一步分析和确定能牵涉到能够指示可靠性因子的参数(例如,失效的时间、与失败/成功关联的概率等)。
在一实施例中,电力驱动装置检索与在某个时间期内电力驱动装置的操作关联的驱动装置信息集合。电力驱动装置将驱动装置信息集合传递到服务器,基于驱动装置信息集合,使用与电力驱动装置的驱动装置类型对应的模型,计算与电力驱动装置关联的一个或多个可靠性因子/信息。一个或多个可靠性信息包含指示电力驱动装置的运转的成功的概率。
在一实施例中,可靠性信息包含在指定的将来时间期中出现异常状况的概率。电力驱动装置从服务器获得一个或多个可靠性信息,并且将至少一个状况指示提供到至少一个HMI。至少一个状况指示包含指示电力驱动装置的特定状况的信息。至少一个状况(和对应可靠性信息)是基于出现异常状况的概率。在一实施例中,至少一个状况指示包含关于在指定的将来时间期出现异常状况的警示。在另一实施例中,至少一个状况指示可包含对避免异常状况的出现的至少一个建议。在示例中,异常状况可以是在电力驱动装置中出现的硬件失效。
在查看HMI上的至少一个状况时,维护人员可采取预防措施以避免异常状况在将来出现。例如,维护人员可遵循至少一个建议以便防止异常状况的出现。
参照图2和图3,解释了由服务器(106)监视电力驱动装置(102a)的状况。
图2是根据本发明的一实施例,用于监视处理设备的至少一个电力驱动装置的状况的电力驱动装置和服务器布置(200)的框图。电力驱动装置和服务器布置包含以通信方式耦合到服务器(例如,106)的至少一个电力驱动装置(例如,102a)。至少一个电力驱动装置包含利用与驱动装置关联的一个或多个处理器实现的多个模块。服务器也包含利用与服务器关联的一个或多个处理器实现的多个模块。
在图2的实施例中,至少一个电力驱动装置包括驱动控制单元(204)、一个或多个传感器单元(206a-n)、数据采集单元(208)和通信单元(210)。进一步,根据实施例,服务器包含输入接口(212)、计算单元(214)、数据存储装置(218)和输出接口(220)。至少一个电力驱动装置和服务器的多个模块的每个执行用于监视至少一个电力驱动装置的状况的方法的一个或多个步骤,如在图3中所公开的。
电力驱动装置与服务器一起执行状况监视和发起预防动作或/和控制以避免电力驱动装置的失效。本领域技术人员将认识到,服务器能够被用来存储大数据,并且能够实行与如下所述有关的高级计算:模型建立,基于电力驱动装置的类型或其它技术特性来选择/关联模型与特定电力驱动装置,基于从来自该处理设备和/或由该服务器服务的其它处理设备的特定电力驱动装置或类似电力驱动装置收集的数据的学习进行模型的持续学习或自适应/精调。该服务器能够相应的被利用来将一个或多个服务/警示/通信提供到电力驱动装置,以根据在电力驱动装置中所作的配置,实行其它活动(例如,从服务器发送的信息的处理,在与电力驱动装置关联的HMI中提供警示,或者根据处理的信息控制电路驱动装置)。
图3是用于与服务器(例如,106)一起,监视电力驱动装置(例如,102a)的状况的方法的示范流程图。方法可利用电力驱动装置和服务器布置(例如,200)来执行。示例提供活动的一种布置,将认识到,能够存在基于通过电力驱动装置可用的计算功率和通信连接性产生的不同布置,即,如果是如此配置,则在服务器执行的一个或多个步骤也能够完全/部分在电力驱动装置被执行。在本发明的方法中,状况的监视包含确定在指定的将来时间期(例如,在几分钟、几小时等后)与在电力驱动装置的操作中异常状况的出现有关的至少一个状况指示。
在步骤302,由电力驱动装置的数据采集单元(例如,208)检索与在某个时间期中电力驱动装置的操作关联的驱动装置信息集合。在一个实施例中,驱动装置信息集合包含操作参数的值和在时间期中电马达的操作状态信息。
操作参数的值由一个或多个传感器单元(例如,206a-n)测量。例如,电流传感器能够测量在预定义的时间期期间流过电力驱动装置的驱动电流的值。与电力驱动装置的操作关联的一个或多个操作参数由驱动控制单元(例如,204)确定。例如,驱动控制单元能够确定驱动电流的频率。
操作状态信息包含与由电力驱动装置控制的电马达的通电状态、闲置状态或断电状态关联的一个或多个时间实例。备选的是,操作状态信息包含电力驱动装置处在“接通”(On)状态、“闲置”(Idle)状态和“关闭”(Off)状态时的时间实例。在一实施例中,从电力驱动装置的状态指示副获得操作状态信息。作为示例,能够使用主状态字(MSW)信号或其它逻辑的指示符。MSW被解码以自动检测在预定义的时间期期间电力驱动装置何时处在“关闭”状态(被断开)。
电力驱动装置经由通信网络(例如,110),使用通信单元(例如,210)将驱动装置信息集合传递到服务器。在一实施例中,电力驱动装置通过无线通信网络与服务器通信。在该驱动装置和服务器是工业计算机的组成部分的情况下,它们通过是工业计算机的一部分的内部I/O接口彼此进行通信。服务器在输入接口(例如,212)接收驱动装置信息集合。
在304,服务器使用计算单元(例如,214)计算与电力驱动装置关联的一个或多个可靠性信息。计算单元使用驱动装置信息集合和与电力驱动装置的驱动装置类型对应的模型(例如,216a)来计算一个或多个可靠性信息。一个或多个可靠性信息包含在将来时间期中电力驱动装置的一个或多个状况。在一实施例中,可靠性信息包含在指定的将来时间期中(例如,在几分钟、几小时等后)出现异常状况的概率、在预定义的时间期期间识别的一个或多个异常操作实例和出现异常状况的预期时间。进一步,可靠性信息能够包含与电力驱动装置的操作对应的至少一个建议。
为预测在将来在电力驱动装置的操作中异常状况或异常的出现,过滤驱动装置信息集合是必不可少的。驱动装置信息集合的过滤包含但不限于从在驱动装置信息集合中获得的驱动装置参数的值中去除与已知且被记录的异常状况对应的驱动装置参数的值。过滤也可包含去除与电力驱动装置的断开或闲置状态对应的驱动装置参数的值。
计算单元从驱动装置信息集合相应地获得与一次或多次驱动装置跳闸和驱动装置失效关联的一个或多个时间实例。上述一个或多个驱动装置跳闸指的是在预定义的时间期间中记载或记录的电力驱动装置的那些异常状况。计算单元获得在一个或多个时间实例之前和之后的驱动装置参数的一个或多个值,并且从驱动装置参数的值中排除驱动装置参数的一个或多个值。
进一步,计算单元从驱动装置参数集获得在电马达处在断电状态时的时间实例的驱动装置参数的一个或多个值,并且从驱动装置参数的值中排除在电马达处在断电状态时驱动装置参数的一个或多个值。因此,驱动装置信息集合被过滤以排除与被记录的驱动装置跳闸有关的数据和与在预定义的时间期期间电力驱动装置的断开状况有关的数据。
进一步,计算单元从多个模型(216a-n)中选择模型,其中模型对应于电力驱动装置的驱动装置类型。多个模型的每个模型对应于电力驱动装置的驱动装置类型。模型从与对应于特定驱动装置类型的一个或多个电力驱动装置的操作关联的驱动装置参数的历史数据中被创建(例如,由计算单元)。输入接口接收与在一个或多个处理设备中存在的多个电力驱动装置的操作关联的驱动装置参数的历史数据。用于创建模型的一个或多个电力驱动装置可以是在一个或多个处理设备中。模型的创建参照图4来描述。多个模型被存储在数据存储装置(例如,218)中。
在一实施例中,数据存储装置是在服务器的内部,如图2中所示出的。在另一实施例中,数据存储装置是位于服务器外部并且通过云网络以通信方式耦合到服务器的数据库。计算单元使用过滤的驱动装置信息集合和模型来计算一个或多个可靠性信息。输出接口(例如,220)将一个或多个可靠性信息提供到电力驱动装置。例如,可靠性信息能够包含出现异常状况的概率、在电力驱动装置中出现异常状况的时间及在指定的时间期期间识别的异常操作点的数量。在示例中,用于防止异常状况的出现的至少一个建议也能够被传递到电力驱动装置。
在306,电力驱动装置的通信单元从服务器获得一个或多个可靠性信息。一个或多个可靠性信息由输出接口经由通信网络传递到电力驱动装置。
在308,在接收一个或多个可靠性信息时,电力驱动装置使用通信单元将至少一个状况指示传递到至少一个人机接口(例如,112)。至少一个状况指示基于一个或多个可靠性信息。在一实施例中,至少一个状况指示基于出现异常状况的概率。在一实施例中,至少一个状况指包含与电力驱动装置的操作对应的至少一个警示或至少一个建议。例如,状况指示包含关于在将来时刻异常状况的出现的警示和出现的剩余时间。
在确定出现异常状况的概率大于第一阈值时,提供至少一个状况指示。在预定义的时间期期间识别的异常操作实例的数量大于第二阈值时,确定出现异常状况的概率大于第一阈值。例如,如果在预定义的时间期期间(由计算单元)识别的异常操作实例的数量大于10,并且第二阈值被设置成8,则出现异常状况的概率大于第一阈值,暗示着关于即将到来的出现的警示(至少一个状况)需要被提供到HMI。
在一实施例中,HMI是通过通信网络以通信方式被耦合到电力驱动装置的计算装置的显示接口。例如,至少一个状况指示可被显示在计算装置中托管的web门户中。计算装置的示例包含但不限于移动电话、台式机、平板、膝上型计算机、智能电话、服务器及诸如此类。维护人员可查看至少一个状况指示,并且采取适当的措施来避免异常状况的出现。参照图4A和图4B解释用于电力驱动装置的模型的创建。
图4A和图4B图示了说明用于电力驱动装置的模型的创建的流程图400。在402,获得与(一个或多个)驱动装置类型的多个电力驱动装置的操作关联的驱动装置参数的历史数据。驱动装置类型对应于为其创建模型的电力驱动装置的驱动装置类型。备选的是,属于相同驱动装置类型的电力驱动装置的历史数据由服务器的输入接口经由通信网络从多个电力驱动装置获得。
在404,计算装置通过排除关于每个驱动装置(或驱动装置类型)的被记录且已知的异常状况来过滤与每个电力驱动装置的操作关联的驱动装置参数(驱动装置信息)的历史数据。例如,排除与记录的驱动装置跳闸和失效对应的操作参数的值,并且从历史数据中排除在电力驱动装置处在断电状态时驱动装置参数的值。从与每个电力驱动装置关联的故障记录器检索与记录的驱动装置跳闸和驱动装置失效关联的一个或多个时间实例。在一实施例中,故障记录器是存储在每个电力驱动装置中出现的各种驱动装置跳闸的存储器芯片。进一步,也从每个电力驱动装置的历史数据中排除在电力驱动装置处在切断状态时操作参数的值。在一实施例中,从电力驱动装置的操作状态信息获得切断状态信息。能够从状态指示符获得操作状态信息。排除被记录(已知)的异常状况是必不可少的,以便创建保持专注于对领域专家是新的或者不保证警示/警告的异常的模型。
在406,按采样因子对过滤的历史数据进行采样以实现样本大小的降低。采样因子是可配置的参数。进一步,每个样本可进行平均以从数据中去除瞬态效应和噪声。例如,取决于在历史数据中测量噪声的量和历史数据的量,样本大小可以是30秒、1分钟或5分钟。在计算单元具有用于处理大量数据的计算能力的情况下,历史数据的采样是可选的。
在408,被采样数据的每个变量被按比例缩放以实现零均值和单位方差。采样数据确保具有不同标度的各种变量(例如,从0到230伏的电压、从0到10安的电流和范围从0到100赫兹的频率)被按比例缩放到公共标度以避免在模型中形成偏置。
在410,局部离群因子(LOF)算法被应用到按比例缩放的数据以获得一个或多个异常操作实例。LOF被用来基于操作点到邻居的相对距离来标记历史数据。为历史数据中的每个操作点计算LOF距离,并且将在阈值距离外的数据点考虑为离群值或异常操作实例。离群值的数量和阈值距离是对LOF算法的可配置的参数。
在412,例如判定树算法(DTA)的分类算法被应用到集群的数据以创建模型。DTA确定在其上需要进行树的分支的变量。DTA也确定在其处需要作出判定的变量的阈值。相应地,模型包含多个规则,包括在确定驱动装置的一个或多个状况中需要被考虑在内的各种驱动装置参数的阈值。
在414,根据驱动装置参数的样本数据来验证模型。在一实施例中,样本数据包含在一段时间内获得的电力驱动装置的驱动装置信息集合,其不是历史数据的一部分。样本数据作为输入被提供到模型,以获得一个或多个可靠性信息,例如在段时间期间异常操作实例的标识。识别的异常实力能够与在样本数据中存在的实际异常操作实例进行比较以确定模型的准确度。
在416,如果在实际异常操作实例之间的误差大于识别的异常操作实例,则方法流转到步骤418,否则,方法流转到步骤422。在418,模型的可配置参数能够被修改以便再训练模型,可配置参数诸如采样因子、LOF的离群值的数量、DTA的深度和在DTA中牵涉到的各种变量的阈值。方法随后流转到步骤402以便通过新的历史数据集来再训练模型。
在422,在误差小于预定义的阈值时,模型被确定是可接受的,并且由此模型被存储在数据存储装置中。因此存储的模型要在服务器上进行持续的学习过程。学习过程包含修改可配置参数以使模型适应新的数据参数集。在一实施例中,与电力驱动装置的驱动装置类型对应的模型被存储在电力驱动装置的内置存储器中。模型要进行在电力驱动装置内的学习过程。参照图5解释示例模型。
图5图示了示例模型500的实现。模型500包含下文称为规则的多个异常检测规则。在502,针对第一阈值(例如,512安)检测驱动电流变量的值。在发现电流变量大于第一阈值的情况下,规则流转到510,其中基于规则来计算出现异常实例的概率。在发现概率等于“1”的情况下,异常实例的出现被确定为肯定的。
然而,在电流变量被确定是小于第一阈值的情况下,模型的执行流转到步骤504。在504,针对第二阈值(例如,466)检测电流变量的值。在驱动电流的值大于第二阈值的情况下,执行流转到步骤508,其中针对第三阈值检测IGBT温度。相应地,如果驱动电流的值小于第二阈值,则执行流转到步骤506,其中针对第四阈值检测转矩。基于变量的值,使用模型的规则来计算出现的概率。例如,如果执行流转到步骤508,并且发现IGBT温度小于第三阈值(例如,75),则执行流转到步骤516,其中获得0.01的概率,暗示着出现异常状况的极小可能性。
相应地,模型提供出现异常状况的概率和导致该异常状况的驱动装置变量的异常值。参照图6-8解释模型的示例实现。
图6是在根据用于在示例处理设备中操作的电力驱动装置的2018年2月的样本数据来验证模型时,由模型确定的异常状况的数量的图形表示(600)。如图所示出的,在2018年整个2月,除在2018年2月22日31个异常状况被模型确定外,确定的异常状况的数量是正常的。在2018年2月22日因为驱动电路在7个时机大于第一阈值(例如,512安),模型确定了异常状况。通过将结果和2018年2月的实际数据相比较,验证模型的结果。实际数据包含在2018年2月26日电力驱动装置出现硬件失效(606)。因此,模型能够被说是得到验证,因为模型在实际硬件失效前四天识别了驱动装置的异常操作状况。
图7是由模型提供的2017年10月电力驱动装置的至少一个状况指示的示例表示(700)。模型根据在2017年1月中获得的历史数据进行训练。如所示出的,模型预测在2017年10月总共4个异常状况或异常,每个具有“1”的出现概率。一个异常状况被确定在2017年10月9日,另一异常状况在2017年10月10日,第三异常状况在2017年10月23日,以及第四个在2017年10月21日。由于检测到的异常小,相当于电力驱动装置的4分钟操作,因此,模型提供在2017年10月内电力驱动装置的正常操作状况。根据2017年10月内获得的实际数据连同主题专家的观察,模型的验证证明模型提供的状况指示准确。
图8是由示例模型确定的在2017年6月中电力驱动装置的异常状况的数量的图形表示(800)。在驱动电流由模型确定是大于第一阈值时,在2017年6月中,模型在2017年6月30日前提供了总共166个异常。模型进一步预测了在2017年6月30日的异常状况。预测是准确的,因为由于冷却系统的失效,电力驱动装置在2017年6月30日经历了故障的出现(806)。
上述说明解释在确定在将来时间期/时刻中在电力驱动装置的异常状况中在电力驱动装置服务器布置内模型的实现。在确定异常状况时,驱动装置服务器布置能够进一步确定要提供到HMI以便解决电力驱动装置的确定的状况的至少一个状况指示。
因此,根据一个或多个实现,电力驱动装置获得驱动装置信息(即,通过驱动装置的传感器感测,通过驱动装置的控制单元/控制器确定),并且将信息提供到服务器。服务器通过对驱动装置特定(即,根据驱动装置类型和/或环境对于驱动装置被调谐)的模型处理信息,以获得与在某个将来时刻或在某个将来时间期中异常状况的出现关联的可靠性信息。此模型在服务器是网络服务器的情况下可被远程存储,或者在服务器和驱动装置是单个单元(例如,工业计算机)的一部分时被存储在本地存储器上。获得的可靠性信息被传递回电力驱动装置,并且在驱动装置被利用以提供状况指示。状况指示能够被提供为在驱动装置(或者通过网络与驱动装置连接)的HMI上的警示或警告,以便维护人员关注。备选的是,状况指示能够被提供到驱动控制器以如所要求地采取预防性动作。
相应地,公开的方法和电力驱动装置和服务器布置使得在处理设备中电力驱动装置的有效状况监视能实现。异常状况的在先检测连同负责异常状况的驱动装置变量的异常值有助于提供有关时间的有效建议,以防止异常状况的出现,并且由此避免在工业处理设备中的操作停工。
Claims (10)
1.一种用于监视处理设备(104)中电力驱动装置(102a)的状况的方法,其中所述电力驱动装置控制电马达(114)的操作,其中所述方法由所述电力驱动装置与服务器(106)一起执行,所述方法包括所述电力驱动装置:
从驱动控制单元(204)和一个或多个传感器单元(206a-n)中的至少一个获得与在某个时间期中的所述电力驱动装置的操作关联的驱动装置信息集合,其中所述驱动装置信息集合包括所述电力驱动装置的操作参数的值和在所述时间期中所述电马达的操作状态信息;
从所述服务器获得与所述电力驱动装置关联的一个或多个可靠性信息,其中所述一个或多个可靠性信息包括在将来时刻出现异常状况的概率,其中利用所述驱动装置信息集合和与所述电力驱动装置的驱动装置类型对应的模型(216a),在所述服务器中计算所述一个或多个可靠性信息;以及
基于出现所述异常状况的所述概率,将关于所述异常状况的至少一个状况指示提供到人机接口(112)和驱动控制器之一。
2.如权利要求1所述的方法,其中所述电马达的所述操作状态信息是从与所述电力驱动装置关联的状态指示符获得的,其中所述操作状态信息包括与在所述时间期期间所述电马达的通电状态、闲置状态和断电状态之一关联的一个或多个时间实例,其中在所述服务器中在所述一个或多个可靠性信息的计算期间,从所述操作参数的所述值中排除了在所述电马达处在所述断电状态时的时间实例的所述操作参数的一个或多个值。
3.如权利要求2所述的方法,其中获得所述一个或多个可靠性信息进一步包括:
获得影响所述异常状况的一个或多个操作参数的一个或多个值,其中通过使用与所述驱动装置类型对应的所述模型,确定操作参数的值以影响在所述服务器中的所述异常状况。
4.如权利要求3所述的方法,其中所述一个或多个可靠性信息进一步包括在当前时刻所述电力驱动装置的状况、在所述时间期期间识别的一个或多个异常操作实例、出现所述异常状况的预期时间及与所述电力驱动装置的操作对应的至少一个建议。
5.如权利要求4所述的方法,其中在出现所述异常状况的所述概率大于第一阈值时,提供所述至少一个状况指示,其中当在所述时间期期间识别的异常操作实例的数量大于第二阈值时,出现所述异常状况的所述概率大于所述第一阈值。
6.如权利要求3所述的方法,其中提供所述至少一个状况指示进一步包括以下之一:
在所述至少一个状况指示被提供到所述HMI时,提供至少警示和至少一个建议的一项或多项,其中所述至少一个建议取决于影响所述异常状况的所述一个或多个操作参数;以及
将至少一个建议提供到所述驱动控制器,其中所述驱动控制器基于所述至少一个建议,发起纠正动作以防止所述异常状况的出现,其中所述至少一个建议取决于影响所述异常状况的所述一个或多个操作参数。
7.如权利要求1所述的方法,其中所述模型是根据与在一个或多个处理设备中的一个或多个电力驱动装置的操作关联的历史数据配置的,其中每个电力驱动装置的所述历史数据包括在一段时间内获得的多个驱动装置信息,其中所述一个或多个电力驱动装置对应于所述电力驱动装置的所述驱动装置类型。
8.一种用于监视在处理设备(104)中至少一个电力驱动装置(102a)的状况的电力驱动装置和服务器布置(200),其中所述至少一个电力驱动装置控制在所述处理设备中电马达(114)的操作,其中所述至少一个电力驱动装置被耦合到服务器(106),其中:
所述至少一个电力驱动装置包括:
驱动控制单元(204),用于确定与所述至少一个电力驱动装置关联的驱动装置信息集合的一项或多项;
一个或多个传感器单元(206a-n),用于测量所述至少一个电力驱动装置的操作参数的值,其中所述驱动装置信息集合包括所述操作参数的所述值;
数据采集单元(208),用于从所述驱动控制单元(204)和所述一个或多个传感器单元中的至少一个获得所述驱动装置信息集合;以及
通信单元(210),用于与所述服务器(106)和至少一个人机接口(HMI)(112)进行通信;
所述服务器包括:
输入接口(212),用于从所述至少一个电力驱动装置接收所述驱动装置信息集合;
计算单元(214),用于计算与所述至少一个电力驱动装置关联的一个或多个可靠性信息;以及
输出接口(220),用于与所述至少一个电力驱动装置进行通信;
其中所述至少一个电力驱动装置使用所述通信单元传递所述驱动装置信息集合到所述服务器,其中所述服务器在所述输入接口接收在某个时间期内的所述驱动装置信息集合,并且基于与在所述处理设备中的所述至少一个电力驱动装置的驱动装置类型对应的模型,使用所述计算单元计算所述一个或多个可靠性信息,其中所述模型由所述计算单元从多个模型(216a-n)中选择,其中每个模型对应于电力驱动装置的驱动装置类型,其中所述输出接口将所述一个或多个可靠性信息提供到所述电力驱动装置,其中所述至少一个电力驱动装置通过所述通信单元传递至少一个状况指示到所述至少一个HMI,其中所述一个或多个可靠性信息包括在指定的将来时间期中出现异常状况的概率、在当前时刻所述至少一个电力驱动装置的状况、在所述时间期期间识别的一个或多个异常操作实例、出现所述异常状况的预期时间,以及其中所述至少一个状况指示基于出现所述异常状况的所述概率。
9.如权利要求8所述的电力驱动装置和服务器布置,其中所述计算单元通过应用无监督机器学习方法和监督机器学习方法的一项或多项到与对应于驱动装置类型的一个或多个电力驱动装置的操作关联的历史数据,来创建所述每个模型,其中每个电力驱动装置的所述历史数据包括由所述每个电力驱动装置的所述通信单元在一段时间内接收到的多个驱动装置信息。
10.如权利要求9所述的电力驱动装置和服务器布置,其中所述计算单元:
在所述每个模型的创建期间,排除与所述每个电力驱动装置的一次或多次驱动装置跳闸和驱动装置失效关联的一个或多个时间实例之前和之后的所述操作参数的一个或多个值,其中所述一次或多次驱动装置跳闸和驱动装置失效的所述一个或多个时间实例是所述历史数据的一部分;以及
在所述每个模型的计算期间,排除与所述每个电力驱动装置的断电状态关联的所述操作参数的一个或多个值,其中所述每个电力驱动装置的所述断电状态的所述时间实例作为所述历史数据的一部分被获得。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201841041083 | 2018-10-31 | ||
IN201841041083 | 2018-10-31 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111123098A true CN111123098A (zh) | 2020-05-08 |
Family
ID=70326757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911052177.5A Pending CN111123098A (zh) | 2018-10-31 | 2019-10-31 | 用于电力驱动装置的异常检测系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11467214B2 (zh) |
CN (1) | CN111123098A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874079B (zh) * | 2018-08-30 | 2023-07-14 | Abb瑞士股份有限公司 | 用于监测电驱动器的状况的方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001218496A (ja) * | 2000-02-01 | 2001-08-10 | Nissan Motor Co Ltd | 駆動回路の故障検出装置 |
CN1705221A (zh) * | 2004-06-03 | 2005-12-07 | 佳能株式会社 | 电机驱动器电路以及该电路的控制方法、电子设备 |
CN101118437A (zh) * | 2007-09-03 | 2008-02-06 | 石毅 | 一种新型的数控机床远程状态监测与故障诊断系统实现方法 |
CN103412203A (zh) * | 2013-06-22 | 2013-11-27 | 佛山市顺德区泛仕达机电有限公司 | 电机变频驱动器老化测试装置及其测试方法 |
CN103728966A (zh) * | 2012-10-12 | 2014-04-16 | 洛克威尔自动控制技术股份有限公司 | 电机驱动器中的错误诊断和预测 |
CN104007358A (zh) * | 2014-06-11 | 2014-08-27 | 安徽江淮汽车股份有限公司 | 电动汽车永磁同步电机驱动系统短路故障诊断方法及系统 |
-
2019
- 2019-10-31 CN CN201911052177.5A patent/CN111123098A/zh active Pending
- 2019-10-31 US US16/670,574 patent/US11467214B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001218496A (ja) * | 2000-02-01 | 2001-08-10 | Nissan Motor Co Ltd | 駆動回路の故障検出装置 |
CN1705221A (zh) * | 2004-06-03 | 2005-12-07 | 佳能株式会社 | 电机驱动器电路以及该电路的控制方法、电子设备 |
CN101118437A (zh) * | 2007-09-03 | 2008-02-06 | 石毅 | 一种新型的数控机床远程状态监测与故障诊断系统实现方法 |
CN103728966A (zh) * | 2012-10-12 | 2014-04-16 | 洛克威尔自动控制技术股份有限公司 | 电机驱动器中的错误诊断和预测 |
CN103412203A (zh) * | 2013-06-22 | 2013-11-27 | 佛山市顺德区泛仕达机电有限公司 | 电机变频驱动器老化测试装置及其测试方法 |
CN104007358A (zh) * | 2014-06-11 | 2014-08-27 | 安徽江淮汽车股份有限公司 | 电动汽车永磁同步电机驱动系统短路故障诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20200132773A1 (en) | 2020-04-30 |
US11467214B2 (en) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109001649B (zh) | 一种电源智能诊断系统及保护方法 | |
US20220137613A1 (en) | Method and system for predicting failure of mining machine crowd system | |
EP3182346A1 (en) | A system for maintenance recommendation based on performance degradation modeling and monitoring | |
CA2545695C (en) | Method and system for predicting remaining life for motors featuring on-line insulation condition monitor | |
KR101561026B1 (ko) | 설비의 예측 정비 시스템 및 방법 | |
US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
RU2626780C1 (ru) | Способ и система удаленного мониторинга энергетических установок | |
EP2277778A2 (en) | Vehicle health management systems and methods with predicted diagnostic indicators | |
RU2649542C1 (ru) | Способ и система удаленного мониторинга объектов | |
EP2810134B1 (en) | Monitoring of primary devices in a power system | |
CN110119128B (zh) | 一种用于实验室用电设备的监控管理系统 | |
EP3388910A1 (en) | Method and apparatus for monitoring the condition of subsystems within a renewable generation plant or microgrid | |
CN113853275A (zh) | 基板处理系统 | |
CN115059634B (zh) | 鼓风设备的故障诊断方法及装置、电子设备 | |
KR101615085B1 (ko) | 설비의 이상 경보 시스템 및 방법 | |
US11740607B2 (en) | Method and system for monitoring condition of electric drives | |
US11099219B2 (en) | Estimating the remaining useful life of a power transformer based on real-time sensor data and periodic dissolved gas analyses | |
CN113606833B (zh) | 基于lstm循环神经网络的冰箱故障预测系统 | |
US11467214B2 (en) | Anomaly detection system and method for electric drives | |
WO2021033132A1 (en) | Condition monitoring device and a method thereof | |
WO2017051574A1 (ja) | 異常予兆監視システム | |
Kim et al. | An Adaptive Kalman Filter-Based Condition-Monitoring Technique for Induction Motors | |
CN115219842A (zh) | 一种机电设备故障定位及报警保护装置 | |
KR101622186B1 (ko) | 기기 상태 진단 장치 | |
EP3819735A9 (en) | Prediction of faulty behaviour of a converter based on temperature estimation with machine learning algorithm |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200508 |
|
RJ01 | Rejection of invention patent application after publication |