CN113806874A - 用于利用腐蚀补偿进行电气部件寿命估计的方法和设备 - Google Patents
用于利用腐蚀补偿进行电气部件寿命估计的方法和设备 Download PDFInfo
- Publication number
- CN113806874A CN113806874A CN202110578023.0A CN202110578023A CN113806874A CN 113806874 A CN113806874 A CN 113806874A CN 202110578023 A CN202110578023 A CN 202110578023A CN 113806874 A CN113806874 A CN 113806874A
- Authority
- CN
- China
- Prior art keywords
- electrical system
- corrosion
- component
- processor
- threshold
- 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
Links
- 230000007797 corrosion Effects 0.000 title claims abstract description 96
- 238000005260 corrosion Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000015556 catabolic process Effects 0.000 claims abstract description 112
- 238000006731 degradation reaction Methods 0.000 claims abstract description 112
- 230000001186 cumulative effect Effects 0.000 claims abstract description 71
- 239000003990 capacitor Substances 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 239000002184 metal Substances 0.000 claims description 9
- 229910052751 metal Inorganic materials 0.000 claims description 9
- 239000000758 substrate Substances 0.000 claims description 3
- 230000035882 stress Effects 0.000 description 36
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 15
- 229910052802 copper Inorganic materials 0.000 description 15
- 239000010949 copper Substances 0.000 description 15
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 12
- 229910052709 silver Inorganic materials 0.000 description 12
- 239000004332 silver Substances 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000009257 reactivity Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 239000007983 Tris buffer Substances 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005382 thermal cycling Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/60—Controlling or determining the temperature of the motor or of the drive
- H02P29/68—Controlling or determining the temperature of the motor or of the drive based on the temperature of a drive component or a semiconductor component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2607—Circuits therefor
- G01R31/2608—Circuits therefor for testing bipolar transistors
- G01R31/2619—Circuits therefor for testing bipolar transistors for measuring thermal properties thereof
-
- 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
- G01R31/26—Testing of individual semiconductor devices
- G01R31/27—Testing of devices without physical removal from the circuit of which they form part, e.g. compensating for effects surrounding elements
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/12—Observer control, e.g. using Luenberger observers or Kalman filters
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/02—Providing protection against overload without automatic interruption of supply
- H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
- H02P29/0241—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load the fault being an overvoltage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Immunology (AREA)
- Pure & Applied Mathematics (AREA)
- Environmental Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Inverter Devices (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
公开了用于利用腐蚀补偿进行电气部件寿命估计的方法和设备。用于估计电气部件劣化的系统和方法包括处理器，该处理器被编程为：基于电气系统的电气系统部件的操作参数计算电气系统部件的累积劣化值；以及基于累积劣化值和电气系统的腐蚀等级计算针对电气系统部件的腐蚀补偿累积劣化值。
Description
技术领域
本文公开的主题涉及电气部件劣化估计。
背景技术
电气系统例如具有电力转换器和其他电机的工业系统有时会经受恶劣的环境。腐蚀可能会导致或加速工业电子设备和工业系统的部件的劣化，从而导致针对工业制造设施的计划外的停机时间和减少收入。
发明内容
公开的示例包括如下的系统和方法，所述系统和方法包括：基于电气系统的电气系统部件的操作参数，计算电气系统部件的累积劣化值；以及基于累积劣化值和电气系统的腐蚀等级，计算针对电气系统部件的腐蚀补偿累积劣化值。
根据本发明的第一方面，提供了一种方法，包括：基于电气系统的电气系统部件的操作参数，计算电气系统部件的累积劣化值；以及基于累积劣化值和电气系统的腐蚀等级，计算针对电气系统部件的腐蚀补偿累积劣化值。
根据本发明的第二方面，提供了一种具有计算机可执行指令的非暂态计算机可读介质，该计算机可执行指令在由处理器执行时，使处理器执行以下操作：基于电气系统的电气系统部件的操作参数，计算电气系统部件的累积劣化值；以及基于累积劣化值和电气系统的腐蚀等级，计算针对电气系统部件的腐蚀补偿累积劣化值。
根据本发明的第三方面，提供了一种系统，包括：处理器，其被编程为：基于电气系统的电气系统部件的操作参数，计算电气系统部件的累积劣化值；以及基于累积劣化值和电气系统的腐蚀等级，计算针对电气系统部件的腐蚀补偿累积劣化值。
附图说明
图1是具有利用腐蚀补偿的预测模型的电机驱动器电力转换系统的示意图。
图2是预测模型以及感测值和计算值的示意图。
图3是配置用于腐蚀补偿的预测模型的方法的流程图。
图4是腐蚀环境分类的示意图。
图5是具有驱动器腐蚀降额因子的腐蚀环境分类表的示意图。
图6是具有IGBT部件腐蚀降额因子的腐蚀环境分类表的示意图。
图7是具有平均故障间隔时间(MTBF)减少的腐蚀环境分类表的示意图。
图8是用于利用腐蚀补偿估计电气系统部件的劣化的方法的流程图。
图9是预测值的示意图。
图10是预测值的示意图。
图11是可靠性曲线图。
图12是铜反应性图。
图13是按工业划分的驱动器降额表。
具体实施方式
电气系统例如具有电力转换器和其他电机的工业系统有时会经受恶劣环境。腐蚀可能会导致或加速工业电子设备和工业系统的部件的劣化，从而导致针对工业制造设施的计划外的停机时间和收入减少。所描述的示例提供了电机驱动器和其他工业系统，以及用于利用腐蚀补偿评估制造设施或其他工业设备安装处的整体部件劣化的方法和计算机可读介质。在某些示例中，电机驱动器电力转换器例如通过网络或用户接口向用户提供具有电气部件健康的警报和/或警告或其他指示的板载预测劣化确定(例如，向客户输出参数)，例如关于估计的剩余部件或系统寿命、平均故障间隔时间(MTBF)信息、消耗寿命百分比等，其可以由与系统中的一个或更多个电气部件相关联的阈值条件触发。所描述的示例提供了在系统处理器中实现的基于劣化的算法，所述系统处理器无论是在电机驱动器或其他工业部件中，以及/或者在现场网络服务器或远程网络服务器或另外的网络元件中。此外，所描述的系统和技术可以在除电力转换系统之外的各种工业设备中采用，以针对许多不同的应用来估计和跟踪累积的部件劣化，所述应用包括但不限于用于减轻或避免计划外的系统停机时间的自适应维护计划。
图1示出了将电力进行转换以驱动负载的示例电气系统。该示例系统包括从外部电源102接收单相或多相AC输入电力的电机驱动器电力转换系统100。示出的示例接收三相输入。在其他示例中，单相或其他多相实施方式是可行的。电机驱动器100将来自电源102的输入电力进行转换以传送输出电力来驱动电机负载104。电机驱动器100包括三相LCL输入滤波器电路120，该三相LCL输入滤波器电路120具有连接至电源102的电源引线的电网侧电感器L1、L2和L3、串联连接的转换器侧电感器L4、L5和L6以及连接在对应的电网侧电感器和转换器侧电感器与公共连接点之间的滤波电容器C1、C2和C3，其中，所述公共连接点可以而不是必须连接至系统接地。电机驱动器100还包括整流器130、DC总线或DC链路电路140、输出逆变器150以及风扇160，以为了冷却一个或更多个系统电气部件使空气在驱动器外壳(未示出)内循环。
整流器130和逆变器150由控制器170操作。控制器170包括：处理器172、存储数据和程序指令的电子存储器174以及整流器控制器132和逆变器控制器152。控制器170及其部件可以被实现为任何合适的硬件、处理器执行的软件、处理器执行的固件、逻辑电路和/或其组合，其中，示出的控制器170可以在很大程度上被实现为提供各种控制功能的处理器执行的软件或固件，控制器170通过这些控制功能接收反馈和/或输入信号和/或值(例如，设置点)，并且提供整流器开关控制信号134和逆变器开关控制信号154来操作整流器130的开关装置S1至S6和逆变器150的开关S7至S12，以将输入电力进行转换以用于提供AC输出电力来驱动负载104。另外，控制器170及其部件132、152可以被实现成单个基于处理器的设备(例如，微处理器、微控制器、FPGA等)，或者控制器170及其部件132、152中的一个或更多个可以由两个或更多个处理器设备以统一的方式或者分布式的方式分开实现。
在一个示例中，电机驱动器100提供包括通过滤波器电路120从电源102接收三相电力的开关整流器(也被称作转换器)130的有源前端(AFE)。有源整流器130包括整流器开关S1至S6，所述整流器开关S1至S6可以是可根据对应的整流器开关控制信号134操作以在被激励时选择性地导通电流的绝缘栅双极型晶体管(IGBT)或者其他适合的形式的基于半导体的开关装置。另外，二极管跨各个IGBT S1至S6连接。在操作中，根据来自整流器开关控制器132的脉冲宽度调制的整流器开关控制信号134来控制整流器开关S1至S6的切换，以提供对来自电源102的AC输入电力的有源整流，从而提供跨DC链路电路140中的DC总线电容器C4的DC总线电压Vdc。逆变器150包括被耦接以从DC总线140接收电力并且将AC输出电力提供给电机或其他负载104的开关S7至S12。逆变器开关S7至S12可以是任何形式的适合的高速开关装置，包括但不限于IGBT，其根据来自驱动器控制器170的逆变器开关控制部件152的开关控制信号154进行操作。
在某些示例中，控制器170接收各种输入信号或值，各种输入信号或值包括用于期望的输出操作的设置点信号或值(例如，电机速度、位置、扭矩等)以及表示电机驱动器100的各个部分和驱动器100的电气系统部件的操作值的反馈信号或值。例如，驱动器100包括各种传感器(未示出)，以向控制器172提供指示驱动系统100中的一个或更多个部件的操作条件的传感器信号，所述传感器包括热电偶、RTD或其他温度传感器，以向控制器170提供指示开关S1至S12、滤波器和DC总线电容器C1至C4的温度、与电机驱动器外壳的内部相关联的环境温度例如风扇周围(例如，附近)的局部温度、与一个或更多个部件相关联的电压(例如，与开关S1至S12相关联的电压、跨电容器C1至C4的电压)、风扇160的运行速度(rpm)等。另外，在某些示例中，控制器170从传感器接收一个或更多个电压反馈信号或值和/或电流反馈信号或值，以指示DC总线电压Vdc、线间AC输入电压值、电机线间电压值和/或电流等。在某些示例中，系统100还包括一个或更多个湿度或水分传感器，以感测外壳内的周围湿度，尽管这不是所有可能实现方式的严格要求。
在一个示例中，控制器170接收这种信息并且将该信息作为感测值和计算值178存储在存储器174中。存储的值178可以包括由处理器172基于一个或更多个传感器信号或值计算的值，例如，表示部件的温度相对于驱动器外壳的环境温度的温度变化值(例如ΔT)。在一个示例中，通过处理器172定期地获得或更新感测值和计算值178，并且控制器170包括适合的传感器接口和/或通信电路，以从驱动器系统100中的传感器接收传感器信号和/或数字值。在某些实现方式中，处理器172使用这种信息178中的某些信息，以通过执行存储在存储器174中的电机控制程序指令176来执行对电机负载104的操作的闭环控制(例如，速度控制、扭矩控制等)。
另外，在某些示例中，控制器170通过执行程序指令180以估计电机驱动器100的一个或更多个电气系统部件的劣化来实现预测功能。另外，存储器174存储一个或更多个预测值182。在一个示例中，处理器172实现预测模型程序指令180以估计电气部件劣化，并且选择性地生成一个或更多个警报和/或警告信号或消息184，以向用户标识一个或更多个电气部件的劣化。存储器174还存储驱动器腐蚀值和部件腐蚀值190例如针对整个系统的降额因子和部件降额值，以及环境腐蚀值192例如针对一种或更多种金属(例如铜、银等)的反应速率和/或腐蚀环境分类，如下文进一步描述的。
如图1的示例中所示，处理器172与用户接口(UI)106(例如，触摸屏或与电机驱动器系统100相关联的其他用户接口)可操作地耦接。在某些示例中，控制处理器172向用户接口106提供一个或更多个警告或警报184，以针对与驱动器100中的一个或更多个电气部件相关联的某些阈值条件警示用户。在一个示例中，处理器172使用安装地点处的环境腐蚀评估结果来自动地调整预测维护算法，以考虑腐蚀的影响。所描述的示例通过提供调整算法以补偿腐蚀性环境的方法来帮助减少或避免计划外的系统停机时间，扩展了预测性维护的能力。所描述的系统和技术可以扩展到使用化学传感器、温度传感器和湿度传感器来提供环境输入以及数据分析和可视化，以跟踪环境条件和针对在工业地点实现的工业产品和系统的生命消耗率。此外，在某些实现方式中，腐蚀补偿是在没有湿度传感器的情况下例如基于腐蚀试样特征和/或编程到系统中的工业类型信息实现的。所描述的示例有助于调整维护计划，以解决对电气部件的腐蚀影响和其他劣化影响，例如电机驱动器IGBT的焊线和/或焊料劣化。
此外，在某些示例中，控制处理器172经由通信接口108和网络连接112与一个或更多个网络装置110可操作地耦接，网络连接112可以是有线的、无线的、光学的或其组合。在某些示例中，控制器170经由通信接口108和网络112将感测值和/或计算值178中的一个或更多个提供给网络装置110，并且网络装置110包括处理器114和存储器116，以实现预测模型程序指令180并存储预测值182。实际上，任何适合的处理器(无论电机驱动器控制器170的板载处理器172还是网络装置110的处理器114)都可以实现在本文中公开的劣化估计构思。在某些示例中，网络装置110可以是将预测模型180实现为由服务器处理器114执行的程序指令的网络服务器。在另一示例中，网络装置110可以是过程控制装置，例如，在分布式控制系统(DCS)中的控制模块，并且通信接口108和网络112可以是用于在电机驱动器100与控制模块110之间交换值和消息(例如，感测值和/或计算值178)的DCS网络。
还参照图2至图7，处理器实现的预测模型180对存储在存储器174中的一个或更多个感测值和/或计算值178进行操作。此外，在某些示例中，模型180使用由用户编程的或基于用户输入配置的值，例如腐蚀分类和/或来自腐蚀试样分析的潜在反应速率信息。在下文中，在驱动器控制器170中通过控制处理器172经由电子存储器174实现的情况下描述预测模型180的操作。在其他示例中，预测模型180以类似的方式在网络装置110或其他基于处理器的系统(例如，图1中的处理器114)中实现。如图2所示，在一个示例中，可以针对电气驱动器系统100的一个或更多个部件存储感测值和计算值178。例如，在图1和图2的示例中，可以针对各个整流器开关和/或逆变器开关S1至S12、驱动器电容器C1至C4和/或驱动器冷却风扇160保存值178。在一个示例中，针对开关S1至S12中的每一个，在存储器174中存储IGBT结壳温度值200。可以计算所述值，例如，其中，根据IGBT中的发热和来自与开关S1至S12中的给定一个开关单独关联的热电偶或RTD的传感器值来计算IGBT结壳温度200。如图2所示，感测值和计算值178还可以包括一个或更多个二极管结壳温度202、滤波电容器温度204、滤波电容器电压206、DC总线电容器温度208、DC总线电容器电压210、风扇速度值212、空气温度213和功率模块基板温度215。此外，在某些示例中，感测值和计算值178包括一个或更多个湿度值214。
图3示出了用于配置用于腐蚀补偿的预测模型180的方法。在302处，用户将腐蚀分类试样暴露给电机驱动器100或其他感兴趣的系统的环境。在一个示例中，试样包括铜条和银条，并且铜条和银条被暴露于驱动器环境(例如在安装地点处的电机驱动器外壳内)达预定的时间，例如30天。在304处，实验室分析试样的金属条，并且确定暴露的分类试样的铜反应速率和银反应速率，例如通过测量针对铜和银在30天时段内腐蚀的铜和银的生长厚度(以埃为单位)以确定反应速率(以
天为单位)。在一个示例中，用户在306处根据在304处确定的已确定的铜反应速率和银反应速率例如使用图4中的表400来确定环境分类(例如，ISA 71.04环境分类G1、G2、G3、GX或其他标准，例如被定义为解决ISA 71.04标准的缺点的罗克韦尔自动化环境分类GX+，其中，GX被定义为仅具有较低的规格限制(
天))。在该示例中，用户在307处输入所确定的环境分类作为驱动器100的配置的一部分，以作为图1中的一个或多个环境腐蚀值192存储在存储器174中。在另一实现方式中，用户在308处将在304处确定的铜反应速率和银反应速率直接输入到驱动器中，并且驱动器固件或软件确定环境分类。在另一实现方式中，驱动器100包括湿度和温度传感器或其他装置以实时确定和更新腐蚀分类，其随着环境条件变化选择性地更新分类。
在一个示例中，处理器174(图1)实现预测模型180的腐蚀影响引擎，所述腐蚀影响引擎计算或选择针对各个驱动部件的驱动器降额因子KDRIVE和部件级降额因子KCOMPONENT。此外，在一些示例中，驱动器100被配置有驱动器类型名称，例如用于标准驱动器的类型1和用于环境硬化产品的类型2，并且预测模型180针对不同的驱动器类型名称使用潜在的不同降额因子。图5示出了在一个示例中存储在存储器174中的表格500，其具有针对来自暴露的腐蚀分类试样的铜反应性和银反应性的不同范围的列，以及针对对应的ISA71.04环境分类(例如，G1、G2、G3、GX或GX+)的列。表格500还包括具有针对类型1驱动器和类型2驱动器的对应的驱动器降额因子KDRIVE的两个另外的列。
图6示出了存储在图1的存储器174中的另一示例表600。表格600具有针对相关联的机柜和外壳以及通风部件的不同级别的工业保护(IP)的驱动分类等级(例如，IP00、IP20/21、IP54和IP66)的第一列，其中，不同的IP等级表征了机柜外壳例如对灰尘、固体和液体的抵抗力，并且描述了部件周围的腐蚀性空气的流速。表格600还包括具有针对类型1驱动器和类型2驱动器的对应的部件降额因子KCOMPONENT的两个另外的示例列。示例表600包括针对电机驱动器100中的IGBT部件的部件降额值。在某些实现方式中，存储器174将针对驱动器100的对应各个电气部件(例如，IGBT、风扇、滤波电容器、总线电容器等)的多个部件降额表存储为图4中的值190。
在一个示例中，图7示出了表700，其具有针对每个相应的ISA71.04环境分类G1、G2、G3、GX或GX+的平均故障间隔时间(MTBF)减少范围。在操作中，图1的预测模型180确定累积劣化和/或剩余使用寿命和/或直到针对整个驱动系统100和针对单个部件建议维护的时间，其中补偿腐蚀分类，其中，劣化效应随着更多的腐蚀环境而加速，并且通过经验测试和/或根据关于腐蚀相关劣化和预期使用寿命的部件产品数据表建立各个降额因子。
还参照图8至图10，图8示出了用于估计由操作参数引起的电气系统部件的劣化的处理或方法800，所述操作参数针对一系列应力循环中的每一个应力循环对电气系统部件施加应力，处理或方法800包括针对腐蚀效应的补偿。在一个示例中，方法800通过处理器172使用值178中的一个或更多个来执行预测模型程序指令180来实现，以便基于模型化的部件劣化来选择性地生成一个或更多个警告和/或警报184。例如，电机驱动器系统示例100中的电气部件劣化可以由预测模型182估计由温度变化操作参数ΔT(例如，开关和/或二极管劣化)、电压操作参数V(例如，电容器劣化)、速度操作参数RPM(例如，风扇劣化)和环境温度T引起的劣化来建模。通常，处理器172和存储器174根据作为存储器174中的预测值182的一部分维护的周期计数值n(图9中的923)进行操作，预测值182分别对应于操作参数ΔT、V、RPM和T的值的范围920(例如，本文称为“箱(bin)”)。另外，处理器172和存储器174根据对应的多个最大循环值N(924)进行操作，所述多个最大循环值N(924)分别对应于范围920中的一个，并且表示对应范围920中的应力循环的数量，在该范围920中，部件S1至S12、C1至C4或160预期具有用户定义的故障概率值900(例如，用户选择的“危险因子”)。
在给定的应力循环的操作中，处理器172对计数值n923中的与包括针对该应力循环的测量值或感测值178的范围920对应的计数值n进行递增。处理器172将电气系统部件S1至S12、C1至C4、160的累积劣化值D 926计算为各个计数值n923除以对应的最大循环值N924的比率之和。然后，在一个示例中，处理器172将计算的累积损坏值D与一个或更多个用户定义的触发或阈值级别902、903进行比较，以选择性地生成可以提供给图1的用户接口106的警报和/或警告184。
下面在对IGBT开关S1的劣化估计的情况下示出并描述在实现图8的方法800时处理器172的操作。在某些示例中，对于其他开关S2至S12以及与开关S1至S12相关联的对应的续流二极管也进行类似的操作。此外，描述的处理800和在实现预测模型180时处理器172的操作可以用于基于速度循环应力评估其他系统电气部件(例如，滤波器电容器C1至C3和/或DC总线电容器C4)的电压和/或温度相关的劣化和/或系统冷却风扇160的劣化。在每个示例中，向对应的电气系统部件(例如，开关、二极管、电容器、风扇电机)施加应力的操作参数(例如，温度、电压、速度)的范围被分成多个不交叠的箱或范围(图9和图10中的920)，并且预测值182包括针对箱或范围中的每一个的最大循环值N(924)。针对每个范围的各个最大循环值N 924表示对应的范围920中部件预计具有用户定义的失效概率(failureprobability)值900的应力循环次数。在一个实现方式中，用户可以设置失效概率值或“危险因子”900以及阈值警告和警报级别902和903。在另一实现方式中，用户可以基于剩余寿命阈值来设置警报。在剩余寿命低于该阈值的情况下，生成警报。在一个示例中，电机驱动器部件是接触器或断路器，并且操作参数是空载断开。
因此，当IGBT或其他电气系统部件接近其使用寿命终点时，可以通知电气系统(例如，电机驱动器100)的用户，以便利于有计划的主动维护，以避免或减少计划外的系统停机时间。在一个示例中，用户经由用户接口106或网络连接来输入值900至903(图9)，并且通过处理器172将这些值作为预测值182的一部分存储在存储器174中。在该示例中，用户定义的危险因子900表示用户选择的失效概率值。操作范围参数901使得用户能够选择用于电机驱动器100的正常的温度操作范围或扩展的温度操作范围(例如，对于正操操作为-20℃至40℃，对于扩展操作为40℃至55℃)。在一个示例中，警告级别参数902(例如，第一级别L1)设置阈值，高于该阈值，预测模型180将向用户指示警告184，并且警报级别参数903设置用户定义的第二级别(L2)，高于该用户定义的第二级别，预测模型180经由用户接口106向用户指示警报184。
本公开内容中的图8中的处理800和在实现预测模型180时处理器172的操作有利地考虑了用户的风险容忍度。在一个示例中，通过这三个用户定义的参数：警告级别、警报级别和危险因子，来调节用户针对由于电气系统部件故障导致的计划外停机时间的风险容忍度。可以根据给定的电气系统部件的试验数据和/或制造商数据获得最大循环值N 924，并且值924的集合表示应力循环级别在操作参数范围的应力贡献，并且预测模型180提供了对所分析的电气部件施加的应力的量的累积估计。在一个示例中，IGBT开关S1的建模由基于制造商数据、测试和/或数学模型的值924表示。该模型以及用户指定的危险因子900用于创建5至10度宽的结壳温度范围的箱。在图9和图10的示例中，在表示电机驱动器系统100中的IGBT开关S1至S12的合理预计操作范围的0℃至130℃的范围内使用10℃宽的箱或区域。可以针对给定的电气部件定义包括合理数量的两个或更多个箱或操作参数范围的类似的模型，其中，根据制造商数据、测试和/或数学模型来预先确定针对每个箱范围的最大循环值N。因此，所描述的技术和系统可以用于任何类型或形式的电气系统部件，并且本公开内容不局限于IGBT或电机驱动器部件。在一个示例中，电机驱动器部件是接触器或断路器，并且操作参数是空载断开。
在图8的802处，在一个示例中，每几秒钟，处理器172通过执行预测模型程序指令180来更新或刷新预测值182，以确定或估计用于示例电机驱动器系统100的IGBT S1至S12的更新的累积劣化值D(例如，图9中的926)。在每个这样的应力循环中，预测模型180可以在804处例如从通过处理器172执行的作为正常驱动器控制功能的一部分的热管理部件获得温度值。在806处，处理器172根据在804处接收的热数据来确定结壳温度估计或温度差(例如，ΔT或“DT”)，例如，在一个示例中，通过从电机驱动器外壳内部的环境温度减去测量的开关温度来确定结壳温度估计或温度差。因此，处理器172在804、806处接收表示针对给定的应力循环的操作参数ΔT的第一值178。对于给定的应力循环，处理器172随后在808处确定哪个箱或范围与接收到的第一值178匹配，并且在810处对与包括第一值178的操作参数ΔT的值的范围920对应的对应循环计数值n923进行递增。
在812处，处理器172基于部件的操作参数来计算针对电气系统100的一个或更多个电气系统部件(例如，S1至S12、C1至C4、160)的累积劣化值D(例如，下面图9和图10中的926)。在一个实现方式中，处理器172将给定应力循环中的电气系统部件S1的累积劣化值计算为操作参数(例如，ΔT、V、RPM)的多个值920中的各个循环计数值n923除以对应最大循环值N 924的比率之和。
在图8中的813处，处理器172基于累积劣化值D和电气系统100的腐蚀等级计算针对电气系统部件S1至S12、C1至C4、160的腐蚀补偿累积劣化值DNEW。在一个示例中，电气系统100的腐蚀等级包括电气系统100的金属反应速率(例如，以
天为单位的铜反应性和/或银反应性)。在某些实现方式中，电气系统100的腐蚀等级包括电气系统100的腐蚀分类(例如，ISA 71.04环境分类G1、G2、G3、GX或GX+)。在一个示例中，处理器172被编程为周期性(例如在图8中的812处每分钟一次)地计算累积劣化值D，并且处理器172修改或补偿累积劣化值D，以根据相应的驱动器降额因子KDRIVE和部件降额因子KCOMPONENT确定针对相应的电气系统部件的腐蚀补偿累积劣化值DNEW。
根据驱动器100对腐蚀的鲁棒性和针对给定系统安装的操作环境的腐蚀性提供了对MTBF和估计的剩余寿命(或累积劣化)的更准确的估计。在示出的示例中，腐蚀补偿累积劣化值DNEW根据先前的值(DOLD)计算为DNEW＝DOLD+(ΔD/KDRIVE*KCOMPONENT)，其中，ΔD＝DNEW-DOLD，并且KDRIVE和KCOMPONENT是相应的驱动器腐蚀降额因子和各个部件腐蚀降额因子。此外，在某些实现方式中，腐蚀补偿智能地使用与特定驱动器类型和环境分类相对应的相应的驱动器腐蚀降额因子和各个部件腐蚀降额因子，其中，恶劣环境中的标准驱动器将具有比恶劣环境中的超牢固驱动器(extra toughdrive)更高的增量累积劣化。
在一个示例中，处理器172通过从非易失性存储器174读取反映已经消耗的寿命量的累积劣化的最新估计DOLD来开始每次更新(例如，每分钟操作一次)。然后，处理器计算ΔD，以反映基于电压、温度、应力等发生的另外的劣化量。在813处的腐蚀补偿基于操作环境的腐蚀性有效地放大了劣化，因为驱动器腐蚀降额因子KDRIVE和各个部件腐蚀降额因子KCOMPONENT是单位值(unity)或更小，并且出现在图8的813处的腐蚀补偿调整的分母中。一旦计算出腐蚀补偿劣化值DNEW，处理器172将该值写入存储器174中以在下一计算周期中使用，并且用于选择性地报告警报和/或警告。
在一个示例中，处理器172在814处确定针对给定的应力循环的累积劣化值DNEW926是否超过用户定义的警报级别或阈值903(L2)。在下面的图9和图10的示例中，用户已选择了L2＝95％的警报级别903，并且危险因子900为5％。如果这样(在814处为“是”)，则处理器172在816处生成警报184，并且在图8中的802处再次刷新IGBT诊断结果。否则(在814处为“否”)，处理器172确定累积劣化值DNEW 926是否超过第一(警告)阈值级别L1(L1<L2)902。在图9和图10的示例中，用户已经选择L1＝80％的警告级别902。如果累积劣化超过第一阈值级别L1(在818处为“是”)，则处理器172在820处生成警告184，并且在802处刷新IGBT诊断结果。否则，如果累积劣化值DNEW未超过阈值级别902、903中的任何一个(在818处为“否”)，则在802处刷新IGBT诊断结果，并且处理器172继续进行下一应力循环。在一个示例中，处理器172针对多个不同系统电气部件中的每一个实现类似的处理800，以针对每个给定的应力循环执行预测模型程序指令180。例如，处理器可以针对IGBT开关S1至S12的全部或者其子集实现所描述的处理800，并且可以实现类似的处理，以估计相关联的二极管关于结壳温度的劣化，其中，操作参数是结温变化ΔT。
可以关于电机驱动器电容器C1至C4或其子集的基于温度和/或电压的应力或劣化来执行类似的处理800。在该情况下，操作参数可以是温度变化ΔT和/或电压V。在其他示例中，处理器172在该情况下根据电机速度应力循环和电机的局部环境温度来实现关于冷却风扇160的劣化的预测模型。在该示例中，操作参数可以是风扇速度RPM和环境温度。在这方面，可以由处理器172在不同的周期性时间间隔的应力循环处评估不同的电气部件，其中，应力循环的时间长度对于不同的电气部件类型可以是不同的。
所公开的示例使得IGBT或其他部件预测可靠性模型180能够通过考虑用户定义的警告级别、警报级别以及用户愿意为电气系统100的给定应用承担的风险的量来适应用户需求。根据每个IGBT消耗的寿命(其可以有助于定义维护间隔)将模型更新结果(例如经由用户接口106)提供给用户。模型180还使得能够以自适应智能使用和基于风险的方式进行预定的维护、部件更换等，这与固定的更换间隔不同。这提供了考虑停机时间对于其处理的严重性的、独特的IGBT预测可靠性模型。
现在转到图9至图11，图9和图10示出了关于电机驱动器100中的示例IGBT开关S1的预测数据182的示例集。图9的示例示出了在第一示例时间处的IGBT S1关于热循环应力的累积状态，并且图10的示例示出了在电机驱动器100的操作期间的稍后时间处的IGBT S1的劣化状态。发明人已经认识到的是，给定时间(或循环)内的IGBT可靠性可以根据以下等式(1)使用两个参数威布尔分布(Weibull distribution)来表示：
其中，β是形状参数，并且η是IGBT的特征寿命。对等式(1)进行重新排列得到以下等式(2)，以表示在给定的热应力循环次数(N)之前这种类型的IGBT部件可能失效的总体的百分比X％之间的关系：
在该情况下，值“X”是在图9和图10中的用户定义的危险因子900。在一个示例中，如果用户愿意承担在预期之前IGBT可能失效的5％的机会，则用户可以将危险参数900设置为X＝0.05。IGBT可靠性的失效模型的物理结构基于Coffin-Mason模型、结壳温度，并且可以根据以下等式(3)关于特征寿命η表示：
其中，ΔTjc是以摄氏度为单位的IGBT结壳温度变化值，并且m和n是取决于具体IGBT电气部件的常数。下面的等式(4)提供了针对示例IGBT功率循环数据开发的特征寿命的通用模型：
其中，
A＝A1·Tj,max+A0 (5)
B＝B1·Tj,max+B0 (6)
C＝C1·Tj,max+C0 (7)
D＝D1·Tj,max+D0 (8)
以下等式(9)通过将等式(4)和等式(2)结合来描述IGBT可靠性模型：
对于IGBT，可以根据以下等式(10)使用Miner法则计算累积损坏或劣化值D：
其中，N是由等式(9)定义的对于给定的危险因子(X)和温度变化值(ΔT)的最大循环次数，并且n是实际循环次数。图9和图10的示例示出了针对使用150℃的最大结温(Tjmax)、A(上述等式(5))＝10.5676，B(上述等式(6))＝6.384、C(上述等式(7))＝74.305和D(上述等式(8))＝-1.379的实现方式的预测值182。如上所述，可以由用户根据操作范围参数901来设置不同的最大结温Tjmax。在一个示例中，处理器172根据来自用户接口106的用户设置来实现预测模型程序指令180，根据制造数据、测试数据和/或数学模型针对A、B、C、D计算值910，并且处理器172将对应的操作参数范围分为合理数量的范围或箱920。在图9和图10的示例中，针对结壳温度变化值ΔT(在图9和图10中指示为DT)设置10℃范围，所述结壳温度变化值ΔT针对每个范围包括最小温度921和最大温度922，并且处理器172计算并存储针对对应的箱范围的对应的最大循环值N 924。
如上面结合图8所描述的，处理器172在对应的电气系统部件(例如IGBT)的操作使用期间保持循环计数值“n”，并且在每个对应的应力循环中，根据针对当前应力循环接收到的第一值来对计数值中的一个计数值进行递增。如图9所示，IGBT S1在不同温度范围箱的每一个中经受了n次循环，并且每个范围贡献对应的劣化分量值925“n/N”。为了确定累积劣化值926，处理器172累加各个劣化分量值925。在图9的示例中，IGBT基于结壳温度循环应力已经经受了79％的累积劣化。在该示例中，IGBT没有超过警告阈值级别902和警报阈值级别903，并且因此处理器172不向用户提供任何警告或警报184。在IGBT的进一步操作之后，如图10所示，累积劣化值926已经达到83％，并且在每个给定的应力循环中，处理器172基于超过警告阈值级别902的劣化提供警告184。用户可以基于警告安排预防性维护以更换IGBT，或者可以等待直到达到警报级别(例如，在该示例中为95％)。在某些示例中，可以自动采取任何补救措施，例如，处理器172可以基于达到警报级别903的劣化值926来执行电机驱动器系统100的受控停机。在某些示例中，处理器172操作为基本上实时地例如在每个给定的应力循环周期性地更新计数值923，并且劣化计算可以但是不必频繁地更新。例如，可以基本上实时地更新计数值923，而可以每天或每周或以某个其他明显更长的间隔执行经由值925和926的计算的预测评估。
图11示出包括曲线1101、1102、1103和1104的示例可靠性图1100，曲线1101、1102、1103和1104分别针对四个示例最大结温值100℃、125℃、150℃和175℃示出了根据结壳温度变化值ΔTJC的到5％失效概率的预计循环次数。如前所述，曲线1101至1104表示被合并到值N 924中的建模，值N 924表示在达到劣化的预定义的危险因子级别之前IGBT在对应的温度变化值范围内可以经受的最大应力循环次数。此外，曲线1101至曲线1104可以表示给定的电气部件的制造商数据、给定类型的电气部件的试验测试和/或用于给定的电气部件的另外开发的数学模型的类型。
用户还可能期望计划一个或更多个系统部件的维护。在某些示例中，处理器172被编程为预测风扇或其他部件何时会达到警报状态或其他预定的剩余寿命值。在一个示例中，处理器172使用根据客户使用情况得出的每小时损坏率(ΔCD)作为预测剩余时间tr的基础。在一个实现方式中，处理器172被编程为实现简单的无限脉冲响应(IIR)低通滤波器，以根据以下等式(11)使用累积劣化值CD(在上面被称作“D”)来计算伪滚动平均劣化速率ΔCD：
其中，UC0是更新时间(例如，每1小时、每1分钟等)，并且UC1是累积劣化速率计算的时间常数(例如，在一个实现方式中为96小时或4天，在另一实现方式中为720小时或30天)。在一个示例中，处理器根据以下等式(12)使用当前部件累积劣化值(CD)和来自等式(11)的经滤波的用例(use case)的累积劣化累积速率(ΔCD)来计算需要更换风扇或其他部件(例如，当达到用户指定的事件级别L1时)的预测剩余时间(tr)：
其中，用于更换时间tr的单位基于用例定义(例如，小时)。
图12示出了具有曲线1202的曲线图1200，该曲线1202表示以每30天的
腐蚀增长表示示例驱动系统安装中的铜反应性。在上面的示例中，铜反应性和/或银反应性用于将给定的环境分类为周全考虑(discreet)数量的分类(例如，ISA71.04环境分类G1、G2、G3、GX或GX+)。在可替选的实现方式中，处理器172基于输入到驱动器100中的铜值和银值而不是每个表的步进增量来缩放每个ISA71.04的降额因子(例如，KDRIVE)。如图12所示，铜腐蚀是非线性的，并且在更长或更短的测试时间内的测量结果可以使用以下关系X1＝X(t1/t)A减少到归一化的一个月值，其中，X1是30天后的等效膜厚度，X是时间t后的测量膜厚度，t1是30天，以及t是以天为单位的实际测试时间。在一个示例中，A针对G1环境为0.3，针对G3环境为0.5，以及针对G3环境和GX环境为1.0。
图13示出了针对替选实现方式的表格1300，其中，驱动器用户或制造商将系统配置有指定的工业类型，并且处理器172使用根据指定工业(例如，汽车、轮胎/橡胶制造、废水处理、纸浆和纸张加工等)确定的驱动器降额因子(例如，KDRIVE)来实现腐蚀补偿。在该示例中，代替输入腐蚀试样值，用户可以在配置驱动器100时从多个呈现的工业描述中进行选择，并且处理器172使用一个或多个预定的对应降额值来配置腐蚀补偿引擎(例如，在某些示例中进一步考虑所选择的驱动器类型)。
所描述的示例通过提供方法和系统来扩展预测性维护的能力，所述方法和系统使用低成本的、商业上可接受的方法评估环境(例如，腐蚀试样)来调整算法以补偿腐蚀环境，并且提供了对不同驱动器类型和不同工业环境的使用。
在前面的说明书中，已经参照附图描述了各种实施方式。然而，将明显的是，可以在不脱离所附权利要求中阐述的本发明的更宽范围的情况下对其进行各种修改和改变，并且可以实现另外的实施方式。因此，说明书和附图被认为是说明性的而非限制性的。根据本公开内容的另外方面，提供了非暂态计算机可读介质(例如，计算机存储器、在电力转换器控制系统内的存储器(例如，控制器存储器174、CD-ROM、软盘、闪存驱动器、数据库、服务器、计算机等))，其包括用于执行上述方法的计算机可执行指令。以上示例仅是说明本公开内容的各个方面的若干可能实施方式，其中，本领域技术人员在阅读和理解本说明书和附图之后，将想到等同的变更和/或修改。特别地，关于由上述部件(组件、装置、系统、电路等)执行的各种功能，除非另外指明，否则用于描述这样的部件的术语(包括对“装置”的引用)旨在对应于以下任何部件，例如执行所描述的部件的指定功能(即，在功能上等同)的硬件、处理器执行的软件、或其组合，即使在结构上不等同于执行本公开内容的所示实现方式中的功能的公开结构。另外，尽管可能仅针对若干实现方式中的一个实现方式公开了本公开内容的特定特征，但是这样的特征可以如可能期望地以及对任何给定或特定应用有利地与其他实现方式中的一个或更多个其他特征进行组合。此外，在一定程度上，在具体实施方式中和/或在权利要求书中使用术语“包括”、“包含”、“含有”、“具有”、“带有”或其变型，这样的术语旨在以类似于术语“包含”的方式为包括在内的。
本发明还可以通过以下技术方案来实现：
1.一种方法，包括：
基于电气系统的电气系统部件的操作参数，计算所述电气系统部件的累积劣化值；以及
基于所述累积劣化值和所述电气系统的腐蚀等级，计算针对所述电气系统部件的腐蚀补偿累积劣化值。
2.根据技术方案1所述的方法，其中，所述电气系统的腐蚀等级包括所述电气系统的金属反应速率。
3.根据技术方案1所述的方法，其中，所述电气系统的腐蚀等级包括所述电气系统的腐蚀分类。
4.根据技术方案1所述的方法，还包括：
在针对给定应力循环的累积劣化值超过用户定义的第一阈值的情况下，选择性地生成警告信号或消息；以及
在针对给定应力循环的累积劣化值超过用户定义的第二阈值的情况下，选择性地生成警报信号或消息，所述第二阈值大于所述第一阈值。
5.根据技术方案1所述的方法，还包括：
在针对给定部件的剩余寿命值降到用户定义的第一阈值以下的情况下，选择性地生成警告信号或消息。
6.根据技术方案1所述的方法，其中，所述电气系统部件是电机驱动器部件。
7.根据技术方案6所述的方法，其中，所述电机驱动器部件是绝缘栅双极型晶体管(IGBT)，并且其中，所述操作参数是结温变化或基板温度变化。
8.根据技术方案6所述的方法，其中，所述电机驱动器部件是电容器，并且其中，所述操作参数是温度和电压之一。
9.根据技术方案6所述的方法，其中，所述电机驱动器部件是风扇，并且其中，所述操作参数是风扇速度和所述风扇周围的局部温度。
10.根据技术方案6所述的方法，其中，所述电机驱动器部件是接触器或断路器，并且其中，所述操作参数是空载断开。
11.根据技术方案6所述的方法，其中，所述方法在电机驱动器的处理器中实现。
12.一种具有计算机可执行指令的非暂态计算机可读介质，所述计算机可执行指令在由处理器执行时，使所述处理器执行以下操作：
基于电气系统的电气系统部件的操作参数，计算所述电气系统部件的累积劣化值；以及
基于所述累积劣化值和所述电气系统的腐蚀等级，计算针对所述电气系统部件的腐蚀补偿累积劣化值。
13.根据技术方案12所述的非暂态计算机可读介质，其中，所述电气系统的腐蚀等级包括所述电气系统的金属反应速率。
14.根据技术方案12所述的非暂态计算机可读介质，其中，所述电气系统的腐蚀等级包括所述电气系统的腐蚀分类。
15.根据技术方案12所述的非暂态计算机可读介质，还包括如下计算机可执行指令，所述计算机可执行指令在由所述处理器执行时，使所述处理器执行以下操作：
在针对给定应力循环的累积劣化值超过用户定义的第一阈值的情况下，选择性地生成警告信号或消息；以及
在针对给定应力循环的累积劣化值超过用户定义的第二阈值的情况下，选择性地生成警报信号或消息，所述第二阈值大于所述第一阈值。
16.根据技术方案12所述的非暂态计算机可读介质，还包括如下计算机可执行指令，所述计算机可执行指令在由所述处理器执行时，使所述处理器执行以下操作：
在针对给定部件的剩余寿命值降到用户定义的第一阈值以下的情况下，选择性地生成警告信号或消息。
17.根据技术方案12所述的非暂态计算机可读介质，其中，所述电气系统部件是电机驱动器部件。
18.一种系统，包括：
处理器，其被编程为：
基于电气系统的电气系统部件的操作参数，计算所述电气系统部件的累积劣化值；以及
基于所述累积劣化值和所述电气系统的腐蚀等级，计算针对所述电气系统部件的腐蚀补偿累积劣化值。
19.根据技术方案18所述的系统，其中，所述电气系统的腐蚀等级包括所述电气系统的金属反应速率。
20.根据技术方案18所述的系统，其中，所述电气系统的腐蚀等级包括所述电气系统的腐蚀分类。
21.根据技术方案18所述的系统，其中，所述处理器被编程为：
在针对给定应力循环的累积劣化值超过用户定义的第一阈值的情况下，选择性地生成警告信号或消息；以及
在针对给定应力循环的累积劣化值超过用户定义的第二阈值的情况下，选择性地生成警报信号或消息，所述第二阈值大于所述第一阈值。
22.根据技术方案18所述的系统，其中，所述电气系统部件是电机驱动器部件。
23.根据技术方案22所述的系统，其中，所述电机驱动器部件是绝缘栅双极型晶体管(IGBT)，并且其中，所述操作参数是结温变化。
24.根据技术方案18所述的系统，其中，所述处理器被编程为：
在针对给定部件的剩余寿命值降到用户定义的第一阈值以下的情况下，选择性地生成警告信号或消息。
Claims (21)
1.一种方法，包括：
基于电气系统的电气系统部件的操作参数，计算所述电气系统部件的累积劣化值；以及
基于所述累积劣化值和所述电气系统的腐蚀等级，计算针对所述电气系统部件的腐蚀补偿累积劣化值。
2.根据权利要求1所述的方法，其中，所述电气系统的腐蚀等级包括所述电气系统的金属反应速率。
3.根据权利要求1所述的方法，其中，所述电气系统的腐蚀等级包括所述电气系统的腐蚀分类。
4.根据权利要求1所述的方法，还包括：
在针对给定应力循环的累积劣化值超过用户定义的第一阈值的情况下，选择性地生成警告信号或消息；以及
在针对给定应力循环的累积劣化值超过用户定义的第二阈值的情况下，选择性地生成警报信号或消息，所述第二阈值大于所述第一阈值。
5.根据权利要求1所述的方法，还包括：
在针对给定部件的剩余寿命值降到用户定义的第一阈值以下的情况下，选择性地生成警告信号或消息。
6.根据权利要求1所述的方法，其中，所述电气系统部件是绝缘栅双极型晶体管IGBT，并且其中，所述操作参数是结温变化或基板温度变化。
7.根据权利要求1所述的方法，其中，所述电气系统部件是电容器，并且其中，所述操作参数是温度和电压之一。
8.根据权利要求1所述的方法，其中，所述电气系统部件是风扇，并且其中，所述操作参数是风扇速度和所述风扇周围的局部温度。
9.根据权利要求1所述的方法，其中，所述电气系统部件是接触器或断路器，并且其中，所述操作参数是空载断开。
10.一种具有计算机可执行指令的非暂态计算机可读介质，所述计算机可执行指令在由处理器执行时，使所述处理器执行以下操作：
基于电气系统的电气系统部件的操作参数，计算所述电气系统部件的累积劣化值；以及
基于所述累积劣化值和所述电气系统的腐蚀等级，计算针对所述电气系统部件的腐蚀补偿累积劣化值。
11.根据权利要求10所述的非暂态计算机可读介质，其中，所述电气系统的腐蚀等级包括所述电气系统的金属反应速率。
12.根据权利要求10所述的非暂态计算机可读介质，其中，所述电气系统的腐蚀等级包括所述电气系统的腐蚀分类。
13.根据权利要求10所述的非暂态计算机可读介质，还包括如下计算机可执行指令，所述计算机可执行指令在由所述处理器执行时，使所述处理器执行以下操作：
在针对给定应力循环的累积劣化值超过用户定义的第一阈值的情况下，选择性地生成警告信号或消息；以及
在针对给定应力循环的累积劣化值超过用户定义的第二阈值的情况下，选择性地生成警报信号或消息，所述第二阈值大于所述第一阈值。
14.根据权利要求10所述的非暂态计算机可读介质，还包括如下计算机可执行指令，所述计算机可执行指令在由所述处理器执行时，使所述处理器执行以下操作：
在针对给定部件的剩余寿命值降到用户定义的第一阈值以下的情况下，选择性地生成警告信号或消息。
15.一种系统，包括：
处理器，其被编程为：
基于电气系统的电气系统部件的操作参数，计算所述电气系统部件的累积劣化值；以及
基于所述累积劣化值和所述电气系统的腐蚀等级，计算针对所述电气系统部件的腐蚀补偿累积劣化值。
16.根据权利要求15所述的系统，其中，所述电气系统的腐蚀等级包括所述电气系统的金属反应速率。
17.根据权利要求15所述的系统，其中，所述电气系统的腐蚀等级包括所述电气系统的腐蚀分类。
18.根据权利要求15所述的系统，其中，所述处理器被编程为：
在针对给定应力循环的累积劣化值超过用户定义的第一阈值的情况下，选择性地生成警告信号或消息；以及
在针对给定应力循环的累积劣化值超过用户定义的第二阈值的情况下，选择性地生成警报信号或消息，所述第二阈值大于所述第一阈值。
19.根据权利要求15所述的系统，其中，所述电气系统部件是电机驱动器部件。
20.根据权利要求19所述的系统，其中，所述电机驱动器部件是绝缘栅双极型晶体管IGBT，并且其中，所述操作参数是结温变化。
21.根据权利要求15所述的系统，其中，所述处理器被编程为：
在针对给定部件的剩余寿命值降到用户定义的第一阈值以下的情况下，选择性地生成警告信号或消息。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/902,543 | 2020-06-16 | ||
| US16/902,543 US11476792B2 (en) | 2020-06-16 | 2020-06-16 | Method and apparatus for electrical component life estimation with corrosion compensation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113806874A true CN113806874A (zh) | 2021-12-17 |
| CN113806874B CN113806874B (zh) | 2024-03-08 |
Family
ID=76662346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110578023.0A Active CN113806874B (zh) | 2020-06-16 | 2021-05-26 | 用于利用腐蚀补偿进行电气部件寿命估计的方法和设备 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11476792B2 (zh) |
| EP (1) | EP3926325A1 (zh) |
| CN (1) | CN113806874B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118052084A (zh) * | 2024-04-16 | 2024-05-17 | 深圳江浩电子有限公司 | 结合多工况特征的电容器可靠性预测分析方法及系统 |
| CN118052084B (zh) * | 2024-04-16 | 2024-07-09 | 深圳江浩电子有限公司 | 结合多工况特征的电容器可靠性预测分析方法及系统 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113726137B (zh) * | 2020-05-26 | 2023-11-03 | 台达电子企业管理（上海）有限公司 | 变换装置 |
| CN113726136B (zh) * | 2020-05-26 | 2023-11-03 | 台达电子企业管理（上海）有限公司 | 变换装置 |
| US11716014B2 (en) * | 2021-12-27 | 2023-08-01 | GM Global Technology Operations LLC | Method for detecting early degradation within the inverter module |
| CN115983005B (zh) * | 2022-12-30 | 2023-07-21 | 哈尔滨工业大学 | 基于失效物理和质量一致性的电连接器可靠性预计方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020153882A1 (en) * | 2001-01-31 | 2002-10-24 | Grimes Craig A. | Temperature, stress, and corrosive sensing apparatus utilizing harmonic response of magnetically soft sensor element(s) |
| CN101025804A (zh) * | 2006-02-22 | 2007-08-29 | 通用电气公司 | 用于执行预测和资产管理服务的方法、系统和计算机程序产品 |
| WO2014018288A1 (en) * | 2012-07-26 | 2014-01-30 | Luna Innovations Incorporated | Sensing systems and methods for determining and classifying corrosivity |
| CN104792529A (zh) * | 2015-04-12 | 2015-07-22 | 北京化工大学 | 基于状态空间模型的滚动轴承寿命预测方法 |
| CN107872189A (zh) * | 2016-09-22 | 2018-04-03 | 罗克韦尔自动化技术公司 | 用于估计电气部件寿命的方法和设备 |
| CN108122532A (zh) * | 2016-11-28 | 2018-06-05 | 乐金显示有限公司 | 有机发光显示装置及其驱动方法 |
| CN108460230A (zh) * | 2018-03-21 | 2018-08-28 | 西安建筑科技大学 | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 |
| US20180269829A1 (en) * | 2017-03-16 | 2018-09-20 | Solarcity Corporation | State of health mechanisms for energy generation systems |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2002353097A1 (en) | 2001-12-07 | 2003-07-09 | Battelle Memorial Institute | Methods and systems for analyzing the degradation and failure of mechanical systems |
| US6919729B2 (en) * | 2003-01-06 | 2005-07-19 | Rohrback Cosasco Systems, Inc. | Corrosivity measuring device with temperature compensation |
| JP4349408B2 (ja) | 2005-12-28 | 2009-10-21 | 日本電気株式会社 | 寿命予測監視装置、寿命予測監視方法及び寿命予測監視プログラム |
| FI120758B (fi) | 2007-08-31 | 2010-02-15 | Vacon Oyj | Komponentin eliniän määritys |
| DE102010031337A1 (de) | 2010-07-14 | 2012-01-19 | Sb Limotive Company Ltd. | Verfahren zur Ermittlung der voraussichtlichen Lebensdauer wenigstens einer Batteriezelle, Batterie mit einer Mehrzahl von Batteriezellen und Kraftfahrzeug |
| US20130260664A1 (en) | 2012-03-30 | 2013-10-03 | Rockwell Automation Technologies, Inc. | Eccentric fan housing |
| US20130331963A1 (en) | 2012-06-06 | 2013-12-12 | Rockwell Automation Technologies, Inc. | Systems, methods, and software to identify and present reliability information for industrial automation devices |
| US9605654B2 (en) | 2012-07-24 | 2017-03-28 | General Electric Company | Wind turbine lifetime estimator |
| US9310288B2 (en) * | 2013-01-28 | 2016-04-12 | Fisher-Rosemount Systems, Inc. | Systems and methods to monitor operating processes |
| US20140247560A1 (en) | 2013-03-04 | 2014-09-04 | Rockwell Automation Technologies, Inc. | System and method to facilitate thermal transfer for motor drive features using diamond like carbon coating |
| US9092030B2 (en) | 2013-03-14 | 2015-07-28 | Rockwell Automation Technologies, Inc. | Method to implement drive diagnostics and prognostics automatically |
| KR20160090140A (ko) | 2015-01-21 | 2016-07-29 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
| US10620114B2 (en) * | 2015-05-26 | 2020-04-14 | Sikorsky Aircraft Corporation | Systems and methods to assess corrosion risk |
| US9976987B2 (en) | 2015-12-08 | 2018-05-22 | Cooper Technologies Company | Systems for tracking corrosion within enclosures using sacrificial loop targets |
| US10495566B2 (en) * | 2017-03-30 | 2019-12-03 | Dell Products L.P. | Circuits, systems and methods for corrosion detection |
-
2020
- 2020-06-16 US US16/902,543 patent/US11476792B2/en active Active
-
2021
- 2021-05-26 CN CN202110578023.0A patent/CN113806874B/zh active Active
- 2021-06-08 EP EP21178134.9A patent/EP3926325A1/en active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020153882A1 (en) * | 2001-01-31 | 2002-10-24 | Grimes Craig A. | Temperature, stress, and corrosive sensing apparatus utilizing harmonic response of magnetically soft sensor element(s) |
| CN101025804A (zh) * | 2006-02-22 | 2007-08-29 | 通用电气公司 | 用于执行预测和资产管理服务的方法、系统和计算机程序产品 |
| WO2014018288A1 (en) * | 2012-07-26 | 2014-01-30 | Luna Innovations Incorporated | Sensing systems and methods for determining and classifying corrosivity |
| CN104792529A (zh) * | 2015-04-12 | 2015-07-22 | 北京化工大学 | 基于状态空间模型的滚动轴承寿命预测方法 |
| CN107872189A (zh) * | 2016-09-22 | 2018-04-03 | 罗克韦尔自动化技术公司 | 用于估计电气部件寿命的方法和设备 |
| CN108122532A (zh) * | 2016-11-28 | 2018-06-05 | 乐金显示有限公司 | 有机发光显示装置及其驱动方法 |
| US20180269829A1 (en) * | 2017-03-16 | 2018-09-20 | Solarcity Corporation | State of health mechanisms for energy generation systems |
| CN108460230A (zh) * | 2018-03-21 | 2018-08-28 | 西安建筑科技大学 | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 蒋存波;焦阳;杨家志;王怀红;钟亚洲;: "脉冲电应力下电气绝缘劣化程度在线检测方法初探", 电测与仪表, no. 17 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118052084A (zh) * | 2024-04-16 | 2024-05-17 | 深圳江浩电子有限公司 | 结合多工况特征的电容器可靠性预测分析方法及系统 |
| CN118052084B (zh) * | 2024-04-16 | 2024-07-09 | 深圳江浩电子有限公司 | 结合多工况特征的电容器可靠性预测分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20210391820A1 (en) | 2021-12-16 |
| EP3926325A1 (en) | 2021-12-22 |
| CN113806874B (zh) | 2024-03-08 |
| US11476792B2 (en) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113806874B (zh) | 用于利用腐蚀补偿进行电气部件寿命估计的方法和设备 | |
| EP3299829B1 (en) | Method and apparatus for electrical component life estimation | |
| EP2778822B1 (en) | A method to implement drive diagnostics and prognostics automatically | |
| CN111417861B (zh) | 用于确定电容器的剩余使用寿命的方法和评估单元及系统 | |
| 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 | |
| EP2527942B1 (en) | System and method for estimating remaining life for a device | |
| JP5840850B2 (ja) | インバータ装置及び電解コンデンサの寿命時間推定方法 | |
| JP2007028741A (ja) | 電力変換器とその管理システム | |
| US7610174B2 (en) | System for assured reliability in DC to AC power converters | |
| JP5294704B2 (ja) | 電源監視装置 | |
| JP2009195044A (ja) | 電源装置及び電解コンデンサ寿命警告方法 | |
| JP2019033605A (ja) | 電力制御システムの蓄電池劣化診断方法および電力制御システム | |
| US20110190956A1 (en) | Prognostic-Enabled Power System | |
| JP6833303B1 (ja) | 発電量予測装置 | |
| EP4055455B1 (en) | Prediction of faulty behaviour of a converter based on temperature estimation with machine learning algorithm | |
| EP3338188B1 (en) | Method for determining a mean time to failure of an electrical device | |
| JP2018125937A (ja) | 電力監視装置および電力監視システム | |
| JPH03222613A (ja) | ガス絶縁式電気設備のガス漏れ監視装置 | |
| JP2019184535A (ja) | 開閉器の寿命診断装置 | |
| US20230400845A1 (en) | Hardware reliability monitoring and prediction based on machine learning | |
| JP2021043020A (ja) | 環境発電無線式センサおよびシステム | |
| JP2018019530A (ja) | プロセッサ、電力管理装置、およびｅｍｓサーバ | |
| EP4198528A1 (en) | Estimation of life of switching devices | |
| US20240106382A1 (en) | Airflow health predictive maintenance for motor drives | |
| Kjaer et al. | Exploiting the Converter Efficiency as Application-level Health Estimation Precursor |
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 |