CN115719082A

CN115719082A - 一种用于确定开关设备的使用寿命的方法

Info

Publication number: CN115719082A
Application number: CN202211011764.1A
Authority: CN
Inventors: M·哈斯
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2021-08-24
Filing date: 2022-08-23
Publication date: 2023-02-28
Also published as: DE102021209246A1; US20230065957A1

Abstract

描述了一种用于确定开关设备的使用寿命的方法，该方法包括以下步骤：a)提供具有至少两个输入变量和一个输出变量的神经网络；b)确定至少一个电流变量和开关设备状态变量，其中所述电流变量表示流过所述开关设备的电流，所述开关设备状态变量表示开关设备粘住或卡住或焊住；c)向所述神经网络至少加载所述电流变量和所述开关设备状态变量作为输入变量；d)借助神经网络确定开关设备的剩余使用寿命。此外，描述了一种用于训练神经网络以确定开关设备的使用寿命的方法、用于确定使用寿命的相应设备、相应的计算机程序以及具有该计算机程序的机器可读存储介质。

Description

一种用于确定开关设备的使用寿命的方法

技术领域

本发明基于一种用于确定开关设备的使用寿命的方法、一种用于训练神经网络以确定开关设备的使用寿命的方法、一种用于确定开关设备的使用寿命的设备、一种相应的计算机程序和具有该计算机程序的机器可读存储介质。

背景技术

开关设备通常在车辆中用于将能量存储单元、例如电池组与汽车电器网络电连接或断开。在此，汽车电器网络可以是高压汽车电器网络或低压汽车电器网络。在此，根据车辆或电池组类型而定，存在开关设备的不同拓扑和结构。电子控制单元监控开关设备的运行并确定它们的健康状态，即它们根据操控进行开关的能力。相应的开关设备的制造商通常为此制定相应的规范。流过开关设备的电流根据电流数值而分为不同的类别（Klassen），其中每个类别都有对应的电流事件数量的上限。还存在针对开关设备粘住（klebend）、卡住（verklemmt）或焊住（verschweißt）的事件的类别，该类别也有针对相应事件的上限。根据所述类别在达到相应上限之前仍可能的事件数量来确定开关设备的健康状态。

出版物US 2015/0088361 A1公开了一种用于监测开关设备的健康状态的方法，其中健康状态根据电流变量被确定。

出版物WO 2020/087285公开了一种用于监测电池组的开关设备的健康状态的系统，其中健康状态根据电流变量被确定。

发明内容

本发明的优点

公开了一种具有独立专利权利要求的特征的用于确定开关设备的使用寿命的方法。

提供了一种具有至少两个输入变量和一个输出变量的神经网络。有利地，已经相应地训练了所述神经网络，例如使用在下文描述的根据本发明的训练方法。

确定至少一个电流变量和开关设备状态变量，其中所述电流变量表示流过开关设备的电流，所述开关设备状态变量表示开关设备粘住或卡住或焊住。通常，为这两个变量确定并保存相应的时间戳。

向神经网络加载所确定的电流变量和所确定的开关设备状态变量作为输入变量。开关设备的剩余使用寿命借助神经网络而得以确定。

该方法是有利的，因为由此能够实现更精确地确定开关设备的健康状态。此外，对剩余使用寿命的了解可以被用于估计开关设备的更换时间点，从而防止开关设备的不利故障。

该方法能够以计算机实现的方式而实施。

本发明的其他有利实施方式是从属权利要求的主题。

适宜地，电流变量是连续变量并且开关设备状态变量是离散变量。这是有利的，因为电流被连续检测并且开关设备通常具有两种状态，“断开”和“闭合”。

适宜地，借助监督学习而训练神经网络。这是有利的，因为可以借助实验室试验和实验而简单生成相应的训练数据。

适宜地，至少运行如下方法步骤：提供神经网络和在基于云的设备中加载所述神经网络的程序。特别地，这可以是与开关设备不在同一位置的服务器系统。这是有利的，因为通常那里有更多的计算能力和存储容量可供使用，并且因此也可以使用非常复杂的神经网络。

此外，本发明的主题是一种用于训练神经网络以确定开关设备的使用寿命的方法，所述方法具有如下所述的步骤。

提供数据集，所述数据集包括至少一个电流变量和开关设备状态变量以及所分配的使用寿命变量，其中所述电流变量表示流过开关设备的电流，所述开关设备状态变量表示开关设备粘住或卡住或焊住，所述使用寿命变量表示所述开关设备的使用寿命。

此外，提供具有至少两个输入变量以及一个输出变量的神经网络，其中所述输入变量例如用于电流变量和开关设备状态变量，而所述输出变量例如用于使用寿命变量。

于是，至少向神经网络加载电流变量和开关设备状态变量以作为输入变量。

将神经网络的输出变量与所提供的相应使用寿命变量进行比较。因此在神经网络的输出与例如借助试验所确定的使用寿命变量之间进行比较。

这使得能够根据该比较而适配神经网络的参数。

该方法是有利的，因为由此而创建一种良好适配的神经网络，其中所述神经网络可以可靠地确定开关设备的使用寿命。

此外，本发明的主题是一种用于确定开关设备的使用寿命的设备，其包括至少一个装置，该装置被设置用于执行根据本发明的用于确定使用寿命的方法的所有步骤。因此，可以实现上述优点。

本发明的主题也是一种计算机程序，该计算机程序包括指令，当该程序由计算机执行时，所述指令促使计算机执行根据本发明的用于确定使用寿命的方法的步骤和/或根据本发明的用于训练神经网络以确定使用寿命的方法的步骤。因此，可以实现上述优点。

此外，本发明的主题是一种机器可读的存储介质，根据本发明的计算机程序存储在该存储介质上。因此，可以实现上述优点。

附图说明

本发明的有利实施方式在附图中示出并且在以下描述中更详细地解释。

其中：

图1 示出了根据一个实施方式的根据本发明的用于确定使用寿命的方法的流程图；

图2 示出了根据一个实施方式的根据本发明的用于训练神经网络的方法的流程图；和

图3 示出了根据本发明的用于确定使用寿命的设备的示意图。

具体实施方式

在所有附图中，相同的附图标记表示相同的设备组件或相同的方法步骤。

图1示出了根据一个实施方式的根据本发明的用于确定使用寿命的方法的流程图。

在第一步骤S11中，提供具有至少两个输入变量和一个输出变量的神经网络。对此特别适合的是递归的或反馈的神经网络，因为它可以很好地处理不同长度的顺序输入变量。

在第二步骤S12中，确定至少一个电流变量，其中该电流变量表示流过开关设备的电流。此外，在第二步骤S12中，确定开关设备状态变量，所述开关设备状态变量表示开关设备粘住、卡住或焊住。

在第三步骤S13中，将电流变量和开关设备变量作为输入变量传递（übergeben）给神经网络。根据可用的数据量而定，相应输入变量在其大小方面会随着时间的推移而增长。为了在必要时反映（abbilden）时间上的发展，也可以存储相应的时间戳。如果相应的变量总是以相同的时间间隔而确定，则可以在必要时省略所述时间戳。

在第四步骤S14中，然后借助于神经网络确定开关设备的剩余使用寿命。例如，如果剩余使用寿命低于预定义的极限值，则可以发出警告。

图2示出了根据一个实施方式的根据本发明的用于训练神经网络的方法的流程图。

在第一步骤S21中，提供包括至少一个电流变量、一个开关设备状态变量和开关设备的所分配的使用寿命变量的数据集。电流变量在此表示流过开关设备的电流，开关设备状态变量在此将开关设备的状态表示为粘住、卡住或焊住，并且使用寿命变量在此表示开关设备的剩余使用寿命，其中剩余使用寿命的定义可以根据应用情况而定而被确定得不同。

在第二步骤S22中，提供具有至少两个输入变量和一个输出变量的神经网络。其通常还具有标准参数化，所述标准参数化尚未反映来自训练数据的认识。

在第三步骤S23中，至少将电流变量和开关设备状态变量作为输入变量加载到神经网络。相应地，神经网络提供输出变量。

在第四步骤S24中，将神经网络的输出变量与数据集的相应使用寿命变量进行比较。通常，相对应的变量不相同，并且必须适配神经网络以更准确地反映现实。

因此，在第五步骤S25中，神经网络的参数根据上述比较进行适配。因此可以借助经适配的神经网络精确地确定开关设备剩下的剩余使用寿命。

图3示出了根据本发明的用于确定开关设备32的使用寿命的设备30的示意图。设备30在此包括电子计算单元31，所述电子计算单元设置用于执行根据本发明的方法。可以从此处未示出的数据库中确定电流变量和开关设备状态变量，该数据库也可以被包括在设备30中。相应的数据在此可以从开关设备32例如借助网络连接而传输到该数据库，这些数据相应地在所述数据库可供使用。例如，这些数据也可用于训练神经网络。

Claims

1.一种用于确定开关设备（32）的使用寿命的方法，所述方法包括步骤：

a) 提供具有至少两个输入变量和一个输出变量的神经网络；

b) 确定至少一个电流变量和开关设备状态变量，其中所述电流变量表示流过所述开关设备（32）的电流，所述开关设备状态变量表示开关设备（32）粘住或卡住或焊住；

c) 向所述神经网络至少加载所述电流变量和所述开关设备状态变量作为输入变量；

d) 借助所述神经网络确定所述开关设备（32）的剩余使用寿命。

2.根据前述权利要求所述的方法，其中，所述电流变量是连续变量并且所述开关设备状态变量是离散变量。

3.根据前述权利要求中任一项所述的方法，其中，借助监督学习而训练所述神经网络。

4.根据前述权利要求中任一项所述的方法，其中至少所述方法步骤a）和c）在基于云的设备中运行。

5.一种用于训练神经网络以确定开关设备（32）的使用寿命的方法，所述方法包括步骤：

i) 提供数据集，所述数据集包括至少一个电流变量和开关设备状态变量以及所分配的使用寿命变量，其中所述电流变量表示流过所述开关设备的电流，所述开关设备状态变量表示开关设备（32）粘住或卡住或焊住，所述使用寿命变量表示所述开关设备（32）的使用寿命;

ii) 提供具有至少两个输入变量和一个输出变量的神经网络；

iii) 向所述神经网络至少加载所述电流变量和所述开关设备状态变量作为输入变量；

iv) 将所述神经网络的输出变量与相对应的使用寿命变量进行比较；

v) 根据所述比较而适配所述神经网络的参数。

6.一种用于确定开关设备（32）的使用寿命的设备，所述设备包括至少一个装置，特别是电子控制单元（31），所述装置被设置用于执行根据权利要求1至4中任一项所述的方法的所有步骤。

7.一种计算机程序，所述计算机程序包括指令，当所述程序由计算机执行时，所述指令促使所述计算机执行根据权利要求1至4中任一项所述的方法的步骤和/或根据权利要求5所述的方法的步骤。

8.一种机器可读存储介质，其中在所述机器可读存储介质上存储根据权利要求7所述的计算机程序。