ES2334684T3 - Diagnostico y pronosticos de fallos de sensores que utilizan un modelo de componente y expansiones ortogonales a escala temporal. - Google Patents

Abstract

Un método de diagnosis de fallos en sensores para un sistema de tratamiento de aire, que comprende las etapas de: a) crear un modelo de componente y determinar un valor esperado para una medición de un sensor; b) detectar una medición real por parte del sensor; c) comparar el valor esperado con el valor real; y d) determinar la diferencia, caracterizado por que crear el modelo de componente comprende producir una serie de valores de medición, determinar el valor esperado comprende producir una distribución de probabilidades basándose en la serie de valores de medición y determinar una función de densidad de probabilidad para la serie de mediciones, y comparar el valor esperado con el valor real comprende comparar la función de densidad de probabilidad con una función de distribución normal, y por que el método comprende producir una salida de paso bajo y una salida de paso alto con una transformación de escala temporal y/o de frecuencia temporal, comparar la salida de paso bajo y la de paso alto con un valor de umbral predefinido, y determinar un estado de fallo como respuesta al hecho de que una diferencia entre el valor de umbral y la salida de paso bajo y de paso alto es mayor que un valor deseado.

Description

Diagnósticos y pronósticos de fallos de sensores que utilizan un modelo de componente y expansiones ortogonales a escala temporal.

Antecedentes de la invención

Esta invención se refiere a la detección de fallos en sensores de temperatura y de presión para un sistema de calentamiento, ventilación y acondicionamiento de aire.

Típicamente, un sistema de calentamiento, ventilación y acondicionamiento de aire (HVAC -"heating, ventilation and air conditioning") incluye sensores de temperatura y de presión que son cruciales para garantizar el funcionamiento adecuado del sistema. Un controlador se sirve de los datos procedentes de los sensores para ajustar el funcionamiento de los componentes tales como un evaporador, un compresor y un condensador. Si los sensores fallan o son imprecisos, el sistema de HVAC no funcionará como se pretende. Por otra parte, si los sensores no logran proporcionar datos precisos, los componentes del interior del sistema de HVAC pueden funcionar fuera de parámetros deseables, con la posibilidad de provocar un fallo prematuro. Por estas razones, es deseable supervisar la precisión de los sensores e indicar un estado de fallo cuando la precisión de los sensores se encuentra fuera de un intervalo de funcionamiento deseado.

Las técnicas de detección de fallos de sensores de la técnica anterior incluyen el uso de sensores redundantes para medir el mismo parámetro dentro del sistema. Se detecta la diferencia de los datos medidos entre los dos sensores redundantes y se compara esta diferencia con un cierto valor de umbral. Si el valor de umbral es superado por la diferencia real, entonces se detecta un fallo y se inicia una acción correctiva.

Los sistemas que utilizan sensores redundantes son de un coste prohibitivo. Por añadidura, los sensores redundantes hacen que se dupliquen los requisitos de programación y los requisitos del controlador, lo que aumenta la complejidad global del sistema.

Otro sistema conocido de la técnica anterior detecta los fallos en los sensores de presión restando la presión del evaporador de la presión del condensador. Se indica un sensor defectuoso si la diferencia entre el sensor de presión en el evaporador y el sensor de presión en el condensador es cero o negativa. La presión en el condensador debería ser siempre superior a la presión dentro del evaporador, de manera que una desviación de esto indica un fallo. Desventajosamente, esta solución únicamente puede detectar un fallo completo de un sensor. La desviación o sesgo en un sensor según el cual el sensor proporciona una indicación imprecisa, no puede ser detectado por tal sistema.

Otro sistema conocido de la técnica anterior utiliza datos de sensores para determinar una relación lineal que representa un sistema de componentes relacionados estadísticamente. El fallo en un sensor se detecta por una desviación detectada de esa relación lineal. Esta solución fundamentada en datos requiere una gran cantidad de datos relacionados linealmente, así como de un análisis estadístico que es complicado y computacionalmente arduo. Las grandes cantidades de computación pueden conducir a imprecisiones y al incremento de los costes.

De acuerdo con ello, es deseable desarrollar un método y un sistema de detección de fallos en sensores, que trabaje con respuesta inmediata o en tiempo real, utilice características localizadas así como características de tendencia a largo plazo, obtenidas de datos para detectar defectos en sensores, y se adapte a los sistemas actualmente en funcionamiento.

El documento US-B1-6.804.600 divulga un método como el del preámbulo de la reivindicación 1.

Sumario de la invención

La presente invención proporciona un método según se expone en la reivindicación 1, y un sistema según se expone en la reivindicación 15.

Esta invención consiste en un método de diagnóstico de fallos en sensores para sistemas de manejo o tratamiento del aire, que utilizan modelos de componentes y análisis estadístico para evaluar de un modo fiable las condiciones de funcionamiento y los fallos de los sensores.

Un método de este sistema diagnostica fallos en sensores al crear modelos de componentes para predecir y determinar un valor esperado para la medición de un sensor. Los datos reales del sensor son entonces comparados con el modelo de componente y se indica un fallo si una diferencia entre el valor de umbral y las mediciones reales supera un valor predeterminado.

El método de esta invención comprende también las etapas de producir una serie de valores de medición y producir una distribución probabilística de valores de sensor basándose en la serie de mediciones. La función de distribución de probabilidades que se crea basándose en la serie de valores medidos, se compara entonces con una función de distribución normal. La diferencia entre la función de distribución de probabilidades y una función de distribución normal produce puntos de datos que se encuentran fuera de la función de distribución normal. Se utiliza un procedimiento de transformación de escala temporal que produce una salida de pasos bajo y alto. La salida de pasos bajo y alto es entonces comparada con un umbral predeterminado con el fin de diagnosticar fallos en el sensor.

Este sistema proporciona una técnica diagnóstica y predictiva de fallos en sensores eficaz y económica. Esta técnica resulta particularmente útil para tratar los fallos en los sensores que se producen lentamente, tales como la desviación y el sesgo en las lecturas del sensor. Se utilizan modelos de componente del sistema de tratamiento del aire como base para la detección y la estimación del sesgo en el sensor. La combinación de las dos soluciones de detección de fallos, que son la comparación con modelos de componentes y la manipulación del sensor y de los datos utilizando técnicas estadísticas, proporcionan un método fiable para evaluar el estado de un sensor.

De acuerdo con ello, el método y el sistema de esta invención proporcionan un método fiable y económico para determinar el estado de un sensor, que es adaptable a los sistemas actuales.

Breve descripción de los dibujos

Las diversas características y ventajas de esta invención se pondrán de manifiesto para los expertos de la técnica por la siguiente descripción detallada de la realización actualmente preferida. Los dibujos que acompañan la descripción detallada pueden ser brevemente descritos como sigue:

la Figura 1 es una representación esquemática de un sistema de bomba de calor que incluye varios sensores; y

la Figura 2 es un diagrama de bloques que ilustra las etapas del método de esta invención.

Descripción detallada de la realización preferida

Haciendo referencia a la Figura 1, se ilustra en ella un sistema de bomba de calor 10 que incluye un condensador 14, un compresor 12 y un evaporador 16. Una válvula de expansión 18 controla el flujo de refrigerante entre el evaporador 16 y el condensador 14. El compresor 12 impulsa el refrigerante hasta el condensador 14. Existen varios sensores dispuestos dentro del sistema para medir la temperatura y la presión del refrigerante, así como la temperatura del aire que se desplaza al interior del sistema 10 de bomba de calor y que sale de él. El comprensor 12 incluye un sensor de temperatura 24 y un sensor de presión 26 que miden la temperatura y la presión a la salida del compresor 12. En el lado de aspiración o lado de entrada del compresor 12 existe un sensor de presión 30 y un sensor de temperatura 28.

El evaporador 16 incluye sensores de temperatura 32, 34 que miden el aire de entrada y de salida que se desplaza a través del evaporador 16. Por otra parte, unos sensores de temperatura 36, 38 miden la temperatura del refrigerante que se desplaza al interior del evaporador 16 y que sale de éste.

La presión y la temperatura del refrigerante dentro del sistema 10 son descritas por un sistema de ecuaciones que describe la termodinámica del sistema. El funcionamiento termodinámico de un sistema 10 de bomba de calor es bien conocido y las ecuaciones algebraicas que describen tal sistema y que relacionan cada uno de los parámetros del sistema con los otros son bien conocidas.

El compresor 12 es, preferiblemente, un compresor alternativo o de vaivén en el que el proceso de recorrido del vapor refrigerante a través del compresor 12, se supone que es politrópico. Esto significa que las temperaturas de aspiración y de descarga del compresor, conjuntamente con las presiones de aspiración y de descarga, vienen representadas por la relación:

Ecuación 1

1

donde T_{suc}, T_{dis}, P_{suc} y P_{dis} son, respectivamente, la temperatura de entrada al compresor, la temperatura de salida, la presión de entrada y la presión de salida, y n es el índice politrópico. Un valor típico para n es 1,03. El valor exacto de n puede calcularse a partir de los datos del fabricante. Esta relación proporciona un modelo del funcionamiento del compresor 12. Los cuatro sensores 24, 26, 28 y 30 supervisan el estado del compresor 12. El funcionamiento adecuado de los cuatro sensores 24, 26, 28 y 30 es esencial para la fiabilidad del sistema 10 de bomba de calor. Los errores de desviación en los sensores 24, 26, 30 y 28 se detectan de acuerdo con este método, de tal manera que puede emprenderse una acción correctiva. Si los sensores 24, 26, 28 y 30 comienzan a sufrir desviación o deriva, el modelo de componente de compresor proporcionado por la Ecuación 1 ya no es válido.

De acuerdo con ello, la diferencia entre la temperatura de descarga calculada, que se calcula utilizando la Ecuación 1, y el valor real dictado por el sensor 24 indica si se ha producido un fallo. Si los cuatro sensores están libres de defectos, la discrepancia debería ser próxima a 0.

A medida que las lecturas de un sensor comienzan a desviarse alejándose del valor correspondiente al modelo o predicho, se determina un fallo y se da inicio a una señal de instancia al mantenimiento.

La estimación de las desviaciones en los sensores 24, 26, 28 y 30 se lleva a cabo utilizando el siguiente procedimiento de optimización. El procedimiento de optimización viene representado por la ecuación:

Ecuación 3

2

donde \theta_{1}, \theta_{2}, \theta_{3}, \theta_{4} son el valor de sesgo de los sensores. Pueden utilizarse técnicas de optimización no lineal conocidas en la técnica para encontrar la solución para los valores de sesgo.

Si los dos sensores de presión 26, 30 que miden la presión de descarga y la presión de succión están leyendo valores correctos, la ecuación del modelo debería ser válida para cualquier velocidad del compresor. A continuación, se indican las ecuaciones del modelo para el compresor 12, específicamente, de los dos sensores de presión 26, 30 que miden las presiones de descarga y de succión en torno al compresor 12:

Ecuación 4

3

donde V_{suc} es el caudal de flujo volumétrico de succión del compresor, P_{r} es la relación de compresión, P_{suc} es la presión de succión, \dot{\mathit{W}}_{Comp} es la potencia del compresor, y A, B, C, d, e, f y g son constantes proporcionadas por los datos del fabricante.

Los valores medidos de los sensores de presión de succión y de presión de descarga, 26, 30, se utilizan en la Ecuación 4, y arrojan valores para el caudal de flujo volumétrico V_{suc} y \dot{\mathit{W}}_{Comp}. La \dot{\mathit{W}}_{Comp} calculada se compara con el trabajo actual medido por un sensor de potencia o por un medidor de potencia de mano. Si la diferencia entre los dos valores es mayor que un valor de umbral predeterminado, entonces se hace aparecer una indicación de que uno de los sensores de presión es defectuoso. Estas discrepancias se miden a lo largo del tiempo y los valores computados pueden seguirse a lo largo del tiempo. Una tendencia hacia arriba o hacia abajo en los datos para unas condiciones de funcionamiento habituales o estables indicaría una desviación o deriva en los datos.

Para el sistema 10 de bomba de calor, se dispone siempre de sensores capaces de supervisar el comportamiento o rendimiento de los intercambiadores de calor (condensador 14, evaporador 16). Dependiendo del modo de funcionamiento del sistema 10 de bomba de calor, el condensador 14 y el evaporador 16 estarán, en última instancia, expulsando calor al aire circundante o absorbiéndolo de éste. El funcionamiento del condensador 14 y del evaporador 16 puede ser descrito como modelo como un intercambiador de calor de acuerdo con las ecuaciones siguientes:

Ecuación 5

4

Ecuación 6

5

donde Q = la velocidad o ritmo de transferencia de calor, \dot{\mathit{m}}_{1} = caudal de flujo másico de aire, \dot{\mathit{m}}_{2} = caudal de flujo másico de refrigerante, c_{p1} = calor específico del aire seco, T = la temperatura. SHR = la relación de calor sensible ("sensible heat ratio"), y h_{r1}, h_{r2} = entalpías específicas del vapor de refrigerante en la entrada y en la salida del intercambiador de calor.

Las entalpías del refrigerante que fluyen a través de los intercambiadores de calor pueden ser obtenidas a partir de las propiedades del refrigerante, utilizando las mediciones de temperatura y de presión. En un estado en el que se conocen la relación de calor sensible y el caudal de flujo másico del aire, es posible deducir el caudal de flujo de refrigerante por las Ecuaciones 5 y 6, de las que la relación obtenida como resultado es:

Ecuación 7

6

El caudal de flujo másico de refrigerante, por otra parte, puede estimarse utilizando un modelo de componente de compresor. El modelo de componente de compresor puede obtenerse de los datos del fabricante. Un modelo de componente de compresor proporciona una aproximación del caudal de flujo volumétrico teórico que pasa a través del compresor. Esta ecuación viene dada como:

Ecuación 8

7

donde A, B y C son constantes que se estiman a partir de los datos del fabricante. P_{r} es la relación de compresión del compresor, que es la relación que existe entre la presión de descarga P_{dis} y la presión de succión P_{suc}. El caudal de flujo volumétrico puede obtenerse utilizando la densidad del refrigerante, de acuerdo con la ecuación:

Ecuación 9

8

donde \rho es la densidad del refrigerante. La estimación del caudal de flujo de refrigerante de acuerdo con el modelo de compresor debe ser cercana al valor que se ha calculado utilizando las entalpías del refrigerante, según se evalúa en la Ecuación 7. Si hay un fallo en los sensores, existirá una gran discrepancia entre los dos caudales de flujo volumétrico. De acuerdo con ello, si uno de los sensores de temperatura 36, 38 es defectuoso, esta diferencia será mayor que un cierto valor umbral deseado.

Por otra parte, con el fin de determinar si los sensores se están desviando, se determina un valor de estimación de sesgo de sensor mediante el uso del siguiente procedimiento de optimización:

Ecuación 10

9

donde \theta_{5}, \theta_{6}, \theta_{7}, \theta_{8} son valores de sesgo en los cuatro sensores de temperatura 32, 34, 36 y 38 instalados en el intercambiador de calor. Se supone que los sensores de presión no están sesgados, basándose en la suposición de que las lecturas de presión sesgadas han sido corregidas. En consecuencia, únicamente los sesgos en las lecturas de temperatura afectan a las entalpías h_{1r} y h_{2r}.

La solución de la Ecuación 10 proporciona un valor de estimación del sesgo en los sensores. Los valores de sesgo de los sensores son comparados con umbrales predeterminados que, en caso de superarse, indican que se han producido fallos de sesgo en los sensores de presión 26, 30. El seguimiento de los valores de sesgo estimados a lo largo del tiempo hace posible la predicción de fallos en los sensores. Si un fallo de sesgo no es lo suficientemente serio para poner en peligro la integridad del sistema 10, esto es, si el valor de sesgo se encuentra por debajo del valor de umbral para el que se determina un fallo, el valor de sesgo es introducido como entrada en una base de datos estadística con el fin de mejorar y optimizar el sistema en su conjunto.

Un sensor carente de fallos proporciona datos medidos que aportan valores reales conjuntamente con una cierta cantidad de ruido blanco o aleatorio. El ruido blanco es indicativo de las interferencias que acompañan el funcionamiento y la medición de datos por medio de sensores electrónicos.

El hecho de que una serie de datos incluya datos medidos además de ruido blanco, se utiliza en el análisis estadístico de la serie de datos medidos. Para un sensor carente de defectos, una función de densidad de probabilidad (pdf -"probability density function") de valores de datos medidos deberá ser cercana a una distribución normal. Esto es así tras la eliminación de factores deterministas mediante una transformación de tiempo-escala. A medida que los defectos comienzan a desarrollarse, el sensor producirá características o rasgos únicos que aparecen en las series de datos medidos y que pueden utilizarse para detectar el tipo específico de fallo. Por ejemplo, los fallos de desviación o deriva y de sesgo tienen características de baja frecuencia, en tanto que los fallos intermitentes, tales como un cortocircuito ocasionalmente abierto, exhiben propiedades de fallo a frecuencias elevadas. Se utilizan técnicas de transformación de escala para analizar los datos y aislar los rasgos, tanto de baja frecuencia como de alta, que se producen por una serie de datos originada en un sensor defectuoso. Preferiblemente, se produce una transformación de onda pequeña de la serie de datos con el fin de proporcionar una serie de elementos de datos de paso bajo y de paso alto. Estos elementos de datos de paso bajo y de paso alto son revelados dentro de la transformación de onda pequeña y utilizados para detectar los tipos específicos de fallo.

Si se aplica la transformación de onda pequeña a las mediciones de un sensor carente de defectos, la salida de paso alto de la transformación de onda pequeña será próxima a una distribución normal con un valor medio cero. Debido a que la transformación de onda pequeña es un procedimiento de transformación lineal que conserva la función de densidad de probabilidad de la señal original, la distribución deberá ser normal con un valor medio cero. La salida de paso bajo de la transformación de onda pequeña deberá ser una distribución normal con un valor medio que se corresponde con el valor medio de la magnitud física del sensor. En otras palabras, la salida de paso bajo deberá ser, para un sensor carente de defectos y que funciona adecuadamente, una distribución normal con un valor medio que es el mismo que el valor medio de los datos reales medidos. Cualquier varianza de la salida de paso alto con respecto a la distribución normal y con respecto al valor medio que es común con el valor medio de los datos medidos, indica que el sensor es defectuoso.

La desviación de la salida de paso bajo con respecto a una distribución normal y un valor medio común con el valor medio medido, indica un sesgo, congelación o pérdida de precisión dentro del sensor.

Se identifica dentro de la señal un defecto del sensor con fallos intermitentes que generan puntos de datos de frecuencia elevada periódicos. La transformación de escala temporal es sensible a cambios locales en las señales y a los datos de medición procedentes de los sensores. El resultado de esta alta sensibilidad es que se producirán más coeficientes y de una amplitud mayor. La magnitud incrementada de amplitud superior o salida de paso alto que se produce en virtud de la transformación de escala temporal, hace que la función de distribución de probabilidades se desvíe de una distribución normal. Cuando la función de distribución de probabilidades de la transformación de escala temporal se desvía de una distribución normal, este cambio en la salida de paso alto indica que un sensor está experimentando un defecto intermitente. Este defecto intermitente dentro del sensor puede indicar que el sensor tiene algún tipo de fallo eléctrico, o bien que la señal está sufriendo interferencias con un ruido electrónico externo, o sencillamente que se está congelando físicamente.

Haciendo referencia a la Figura 2, el método de diagnosis de fallos en sensores se indica e ilustra esquemáticamente por el diagrama de flujo 50. El método de detección y diagnosis de fallos en sensores para un sistema de HVAC incluye las etapas de recoger datos de un sensor, representadas por el bloque 52. Estos datos son recogidos e introducidos, a continuación, en un controlador de microprocesador. El controlador de microprocesador puede ser tal y como se conoce por un profesional experto en la técnica. Por otra parte, un profesional experto en la técnica comprenderá, con el beneficio de esta descripción, la manera de programar el microcontrolador de que se dispone en el mercado para implementar esta invención y leer datos de sensores.

Cada uno de los sensores es analizado para proporcionar una indicación del estado de ese sensor. Los datos de sensor, representados por el bloque 52, se suministran como entrada al sistema y son almacenados en una base de datos. Los datos almacenados dentro del sistema se someten a continuación al procedimiento de transformación de escala temporal. Preferiblemente, la transformación de escala temporal que se utiliza es una transformación de onda pequeña que descompone los datos reunidos en una salida de paso bajo y de paso alto. Se lleva a cabo entonces un análisis estadístico en la salida, según se indica en el bloque 56. Este análisis estadístico se lleva a cabo en la salida de paso bajo con el fin de determinar si las mediciones estadísticas tales como la media, la varianza y los momentos de orden superior han cambiado con respecto a los datos que se habían reunido con anterioridad. En otras palabras, a medida que se acumula cada punto de datos o conjunto de puntos de datos, éste se compara con algunos de los conjuntos de puntos de datos previos que se han compilado o con todos ellos. A medida que se van acumulando datos adicionales y se utilizan para confeccionar los datos estadísticos del sistema, los datos nuevos son comparados con los datos previamente reunidos, más antiguos, para determinar cualesquiera diferencias. Se lleva a cabo entonces la detección de los cambios en el contenido de paso bajo, con el fin de determinar si ha habido un cambio.

Se lleva también a cabo, además, un análisis estadístico en una salida de paso alto con el fin de determinar si ésta ha cambiado estadísticamente por lo que respecta a la media, la varianza o los momentos de orden superior que constituyeron los datos compilados previamente reunidos.

Una vez realizado el análisis estadístico de la salida de paso bajo y de paso alto que se ha producido a partir de los datos medidos, un dispositivo reconocedor de patrones lleva a cabo un auto-diagnóstico. El dispositivo reconocedor de patrones es un componente interior al controlador que se ha programado de acuerdo con criterios predeterminados para identificar características o rasgos estadísticos que están presentes dentro de las funciones de distribución de salida para cada uno de los sensores. Se identifican los tipos de fallos concretos como un patrón reconocible dentro de los datos reunidos. El tipo de fallo puede incluir fallos eléctricos tales como el sesgo o la desviación o deriva del sensor, o bien fallos mecánicos tales como la congelación o el funcionamiento intermitente, a menudo causado por un cortocircuito o un circuito abierto. De acuerdo con ello, puede identificarse el fallo concreto del sensor según se indica en el bloque 62, a fin de dar instrucciones con respecto a qué acción correctiva se requiere para corregir el fallo.

El análisis estadístico se lleva a cabo utilizando técnicas de expansión según se indica por la referencia 56. Se utiliza, preferiblemente, una técnica de expansión estadística ortogonal. Técnicas conocidas de expansión estadística ortogonal incluyen la expansión ortogonal de Gram-Charlier (GC), que se utiliza preferentemente en este método. Se encuentran también dentro del ámbito contemplado para la invención otras técnicas de expansión según se conoce en la técnica. La idea básica de la expansión GC es que cualquier función de distribución de probabilidades puede ser aproximada por una función de distribución normal estándar o normalizada y términos residuales según se muestra en la ecuación:

Ecuación 11

10

donde \phi(x) es la función de distribución normal estándar o normalizada y r(x) es el residuo de la expansión. H_{i}(x) es la función de Hermite de grado n-ésimo, y c_{i} son los coeficientes de expansión GC, que pueden calcularse por:

11

donde i! significa i factorial.

Si el sensor se encuentra en buen estado de funcionamiento, los datos medidos y obtenidos de ese sensor deberán estar distribuidos de forma normal. Los defectos en el sensor hacen que los datos se desvíen de una función de distribución de probabilidades normal. En la aplicación práctica de la expansión GC, se utiliza un número limitado de términos residuales. Para una expansión de 8 términos, los coeficientes de la expansión GC pueden calcularse como:

Ecuación 12

12

\vskip1.000000\baselineskip

donde m_{k} es el momento de orden k de x en torno a la media. El momento de orden k se define por la relación que se indica a continuación:

Ecuación 13

13

donde \overline{\mathit{x}} es el valor medio de las muestras de datos de sensor x(i), i = 1, 2,..., N.

En general, los momentos estadísticos impares indican información acerca de la densidad de picos de la distribución. Los momentos pares indican características de la extensión de la distribución. Los coeficientes de la expansión GC contienen la información acerca tanto de los momentos impares como de los pares de la función de distribución de probabilidades de los valores de datos, y, como resultado de ello, la expansión GC es más sensible a los cambios que si se usan expansiones ortogonales convencionales. Una propiedad adicional de utilidad de la expansión GC es que es posible formular una estadística a partir de los coeficientes de la expansión GC proporcionando un único índice distribuido (T^{2}) en Chi al cuadrado (\chi^{2}) que puede utilizarse como una indicación de la degradación del estado del sensor. Éste se representa por la ecuación:

Ecuación 14

14

donde los coeficientes individuales c_{i} son \chi^{2} distribuida con n grados de libertad. Si se especifica un nivel de confianza \alpha, entonces se pueden tener los siguientes criterios para la detección de fallos. La detección de los fallos puede determinarse por comparación de los valores obtenidos dentro de las relaciones que se indican a continuación:

Ecuación 15

15

Esto proporciona una relación entre los diferentes tipos de fallos y los coeficientes de GC correspondientes. Ello hace posible el uso de los parámetros de coeficientes de GC para la clasificación del tipo concreto de fallo del sensor.

El sistema de esta invención proporciona un sistema y un método eficaces y económicos para la detección de fallos en sensores. La técnica es útil para hacerse cargo de fallos en sensores que se producen lentamente, tales como la desviación o deriva y el sesgo. Los modelos de componente de los diversos componentes dentro del sistema se utilizan como base para detectar el sesgo del sensor a la hora de estimar la desviación del sensor. Estos modelos de componente se crean utilizando los datos del fabricante que se obtienen para cada uno de los componentes. Se utilizan entonces los modelos para estimar el sesgo que se produce en las lecturas del sensor. Los datos obtenidos de las lecturas del sensor son entonces manipulados por medio de una transformación de escala temporal, y se utilizan expansiones estadísticas de función de distribución de probabilidades para detectar los fallos en el sensor que no son del tipo de desviación o deriva. La combinación de la utilización de modelos de componente y aproximaciones de detección de dos fallos usando la transformación de escala temporal y las expansiones estadísticas de función de distribución de probabilidades, proporciona una forma fiable y adaptable de evaluar la salud de los sensores en ese momento.

La anterior descripción es a título de ejemplo y no sólo una memoria material. La invención se ha descrito de una manera ilustrativa, y debe comprenderse que es la intención que la terminología empleada sea de naturaleza descriptiva en lugar de limitativa. Son posibles muchas modificaciones y variaciones de la presente invención a la luz de las anteriores enseñanzas. Se han descrito las realizaciones preferidas de esta invención; sin embargo, una persona con conocimientos ordinarios en la técnica constatará que ciertas modificaciones se encuentran dentro del ámbito de esta invención. Se comprende que, dentro del ámbito de las reivindicaciones que se acompañan, la invención puede llevarse a la práctica de una forma diferente a la específicamente descrita. Por esta razón, deben estudiarse las siguientes reivindicaciones para determinar el verdadero ámbito y contenido de esta invención.

Claims (20)

1. Un método de diagnosis de fallos en sensores para un sistema de tratamiento de aire, que comprende las etapas de:

a) crear un modelo de componente y determinar un valor esperado para una medición de un sensor;

b) detectar una medición real por parte del sensor;

c) comparar el valor esperado con el valor real; y

d) determinar la diferencia,

caracterizado por que crear el modelo de componente comprende producir una serie de valores de medición, determinar el valor esperado comprende producir una distribución de probabilidades basándose en la serie de valores de medición y determinar una función de densidad de probabilidad para la serie de mediciones, y comparar el valor esperado con el valor real comprende comparar la función de densidad de probabilidad con una función de distribución normal, y por que el método comprende producir una salida de paso bajo y una salida de paso alto con una transformación de escala temporal y/o de frecuencia temporal, comparar la salida de paso bajo y la de paso alto con un valor de umbral predefinido, y determinar un estado de fallo como respuesta al hecho de que una diferencia entre el valor de umbral y la salida de paso bajo y de paso alto es mayor que un valor deseado.

2. El método de acuerdo con la reivindicación 1, que comprende la etapa de llevar a cabo una transformación estadística ortogonal en la función de densidad de probabilidad.

3. El método de acuerdo con la reivindicación 2, en el cual la transformación estadística ortogonal es una transformación de Gram-Charlier.

4. El método de acuerdo con la reivindicación 1, que comprende las etapas de determinar las funciones de densidad de probabilidad de las salidas a partir de una transformación de escala temporal, comparar la función de densidad de probabilidad determinada con una función de densidad de probabilidad predefinida cuando un sensor está sano, y determinar el estado de salud del sensor basándose en los resultados de la comparación.

5. El método de acuerdo con cualquiera de las reivindicaciones precedentes, en el cual dicho modelo de componente representa el funcionamiento de un compresor (12).

6. El método de acuerdo con la reivindicación 5, en el cual dicho modelo de componente que representa el compresor comprende la relación:

16

donde T_{suc}, T_{dis}, P_{suc} y P_{dis} son, respectivamente, la temperatura de entrada al compresor, la temperatura de salida, la presión de entrada y la presión de salida, y n es el índice politrópico.

7. El método de acuerdo con la reivindicación 5, en el cual dicho modelo de componte que representa el compresor (12) comprende la relación:

17

donde V_{suc} es el caudal de flujo volumétrico de succión del compresor, P_{r} es la relación de compresión, P_{suc} es la presión de succión, es la potencia del compresor, y A, B, C, d, e, f y g son constantes proporcionadas por los datos del fabricante.

8. El método de acuerdo con cualquiera de las reivindicaciones precedentes, en el cual dicho sensor es un sensor de presión (26, 30), que detecta la presión en una entrada o en una salida del compresor (12).

9. El método de acuerdo con cualquiera de las reivindicaciones 1 a 4, en el cual dicho sensor es un sensor de temperatura (32, 34, 36, 38) que detecta la temperatura en una entrada o en una salida de un intercambiador de calor (14, 16).

10. El método de acuerdo con cualquiera de las reivindicaciones 1 a 4, en el cual dicho modelo de componente representa el funcionamiento de un intercambiador de calor (14, 16).

11. El método de acuerdo con la reivindicación 10, en el cual dicho funcionamiento de dicho intercambiador de calor (14, 16) viene representado por las ecuaciones:

18

donde Q = la velocidad o ritmo de transferencia de calor, \dot{\mathit{m}}_{1} = caudal de flujo másico de aire, \dot{\mathit{m}}_{2} = caudal de flujo másico de refrigerante, c_{p1} = el calor específico del aire seco, T = la temperatura, SHR = la relación de calor sensible, y h_{r1}, h_{r2} = entalpías específicas del vapor de refrigerante en la entrada y en la salida del evaporador, en todas las unidades compatibles.

12. El método de acuerdo con la reivindicación 10, en el cual se estima un sesgo como la diferencia entre un caudal de flujo determinado por un modelo de intercambiador de calor y un caudal de flujo determinado por un modelo de compresor.

13. El método de acuerdo con cualquiera de las reivindicaciones precedentes, que comprende la etapa de reunir una pluralidad de las diferencias determinadas y hacer un seguimiento de esas diferencias a lo largo del tiempo.

14. El método de acuerdo con la reivindicación 13, que comprende la etapa de predecir un estado futuro de un sensor basándose en la pluralidad de diferencias determinadas.

15. Un sistema para supervisar sensores para un sistema de tratamiento de aire, que comprende: un controlador, que comprende un modelo de componente para determinar un valor esperado de una medición de un sensor, de tal manera que dicho controlador recibe un valor medido de un sensor, que es comparado con dicho valor esperado con el fin de determinar un estado de dicho sensor, de tal modo que dicho controlador una base de datos para producir una distribución de probabilidades basándose en una pluralidad de valores medidos procedentes de dicho sensor, de manera que dicho controlador determina una función de densidad de probabilidad basándose en dicha pluralidad de valores medidos procedentes de dicho sensor, y compara dicha distribución de probabilidades con dicha distribución de probabilidades, de tal forma que dicho controlador lleva a cabo una transformación estadística de escala temporal en dicha función de densidad de probabilidad, y de manera que dicho controlador produce una salida de paso bajo y una salida de paso alto con dicha transformación estadística de escala temporal y determina dicho estado de dicho sensor basándose en una comparación de dicha salida de paso bajo y dicha salida de paso alto con un valor de umbral deseado.

16. El sistema de acuerdo con la reivindicación 15, en el cual dicho controlador determina una diferencia entre dicho valor esperado y dicho valor medido y determina que existe un estado de fallo como respuesta al hecho de que dicha diferencia satisface un criterio deseado.

17. El sistema de acuerdo con la reivindicación 15 ó la reivindicación 16, en el cual dicho modelo de componente comprende una representación del funcionamiento de un compresor.

18. El sistema de acuerdo con la reivindicación 15 ó la reivindicación 16, en el cual dicho modelo de componente comprende una representación del funcionamiento de un intercambiador de calor (14, 16).

19. El sistema de acuerdo con cualquiera de las reivindicaciones 15 a 18, en el cual dicho controlador es independiente de un controlador del sistema de tratamiento de aire.

20. El sistema de acuerdo con cualquiera de las reivindicaciones 15 a 18, en el cual dicho controlador es una parte integral de un controlador para el sistema de tratamiento de aire.