WO2020115313A1 - VORRICHTUNG UND VERFAHREN ZUR VERSCHLEIßERKENNUNG EINER ELEKTROMECHANISCHEN SCHALTEINRICHTUNG - Google Patents

VORRICHTUNG UND VERFAHREN ZUR VERSCHLEIßERKENNUNG EINER ELEKTROMECHANISCHEN SCHALTEINRICHTUNG Download PDF

Info

Publication number
WO2020115313A1
WO2020115313A1 PCT/EP2019/084060 EP2019084060W WO2020115313A1 WO 2020115313 A1 WO2020115313 A1 WO 2020115313A1 EP 2019084060 W EP2019084060 W EP 2019084060W WO 2020115313 A1 WO2020115313 A1 WO 2020115313A1
Authority
WO
WIPO (PCT)
Prior art keywords
electromechanical switching
switching device
designed
wear
electromechanical
Prior art date
Application number
PCT/EP2019/084060
Other languages
English (en)
French (fr)
Inventor
Peter Scholz
Sören Ganssloser
Original Assignee
Phoenix Contact Gmbh & Co. Kg
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Phoenix Contact Gmbh & Co. Kg filed Critical Phoenix Contact Gmbh & Co. Kg
Priority to CN201980080741.6A priority Critical patent/CN113167832A/zh
Priority to EP19816691.0A priority patent/EP3891518B1/de
Priority to JP2021525630A priority patent/JP2022512295A/ja
Publication of WO2020115313A1 publication Critical patent/WO2020115313A1/de

Links

Classifications

    • 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
    • G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
    • G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
    • G01R31/3272—Apparatus, systems or circuits therefor
    • G01R31/3274—Details related to measuring, e.g. sensing, displaying or computing; Measuring of variables related to the contact pieces, e.g. wear, position or resistance

Definitions

  • the present invention relates to systems for monitoring wear behavior.
  • the present invention relates to a
  • a relay is monitored by determining a mechanical and an electrical state variable and determining the state of the relay via a characteristic field.
  • a first aspect of the present invention relates to a device for wear detection of an electromechanical switching device, the device comprising a measuring device and an evaluation device:
  • the measuring device is designed to at least one predetermined operating parameter of the electromechanical
  • the evaluation device is designed to use a machine depth learning method with the aid of mass data, preferably in the form of training data, from the predetermined operating parameters recorded
  • the present invention enables the state of
  • electromechanical switching devices such as an electromechanical relay or contactor and replace the used or worn switching element before an impending possible failure in order to minimize downtime or the occurrence of a
  • the present invention enables aging to be reliably determined by an electromechanical switching device with minimal measurement effort.
  • the present invention also enables artificial neural through methods of artificial intelligence, such as machine learning or like artificial neural networks
  • Networks to make predictions about current measurement data based on training data used in a learning process.
  • Input layer and output layer and thus have an extensive internal structure.
  • Status data of the electromechanical switching devices can take place, ie referenced or labeled.
  • many relays with many different loads are measured in many different application scenarios and the current state, such as wear, temperature, switching cycle, current load, is documented or labeled.
  • the present device according to the invention or the method according to the invention can determine that this special relay has aged approx. 50% in the 50,000 switching cycle if linear aging is used
  • the data from 100,000 switching cycles recorded in the past can be documented and individually labeled with a label, such as the degree of aging from 0% to 100%, and used as training data.
  • a neural network is trained with a selection of labeled 100,000 switching cycles and if the neural network later has a switching cycle similar to the aforementioned 50,000 switching cycle than a current one
  • the neural network can estimate that this relay is also about 50% worn out, even if the other relay has only undergone 1,000 switching cycles with a different load at this point in time.
  • Optimization process in the training process has learned the process itself or optimized the internal parameters so that relevant characteristics that are characteristic of wear are implicitly contained in the neural network and thus forecasts for current unknown input data can be output.
  • the neural network implemented in the evaluation device has been trained beforehand and, by evaluating current measurements, is able to determine the current state of the currently installed relay and to determine the state of wear.
  • the neural network implemented in the evaluation device can also show the usage history of the electronic
  • a relay typically does not get better with the passage of time, but rather worse, i.e. wear always increases.
  • So-called recurrent neural networks can be used for this or other methods can be used.
  • the evaluation device is designed to be based on the determined current one
  • the invention provides that the device for this
  • the measuring device is designed to provide the mass data with an assignment to a respective state of the electromechanical switching device; wherein the measuring device preferably has a processor.
  • the invention provides that the measuring device is further configured to use a data interface to include a data stream comprising the detected at least one predetermined one
  • Measuring device is further designed with a
  • Power supply device to be coupled and / or via a control signal of the electromechanical
  • Switching device to be supplied with energy.
  • the invention provides that the device has a large number of measuring devices and the evaluation device is designed to determine the current state of wear
  • Computer network is formed, preferably the
  • Device is further designed to
  • Transmission channel to transmit data on the current state of wear to the electromechanical switching device.
  • electromechanical switching device to be integrated.
  • Electromechanical switching device to be integrated, wherein the evaluation device is preferably further configured to be a common head module for a plurality of integrated in further relay bases
  • the device further comprises a display device, which is preferably designed to display the current state of wear of the electromechanical switching device.
  • Switching device an actuating force, a counterforce, an actuation path, an overstroke, a switching point, a light pulse, an arc, an acoustic signal, a magnetic field, a temperature, a coil current, a
  • the invention provides that the mass data include any operating parameters and any
  • Light pulse an arc, an acoustic signal, a magnetic field, a temperature, a coil current, a
  • the measuring device is designed to record the arbitrary operating parameters as
  • the evaluation device is designed to use (i) a feature extraction from the mass data and / or (ii) a feature classification of the mass data during machine depth learning.
  • the invention provides that the evaluation device neural network, a support vector machine, a classifier and / or a regressor.
  • the evaluation device is designed to base an individual on a plurality of predetermined operating parameters
  • the invention provides that the measuring device is designed to measure an environmental parameter of the
  • electromechanical switching device and / or one
  • Type parameters of the electromechanical switching device preferably in the form of a manufacturer code.
  • the invention provides that the evaluation device is designed to be based on the environmental parameter of the electromechanical switching device and / or the
  • Type parameters of the electromechanical switching device the current state of wear of the electromechanical
  • Process steps include:
  • At least one predetermined operating parameter is recorded electromechanical switching device by means of a measuring device.
  • a current state of wear of the electromechanical is determined
  • the present invention comprises a computer program or a computer program product, comprising instructions which, when the program is executed by a computer, cause the computer to carry out the steps of the method according to the second aspect or any one
  • Embodiment of the second aspect can be performed.
  • the present invention comprises a computer-readable storage medium comprising instructions which, when executed by a computer, cause the steps of the method according to the second aspect or any embodiment of the second aspect to be carried out.
  • Fig. 1 a schematic representation of a device for
  • FIG. 2 shows a schematic representation of a flow chart of a method for detecting wear of an electromechanical switching device according to an exemplary embodiment of the present invention
  • Fig. 3 a schematic representation of a device for
  • Fig. 4 a schematic representation of diagrams for
  • Fig. 5 a schematic representation of a diagram for
  • Fig. 10 a schematic representation of a diagram for
  • the present invention used includes, for example, a computer network based on a collection of interconnected units or nodes called artificial neurons and the neurons in a biological one
  • the present invention used includes, for example, a neural network which, in contrast to a normal network, also referred to as a feedforward network, is characterized by connections from neurons of one layer to neurons of the same or a previous layer.
  • Fig. 1 shows a schematic representation of a
  • the device 100 comprises a measuring device 10 and an evaluation device 20.
  • the measuring device 10 is designed to at least one predetermined operating parameter of the electromechanical
  • the evaluation device 20 is designed to use a machine depth learning method with the aid of mass data, preferably in the form of training data, from the predetermined operating parameters recorded
  • the present method enables wear detection, ie monitoring wear and tear
  • the measuring device 10 is, for example, as one
  • Measuring device designed to detect an operating parameter, such as an event, i.e. about a
  • the measuring device 10 is, for example, as one
  • Measuring device designed for the detection of a curve shape and / or one or more characteristic variables of the event.
  • the evaluation device 20 is for this purpose, for example
  • the representative data and / or the training data and / or state data can also be imported into the artificial neural network.
  • the event or the operating parameter can be, for example, a coil current at the moment of switching on, and several electrical or physical variables can also be combined into one
  • Operating parameters are summarized, such as coil current and contact voltage.
  • A can also be used as an operating parameter
  • FIG. 2 shows a schematic illustration of a flow diagram of a method for detecting wear of an electromechanical switching device according to one
  • At least one predetermined operating parameter S1 is recorded
  • the current state of wear of the electromechanical switching device is ascertained S2 using a mechanical depth learning method with the aid of mass data, preferably in the form of training data, from the determined predetermined one
  • FIG. 3 shows a device for wear detection of an electromechanical switching device according to one
  • the device shown in FIG. 3 represents a measurement setup of the method according to the invention.
  • a relay or a contactor or an electromechanical switching device has a coil installed in the interior which can be supplied with a voltage via contacts.
  • a voltage is applied to the coil, a current begins to flow through the coil, a magnetic field is built up, a force is exerted on an armature and the armature moves a contact such that an electrical contact is closed or opened, depending on the type, opener or
  • NC contact A combination of NC and NO contacts is called a changeover contact.
  • the present invention can be used for any relay or other electromechanical switching device.
  • the present invention enables one
  • characteristic electrical quantities of the relay are recorded and evaluated.
  • the following electrical or physical variables can be used as a detected variable or operating parameter, for example in direct measurement as shown in FIG. 3: i) coil current
  • other parameters such as a switching time or a contact resistance, can be measured via other electrical circuits suitable for this purpose.
  • other measured variables can also be recorded, for example by trying to optically detect a possible arc at the contact when opening or by means of a
  • the measured variables are subsequently recorded by one or more measuring devices in the form of the measuring device 10 and also digitized in the process.
  • further information such as a time stamp or counter readings, can be added that is measured indirectly.
  • the digital data can be present continuously based on a measurement or carried out continuously
  • the contact voltage can preferably only be transmitted, for example, if there is also a switching event.
  • the informational content is the
  • Contact voltage may not be meaningful, since if the contact is in a sufficiently good condition
  • the information content of the contact voltage can be very informative since, for example, information about the formation of an arc as a result of wear and tear on the contact surfaces can be contained therein, which indicates a certain material burn-off and thus wear.
  • the digital data are thus only updated with each switching operation, in other words, the measuring device 10 is designed, for example, to be triggered by a switching operation to carry out a measurement, and an interval triggering of the measurement can also be provided.
  • an update is carried out per unit of time, for example per minute or per hour or once a day, and a measurement is carried out by the measuring device 10, in other words, a time interval switching is provided.
  • the digital data can also be updated between switching operations, for example if the relay permanently switches an excessive load in the conducting phase, i.e. outside of it
  • the artificial neural network now receives according to one
  • Embodiment of the present invention this digital data and can use it to predict the state of the relay after a calculation.
  • possible output options of the artificial neural network are, for example: i) "The relay is 70% worn out"
  • the neural network can shoot from the data already learned in the training phase by means of curve profiles at the relay type.
  • the load can be determined, for example, via the
  • the load remains more or less constant and that
  • Evaluation device 20 may be designed such that
  • measurements on the contact can be used to determine which remaining life is still available, or if the shape of the coil current changes significantly, wear can also be determined thereon.
  • Coil current is zero or almost zero despite the voltage being present. This can be used to conclude that the coil is defective or to conclude that no coil is connected.
  • a temperature-dependent resistance or an inductance can be determined from the course of the coil current.
  • the temperature can alternatively also be directly via a
  • Temperature sensors can be measured.
  • Patterns are made in or in the measurement data
  • FIG. 4 shows examples of curves of the measured variables. It is a
  • Exemplary parameters or a characteristic is the so-called overstroke, which is reflected in the times between the contact closure and the anchor impact.
  • the overstroke is actually a distance that is measured in mm, but due to the speed of the armature in m / s or mm / ms, a similar characteristic can also be expressed in ms. In this context, this quantity is also referred to as overstroke. So the time between the first contact and the anchor impact is read from the curves, you can see for everyone
  • the more aged relay shows a significantly higher contact bounce.
  • FIG. 5 shows a diagram and the measured overstroke over time is plotted.
  • the solution according to the invention is illustrated once again in FIG.
  • the measured curve profiles are placed in a previously trained neural network, which can make a prediction of the state of the relay on the basis of previously learned curves.
  • the neural network was previously trained with labeled - with an addition - data. It was repeated
  • FIG. 1020 An exemplary embodiment of a construction according to the invention is outlined in FIG. Here comes a relay socket 1020
  • a measuring resistor also known as a shunt
  • a measuring device for example an analog-digital converter, ADC, A / D converter, English ADC - “analog-to-digital converter” - measures and digitizes.
  • a processor can convert the digital stream data into one
  • auxiliary energy can either be added externally, labeled "PWR +" and "PWR—", or it is derived from the
  • the task in this embodiment is only to infer the state of the relay from the coil current and possibly a little additional information.
  • the overstroke cannot be calculated directly. But this is not mandatory either required because the neural network independently determines the relevant features.
  • the data interface is designed in such a way that the measurement data are transmitted to a cloud, in which the neural network is maintained and executed. All information about the relay is then compatible there. Possibly. there is an optional return channel to
  • a plurality of relay sockets 1020 are connected to one another via a local communication bus, and the individual measurement data of the relay sockets 1020 are managed by a central head module.
  • the neural network that monitors all relays connected to a local bus can then be implemented in the head module.
  • the head module can be used with another
  • Data interface to be equipped to pass on the data obtained externally.
  • the head module only collects the data of the individual relays and that the neural network is evaluated and managed on an external device.
  • only data preprocessing or parts of the neural network can be processed in the head module and other parts in an external device.
  • the head module can also be designed such that it does not have its own
  • electromechanical switching device 100 and no separate measuring device 10 can be connected directly to it, but that the data is only collected by the head module and processed as described above.
  • the neural network can also be a processor or a
  • the device further comprises a display device 30, which can be displayed in the form of a multilayer display or a traffic light shape.
  • Class 2 Product in use
  • the relay used is coupled to the relay base, that is to say, for example, directly after the production and before delivery of the product to the customer
  • the neural network could be briefly re-trained on the new relay, for example.
  • the additional optional data interface can be provided in order not only to display information obtained about the state of the relay directly at the relay, but also to make it available in a higher-level network. But it is also conceivable that "updates" or
  • Data changes in the relay socket are transmitted, for example when a new version of the neural network is available.
  • control in the form of the evaluation device 20 to receive the switch-on signal of the electromechanical switching device 1000
  • the coil could be controlled in a particularly relay-friendly manner or to a suitable one
  • Circuit technology are used to obtain information about the switching time of the contact without one
  • Embodiments can be used. Reference signs in the claims are not to be viewed as a restriction.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Arc-Extinguishing Devices That Are Switches (AREA)
  • Keying Circuit Devices (AREA)

Abstract

Die vorliegende Erfindung betrifft eine Vorrichtung (100) zur Verschleißerkennung einer elektromechanischen Schalteinrichtung (1000), wobei die Vorrichtung (100) umfasst: eine Messeinrichtung (10), welche dazu ausgebildet ist, mindestens einen vorbestimmten Betriebsparameter der elektromechanischen Schalteinrichtung (1000) zu erfassen; und eine Auswerteeinrichtung (20), welche dazu ausgebildet ist, anhand eines maschinellen Tiefenlernen-Verfahrens unter Zuhilfenahme von Massendaten, vorzugsweise in Form von Trainingsdaten, aus dem erfassten vorbestimmten Betriebsparameter der elektromechanischen Schalteinrichtung (1000) einen aktuellen Verschleißzustand der elektromechanischen Schalteinrichtung (1000) zu ermitteln.

Description

Vorrichtung und Verfahren zur Verschleißerkennung einer elektromechanischen Schalteinrichtung
Technisches Gebiet
Die vorliegende Erfindung betrifft Systeme für die Überwachung eines Abnutzungsverhaltens.
Insbesondere betrifft die vorliegende Erfindung eine
Vorrichtung und ein Verfahren zur Verschleißerkennung einer elektromechanischen Schalteinrichtung .
Technischer Hintergrund
Im Zuge der vorausschauenden Wartung ist es wichtig, den
Zustand von Schaltelementen wie elektromechanischen Relais oder Schützen zu kennen und das gebrauchte oder verschlissene Schaltelement schon vor einem möglichen Ausfall auszutauschen um Stillstand oder Ausfallzeiten zu vermeiden.
In sicherheitsrelevanten Anwendungen kann eine kontinuierliche Zustandsüberwachung von schaltenden Elementen noch deutlich wichtiger sein.
In der DE 10 2016 124083 B4 wird ein Relais überwacht, indem eine mechanische und eine elektrische Zustandsgröße ermittelt und über ein Kennlinienfeld der Zustand des Relais ermittelt wird .
In der DE 10 2018 114 425 Al wird eine
Schaltüberwachungsvorrichtung vorgestellt, die den
SchaltZeitpunkt des Relais auf der Spulenseite (galvanische Trennung) unabhängig von der Belastung des Kontaktes detektieren kann.
Zusammenfassung der Erfindung
Es ist eine Aufgabe der vorliegenden Erfindung, eine
verbesserte Vorrichtung und ein verbessertes Verfahren zur Verschleißerkennung breitzustellen.
Diese Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Weiterbildungen und Ausführungsformen sind den abhängigen Patentansprüchen, der Beschreibung und den Figuren der Zeichnungen zu entnehmen.
Ein erster Aspekt der vorliegenden Erfindung betrifft eine Vorrichtung zur Verschleißerkennung einer elektromechanischen Schalteinrichtung, wobei die Vorrichtung eine Messeinrichtung und eine Auswerteeinrichtung umfasst:
Die Messeinrichtung ist dazu ausgebildet, mindestens einen vorbestimmten Betriebsparameter der elektromechanischen
Schalteinrichtung zu erfassen.
Die Auswerteeinrichtung ist dazu ausgebildet, anhand eines maschinellen Tiefenlernen-Verfahrens unter Zuhilfenahme von Massendaten, vorzugsweise in Form von Trainingsdaten, aus dem erfassten vorbestimmten Betriebsparameter der
elektromechanischen Schalteinrichtung einen aktuellen
Verschleißzustand der elektromechanischen Schalteinrichtung zu ermitteln .
Die vorliegende Erfindung ermöglicht, den Zustand von
elektromechanischen Schalteinrichtungen, wie beispielsweise ein elektromechanisches Relais oder Schaltschütz , zu bestimmen und das gebrauchte oder verschlissene Schaltelement schon vor einem drohenden, möglichen Ausfall auszutauschen, um eine Stillstandzeit zu minieren oder das Auftreten eines
Stillstands zu verhindern oder sonstige Störungen zu
vermeiden .
Die vorliegende Erfindung ermöglicht, dass eine Alterung von einer elektromechanischen Schalteinrichtung mit minimalem Messaufwand zuverlässig bestimmt wird.
Die vorliegende Erfindung ermöglicht durch Methoden der künstlichen Intelligenz, wie maschinelles Lernen oder wie Künstliche neuronale Netze, auch künstliche neuronale
Netzwerke, basierend auf in einem Anlernprozess verwendeten Trainingsdaten Vorhersagen zu aktuellen Messdaten zu treffen.
Mit auf Englisch sogenannten „Deep Learning"-Methoden, auf Deutsch etwa „tiefgehendes Lernen", nachfolgend auch als maschinelles Tiefenlernen-Verfahren" bezeichnet, wird
beispielsweise eine Klasse von Optimierungsmethoden
künstlicher neuronaler Netze definiert, die zahlreiche
Zwischenlagen - englisch „hidden layers" - zwischen
Eingabeschicht und Ausgabeschicht haben und dadurch eine umfangreiche innere Struktur aufweisen.
Dies ermöglicht vorteilhaft, dass keine manuelle
Merkmalsextraktion bzw. Festlegung von überwachten Merkmalen benötigt wird. Daher können präzise Vorhersagen getroffen werden, wenn die Modelle mit Massendaten, auf Englisch auch „Big Data", in der Form von Trainingsdaten trainiert werden, wobei hier auch eine Markierung der Trainingsdaten mit
Zustandsdaten der elektromechanischen Schalteinrichtungen erfolgen kann, d.h. referenziert oder gelabelt. Gemäß einer Ausführungsform der vorliegenden Erfindung werden hierzu viele Relais mit vielen verschiedenen Lasten in vielen verschiedenen Einsatzszenarien vermessen und der aktuelle Zustand, etwa Verschleiß, Temperatur, Schaltzyklus , aktuelle Last, dokumentiert bzw. gelabelt.
Wenn beispielsweise ein Relais nach 100.000 Schaltzyklen defekt ist und alle Schaltzyklen zuvor aufgenommen und
gespeichert worden sind, kann die vorliegende erfindungsgemäße Vorrichtung bzw. das erfindungsgemäße Verfahren ermitteln, dass dieses spezielle Relais bei dem 50.000 Schaltzyklus ca. 50% gealtert ist, wenn man eine lineare Alterung bei
gleichbleibender Last zugrunde legt. Somit können nach dem Defekt des Relais die in der Vergangenheit aufgenommenen Daten von 100.000 Schaltzyklen dokumentiert und individuell mit einem Labein, etwa Grad der Alterung von 0% bis 100%, versehen und als Trainingsdaten verwendet werden.
Demzufolge wird beispielsweise in einer Ausführungsform der vorliegenden Erfindung ein neuronales Netz mit einer Auswahl aus gelabelten 100.000 Schaltzyklen trainiert und wenn das neuronale Netz später einen ähnlichen Schaltzyklus wie der zuvor erwähnte 50.000 Schaltzyklus als einen aktuellen
Schaltzyklus von einem anderen Relais vergleichbaren Typs erfasst, kann das neuronale Netz schätzen, dass dieses Relais auch zu etwa 50% verschlissen ist, auch wenn das andere Relais zu diesem Zeitpunkt vielleicht nur 1.000 Schaltzyklen mit einer anderen Last durchlaufen hat.
In dem neuronalen Netz wird jedoch kein direkter Vergleich von den Schaltzyklen miteinander durchgeführt, sondern durch
Optimierungsverfahren im Trainingsprozess hat das Verfahren selber gelernt bzw. die internen Parameter so optimiert, dass relevante Merkmale, die für den Verschleiß charakteristisch sind, implizit im neuronalen Netz enthalten sind und somit Prognosen zu aktuellen unbekannten Eingangsdaten ausgegeben werden können.
Das in der Auswerteeinrichtung implementierte neuronale Netz ist in einer Ausführungsform der vorliegenden Erfindung zuvor trainiert worden und ist durch die Auswertung von aktuellen Messungen in der Lage, auf den aktuellen Zustand des aktuell verbauten Relais zu schließen, den Verschleißzustand zu ermitteln .
Das in der Auswerteeinrichtung implementierte neuronale Netz kann auch die Einsatzhistorie der elektronischen
Schalteinrichtung mitberücksichtigen, beispielsweise kann zugrunde gelegt werden, dass ein Relais typischerweise mit fortschreitender Zeit nicht besser, sondern eher schlechter wird, d.h. ein Verschleiß grundsätzlich immer zunimmt. Hierfür können sogenannte rekurrente neuronale Netze zum Einsatz kommen oder andere Verfahren verwendet werden.
Vorteilhafte Ausgestaltungen der vorliegenden Erfindung sind den Unteransprüchen zu entnehmen.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Auswerteeinrichtung dazu ausgebildet ist, basierend auf dem ermittelten aktuellen
Verschleißzustand und den Massendaten eine Prädiktion für den zukünftigen Abnutzungsverlauf der elektromechanischen
Schalteinrichtung zu ermitteln.
Dies ermöglicht vorteilhaft auch Voraussagen über die
Entwicklung des zukünftigen Verschleißes und der zu
erwartenden Abnutzung der elektromechanischen
Schalteinrichtung bereitzustellen. Wenn beispielsweise die Last des Relais mehr oder weniger konstant ist, in der Vergangenheit typischerweise 1.000
Schaltzyklen pro Woche aufgetreten sind, das Relais aktuell den 40.000 Schaltzyklus durchläuft, ein aktueller Verschleiß von 80% durch die Auswerteeinheit geschätzt worden ist und eine lineare Alterung vorausgesetzt wird, kann in einer einfachen Hochrechnung geschlussfolgert werden, dass von einer Restlebensdauer des Relais von ca. 10.000 Schaltspielen bzw.
10 Wochen ausgegangen werden kann. Selbstverständlich können auch komplexere Alterungsmodelle verwendet werden.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Vorrichtung dazu
ausgebildet ist, die Massendaten mit einer Zuordnung zu einem jeweiligen Zustand der elektromechanischen Schalteinrichtung bereitzustellen; wobei vorzugsweise die Messeinrichtung einen Prozessor aufweist.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Messeinrichtung ferner dazu ausgebildet ist, über eine Datenschnittstelle einen Datenstrom umfassend den erfassten mindestens einen vorbestimmten
Betriebsparameter zu übermitteln; wobei vorzugsweise die
Messeinrichtung ferner dazu ausgebildet ist, mit einer
Energieversorgungseinrichtung gekoppelt zu werden und/oder über ein Ansteuersignal der elektromechanischen
Schalteinrichtung mit Energie versorgt zu werden.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Vorrichtung eine Vielzahl an Messeinrichtungen aufweist und die Auswerteeinrichtung dazu ausgebildet ist, den aktuellen Verschleißzustand einer
Vielzahl an elektromechanischen Schalteinrichtungen basierend auf einer Vielzahl an erfassten vorbestimmten
Betriebsparametern zu ermitteln.
In einer vorteilhaften Ausführungsform der vorliegenden Erfindung ist vorgesehen, dass die Auswerteeinrichtung als eine dezentrale Computerumgebung, verteilt über ein
Rechnernetz ausgebildet ist, wobei vorzugsweise die
Vorrichtung ferner dazu ausgebildet ist, über einen
Übertragungskanal Daten über den aktuellen Verschleißzustand an die elektromechanische Schalteinrichtung zu übertragen.
In einer vorteilhaften Ausführungsform der vorliegenden Erfindung ist vorgesehen, dass die Messeinrichtung dazu ausgebildet ist, in einem Relaissockel für die
elektromechanische Schalteinrichtung integriert zu werden.
In einer vorteilhaften Ausführungsform der vorliegenden Erfindung ist vorgesehen, dass die Auswerteeinrichtung dazu ausgebildet ist, in einem Relaissockel für die
elektromechanische Schalteinrichtung integriert zu werden, wobei vorzugsweise die Auswerteeinrichtung ferner dazu ausgebildet ist, als ein gemeinsames Kopfmodul für eine Vielzahl von in weiteren Relaissockeln integrierten
Messeinrichtung für weitere elektromechanische
Schalteinrichtungen verwendet zu werden.
In einer vorteilhaften Ausführungsform der vorliegenden Erfindung ist vorgesehen, dass die Vorrichtung ferner eine Anzeigeneinrichtung umfasst, welche vorzugsweise dazu ausgebildet ist, den aktuellen Verschleißzustand der elektromechanischen Schalteinrichtung anzuzeigen.
In einer vorteilhaften Ausführungsform der vorliegenden Erfindung ist vorgesehen, dass der mindestens eine vorbestimmte Betriebsparameter der elektromechanischen
Schalteinrichtung eine Betätigungskraft, eine Gegenkraft, einen Betätigungsweg, einen Überhub, einen Schaltpunkt, einen Lichtimpuls, einen Lichtbogen, ein akustisches Signal, ein Magnetfeld, eine Temperatur, einen Spulenstrom, eine
Spulenspannung, einen Kontaktstrom, einen Laststrom oder eine Kontaktspannung umfasst.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Massendaten beliebige Betriebsparameter umfassen und die beliebigen
Betriebsparametereine Betätigungskraft, eine Gegenkraft, einen Betätigungsweg, einen Überhub, einen Schaltpunkt, einen
Lichtimpuls, einen Lichtbogen, ein akustisches Signal, ein Magnetfeld, eine Temperatur, einen Spulenstrom, eine
Spulenspannung, einen Kontaktstrom, einen Laststrom oder eine Kontaktspannung der elektromechanischen Schalteinrichtung umfassen .
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Messeinrichtung dazu ausgebildet ist, die beliebigen Betriebsparameter als
Kennlinien basierend auf einer Vorabmessung während einer Initialisierungsphase der elektromechanischen
Schalteinrichtung zu erfassen.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Auswerteeinrichtung dazu ausgebildet ist, bei dem maschinellen Tiefenlernen (i) eine Merkmalsextraktion aus den Massendaten und/oder (ii) eine Merkmalsklassifizierung der Massendaten zu verwenden.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Auswerteeinrichtung ein neuronales Netz, eine Stützvektormaschine, einen Klassifikator und/oder einen Regressor aufweist.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Auswerteeinrichtung dazu ausgebildet ist, basierend auf einer Vielzahl von erfassten vorbestimmten Betriebsparameter einen individuellen
Abnutzungskurvenverlauf der elektromechanischen
Schalteinrichtung zu bestimmen und darauf basierend auf einen Typenparameter der jeweiligen elektromechanischen
Schalteinrichtung zu schließen.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Messeinrichtung dazu ausgebildet ist, einen Umgebungsparameter der
elektromechanischen Schalteinrichtung und/oder einen
Typenparameter der elektromechanischen Schalteinrichtung, vorzugsweise in der Form eines Herstellercodes, zu erfassen.
In einer vorteilhaften Ausführungsform der vorliegenden
Erfindung ist vorgesehen, dass die Auswerteeinrichtung dazu ausgebildet ist, basierend auf dem Umgebungsparameter der elektromechanischen Schalteinrichtung und/oder dem
Typenparameter der elektromechanischen Schalteinrichtung den aktuellen Verschleißzustand der elektromechanischen
Schalteinrichtung zu ermitteln.
In einem zweiten Aspekt der vorliegenden Erfindung ist ein zur Verschleißerkennung einer elektromechanischen
Schalteinrichtung, wobei das Verfahren folgenden
Verfahrensschritte umfasst:
Als ein erster Verfahrensschritt erfolgt ein Erfassen von mindestens einem vorbestimmten Betriebsparameter der elektromechanischen Schalteinrichtung mittels einer Messeinrichtung .
Als ein zweiter Verfahrensschritt erfolgt ein Ermitteln eines aktuellen Verschleißzustandes der elektromechanischen
Schalteinrichtung anhand eines maschinellen Tiefenlernen- Verfahrens unter Zuhilfenahme von Massendaten, vorzugsweise in Form von Trainingsdaten, aus dem erfassten vorbestimmten
Betriebsparameter der elektromechanischen Schalteinrichtung mittels einer Auswerteeinrichtung.
Als ein dritter Verfahrensschritt erfolgt optional ein
Ermitteln einer Prädiktion für den zukünftigen
Abnutzungsverlauf der elektromechanischen Schalteinrichtung basierend auf den Massendaten und den mittels der
Auswerteeinrichtung .
Nach einem dritten Aspekt umfasst die vorliegende Erfindung ein Computerprogramm oder ein Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, dass die Schritte des Verfahrens nach dem zweiten Aspekt oder einer beliebigen
Ausführungsform des zweiten Aspektes ausgeführt werden.
Nach einem vierten Aspekt umfasst die vorliegende Erfindung ein Computerlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, die Schritte des Verfahrens nach dem zweiten Aspekt oder einer beliebigen Ausführungsform des zweiten Aspektes ausgeführt werden .
Die beschriebenen Ausgestaltungen und Weiterbildungen lassen sich beliebig miteinander kombinieren. Weitere mögliche Ausgestaltungen, Weiterbildungen und Implementierungen der vorliegenden Erfindung umfassen auch nicht explizit genannte Kombinationen von zuvor oder im
Folgenden bezüglich der Ausführungsformen beschriebenen
Merkmale der vorliegenden Erfindung.
Die beiliegenden Zeichnungen sollen ein weiteres Verständnis der Ausführungsformen der vorliegenden Erfindung vermitteln.
Die beiliegenden Zeichnungen veranschaulichen
Ausführungsformen und dienen im Zusammenhang mit der
Beschreibung der Erklärung von Konzepten der vorliegenden Erfindung .
Andere Ausführungsformen und viele der genannten Vorteile ergeben sich im Hinblick auf die Figuren der Zeichnungen. Die dargestellten Elemente der Figuren der Zeichnungen sind nicht notwendigerweise maßstabsgetreu zueinander gezeigt.
Kurze Beschreibung der Figuren
Es zeigen:
Fig. 1: eine schematische Darstellung einer Vorrichtung zur
Verschleißerkennung einer elektromechanischen
Schalteinrichtung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung; und
Fig. 2: eine schematische Darstellung eines Flussdiagramms eines Verfahrens zur Verschleißerkennung einer elektromechanischen Schalteinrichtung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung; Fig. 3: eine schematische Darstellung einer Vorrichtung zur
Verschleißerkennung einer elektromechanischen
Schalteinrichtung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung;
Fig. 4: eine schematische Darstellung von Diagrammen zur
Verschleißerkennung einer elektromechanischen
Schalteinrichtung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung;
Fig. 5: eine schematische Darstellung eines Diagramms zur
Verschleißerkennung einer elektromechanischen
Schalteinrichtung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung.
Fig. 6-9: je eine schematische Darstellung einer Vorrichtung zur Verschleißerkennung einer elektromechanischen Schalteinrichtung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung; und
Fig. 10: eine schematische Darstellung eines Diagramms zur
Verschleißerkennung einer elektromechanischen
Schalteinrichtung mit einer weiteren Messeinrichtung gemäß einem Ausführungsbeispiel der vorliegenden Erfindung .
Detaillierte Beschreibung der Ausführungsbeispiele
In den Figuren der Zeichnungen bezeichnen gleiche
Bezugszeichen gleiche oder funktionsgleiche Elemente,
Bauteile, Komponenten oder Verfahrensschritte, soweit nichts Gegenteiliges angegeben ist. Der Begriff „Künstliches neuronales Netz" wie von der
vorliegenden Erfindung verwendet umfasst beispielsweise ein Rechnernetz basierend auf einer Sammlung von miteinander verbundenen Einheiten oder Knoten, die als künstliche Neuronen bezeichnet werden und die Neuronen in einem biologischen
Gehirn lose modellieren.
Der Begriff „rekurrentes neuronales Netz" wie von der
vorliegenden Erfindung verwendet umfasst beispielsweise ein neuronales Netz, das sich im Gegensatz zu einem normalen, auch als Feedforward-Netz bezeichneten Netz durch Verbindungen von Neuronen einer Schicht zu Neuronen derselben oder einer vorangegangenen Schicht auszeichnet.
Die Fig. 1 zeigt eine schematische Darstellung einer
Vorrichtung zur Verschleißerkennung einer elektromechanischen Schalteinrichtung gemäß einem Ausführungsbeispiel der
vorliegenden Erfindung.
Die Vorrichtung 100 umfasst eine Messeinrichtung 10 und eine Auswerteeinrichtung 20.
Die Messeinrichtung 10 ist dazu ausgebildet, mindestens einen vorbestimmten Betriebsparameter der elektromechanischen
Schalteinrichtung zu erfassen.
Die Auswerteeinrichtung 20 ist dazu ausgebildet, anhand eines maschinellen Tiefenlernen-Verfahrens unter Zuhilfenahme von Massendaten, vorzugsweise in Form von Trainingsdaten, aus dem erfassten vorbestimmten Betriebsparameter der
elektromechanischen Schalteinrichtung einen aktuellen
Verschleißzustand der elektromechanischen Schalteinrichtung zu ermitteln . Das vorliegende Verfahren ermöglicht eine Verschleißerkennung, d.h. eine Überwachung einer Abnutzung bzw. des
Abnutzungsverhaltens eines elektromechanischen Schaltgerätes, bereitzustellen.
Die Messeinrichtung 10 ist beispielsweise als eine
Messvorrichtung zum Detektieren eines Betriebsparameters ausgebildet, wie etwa ein Ereignis, d.h. etwa ein
Schaltvorgang des elektromechanischen Schaltgerätes, eine Temperaturerhöhung des elektromechanischen Schaltgerätes, oder auch eine Entfernung oder ein Ausfall des elektromechanischen Schaltgerätes in Form des Relais.
Die Messeinrichtung 10 ist beispielsweise als eine
Messvorrichtung zur Detektion eines Kurvenverlaufes und/oder einer oder mehrerer charakteristischer Größen des Ereignisses ausgebildet .
Die Auswerteeinrichtung 20 ist beispielsweise dazu
ausgebildet, ein Zuordnen von digitalen repräsentativen Daten zu dem aktuellen Ereignis bzw. dem aktuellen Betriebsparameter vorzunehmen .
Es kann ferner ein Einspielen der repräsentativen Daten und/oder der Trainingsdaten und/oder von Zustandsdaten in das künstliche neuronale Netz erfolgen.
Das Ereignis bzw. der Betriebsparameter kann beispielsweise ein Spulenstrom im Einschaltmoment sein, es können auch mehrere elektrische oder physikalische Größen zu einem
Betriebsparameter zusammengefasst werden, etwa Spulenstrom und Kontaktspannung. Als Betriebsparameter kann auch ein
berechneter Wert wie beispielsweise ein ermittelter Überhub sein . Die Fig. 2 zeigt eine schematische Darstellung eines Flussdiagramms eines Verfahrens zur Verschleißerkennung einer elektromechanischen Schalteinrichtung gemäß einem
Ausführungsbeispiel der vorliegenden Erfindung.
Als ein erster Verfahrensschritt erfolgt ein Erfassen S1 von mindestens einem vorbestimmten Betriebsparameter der
elektromechanischen Schalteinrichtung mittels einer
Messeinrichtung .
Als ein zweiter Verfahrensschritt erfolgt ein Ermitteln S2 eines aktuellen Verschleißzustandes der elektromechanischen Schalteinrichtung anhand eines maschinellen Tiefenlernen- Verfahrens unter Zuhilfenahme von Massendaten, vorzugsweise in Form von Trainingsdaten, aus dem erfassten vorbestimmten
Betriebsparameter der elektromechanischen Schalteinrichtung mittels einer Auswerteeinrichtung.
Die Fig. 3 zeigt eine Vorrichtung zur Verschleißerkennung einer elektromechanischen Schalteinrichtung gemäß einem
Ausführungsbeispiel der vorliegenden Erfindung.
Das in der Fig. 3 gezeigte Vorrichtung stellt einen Messaufbau des erfindungsgemäßen Verfahrens dar. Ein Relais oder ein Schütz oder ein elektromechanisches Schaltgerät hat im inneren eine Spule verbaut, die mit einer Spannung über Kontakte beaufschlagt werden kann.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung, sobald eine Spannung an der Spule anliegt, beginnt ein Strom durch die Spule zu fließen, ein Magnetfeld wird aufgebaut, eine Kraft auf einen Anker wird ausgeübt und der Anker bewegt einen Kontakt derart, dass ein elektrischer Kontakt geschlossen oder geöffnet wird, je nach Typ, Öffner oder
Schließer. Eine Kombination aus Öffner und Schließer wird als Wechsler bezeichnet.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung kann dabei die vorliegende Erfindung für beliebige Relais oder andere elektromechanische Schaltgerate anwendbar sein.
Die vorliegende Erfindung ermöglicht, dass man
charakteristische elektrische Größen des Relais erfasst und auswertet . gemäß einem Ausführungsbeispiel der vorliegenden Erfindung können beispielsweise in direkter Messung wie in Figur 3 dargestellt die folgenden elektrischen oder physikalischen Größen als erfasste Größe bzw. Betriebsparameter verwendbar sein : i) Spulenstrom
ii) Spulenspannung
iii) Kontaktstrom bzw. Laststrom
iv) Kontaktspannung bzw. Lastspannung
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung können auch andere Kenngrößen, wie etwa ein SchaltZeitpunkt oder ein Kontaktwiderstand über andere, hierzu geeignete elektrische Schaltungen gemessen werden.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung können auch andere Messgrößen erfasst werden, beispielsweise indem man versucht, optisch einen möglichen Lichtbogen am Kontakt beim Öffnen zu detektieren oder durch einen
Magnetfeldsensor Aussagen über das Magnetfeld in der Spule zu treffen . Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung werden die gemessenen Größen anschließend von einer oder mehreren Messvorrichtungen in Form der Messeinrichtung 10 erfasst und dabei auch digitalisiert.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung können dabei weitere Informationen, wie beispielsweise ein Zeitstempel oder Zählerstände hinzugefügt werden, die indirekt gemessen werden.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung können die digitalen Daten kontinuierlich vorliegen basierend auf einer kontinuierlich vorgenommenen Messung oder
sinnvollerweise nur bei Schaltereignissen aktualisiert werden basierend auf einer durch unterschiedliche Triggerungen vorgenommenen Messung.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung kann vorzugsweise beispielsweise die Kontaktspannung nur dann übermittelt werden, wenn auch ein Schaltereignis vorliegt. In der Zeit zwischen Ein— und Ausschaltvorgang, d.h. während der leitenden Phase, ist der Informationsgehalt der
Kontaktspannung gegebenenfalls nicht aussagekräftig, da bei einem ausreichend guten Zustand des Kontakts eine
Kontaktspannung nahe Null zu erwarten ist.
Im Ausschaltmoment wiederum kann der Informationsgehalt der Kontaktspannung sehr informativ sein, da darin beispielsweise Informationen über eine Ausbildung eines Lichtbogens in der Folge von Abnutzungserscheinung der Kontaktflächen enthalten sein können, was auf einen gewissen Materialabbrand und somit einen Verschleiß schließen lässt. Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung werden die digitalen Daten somit nur bei jedem Schaltvorgang aktualisiert, mit anderen Worten, die Messeinrichtung 10 ist beispielsweise dazu ausgebildet, durch einen Schaltvorgang getriggert zu werden, eine Messung vorzunehmen, wobei auch eine Intervallauslösung der Messung vorgesehen sein kann.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung werden nur jeder zweite Schaltvorgang, jeder 10. Schaltvorgang oder 100. Schaltvorgang ausgewertet.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung wird eine Aktualisierung pro Zeiteinheit, etwa pro Minute oder pro Stunde oder einmal am Tag vorgenommen und eine Messung durch die Messeinrichtung 10 vorgenommen, mit anderen Worten, eine zeitliche Intervallschaltung wird vorgesehen.
Wenn eine Temperaturüberwachung vorliegt, können die digitalen Daten auch zwischen Schaltvorgängen aktualisiert werden, beispielsweise wenn das Relais in leitender Phase dauerhaft eine überhöhte Last schaltet, also außerhalb seiner
Spezifikationen betrieben wird.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung werden die digitalen Daten nach der Aktualisierung an das oben beschriebene künstliche neuronale Netz in der
Auswerteeinrichtung 20 zugeführt.
Das künstliche neuronale Netz erhält nun gemäß einem
Ausführungsbeispiel der vorliegenden Erfindung diese digitalen Daten und kann daraus nach einer Berechnung den Zustand des Relais prognostizieren. Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung sind mögliche Ausgabemöglichkeiten des künstlichen neuronalen Netzes beispielsweise: i) „Das Relais ist zu 70% verschlissen"
ii) „Der Relaistyp ist XXX oder YYY"
iii) „Das Relais ist an einer kleinen / mittleren / großen / zu großen Last angeschlossen"
iv) „Die voraussichtliche Restlebensdauer ist 3 Jahre und 2 Monate"
v) „Die Temperatur im Relais ist geschätzt zwischen 70 °C und 80 °C"
vi) „Achtung: Es besteht die Gefahr, dass das Relais bald verklebt"
Aus bereits gelernten Daten in der Trainingsphase kann das neuronale Netz gegebenenfalls anhand von Kurvenverläufen auf den Relaistyp schießen.
Die Bestimmung der Last kann beispielsweise über die
Alterungshistorie und der Auswertung der bereits durchlaufenen Schaltzyklen ermittelt werden, beispielsweise wenn ein Relais nach 1.000 Zyklen bereits 30% Verschleiß aufweist, ist die zu schaltende Last wohl eher zu groß und es wird weiter mit einer erhöhten Abnutzung in der Zukunft für eine gleichbleibende Last zu rechnen sein.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung, wenn der Laststrom gemessen wird, kann gegebenenfalls auch hierüber eine Aussage über die Art der Last getroffen werden, beispielsweise induktiv und/oder kapazitiv und/oder ohmsch getroffen werden. Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung, wenn die Last mehr oder weniger konstant bleibt und das
Schaltintervall einem festen Zyklus folgt, kann die
Auswerteeinrichtung 20 dazu ausgebildet sein, dass
gegebenenfalls eine Restlebensdauer prognostiziert wird.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung kann gegebenenfalls aus Messungen am Kontakt ermittelt werden, welche Restlebensdauer noch vorhanden ist, oder wenn sich die Form des Spulenstroms signifikant ändert, kann hierauf auch eine Abnutzung ermittelt werden.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung kann gegebenenfalls ermittelt werden, ob der gemessene
Spulenstrom trotz anliegender Spannung Null oder annähernd Null ist. Daraus kann gegebenenfalls auf einen Defekt der Spule geschlossen oder geschlussfolgert werden, dass keine Spule angeschlossen ist.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung kann aus dem Verlauf des Spulenstroms ein temperaturabhängiger Widerstand oder eine Induktivität bestimmt werden.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung kann alternativ auch die Temperatur direkt über einen
Temperaturfühler gemessen werden.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung kann beispielsweise ein Abgleich von charakteristischen
Mustern in den Messdaten erfolgen oder in den davon
abgeleiteten Daten, die beispielsweise während eine Ein- oder des Ausschaltvorgangs gemessen werden. In der Figur 4 sind Kurvenverläufe der gemessenen Größen beispielhaft dargestellt. Es handelt sich dabei um einen
Einschaltmoment, also zum Zeitpunkt t=0 wird eine Spannung sprunghaft an die Spule gelegt und auf einem konstanten Wert gehalten .
Auf dem oberen Diagramm sind die Kurvenverlaufe für ein neues Relais dargestellt, während auf dem unteren Diagramm die
Kurvenverläufe eines stark gealterten Relais dargestellt sind.
Obwohl hier stochastische Prozesse eine Rolle spielen und auch zwei direkt hintereinander folgende Einschaltmomente der selben elektromechanischen Schalteinrichtung deutlich
voneinander abweichen können, sind dennoch wiederkehrende Schaltereignisse in einer korrespondierenden Phase des
Abnutzungsverlaufs der elektromechanischen Schalteinrichtung ähnlich und die Werte wandern im Laufe der Zeit langsam in eine Richtung.
Aus den Kurvenverlaufen können nun automatisiert
charakteristische Merkmale abgeleitet werden. Ein
beispielhafter Parameter bzw. ein Merkmal ist der so genannte Überhub, der sich in den Zeiten zwischen dem Kontaktschluss und dem Ankeraufschlag wiederspiegelt.
Der Überhub ist eigentlich eine Strecke, die in mm gemessen wird, aufgrund einer Geschwindigkeit des Ankers in m/s bzw. mm/ms kann ein ähnliches charakteristisches Merkmal aber auch in ms ausgedrückt werden. Diese Größe wird in diesem Kontext auch als Überhub bezeichnet. Es wird also die Zeitspanne zwischen dem ersten Kontaktschluss und dem Ankeraufschlag aus den Kurvenverläufen abgelesen, dabei kann man für jeden
Einschaltvorgang einen zeitlichen Überhub bestimmen. Wie anhand der beiden Diagramme erkennbar ist, unterscheiden sich die Kurvenverläufe eines neuen und eines stark gealterten Relais typischerweise deutlich voneinander.
So ist beispielsweise bei dem stärker gealterten Relais ein deutlich erhöhtes Kontaktprellen festzustellen.
Es ist nun eine Aufgabe des künstlichen neuronalen Netzes aus diesen Daten einen Abnutzungsgrad zu erkennen und zu
quantifizieren .
In Figur 5 ist ein Diagramm dargestellt und der gemessene zeitliche Überhub über die Lebensdauer aufgetragen. Man erkennt zwar eine generelle abfallende Tendenz des Überhubs im Laufe des Lebenszyklus der elektromechanischen
Schalteinrichtung 1000, es wird aber auch deutlich, dass die einzelnen Messwerte stark verrauscht sind.
Man kann also nicht einfach den Überhub messen und daraus abschätzen, wie stark das Relais abgenutzt ist.
In Figur 6 ist die erfindungsgemäße Losung noch einmal bildlich dargestellt. Die gemessenen Kurvenverläufe werden in ein zuvor trainiertes neuronales Netz gegeben, das anhand von zuvor erlernten Kurven eine Prognose über den Zustand des Relais abgeben kann.
Das neuronale Netz wurde zuvor mit gelabelten - mit einem Zusatz versehen - Daten trainiert. Es wurden wiederholt
Messungen in das Netz gegeben und zu jeder Messung gesagt, wie stark das Relais in dieser Messung tatsächlich gealtert ist. Das neuronale Netz sucht im Optimierungsprozess in der
Lernphase nun selbständig nach charakteristischen Merkmalen, die für die Alterung verantwortlich sind. In Figur 7 ist ein Ausführungsbeispiel eines erfindungsgemäßen Aufbaus skizziert. Hier kommt ein Relais-Sockel 1020 zum
Einsatz, der den Spulenstrom über einen Messwiderstand, auch als Shunt bezeichnet, in eine Spannung umwandelt und über eine Messvorrichtung, beispielsweise ein Analog—Digital—Wandler, ADC, A/D-Wandler, englisch ADC - „analog-to-digital Converter" - misst und digitalisiert.
Ein Prozessor kann die digitalen Stromdaten In einen
Datenstrom umwandeln und über eine Schnittstelle, bezeichnet mit „Data+" „Data—,,, weiterleiten.
Es können zusätzliche Daten hinzugefügt werden wie
beispielsweise Zeitstempel, Temperaturen etc. Die Hilfsenergie kann entweder von extern, bezeichnet mit „PWR+" und „PWR—", hinzugefügt werden oder sie wird aus dem
Spulenansteuerungssignal gewonnen .
Wenn dieser Fall gewählt wird, ist darauf zu achten, dass die Energieversorgung nur dann sichergestellt ist, wenn auch eine Spannung an den Anschlüssen anliegt. Ferner kann auch über einen Pufferkondensator Energie zwischengespeichert werden, um die Daten auch noch nach einem Messvorgang übertragen zu können .
Das neuronale Netz, das in diesem Ausführungsbeispiel
außerhalb des Relaissockels implementiert ist, hat in diesem Ausführungsbeispiel die Aufgabe nur aus dem Spulenstrom und ggf. wenigen Zusatzinformationen auf den Zustand des Relais zu schließen .
Der Überhub kann in diesem Fall beispielsweise nicht direkt berechnet werden. Dies ist aber auch nicht zwingend erforderlich, da das Neuronale Netz die relevanten Merkmale selbständig ermittelt.
Gemäß einem Ausführungsbeispiel ist die Datenschnittstelle derart ausgelegt, dass die Messdaten an eine Cloud übermittelt werden, in der das neuronale Netz gepflegt und ausgeführt wird. Dort sind dann alle Informationen über das Relais vereinbar. Ggf. gibt es einen optionalen Rückkanal, um
beispielsweise den Zustand visuell am Relaissockel
darzustellen .
In Figur 8 sind mehrere Relaissockel 1020 über einen lokalen Kommunikationsbus miteinander verbunden und die einzelnen Messdaten der Relais—Sockel 1020 werden von einem zentralen Kopfmodul verwaltet.
In dem Kopfmodul kann dann das neuronale Netz ausgeführt werden, das alle an einem lokalen Bus angeschlossenen Relais überwacht. Das Kopfmodul kann mit einer weiteren
Datenschnittstelle ausgestattet sein, um die gewonnen Daten extern weiterzugeben.
Es kann auch sein, dass vom Kopfmodul die Daten der einzelnen Relais nur gesammelt werden und dass das neuronale Netz auf einem externen Gerat ausgewertet und verwaltet wird.
Es können alternativ auch nur eine Datenvorverarbeitung oder Teile des neuronalen Netzes in dem Kopfmodul verarbeitet werden und andere Teile in einem externen Gerat.
Das Kopfmodul kann in einer weiteren Ausführungsform auch derart ausgestaltet sein, dass keine eigene
elektromechanischen Schalteinrichtung 100) und keine eigene Messeinrichtung 10 direkt daran angeschlossen werden, sondern dass durch das Kopfmodul die Daten nur eingesammelt und wie oben beschrieben weiterverarbeitet werden.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung kann das neuronale Netz auch einen Prozessor oder einen
Mikroprozessor beinhalten.
Gemäß einem Ausführungsbeispiel der vorliegenden Erfindung umfasst die Vorrichtung ferner eine Anzeigeneinrichtung 30, die in Form einer mehrschichtigen Anzeige oder einer Ampelform dargestellt werden kann.
Es können beispielsweise die folgende Falle visualisiert werden :
. Klasse 1: Neues Produkt („new")
. Klasse 2: Produkt in Gebrauch („in use")
. Klasse 3: Abgenutztes Produkt („worn")
. Klasse 4: Lebensende naht („end of life")
Es kann bei diesem Ausführungsbeispiel vorgesehen sein, dass das eingesetzte Relais mit dem Relais—Sockel gekoppelt wird, also beispielsweise bereits direkt nach der Produktion und vor der Auslieferung des Produktes an den Kunden einige
Schaltzyklen durchlaufen werden und das neuronale Netz genau für dieses Relais eine Feinabstimmung erhält.
Sollte später ein neues Relais in den Sockel eingesetzt werden, könnte das neuronale Netz beispielsweise kurzfristig auf das neue Relais nachtrainiert werden.
Dies kann in einer sogenannten Initialisierungsphase
geschehen. Es ist auch denkbar, dass Zusatzinformation über das Relais (beispielsweise Herstellercode) hündische in den Relais—Sockel eingegeben werden, beispielsweise über eine zusätzliche Datenschnittstelle, damit die Prognose des
neuronalen Netzes verbessert wird.
Die zusätzliche optionale Datenschnittstelle kann vorgesehen sein, um gewonnene Informationen über den Zustand des Relais nicht nur direkt am Relais darzustellen, sondern in ein übergeordnetes Netzwerk bereitzustellen. Es ist aber auch vorstellbar, dass über die Schnittstelle „Updates" oder
Datenbestandsänderungen in den Relais—Sockel übertragen werden, beispielsweise wenn eine neue Version des neuronalen Netzes vorliegt.
In Figur 10 ist eine Abwandlung von dem Relais-Sockel
dargestellt, wobei gezeigt wird, dass neben dem Spulenstrom auch noch andere Messtechnik in dem Relais—Sockel integriert sein kann. Die Möglichkeiten sind hier vielfältig und kurz in der Figur 10 beschrieben.
So ist es beispielsweise möglich, dass die Steuerung in der Form der Auswerteeinrichtung 20 das Einschaltsignal der elektromechanischen Schalteinrichtung 1000 erhält und
ihrerseits die Spule der elektromechanischen Schalteinrichtung 1000ansteuert .
Dadurch kann eine zusätzliche Flexibilität gewonnen werden, beispielsweise könnte die Spule besonders Relais—schonend angesteuert werden oder auf einen geeigneten
EinschaltZeitpunkt gewartet werden, beispielsweise bei AC Anwendungen, hier kann es beispielsweise sinnvoll sein, auf einen Stromnulldurchgang am Kontakt zu warten bevor das Relais eingeschaltet wird. Dabei kann vorteilhaft die in der Figur 10 dargestellte
Schaltungstechnik zum Einsatz kommen, um Informationen zum SchaltZeitpunkt des Kontaktes zu erhalten, ohne eine
aufwändige direkte Messtechnik auf der Kontaktseite
bereitzustellen.
Obwohl die vorliegende Erfindung anhand bevorzugter
Ausführungsbeispiele vorstehend beschrieben wurde, ist sie nicht darauf beschränkt, sondern auf vielfältige Art und Weise modifizierbar. Insbesondere lässt sich die Erfindung in mannigfaltiger Weise verändern oder modifizieren, ohne vom Kern der Erfindung abzuweichen.
Ergänzend sei darauf hingewiesen, dass „umfassend" und
„aufweisend" keine anderen Elemente oder Schritte ausschließt und „eine" oder „ein" keine Vielzahl ausschließt.
Ferner sei darauf hingewiesen, dass Merkmale oder Schritte, die mit Verweis auf eines der obigen Ausführungsbeispiele beschrieben worden sind, auch in Kombination mit anderen
Merkmalen oder Schritten anderer oben beschriebener
Ausführungsbeispiele verwendet werden können. Bezugszeichen in den Ansprüchen sind nicht als Einschränkung anzusehen.

Claims

Patentansprüche :
1. Vorrichtung (100) zur Verschleißerkennung einer
elektromechanischen Schalteinrichtung (1000), wobei die
Vorrichtung (100) umfasst:
- eine Messeinrichtung (10), welche dazu ausgebildet ist, mindestens einen vorbestimmten Betriebsparameter der elektromechanischen Schalteinrichtung (1000) zu erfassen; und
- eine Auswerteeinrichtung (20), welche dazu ausgebildet ist, anhand eines maschinellen Tiefenlernen-Verfahrens unter Zuhilfenahme von Massendaten, vorzugsweise in Form von Trainingsdaten, aus dem erfassten
vorbestimmten Betriebsparameter der elektromechanischen Schalteinrichtung (1000) einen aktuellen
Verschleißzustand der elektromechanischen
Schalteinrichtung (1000) zu ermitteln.
2. Vorrichtung (100) nach Patentanspruch 1,
wobei die Auswerteeinrichtung (20) dazu ausgebildet ist, basierend auf dem ermittelten aktuellen Verschleißzustand und den Massendaten eine Prädiktion für den zukünftigen
Abnutzungsverlauf der elektromechanischen Schalteinrichtung (1000) zu ermitteln.
3. Vorrichtung (100) nach Patentanspruch 1 oder 2,
wobei die Vorrichtung (100) dazu ausgebildet ist, die
Massendaten mit einer Zuordnung zu einem jeweiligen Zustand der elektromechanischen Schalteinrichtung (1000)
bereitzustellen; wobei vorzugsweise die Messeinrichtung (10) einen Prozessor aufweist .
4. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Messeinrichtung (10) ferner dazu ausgebildet ist, über eine Datenschnittstelle einen Datenstrom umfassend den erfassten mindestens einen vorbestimmten Betriebsparameter zu übermitteln; wobei vorzugsweise die Messeinrichtung (10) ferner dazu ausgebildet ist, mit einer
Energieversorgungseinrichtung gekoppelt zu werden und/oder über ein Ansteuersignal der elektromechanischen
Schalteinrichtung (1000) mit Energie versorgt zu werden.
5. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Vorrichtung (100) eine Vielzahl an Messeinrichtungen (10) aufweist und die Auswerteeinrichtung (20) dazu
ausgebildet ist, den aktuellen Verschleißzustand einer
Vielzahl an elektromechanischen Schalteinrichtungen (1000) basierend auf einer Vielzahl an erfassten vorbestimmten
Betriebsparametern zu ermitteln.
6. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Auswerteeinrichtung (20) als eine dezentrale IT- Infrastruktur, verteilt über ein Rechnernetz ausgebildet ist, wobei vorzugsweise die Vorrichtung (100) ferner dazu
ausgebildet ist, über einen Übertragungskanal Daten über den aktuellen Verschleißzustand an die elektromechanische
Schalteinrichtung (1000) zu übertragen.
7. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche, wobei die Messeinrichtung (10) dazu ausgebildet ist, in einem Relaissockel für die elektromechanische Schalteinrichtung (1000) integriert zu werden; und/oder
wobei die Auswerteeinrichtung (20) dazu ausgebildet ist, in einem Relaissockel für die elektromechanische
Schalteinrichtung (1000) integriert zu werden, wobei
vorzugsweise die Auswerteeinrichtung (20) ferner dazu
ausgebildet ist, als ein gemeinsames Kopfmodul für eine
Vielzahl von in weiteren Relaissockeln integrierten
Messeinrichtung (10) für weitere elektromechanische
Schalteinrichtungen (1000) verwendet zu werden.
8. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Vorrichtung (100) ferner eine Anzeigeneinrichtung umfasst, welche vorzugsweise dazu ausgebildet ist, den
aktuellen Verschleißzustand der elektromechanischen
Schalteinrichtung anzuzeigen.
9. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei der mindestens eine vorbestimmte Betriebsparameter der elektromechanischen Schalteinrichtung (1000) eine
Betätigungskraft, eine Gegenkraft, einen Betätigungsweg, einen Überhub, einen Schaltpunkt, einen Lichtimpuls, einen
Lichtbogen, ein akustisches Signal, ein Magnetfeld, eine
Temperatur, einen Spulenstrom, eine Spulenspannung, einen Kontaktstrom, einen Laststrom oder eine Kontaktspannung umfasst; und/oder
wobei die Massendaten beliebige Betriebsparameter umfassen und die beliebigen Betriebsparametereine Betätigungskraft, eine Gegenkraft, einen Betätigungsweg, einen Überhub, einen
Schaltpunkt, einen Lichtimpuls, einen Lichtbogen, ein
akustisches Signal, ein Magnetfeld, eine Temperatur, einen Spulenstrom, eine Spulenspannung, einen Kontaktstrom, einen Laststrom oder eine Kontaktspannung der elektromechanischen Schalteinrichtung (1000) umfassen.
10. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Messeinrichtung (10) dazu ausgebildet ist, die beliebigen Betriebsparameter als Kennlinien basierend auf einer Vorabmessung während einer Initialisierungsphase der elektromechanischen Schalteinrichtung (1000) zu erfassen.
11. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Auswerteeinrichtung (20) dazu ausgebildet ist, bei dem maschinellen Tiefenlernen (i) eine Merkmalsextraktion aus den Massendaten und/oder (ii) eine Merkmalsklassifizierung der Massendaten zu verwenden.
12. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Auswerteeinrichtung (20) ein neuronales Netz, eine Stützvektormaschine, einen Klassifikator und/oder einen
Regressor aufweist.
13. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Auswerteeinrichtung (20) dazu ausgebildet ist, basierend auf einer Vielzahl von erfassten vorbestimmten
Betriebsparameter einen individuellen Abnutzungskurvenverlauf der elektromechanischen Schalteinrichtung (1000) zu bestimmen und darauf basierend auf einen Typenparameter der jeweiligen elektromechanischen Schalteinrichtung (1000) zu schließen.
14. Vorrichtung (100) nach einem der vorhergehenden
Patentansprüche,
wobei die Messeinrichtung (10) dazu ausgebildet ist, einen Umgebungsparameter der elektromechanischen Schalteinrichtung (1000) und/oder einen Typenparameter der elektromechanischen Schalteinrichtung (1000), vorzugsweise in der Form eines Herstellercodes, zu erfassen; und
wobei die Auswerteeinrichtung (20) dazu ausgebildet ist, basierend auf dem Umgebungsparameter der elektromechanischen Schalteinrichtung (1000) und/oder dem Typenparameter der elektromechanischen Schalteinrichtung (1000) den aktuellen Verschleißzustand der elektromechanischen Schalteinrichtung (1000) zu ermitteln.
15. Verfahren zur Verschleißerkennung einer
elektromechanischen Schalteinrichtung (1000), wobei das
Verfahren folgende Verfahrensschritte umfasst:
- Erfassen (Sl) von mindestens einem vorbestimmten
Betriebsparameter der elektromechanischen
Schalteinrichtung (1000) mittels einer Messeinrichtung (10) ; und
- Ermitteln (S2) eines aktuellen Verschleißzustandes der elektromechanischen Schalteinrichtung (1000) anhand eines maschinellen Tiefenlernen-Verfahrens unter Zuhilfenahme von Massendaten, vorzugsweise in Form von Trainingsdaten, aus dem erfassten vorbestimmten Betriebsparameter der elektromechanischen
Schalteinrichtung (1000) mittels einer
Auswerteeinrichtung (20) .
PCT/EP2019/084060 2018-12-07 2019-12-06 VORRICHTUNG UND VERFAHREN ZUR VERSCHLEIßERKENNUNG EINER ELEKTROMECHANISCHEN SCHALTEINRICHTUNG WO2020115313A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201980080741.6A CN113167832A (zh) 2018-12-07 2019-12-06 用于识别机电切换机构磨损的装置和方法
EP19816691.0A EP3891518B1 (de) 2018-12-07 2019-12-06 Vorrichtung und verfahren zur verschleisserkennung einer elektromechanischen schalteinrichtung
JP2021525630A JP2022512295A (ja) 2018-12-07 2019-12-06 電気機械スイッチング装置の摩耗を検出する装置および方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
BE20185863A BE1026844B1 (de) 2018-12-07 2018-12-07 Vorrichtung und Verfahren zur Verschleißerkennung einer elektromechanischen Schalteinrichtung
BEBE2018/5863 2018-12-07

Publications (1)

Publication Number Publication Date
WO2020115313A1 true WO2020115313A1 (de) 2020-06-11

Family

ID=65013407

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/084060 WO2020115313A1 (de) 2018-12-07 2019-12-06 VORRICHTUNG UND VERFAHREN ZUR VERSCHLEIßERKENNUNG EINER ELEKTROMECHANISCHEN SCHALTEINRICHTUNG

Country Status (5)

Country Link
EP (1) EP3891518B1 (de)
JP (1) JP2022512295A (de)
CN (1) CN113167832A (de)
BE (1) BE1026844B1 (de)
WO (1) WO2020115313A1 (de)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022128558A1 (de) * 2020-12-16 2022-06-23 Siemens Aktiengesellschaft Überwachung von leistungselektrischen einrichtungen
DE102021203192A1 (de) 2021-03-30 2022-10-06 Siemens Aktiengesellschaft Feststellung eines Alterungszustandes eines Hilfsschalters einer Schaltanlage
WO2022229274A1 (de) * 2021-04-30 2022-11-03 Phoenix Contact Gmbh & Co. Kg Vorrichtung und verfahren zum erkennen einer abnutzung einer elektromechanischen einrichtung
LU502542B1 (de) * 2022-07-21 2024-01-22 Phoenix Contact Gmbh & Co Verfahren zum prellreduzierten Schalten eines elektromechanischen Schaltelements
WO2024056418A1 (de) * 2022-09-12 2024-03-21 Phoenix Contact Gmbh & Co. Kg Verfahren zur ansteuerung eines elektromechanischen schaltelements
DE102022126547A1 (de) 2022-10-12 2024-04-18 Maschinenfabrik Reinhausen Gmbh Vorrichtung und Verfahren zur Überwachung eines Laststufenschalters

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016124083B4 (de) 2016-12-12 2018-07-05 Phoenix Contact Gmbh & Co. Kg Verfahren zur Überwachung einer elektromechanischen Komponente eines Automatisierungssystems
DE102018114425A1 (de) 2018-06-15 2019-12-19 Phoenix Contact Gmbh & Co. Kg Schaltüberwachungsvorrichtung

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6450665B2 (ja) * 2015-09-16 2019-01-09 日本電信電話株式会社 バリア検出装置、バリア検出方法、バリア検出処理プログラム
JP6603192B2 (ja) * 2016-10-25 2019-11-06 ファナック株式会社 学習モデル構築装置、故障予測システム、学習モデル構築方法及び学習モデル構築プログラム
FR3060758B1 (fr) * 2016-12-16 2021-01-08 Schneider Electric Ind Sas Procede et dispositif de diagnostic d'usure d'un appareil electrique de coupure, et appareil electrique comportant un tel dispositif
JP2018129007A (ja) * 2017-02-10 2018-08-16 日本電信電話株式会社 学習データ生成装置、学習装置、推定装置、学習データ生成方法及びコンピュータプログラム
JP6571704B2 (ja) * 2017-02-13 2019-09-04 ファナック株式会社 診断用データ取得システム、診断用システム、及び診断用データ取得プログラム
JP2018147443A (ja) * 2017-03-09 2018-09-20 安川情報システム株式会社 故障予知方法、故障予知装置および故障予知プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016124083B4 (de) 2016-12-12 2018-07-05 Phoenix Contact Gmbh & Co. Kg Verfahren zur Überwachung einer elektromechanischen Komponente eines Automatisierungssystems
DE102018114425A1 (de) 2018-06-15 2019-12-19 Phoenix Contact Gmbh & Co. Kg Schaltüberwachungsvorrichtung

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LIU C ET AL: "Wear prediction of a circuit breaker transmission mechanism with joint clearances considering the atmosphere environment", ZHENDONG YU CHONGJI/JOURNAL OF VIBRATION AND SHOCK, vol. 37, no. 18, 28 September 2018 (2018-09-28), CHINESE VIBRATION ENGINEERING SOCIETY CHN, pages 67 - 72, XP002793775, DOI: 10.13465/J.CNKI.JVS.2018.18.009 *
LIU YAKUI ET AL: "Prediction of the dynamic contact resistance of circuit breaker based on the kernel partial least squares", IET GENERATION, TRANSMISSION&DISTRIBUTION, vol. 12, no. 8, 30 April 2018 (2018-04-30), IET, UK, pages 1815 - 1821, XP006066882, ISSN: 1751-8687, DOI: 10.1049/IET-GTD.2017.1235 *
PEIDONG ZHUANG ET AL: "A new method of fault diagnosis for HV circuit breakers based on wavelet packet", INDUSTRIAL ELECTRONICS AND APPLICATIONS (ICIEA), 2011 6TH IEEE CONFERENCE ON, IEEE, 21 June 2011 (2011-06-21), pages 509 - 513, XP032006071, ISBN: 978-1-4244-8754-7, DOI: 10.1109/ICIEA.2011.5975639 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022128558A1 (de) * 2020-12-16 2022-06-23 Siemens Aktiengesellschaft Überwachung von leistungselektrischen einrichtungen
DE102021203192A1 (de) 2021-03-30 2022-10-06 Siemens Aktiengesellschaft Feststellung eines Alterungszustandes eines Hilfsschalters einer Schaltanlage
DE102021203192B4 (de) 2021-03-30 2023-02-02 Siemens Aktiengesellschaft Feststellung eines Alterungszustandes eines Hilfsschalters einer Schaltanlage
WO2022229274A1 (de) * 2021-04-30 2022-11-03 Phoenix Contact Gmbh & Co. Kg Vorrichtung und verfahren zum erkennen einer abnutzung einer elektromechanischen einrichtung
BE1029357B1 (de) * 2021-04-30 2022-12-05 Phoenix Contact Gmbh & Co Vorrichtung und Verfahren zum Erkennen einer Abnutzung einer elektromechanischen Einrichtung
LU502542B1 (de) * 2022-07-21 2024-01-22 Phoenix Contact Gmbh & Co Verfahren zum prellreduzierten Schalten eines elektromechanischen Schaltelements
WO2024017795A1 (de) * 2022-07-21 2024-01-25 Phoenix Contact Gmbh & Co. Kg Verfahren zum prellreduzierten schalten eines elektromechanischen schaltelements
WO2024056418A1 (de) * 2022-09-12 2024-03-21 Phoenix Contact Gmbh & Co. Kg Verfahren zur ansteuerung eines elektromechanischen schaltelements
BE1030869B1 (de) * 2022-09-12 2024-04-09 Phoenix Contact Gmbh & Co Verfahren zur Ansteuerung eines elektromechanischen Schaltelements
DE102022126547A1 (de) 2022-10-12 2024-04-18 Maschinenfabrik Reinhausen Gmbh Vorrichtung und Verfahren zur Überwachung eines Laststufenschalters

Also Published As

Publication number Publication date
CN113167832A (zh) 2021-07-23
BE1026844A1 (de) 2020-07-01
BE1026844B1 (de) 2020-07-08
JP2022512295A (ja) 2022-02-03
EP3891518B1 (de) 2024-04-10
EP3891518A1 (de) 2021-10-13

Similar Documents

Publication Publication Date Title
BE1026844B1 (de) Vorrichtung und Verfahren zur Verschleißerkennung einer elektromechanischen Schalteinrichtung
EP3328771B1 (de) Verfahren und vorrichtung zum ermitteln eines betriebszustandes einer aufzuganlage
EP1806837B1 (de) Verfahren zum Testen einer Bremsfunktion eines Roboterantriebes
WO2005107035A2 (de) Vorrichtung zur stromversorgung
EP3577634A1 (de) Verfahren und system zum bestimmen einer erwarteten lebensdauer eines elektrischen betriebsmittels
DE102018221270A1 (de) Vorrichtung und Verfahren zur Verschleißerkennung einer elektromechanischen Schalteinrichtung
EP2409398A2 (de) Einrichtung zur überwachung von stufenschaltern
EP1462673A1 (de) Verfahren und Vorrichtung zum Überwachen einer elektromagnetisch betätigbaren Bremse
WO2015032749A1 (de) Verfahren zum überwachen einer stromversorgung
EP3306329B1 (de) Verfahren zum zentralen überwachen von zustandswechseln einer anzahl von komponenten für hochspannungsanlagen ab 1 kv aufwärts
DE102021133338A1 (de) Verfahren zur Überwachung mittels maschinellem Lernen
BE1029357B1 (de) Vorrichtung und Verfahren zum Erkennen einer Abnutzung einer elektromechanischen Einrichtung
DE102018218799B4 (de) Aktoreinrichtung, Ventileinrichtung und Verfahren zur Erfassung einer Stellung eines Stellglieds
EP3977496A1 (de) Verfahren zur ausfallvorhersage von elementarrelais
DE10231797A1 (de) Ausgangsmodul für elektronische Steuerungen
DE102007026601B3 (de) Verfahren zur Rückmeldung von Zuständen einer elektrischen Komponente an ein Motorsteuergerät einer Verbrennungskraftmaschine
LU502542B1 (de) Verfahren zum prellreduzierten Schalten eines elektromechanischen Schaltelements
DE102021111192A1 (de) Vorrichtung und Verfahren zum Erkennen einer Abnutzung einer elektromechanischen Einrichtung
DE10029106B4 (de) Verfahren zur Steuerung und entsprechende Schaltungsanordnung
EP4002680B1 (de) Verfahren und system zur zustandsbasierten instandhaltung einer zugangsvorrichtung
DE10042227A1 (de) Verfahren und Vorrichtung zur Überwachung einer Maschine
DE102016002943A1 (de) Verfahren zur Gewinnung von Informationselementen über industrielle Fertigungsanlagen und Energieerzeugungsanlagen
EP4372236A1 (de) Bewegungserkennung elektronischer antriebe
DE102016124079A1 (de) Verfahren zur Überwachung einer elektromechanischen Komponente eines Automatisierungssystems
EP3929683A1 (de) Verfahren zur zustandsbasierten instandhaltung einer zugangsvorrichtung

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19816691

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021525630

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019816691

Country of ref document: EP

Effective date: 20210707