WO2022248229A1 - Verfahren und system zum abtauen eines kühlaggregats - Google Patents

Verfahren und system zum abtauen eines kühlaggregats Download PDF

Info

Publication number
WO2022248229A1
WO2022248229A1 PCT/EP2022/062816 EP2022062816W WO2022248229A1 WO 2022248229 A1 WO2022248229 A1 WO 2022248229A1 EP 2022062816 W EP2022062816 W EP 2022062816W WO 2022248229 A1 WO2022248229 A1 WO 2022248229A1
Authority
WO
WIPO (PCT)
Prior art keywords
axial fan
gas flow
defrosting
cooling
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2022/062816
Other languages
English (en)
French (fr)
Inventor
Thomas Sauer
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ebm Papst Mulfingen GmbH and Co KG
Original Assignee
Ebm Papst Mulfingen GmbH and 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 Ebm Papst Mulfingen GmbH and Co KG filed Critical Ebm Papst Mulfingen GmbH and Co KG
Publication of WO2022248229A1 publication Critical patent/WO2022248229A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D21/00—Defrosting; Preventing frosting; Removing condensed or defrost water
    • F25D21/02—Detecting the presence of frost or condensate

Definitions

  • the invention relates to a method for operating a system and a system comprising an axial fan and a cooling unit.
  • the axial fan is set up to generate a gas flow along a gas flow path.
  • the cooling unit is arranged in the gas flow path. The gas flow can therefore flow through the cooling unit and be cooled there.
  • the amount of liquid that a gas, for example air, can absorb depends on the temperature. If the gas in a room to be cooled is cooled, it can absorb less moisture and the moisture condenses in the room. This happens in particular at the cool points of the refrigeration unit, as a result of which the refrigeration unit can ice up and thus at least partially block the flow path for the gas flow. This blockage in turn means that the desired range or throw distance for the gas flow is not achieved. This can lead to the cooled air no longer penetrating the entire room to be cooled and areas in the room that are not sufficiently cooled. For example, food stored in a cold room can spoil as a result.
  • refrigeration units are usually automatically defrosted after a predetermined period of time.
  • Such time-controlled defrosting is disadvantageous because Defrosting is usually done too frequently to avoid under-cooling.
  • frequent defrosting is not energy efficient.
  • the present invention is therefore based on the problem of providing efficient defrosting of a refrigeration unit.
  • the system according to the present invention includes an axial fan configured to generate a gas flow along a gas flow path.
  • a cooling unit through which the gas flow can flow, is arranged in the gas flow path upstream or downstream of the axial fan.
  • the cooling unit can absorb heat from the gas flow and cool it.
  • the cooling unit and the axial fan are arranged in particular in a special room to be cooled.
  • the system also includes a control device that is set up to control the axial fan.
  • the control device has an artificial neural network.
  • the artificial neural network can be trained prior to commissioning or during commissioning.
  • the training of the artificial neural network can include the provision of already available training data, on the basis of which the artificial neural network can be trained for the control task. Additionally or alternatively, to train the artificial neuro nal network data can be recorded on a test bench, for example by measurement and/or simulation and/or calculation, which can be used to train the artificial neural network.
  • the axial fan has an electric motor as well as a rotatably driven rotor by the electric motor, which carries the fan blades or fan blades.
  • the motor is not regulated, but is operated in a controlled manner via a manipulated variable.
  • the motor voltage can be used as a manipulated variable.
  • the setpoint speed of the electric motor can be set via the motor voltage.
  • the manipulated variable is determined and output in particular by the artificial neural network.
  • the manipulated variable can also be determined as a function of an output variable that the artificial neural network determines and outputs. This output variable can be used in the control device to generate the manipulated variable.
  • the electric motor is preferably an electronically commutated, brushless electric motor, which can also be referred to as a BLDC electric motor.
  • the cooling unit can be part of a cooling circuit.
  • a cooling controller is preferably provided to control the cooling circuit.
  • the cooling control can be designed separately from the control device for the axial fan and can be communicatively connected to the control device.
  • the cooling control can also be integrated as a software function or software module in the control device of the control device for the axial fan.
  • at least one operating parameter of the axial fan is determined continuously or at discrete times as at least one actual system variable that is not identical to the manipulated variable.
  • the at least one actual system variable can be, for example, the speed of the axial fan and/or an operating parameter that characterizes the speed of the axial fan, such as the motor current.
  • the at least one operating parameter can be detected as at least one actual system variable by measuring and/or calculating and/or estimating.
  • the detected operational parameter of interest may, but need not, be measured directly, but may also be calculated and/or estimated indirectly based on other parameters.
  • the at least one actual system variable or the at least one recorded operating parameter is made available to the artificial neural network and, in particular, is transmitted to an input layer of the artificial neural network.
  • a relationship describes the dependency between the at least one operating parameter recorded as the system actual variable and a blockage of the gas flow path, which can arise, for example, as a result of ice formation on the cooling unit.
  • This relationship can be described by the training data that was determined on the basis of measurements, simulation or calculation.
  • the trained artificial neural network of the control device has a structure that describes and can describe this relationship thereby recognizing whether the refrigeration unit is increasingly blocking the flow path due to ice formation and thus recognizing a state in which defrosting of the ice on the refrigeration unit is necessary. This state is also referred to here as the defrosting state. If the defrosting status of the refrigeration unit is detected, the artificial neural network generates a defrosting signal.
  • the defrost signal is not generated.
  • an output of an output layer of the artificial neural network can assume a characteristic state that corresponds to the defrosting signal when a defrosting state is detected. This signal output can assume a further state that deviates from this as long as the artificial neural network has not recognized the defrosting state.
  • the generation of the defrost signal can initiate measures to defrost the refrigeration unit. For example, automatic defrosting of the refrigeration unit can be initiated by means of the refrigeration controller.
  • the need for defrosting is recognized by means of the present invention, so that unnecessarily frequent defrosting is avoided.
  • the artificial neural network can still be trained in such a way that the defrosting state is recognized in good time and the cooling unit is defrosted in good time before insufficient cooling occurs.
  • the defrosting state can be determined by simulation or empirically, taking into account other parameters or boundary conditions, and the artificial neural network can be trained accordingly.
  • the defrost also depended on how far the air cooled by the cooling unit should flow through the room (throw distance of the axial fan).
  • the system can be designed to be adaptive using the neural network. It can automatically adapt to structurally modified designs or other system changes, for example if the cooling unit and/or another component of the system is changed depending on the application, in particular to provide the required cooling capacity and/or to adapt to the installation situation.
  • the blockage of the gas flow path due to icing can be distinguished from other blockage effects on the basis of the course over time of the detected at least one operating parameter (at least one system variable).
  • a blockage due to loading of the refrigeration unit or other components in the gas flow path with dirt particles increases much more slowly over time than a blockage due to ice formation.
  • the contamination is not taken besei by defrosting the ice on the cooling unit.
  • the defrosting signal is transmitted to a cooling controller which is set up to trigger a defrosting process when the defrosting signal has been received.
  • the cooling control can be a separate control device or can be integrated as a software function or software module in the control device of the control device for the axial fan.
  • the defrosting process is preferably triggered immediately by the cooling controller when the defrosting signal has been received.
  • the control device is directed in particular to stop the axial fan after the defrost signal has been generated.
  • the axial fan is stopped at least during a final phase of the defrosting process.
  • the axial fan can still be driven in rotation during a first phase of the defrosting process.
  • the ice that is still present on the cooling unit can be used to cool the gas flow during the first phase, so that the energy efficiency can be improved.
  • control device is directed to putting the axial fan back into operation after it has been stopped during the defrosting process only when the defrosting process has ended.
  • the duration of the defrosting process and/or the end of the defrosting process can be determined via a defrosting period from the generation of the defrosting signal.
  • the defrosting time can be stored in the control device or the artificial neural network.
  • the artificial neural network of the control device is set up to detect a cleaning state that corresponds to a state of the gas flow path that is at least partially blocked by dirt particles.
  • the cleaning status can be recognized in the artificial neural network based on the at least one operating parameter, which is recorded as at least one actual system variable.
  • the at least one Operating parameters in an uncontaminated state of the gas flow path determined (e.g. during initial start-up or after cleaning).
  • This at least one operating parameter can also be determined as a function of environmental parameters, for example as a function of the temperature and/or the pressure and/or the humidity of the surrounding atmosphere, etc.
  • the artificial neural network can be trained accordingly.
  • the first starting state defined in this way in the unpolluted state of the system can be compared with the further starting state of the system, which is recorded after restarting following a defrosting process. From this it can be concluded whether a blockage of the gas flow path occurs over time that is not caused by ice formation on the refrigeration unit.
  • the artificial neural network can thus recognize whether a cleaning state is reached which requires cleaning of the gas flow path, for example a filter and/or the cooling unit. In this case, a corresponding cleaning can be initiated in that the artificial neural network generates a cleaning signal and, for example, displays the required cleaning via a user interface.
  • the cleaning state can be detected, for example, when the at least one operating parameter recorded as the actual system variable falls below a start-up threshold value.
  • the activation threshold value can be defined as a function of parameters, for example as a function of at least one environmental parameter and/or application-specific parameters, as has been described above.
  • the artificial neural network also makes it possible to take a large number of influencing variables into account, so that the defrosting status and/or the cleaning status can also occur in different environments (e.g. dimensions of the room to be cooled) and in under different environmental conditions (e.g. temperature and/or the pressure and/or humidity of the atmosphere in the room) can be recognized correctly. Rapid adaptation to the actual application and installation situation can be achieved via the artificial neural network of the control device.
  • the training data can be provided for different system designs, so there is no need for time-consuming adjustment of the system during commissioning.
  • the control device with the artificial neural network can recognize, based on the training data, how the system behaves and from this reliably recognize the defrosting status and/or the cleaning status, in particular on the basis of the at least one operating parameter and optionally by detecting at least one environmental parameter.
  • the at least one operating parameter recorded as an actual system variable can be the speed of the axial fan or have the speed of the axial fan in addition to one or more other operating parameters.
  • the relationship, on the basis of which the recognition of the defrosting state is trained, can be a speed-blockage characteristic that describes the dependency between the fan speed and the blockage of the gas flow path.
  • the speed blockage characteristic can be determined by simulation and/or by measurement or in any other way.
  • the at least one operating parameter recorded as an actual system variable can also be the motor current of the electric motor of the axial fan or have the motor current in addition to one or more other operating parameters.
  • the relationship based on which the recognition of the defrosting state is trained, can be a motor current blockage characteristic curve that describes a dependency between the motor current and the blockage of the gas flow path.
  • the motor current blocking characteristic can be determined by simulation and/or measurement or in any other arbitrary way.
  • the artificial neural network detects an operating state of the system, which is defined, for example, by an operating point of the speed blocking characteristic and/or the motor current blocking characteristic, it can be recognized that the defrosting state has been reached.
  • an operating state of the system which is defined, for example, by an operating point of the speed blocking characteristic and/or the motor current blocking characteristic.
  • characteristic curves instead of characteristic curves, characteristic diagrams, tables or other options can also be used to describe the connection between the at least one detected operating parameter (at least one actual system variable) and the blockage of the gas flow path.
  • the cooling unit is part of a cooling circuit in which a cooling medium flows.
  • the cooling medium also flows through the cooling unit.
  • the cooling unit can be a heat exchanger and in one too be arranged in a cooling room.
  • Another heat exchanger arranged outside of the room to be cooled can also be part of the cooling circuit.
  • a compressor, in particular a pump, and/or a throttle for reducing the pressure in the flow direction of the cooling medium can also be arranged in the cooling circuit.
  • the heat exchanger in the space to be cooled can form an evaporator and the heat exchanger outside of the space to be cooled can form a condenser.
  • a cooling controller for the cooling circuit can be set up to reverse the direction of flow of the cooling medium during defrosting, so that the heat exchanger in the cooling space forms a condenser and the heat exchanger outside of the cooling space forms an evaporator.
  • the cooling medium can therefore have a sufficiently high temperature for the defrosting process to cause defrosting of the ice on the cooling unit.
  • FIG. 1 shows a schematic, block diagram-like representation of an exemplary embodiment of a system for cooling a room
  • FIG. 2 shows a block diagram of the exemplary embodiment of the system from FIG. 1, having a cooling circuit and an axial fan as well as a control device
  • FIG. 3 shows a schematic representation of a speed blockage characteristic curve, which shows the development of a speed of the axial fan from FIGS. 1 and 2 as a function of a blockage in the gas flow path,
  • FIG. 4 shows a schematic representation of a motor current blockage characteristic curve, which shows the course of the motor current of an electric motor of the axial fan as a function of a blockage in the gas flow path,
  • FIG. 5 shows a block diagram of an exemplary embodiment of an artificial neural network of the control device for controlling the axial fan
  • FIG. 6 shows a block diagram of a neuron of the artificial neural network from FIG. 5,
  • FIG. 7 shows a flowchart of an exemplary embodiment of a method according to the invention.
  • FIG. 8 shows a schematic representation of the change in the characteristic curves according to FIGS. 3 and 4 due to contamination of a component arranged in the gas flow path.
  • a system 10 is illustrated schematically in the manner of a block diagram.
  • the system 10 is configured to cool a space 11 .
  • a cooling unit 12 and an axial fan 13 are illustrated within the space 11 .
  • the axial fan 13 is set up to generate a gas flow G, in particular an air flow, along a gas flow path 14 .
  • a CC ⁇ atmosphere or other gas may be present instead of air.
  • the gas flow path 14 extends from an inlet 15 to an outlet 16 of a flow channel 17.
  • the flow channel 17 can be formed, for example, by a housing of the cooling unit 12 and a housing of the axial fan 13 and optionally have additional gas flow guiding devices and/or housing parts.
  • the gas flow G enters the flow channel 17 at the inlet 15 and leaves the flow channel 17 at the outlet 16 .
  • the axial fan 13 has an electric motor 18 and a rotor 19 which can be driven by the electric motor 18 and on which the fan blades are arranged.
  • the electric motor 18 is controlled by means of a control device 20 of the system 10 .
  • the control device 20 outputs a manipulated variable S to the electric motor 18 .
  • the electric motor 18 is preferably not regulated, but operated in a controlled manner on the basis of the manipulated variable S.
  • the manipulated variable S is the motor voltage of the electric motor 18, at which the amplitude and/or the frequency can be set. The manipulated variable S can remain unchanged during cooling operation.
  • the electric motor 18 can be an electronically commutated, brushless electric motor 18, which is also referred to as a BLDC motor or EC motor.
  • the electric motor 18 is preferably permanently excited.
  • At least one operating parameter P which drive of the axial fan 13 and in particular of the electric motor 18 is recorded as the actual system variable.
  • the operating parameter P can, for example, be measured using a sensor or calculated and/or estimated on the basis of further parameters.
  • the operating parameter recorded as the actual system variable differs from the manipulated variable S.
  • FIG. 2 shows, merely by way of example, that the operating parameter P is measured by sensors.
  • the operating parameter P can be, for example, the rotational speed n of the axial fan 13 and/or the motor current I of the electric motor 18 .
  • the rotational speed of the electric motor 18 and/or the rotational speed of the rotor 19 can be used as the rotational speed of the axial fan.
  • the rotor 19 is coupled in a rotationally fixed manner to the rotor of the electric motor 18 without a gear, so that the speed of the electric motor 18 corresponds to the speed of the rotor 19 .
  • the control device 20 has an artificial neural network 22 .
  • the at least one recorded operating parameter P (actual system variable) is transmitted to the artificial neural network 22 as an input variable.
  • at least one other parameter can also be transmitted to the artificial neural network 22 as an input variable, for example environmental parameters such as the pressure of the atmosphere in the area, for example in room 11 and/or the temperature in room 11 and/or the humidity of the atmosphere in room 11, etc.
  • the artificial neural network Based on the at least one input variable, the artificial neural network
  • the temperature or several temperatures in the room 11 are recorded as parameters at one or more defined points in the room and are used as the input variable.
  • the temperature can be used as an input variable at the point that is farthest from the cooling unit 12 . This enables a better anticipatory evaluation (predictive evaluation) that indicates in advance a necessary defrosting and/or a necessary cleaning. Additionally or alternatively, spatially dependent temperature developments can be taken into account.
  • the artificial neural network can generate at least one output signal.
  • the at least one output signal can indicate whether measures need to be taken, for example the thawing of ice that has formed on the cooling unit 12 and, optionally, the cleaning of the gas flow path 14 if contamination is detected.
  • the artificial neural network 22 can be programmed by measurements on test benches and/or simulations and/or calculations with training data, so that it is set up for the necessary recognition of the states.
  • the cooling unit 12 is, for example, part part of a cooling circuit 25.
  • the cooling circuit 25 has a closed flow circuit for a cooling medium M.
  • the cooling medium flows between the cooling unit 12 and a heat exchanger 26 arranged outside of the room 11 to be cooled.
  • the heat exchanger 26 works as a condenser or condenser and the cooling unit 12 formed by a heat exchanger works as an evaporator.
  • the cooling circuit 25 has a pump or a compressor ter 27 in one branch.
  • a throttle 28 or another component for reducing the pressure of the flowing cooling medium M is present between the cooling unit 12 and the heat exchanger 26 in a parallel branch.
  • the cooling circuit 25 also has a cooling controller 29 .
  • the cooling controller 29 is set up to control or regulate the cooling circuit 25 .
  • the control device 20 and the cooling control 29 can be formed by separate control units or can each be implemented as a software function or software module in a common control unit.
  • the cooling control 29 is set up to control a switching arrangement 30 of the cooling circuit 25 .
  • the switching arrangement 30 can have a plurality of switching valve assemblies in order to control the flow of the cooling medium M depending on the operating state of the cooling circuit.
  • the switching arrangement 30 is directed to specify a flow direction of the cooling medium M in the cooling circuit 25 for cooling the space 11, the meübertrager from the heat 26 via the set up for pressure reduction Throttle 28 flows to the cooling unit 12, through the cooling unit 12, and via the compressor 27 back to the heat exchanger 26. With this flow of the cooling medium M, the cooling medium M can absorb heat in the cooling unit 12 and au outside of the space 11 to be cooled via the heat exchanger
  • the cooling controller 29 can switch the switching arrangement 30 into a further switching state in which the cooling medium M from the heat exchanger 26 via the compressor
  • the cooling medium M in the cooling unit 12 gives off heat and absorbs heat in the heat exchanger 26.
  • This operating state can be used during a defrosting process to defrost ice on the cooling unit 12.
  • the representation of the switchover arrangement 30 in FIG. 2 is highly schematic.
  • the flow of the cooling medium M shown in Figures 1 and 2 corresponds to the direction of flow during the cooling of the space 11.
  • the air cooled in the room 11 gives off moisture, which is also reflected in the cold spots of the cooling unit 12. As a result, ice can be formed on the cooling unit 12, which at least partially blocks the gas flow path 14.
  • Figures 3 and 4 show exemplary relationships between an operating parameter P, for example, according to the speed n and the motor current I, and the blockage E of the gas flow path 14. It can be additionally or alternatively, other operating parameters P are recorded natively, the characterize the speed n or the motor current I. On the basis of this at least one operating parameter P and the known connection with the blockage E, the value or amount of the blockage E can therefore be inferred.
  • the at least one detected operating parameter P forms an actual system variable that differs from the manipulated variable S.
  • FIGS. 3 and 4 the blockage E is shown between 0% and 100% on the abscissa.
  • the speed n and the motor current I are illustrated (ordinate) as an example of an actual system variable.
  • the speed n of the axial fan 13 and the motor current I of the electric motor 18 have a characteristic curve depending on the blockage E.
  • the speed n or the motor current I decreases to a local minimum, which is reached at a first blockage value Ei.
  • the speed n or the motor current I then increases up to a local maximum, which is reached at a second blocking value E2, which is greater than the first blocking value Ei.
  • the speed n or the motor current I decreases as well
  • the rotational speed n or the motor current I decreases again as the blockage of the gas flow path 14 increases. Because of the local extreme points, the relationships between the speed n or the motor current I and the blockage E each have an ambiguous range b.
  • the relationship between the actual system variable and the blockage E of the gas flow path 14 is known, ie for example, a speed blocking characteristic K1 shown in FIG. 3 or a motor current blocking characteristic K2 shown in FIG.
  • a speed blocking characteristic K1 shown in FIG. 3 or a motor current blocking characteristic K2 shown in FIG.
  • characteristic curves, characteristic diagrams, tables or the like can also be used in the control device 20, which describe the connection between the at least one operating parameter P recorded as an actual system variable and the blockage E.
  • the artificial neural network 22 of the control device 20 is able to receive one or more input variables, at least the at least one operating parameter P (actual system variable) and optionally other parameters, such as environmental parameters.
  • the artificial neural network 22 can infer the state of the system 10 and in particular the cooling unit 12 and/or the gas flow path 14 from this at least one input variable.
  • at least one defrosting state and, as a further option, a cleaning state can be recognized and, based on this, corresponding output signals of the artificial neural network 22 can be output.
  • the advantage of the neural network 22 consists in particular in the fact that the system 10 is adaptive. There is an option for the system 10 to independently adapt to structurally modified embodiments or to other system modifications.
  • the cooling unit 12 and/or the heat exchanger 26 are dimensioned according to the necessary cooling capacity and the installation situation. This changes the density and/or the length of the cooling plates on which the air moved by the fan flows. It is to be expected that this will change the characteristic as shown in FIG. To the changed characteristic the system 10 can adapt itself by means of a self-learning neural network 22 .
  • the artificial neural network 22 can have a plurality of layers 31, 32, 33, with each layer 31, 32, 33 having at least one neuron 34 (Figure 6).
  • the artificial neural network 22 can have an input layer 31 , at least one intermediate layer 32 and an output layer 33 .
  • the artificial neural network 22 can also be a recurrent artificial neural network, in which an output signal from one layer is transmitted back to a preceding layer.
  • Each neuron 34 has at least one neuron input to which a neuron input value Xi to xn is transmitted.
  • the neuron input values Xi to x n are each weighted using an associated weighting factor wi to w n and summed up, resulting in a weighted sum x w .
  • This weighted sum x w is transmitted to an activation function F of the neuron 34 .
  • the activation function F also depends on a threshold value Q.
  • This threshold value Q can be used to specify when the neuron 34 fires.
  • so-called on-neurons can also be used, in which a threshold value is taken into account as a neuron input value Xo when forming the weighted sum xw .
  • the system 10 has one or more sensors, observers or the like, the artificial neural network 22 can also be designed to be learning during the operation of the system 10 . However, it can also be sufficient if the artificial neural network 22 does not go through a learning process during the operation of the system 10, but rather works based on the original training data, for example.
  • the input variables and in particular the at least one parameter P are transmitted to the input layer 31 .
  • the at least one parameter P can optionally also be delayed by a delay element 35, so that at a current point in time t both the current value P(t) of the operating parameter P and a previous value P(t-At) of the at least one operating parameter are known . This makes it possible to identify whether the at least one operating parameter P remains the same, increases or decreases within the delay period At.
  • connections between the neurons 34 of the layers 31, 32, 33 are defined and the weighting factors Wi to w n and the threshold value Q of each neuron 34 are defined.
  • the artificial neural network 22 is configured to detect a defrost condition and generate a defrost signal A based on this detection.
  • the defrosting The status can be, for example, when an operating point is reached, which is defined by the speed blocking characteristic K1 or the motor current blocking characteristic K2.
  • the artificial neural network 22 can also be set up to recognize a cleaning state and to generate a cleaning signal R based on this.
  • a range d of the cooled gas flow G flowing out of the outlet 16 of the gas flow path 14 may not be sufficient due to the decreasing speed n of the axial fan 13 .
  • This range d is also referred to as throw distance.
  • the space 11 are to be cooled stored objects 33, such as food. If the range d is no longer sufficient, it may be that the cooled gas flow G no longer reaches all of the objects 33 to be cooled and the cooling effect is therefore insufficient. In order to avoid this, the refrigeration unit 12 must be defrosted regularly in order to avoid a blockage E due to icing, which would result in an insufficient cooling effect.
  • the characteristic lines K1, K2 have an ambiguous range b. For this reason, the correct operating point can only be determined, for example by a single threshold value query, if it is known on which branch of the characteristic curve Kl, K2 the current operation is taking place:
  • the current operating point can be determined and it can be recognized whether a defrosting state has been reached, which is defined by a specified operating point of the relevant characteristic Kl or K2 is defined. If this operating point is reached, the artificial neural network 22 can recognize that the defrosting state has been reached and generate the defrosting signal A.
  • a defrosting state which is defined by a specified operating point of the relevant characteristic Kl or K2 is defined. If this operating point is reached, the artificial neural network 22 can recognize that the defrosting state has been reached and generate the defrosting signal A.
  • the defrosting signal A is, for example, transmitted to the cooling control 29, which then switches the direction of flow of the cooling medium M in order to defrost the cooling unit 12 and free it from the ice that has formed.
  • the state of defrosting can be identified by the artificial neural network 22, which reproduces the previously known relationship between the at least one operating parameter P and the blockage E. Defrosting therefore takes place exactly when it is required. Regular defrosting is not required. Unnecessary defrosting processes are avoided. This achieves high energy efficiency.
  • the axial fan 13 can be shut down at least temporarily.
  • the control device 20 can cause the axial fan 13 to be stopped via the manipulated variable S at the same time or immediately after the generation of the defrost signal A, or alternatively cause the axial fan 13 to be stopped with a time delay from the generation of the defrost signal A.
  • Gas e.g. air
  • This effect can be used during a first defrosting phase in order to continue to cool gas in the space 11 to be cooled.
  • the length of time for continued rotary driving of the axial fan 13 after the generation of the defrosting signal A can be specified, or another switch-off condition for switching off the axial fan 13 during the defrosting process can be defined, for example when the at least one operating parameter has reached an operating point.
  • the axial fan 13 is shut down by the control device 20 . Only when the defrosting process has been completed can the control device 20 put the axial fan 13 back into operation.
  • the end of the defrosting process can be known from a predetermined defrosting time in the control device 20 . In this case, the axial fan 13 can be put back into operation as soon as the defrosting time has elapsed since the defrosting signal A was generated.
  • the cooling controller 29 can transmit a signal to the control device 20 indicating that the defrosting process is complete and the cooling circuit 25 has resumed the operating state required for cooling the room 11 (flow direction of the cooling medium M).
  • the start value of the at least one operating parameter P is also stored immediately after the first start-up and immediately after the start-up again following a defrosting process.
  • This starting value describes a gas flow path 14 that does not is blocked by ice on the cooling unit 12.
  • the gas flow path 14 between the inlet 15 and the outlet 16 can also be blocked by contamination.
  • the progressive loading with dirt particles progresses much more slowly in terms of time than the occurrence of ice on the cooling unit 12.
  • this has the consequence that the original starting value for the at least one operating parameter that it has in an unpolluted gas flow path, with increasing pollution after a defrosting process is no longer reached.
  • a state of the system 10 can thus also be recognized which requires a cleaning of the gas flow path 14 and can be designated as a cleaning state.
  • the cleaning state can be recognized, for example, when the starting value of the at least one operating parameter P after a defrosting process when restarting falls below a commissioning threshold value for at least one operating parameter, for example a commissioning threshold value n min for the speed n and/or a commissioning threshold value I min for the motor current I.
  • the artificial neural network 22 is trained in a first step 40 before or during the commissioning of the system.
  • the axial fan 13 can be switched on and the cooling circuit 25 for cooling the Room 11 are operated (second step 41).
  • the cooling medium M flows through the cooling unit 12 and in the process absorbs heat, which it gives off again via the heat exchanger 26 outside of the space 11 to be cooled.
  • a gas flow G through the cooling unit 12 in the space to be cooled 11 he testifies.
  • the gas flowing through the refrigeration unit 12 releases heat to the medium M as it flows through the refrigeration unit 12 .
  • the second step 41 at least one operating parameter P and, for example, the rotational speed n and/or the motor current I are recorded continuously or discretely in time in a predetermined interval.
  • the start value for the recorded operating parameter P is stored, for example the start value no or ni for the speed n or the start value Io or Ii for the motor current I (FIG. 8).
  • the at least one start value no or ni, Io or Ii is stored in third step 42 .
  • a fourth step 43 it is checked whether the cleaning state has been recognized.
  • the start value of the at least one operating parameter P is compared with a start-up threshold value.
  • the starting value no or ni for the rotational speed n and/or the starting value Io or Ii for the motor current I can be compared with the respective associated start-up threshold value n min , I min . If it falls below the commissioning threshold value, the cleaning state is reached (branch OK from the fourth step 43) and the method continues in the fifth step 44.
  • cleaning of the gas flow path 14 is requested, for example in that the cleaning signal R is transmitted to a user interface and the cleaning request is displayed there.
  • the method is continued in a sixth step 45.
  • the method is also continued in the sixth step 45 if the cleaning condition was not recognized (branch NOK from the fourth step 43).
  • the sixth step 45 it is checked whether the defrosting state is present. As long as this is not the case, the system 10 continues to be operated and whether the defrosting state has been reached is checked cyclically (NOK branch from the sixth step 45). As soon as the defrosting state has been recognized (branch OK from the sixth step 45), the method continues in the seventh step 46.
  • the defrosting state was recognized at a first point in time ti (FIG. 8).
  • the blockage E in the example described here has reached a value that is greater than the second value E2 of the blockage E, as is illustrated in FIG. 8 merely by way of example.
  • the operating point, the attainment of which corresponds to the state of defrosting can also be defined at any other point on the characteristic K1, K2.
  • the defrosting signal A is generated.
  • the defrosting signal A is transmitted to the cooling controller 29.
  • the cooling controller 29 starts the defrosting process.
  • the axial fan 13 is at least temporarily shut down, as has already been explained before standing.
  • a ninth step 48 it is checked whether the defrosting process has ended. If this is the case, the method is continued again in the second step 41 (branch OK from the ninth step 48). As long as the defrosting process has not yet been completed by the cooling controller 29, it is checked cyclically whether the defrosting process has ended (branch NOK from the ninth step 48).
  • the defrosting process can, for example, have a predetermined period of time. After this period of time has elapsed, the cooling controller 29 switches the cooling circuit 25 back to the cooling mode and the defrosting process is complete.
  • the end of the defrosting process can be transmitted from the cooling controller 29 to the control device 20 or the control device 20 can know the duration of the defrosting process, so that the control device 20 can determine the end of the defrosting process by monitoring the time.
  • the defrosting process ends at a second point in time 12 and the method continues the operation of the system 10 as in the second step 41.
  • a further starting value for the at least one operating parameter P is recorded, for example a further starting value ni for the Speed n and/or another starting value Ii for the motor current I.
  • the further starting value ni, Ii is smaller than the respective corresponding first starting value no, Io. This is due to the fact that with increasing Total operating time not only ice formation on the cooling unit 12 can block the gas flow path 14, but also increasing pollution.
  • the starting value of the at least one operating parameter P is a measure of this contamination, since ice has not yet formed on the cooling unit 12 at this point in time. Therefore, the starting values recorded after each defrosting process can serve as an identifier for contamination and, based on this, can be used to recognize a cleaning status, for example by comparing it with a respective start-up threshold value n min , I min .
  • the start-up threshold value can be defined, for example, as a function of the first start value of the operating parameter P (eg no, Io) of the very first start-up or start-up after the gas flow path 14 has been cleaned. For example, it can correspond to a predetermined percentage of the first starting value of the operating parameter P (eg n 0 , Io).
  • the invention relates to a system for cooling a room 11 and a method for operating this system 10.
  • the system 10 has a cooling unit 12 and an axial fan 13 in the room 11 to be cooled.
  • the axial fan 13 is set up to generate a gas flow G, in particular an air flow, through the cooling unit 12, as a result of which heat is transferred from the gas flow to a cooling medium M flowing through the cooling unit 12. will wear.
  • a connection between at least one operating parameter P and a blockage E in a gas flow path 14 can be determined, for example by simulation or empirically.
  • An artificial neural network 22 of a controller 20 of the system 10 is trained to characterize the relationship. Based on the current value of the at least one operating parameter P, the artificial neural network 22 checks whether a defrosting state has been reached. If this is the case, a defrost signal A is generated.
  • the defrost signal A can trigger an automatic defrost or indicate to an operator via a user interface that a defrost is required.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Defrosting Systems (AREA)

Abstract

System zur Kühlung eines Raums (11) sowie ein Verfahren zum Betreiben dieses Systems (10). Das System (10) weist in dem zu kühlenden Raum (11) ein Kühlaggregat (12) und einen Axialventilator (13) auf. Der Axialventilator (13) ist dazu eingerichtet, eine Gasströmung (G), insbesondere Luftströmung, durch das Kühlaggregat (12) hindurch zu erzeugen, wodurch Wärme von der Gasströmung an ein durch das Kühlaggregat (12) strömendes Kühlmedium (M) übertragen wird. Ein künstliches neuronales Netz (22) wird trainiert, um einen Zusammenhang zwischen wenigstens einem Betriebsparameter (P) und einer Blockade (E) in einem Gasströmungspfad (14) zu charakterisieren. Anhand des aktuellen Werts des wenigstens einen Betriebsparameters (P) erkennt das künstliche Neuronale Netz (22), ob ein Abtauzustand erreicht ist. Ist dies der Fall, wird ein Abtausignal (A) erzeugt.

Description

Verfahren und System zum Abtauen eines Kühlaggregats
[0001] Die Erfindung betrifft ein Verfahren zum Betrei ben eines Systems sowie ein System aufweisend einen Axial ventilator und ein Kühlaggregat. Der Axialventilator ist dazu eingerichtet, eine Gasströmung entlang eines Gasströ mungspfades zu erzeugen. Das Kühlaggregat ist im Gasströ mungspfad angeordnet. Die Gasströmung kann daher durch das Kühlaggregat strömen und dort gekühlt werden.
[0002] Die Flüssigkeitsmenge, die ein Gas, beispiels weise Luft, aufnehmen kann, hängt von der Temperatur ab. Wird das Gas in einem zu kühlenden Raum abgekühlt, kann es weniger Feuchtigkeit aufnehmen und die Feuchtigkeit schlägt sich im Raum nieder. Dies geschieht insbesondere an den kühlen Stellen des Kühlaggregats, wodurch das Kühlaggregat vereisen kann und damit den Strömungspfad für die Gasströ mung zumindest teilweise blockiert. Diese Blockade führt wiederum dazu, dass die gewünschte Reichweite bzw. Wurf weite für die Gasströmung nicht erreicht wird. Dies kann dazu führen, dass die gekühlte Luft nicht mehr den ganzen zu kühlenden Raum durchsetzt und Stellen im Raum entstehen, die nicht ausreichend gekühlt werden. Beispielweise können dadurch in einem Kühlraum gelagerte Lebensmittel verderben.
[0003] Um dieses Problem einer mangelnden Kühlung zu vermeiden, werden Kühlaggregate in der Regel nach Ablauf einer vorgegebenen Zeitspanne automatisch abgetaut. Ein derartiges zeitgesteuertes Abtauen ist nachteilig, weil das Abtauen in der Regel zu häufig durchgeführt wird, um eine mangelnde Kühlung zu vermeiden. Ein derart häufiges Abtauen ist aber nicht energieeffizient.
[0004] Der vorliegenden Erfindung liegt daher das Prob lem zugrunde, ein effizientes Abtauen eines Kühlaggregats zu schaffen.
[0005] Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Patentanspruches 1 und ein System mit den Merkmalen des Patentanspruches 13 gelöst.
[0006] Das System gemäß der vorliegenden Erfindung weist einen Axialventilator auf, der zur Erzeugung einer Gasströ mung entlang eines Gasströmungspfades eingerichtet ist. In dem Gasströmungspfad ist stromaufwärts oder stromabwärts des Axialventilators ein Kühlaggregat angeordnet, durch das die Gasströmung hindurchströmen kann. Dabei kann das Kühl aggregat Wärme von der Gasströmung aufnehmen und diese küh len. Das Kühlaggregat und der Axialventilator sind insbe sondere in einem zu kühlenden Raum angeordnet.
[0007] Zu dem System gehört außerdem eine Steuereinrich tung, die zur Steuerung des Axialventilators eingerichtet ist. Die Steuereinrichtung weist ein künstliches neuronales Netz auf. Das künstliche neuronale Netz kann vor der Inbe triebnahme oder bei der Inbetriebnahme trainiert werden.
Das Trainieren des künstlichen neuronalen Netzes kann das Bereitstellen von bereits verfügbaren Trainingsdaten umfas sen, basierend auf denen das künstliche neuronale Netz für die Steuerungsaufgabe trainiert werden kann. Zusätzlich o- der alternativ können zum Trainieren des künstlichen neuro- nalen Netzes Daten auf einem Prüfstand erfasst werden, bei spielsweise durch Messung und/oder Simulation und/oder Be rechnung, die zum Trainieren des künstlichen neuronalen Netzes verwendet werden können.
[0008] Der Axialventilator weist einen Elektromotor so wie einen vom Elektromotor drehbar antreibbaren Rotor auf, der die Ventilatorschaufeln bzw. Ventilatorblätter trägt. Der Motor ist insbesondere nicht geregelt, sondern wird über eine Stellgröße gesteuert betrieben. Als Stellgröße kann beispielweise die Motorspannung verwendet werden. Über die Motorspannung kann die Solldrehzahl des Elektromotors eingestellt werden. Die Stellgröße wird insbesondere vom künstlichen neuronalen Netz ermittelt und ausgegeben. Die Stellgröße kann alternativ auch abhängig von einer Aus gangsgröße ermittelt werden, die das künstliche neuronale Netz ermittelt und ausgibt. Diese Ausgangsgröße kann in der Steuereinrichtung zur Erzeugung der Stellgröße verwendet werden.
[0009] Bei dem Elektromotor handelt es sich vorzugsweise um einen elektronisch kommutierten, bürstenlosen Elektromo tor, der auch als BLDC-Elektromotor bezeichnet werden kann.
[0010] Das Kühlaggregat kann Bestandteil eines Kühlkrei ses sein. Vorzugsweise ist zur Steuerung des Kühlkreises eine Kühlungssteuerung vorhanden. Die Kühlungssteuerung kann separat zur Steuereinrichtung für den Axialventilator ausgebildet sein und mit der Steuereinrichtung kommunikati onsverbunden sein. Die Kühlungssteuerung kann auch als Softwarefunktion oder Softwaremodul in dem Steuergerät der Steuereinrichtung für den Axialventilator integriert sein. [0011] Erfindungsgemäß wird nach dem Starten des Axial ventilators bei der ersten Inbetriebnahme oder bei einer Wiederinbetriebnahme kontinuierlich oder zeitdiskret we nigstens ein Betriebsparameter des Axialventilators als we nigstens eine Systemistgröße ermittelt, die nicht mit der Stellgröße identisch ist. Die wenigstens eine Systemist größe kann beispielweise die Drehzahl des Axialventilators sein und/oder ein Betriebsparameter, der die Drehzahl des Axialventilators charakterisiert, wie beispielweise der Mo torstrom.
[0012] Das Erfassen des wenigstens einen Betriebsparame ters als wenigstens eine Systemistgröße kann durch Messen und/oder Berechnen und/oder Schätzen erfolgen. Der interes sierende, erfasste Betriebsparameter kann, muss aber nicht direkt gemessen werden, sondern kann auch indirekt basie rend auf anderen Parametern berechnet und/oder geschätzt werden. Die wenigstens eine Systemistgröße bzw. der wenigs tens eine erfasste Betriebsparameter wird dem künstlichen neuronalen Netz bereitgestellt und insbesondere an eine Eingangsschicht des künstlichen neuronalen Netzes übermit telt.
[0013] Ein Zusammenhang beschreibt die Abhängigkeit zwi schen dem wenigstens einen als Systemistgröße erfassten Be triebsparameter und einer Blockade des Gasströmungspfades, die beispielsweise durch Eisbildung am Kühlaggregat entste hen kann. Dieser Zusammenhang kann durch die Trainingsda ten, die aufgrund von Messungen, Simulation oder Berechnung ermittelt wurden, beschrieben werden. Das trainierte künst liche neuronale Netz der Steuereinrichtung weist eine Struktur auf, die diesen Zusammenhang beschreibt und kann dadurch erkennen, ob das Kühlaggregat durch Eisbildung zu nehmend den Strömungspfad blockiert und somit einen Zustand erkennen, in dem ein Abtauen des Eises am Kühlaggregat er forderlich ist. Dieser Zustand wir hier auch als Abtauzu stand bezeichnet. Wird der Abtauzustand des Kühlaggregats erkannt, erzeugt das künstliche neuronale Netz ein Abtau signal. Wird durch das künstliche neuronale Netz kein Ab tauzustand erkannt, wird das Abtausignal nicht erzeugt. Beispielsweise kann ein Ausgang einer Ausgangsschicht des künstlichen neuronalen Netzes bei Erkennen eines Abtauzu standes einen charakteristischen Zustand annehmen, der dem Abtausignal entspricht. Dieser Signalausgang kann einen da von abweichenden weiteren Zustand annehmen, solange das künstliche neuronale Netz den Abtauzustand nicht erkannt hat.
[0014] Das Erzeugen des Abtausignals kann Maßnahmen zum Abtauen des Kühlaggregats initiieren. Beispielsweise kann ein automatisches Abtauen des Kühlaggregats mittels der Kühlungssteuerung veranlasst werden. Die Notwendigkeit des Abtauens wird mittels der vorliegenden Erfindung erkannt, so dass ein unnötig häufiges Abtauen vermieden wird. Den noch kann das künstliche Neuronale Netz derart trainiert werden, dass der Abtauzustand rechtzeitig erkannt und das Kühlaggregat rechtzeitig abgetaut wird, bevor eine unzu reichende Kühlung eintritt.
[0015] Der Abtauzustand kann abhängig von der Anwendung und dem Einsatz des Systems unter Berücksichtigung von wei teren Parametern oder Randbedingungen durch Simulation oder empirisch ermittelt und das künstliche Neuronale Netz ent sprechend trainiert werden. Insbesondere kann der Abtauzu- stand auch davon abhängen, wie weit die durch das Kühlag gregat gekühlte Luft durch den Raum strömen soll (Wurfweite des Axialventilators).
[0016] Durch das neuronale Netz kann das System adaptiv ausgebildet sein. Es kann sich an baulich veränderte Aus führungsformen oder an andere Systemveränderungen selbst ständig anpassen, beispielsweise wenn das Kühlaggregat und/oder eine andere Komponente des Systems anwendungsab hängig verändert wird, insbesondere zur Bereitstellung der benötigten Kühlleistung und/oder zur Anpassung an die Ein bausituation dimensioniert.
[0017] Das Blockieren des Gasströmungspfades durch Ver eisen kann aufgrund des zeitlichen Verlaufs des erfassten wenigstens einen Betriebsparameters (wenigstens eine Syste- mistgröße) von anderen Blockadeeffekten unterschieden wer den. Eine Blockade durch Beladung des Kühlaggregats oder anderen Bauteilen im Gasströmungspfad mit Schmutzpartikeln nimmt im Laufe der Zeit wesentlich langsamer zu als eine Blockade durch Eisbildung. Außerdem wird die Verschmutzung durch ein Abtauen des Eises am Kühlaggregat nicht besei tigt.
[0018] Bei einer bevorzugten Ausführungsform wird das Abtausignal einer Kühlungssteuerung übermittelt, die dazu eingerichtet ist, einen Abtauvorgang auszulösen, wenn das Abtausignal empfangen wurde. Die Kühlungssteuerung kann ein separates Steuergerät sein oder als Softwarefunktion oder Softwaremodul in das Steuergerät der Steuereinrichtung für den Axialventilator integriert sein. Vorzugsweise wird der Abtauvorgang durch die Kühlungssteuerung unmittelbar ausge löst, wenn das Abtausignal empfangen wurde. [0019] Die Steuereinrichtung ist insbesondere dazu ein gerichtet, den Axialventilator stillzusetzen, nachdem das Abtausignal erzeugt wurde. Zumindest während einer Endphase des Abtauvorgangs wird der Axialventilator stillgesetzt. Nach dem Erzeugen des Abtausignals kann der Axialventilator während einer ersten Phase des Abtauvorgangs noch rotierend angetrieben werden. Dadurch kann während der ersten Phase das noch vorhandene Eis am Kühlaggregat zur Kühlung der Gasströmung genutzt werden, so dass die Energieeffizienz verbessert werden kann.
[0020] Insbesondere ist die Steuereinrichtung dazu ein gerichtet, den Axialventilator nach seinem Stillsetzen wäh rend des Abtauvorgangs erst dann wieder in Betrieb zu neh men, wenn der Abtauvorgang beendet ist.
[0021] Die Dauer des Abtauvorgangs und/oder das Ende des Abtauvorgangs kann über eine Abtaudauer ab dem Erzeugen des Abtausignals ermittelt werden. Die Abtaudauer kann in der Steuereinrichtung bzw. dem künstlichen Neuronalen Netz ab gespeichert sein.
[0022] Es ist außerdem vorteilhaft, wenn das künstliche neuronale Netz der Steuereinrichtung dazu eingerichtet ist, einen Reinigungszustand zu erkennen, der einem Zustand des Gasströmungspfades entspricht, der durch Schmutzpartikel zumindest teilweise blockiert ist.
[0023] Der Reinigungszustand kann basierend auf dem we nigstens einen Betriebsparameter, der als wenigstens eine Systemistgröße erfasst wird, im künstlichen neuronalen Netz erkannt werden. Insbesondere wird dazu der wenigstens eine Betriebsparameter in einem unverschmutzten Zustand des Gas strömungspfades ermittelt (z.B. bei Erstinbetriebnahme oder nach dem Reinigen). Dieser wenigstens eine Betriebsparame ter kann dabei zusätzlich in Abhängigkeit von Umgebungspa rametern ermittelt werden, beispielsweise abhängig von der Temperatur und/oder dem Druck und/oder der Feuchtigkeit der umgebenden Atmosphäre, usw. Das künstliche neuronale Netz kann entsprechend trainiert werden. Der auf diese Weise de finierte erste Startzustand im unverschmutzten Zustand des Systems kann mit dem weiteren Startzustand des Systems ver glichen werden, der nach der Wiederinbetriebnahme im An schluss an einen Abtauvorgang erfasst wird. Daraus kann ge schlossen werden, ob im Laufe der Zeit eine Blockade des Gasströmungspfades auftritt, die nicht durch Eisbildung am Kühlaggregat bewirkt wird.
[0024] Das künstliche neuronale Netz kann somit erken nen, ob ein Reinigungszustand erreicht wird, der das Reini gen des Gasströmungspfades erforderlich macht, beispiels weise eines Filters und/oder des Kühlaggregats. In diesem Fall kann eine entsprechende Reinigung veranlasst werden, indem das künstliche neuronale Netz ein Reinigungssignal erzeugt und beispielsweise über eine Benutzerschnittstelle das erforderliche Reinigen anzeigt.
[0025] Der Reinigungszustand kann beispielsweise dann erkannt werden, wenn der wenigstens eine als Systemistgröße erfasste Betriebsparameter einen Inbetriebnahmeschwellen wert unterschreitet. Der Inbetriebnahmeschwellenwert kann parameterabhängig definiert werden, beispielsweise in Ab hängigkeit von wenigstens einem Umgebungsparameter und/oder anwendungsspezifischen Parameter, wie es vorstehend be schrieben wurde. [0026] Durch das künstliche neuronale Netz besteht auch die Möglichkeit, eine Vielzahl von Einflussgrößen zu be rücksichtigen, so dass der Abtauzustand und/oder der Reini gungszustand beispielsweise auch in unterschiedlichen Umge bungen (z. B. Dimension des zu kühlenden Raums) und bei un terschiedlichen Umgebungszuständen (z.B. Temperatur und/o der Druck und/oder Feuchtigkeit der Atmosphäre im Raum) richtig erkannt werden kann. Über das künstliche neuronale Netz der Steuereinrichtung kann eine schnelle Anpassung an die tatsächliche Anwendung und Installationssituation er reicht werden. Die Trainingsdaten können für unterschiedli che Systemauslegungen bereitgestellt werden, so dass eine aufwendige Einstellung des Systems während der Inbetrieb nahme entfallen kann. Die Steuereinrichtung mit dem künst lichen neuronalen Netz kann insbesondere aufgrund des we nigstens einen Betriebsparameters und optional durch Erfas sung wenigstens eines Umgebungsparameters basierend auf den Trainingsdaten erkennen, wie sich das System verhält und daraus den Abtauzustand und/oder den Reinigungszustand si cher erkennen.
[0027] Der wenigstens eine als Systemistgröße erfasste Betriebsparameter kann die Drehzahl des Axialventilators sein oder die Drehzahl des Axialventilators zusätzlich zu einem oder mehreren weiteren Betriebsparametern aufweisen. Der Zusammenhang, basierend auf dem das Erkennen des Abtau zustandes trainiert wird, kann eine Drehzahl-Blockade-Kenn- linie sein, die die Abhängigkeit zwischen der Ventilatord rehzahl und der Blockade des Gasströmungspfades beschreibt. Die Drehzahl-Blockade-Kennlinie kann durch Simulation und/oder durch Messung oder auf einer anderen beliebigen Art ermittelt werden. [0028] Der wenigstens eine als Systemistgröße erfasste Betriebsparameter kann auch der Motorstrom des Elektromo tors des Axialventilators sein oder den Motorstrom zusätz lich zu einem oder mehreren weiteren Betriebsparametern aufweisen. In diesem Fall kann der Zusammenhang, basierend auf dem das Erkennen des Abtauzustandes trainiert wird, eine Motorstrom-Blockade-Kennlinie sein, die eine Abhängig keit zwischen dem Motorstrom und der Blockade des Gasströ mungspfades beschreibt. Die Motorstrom-Blockade-Kennlinie kann durch Simulation und/oder Messung oder auf einer ande ren beliebigen Art ermittelt werden.
[0029] Wenn das künstliche neuronale Netz einen Be triebszustand des Systems erkennt, der beispielsweise durch einen Betriebspunkt der Drehzahl-Blockade-Kennlinie und/o der der Motorstrom-Blockade-Kennlinie definiert ist, kann dadurch das Erreichen des Abtauzustandes erkannt werden. Anstelle einer Kennlinie können durch berücksichtigen von weiteren Parametern auch Zusammenhänge und somit Betriebs zustände definiert werden, die drei oder mehr Dimensionen aufweisen .
[0030] Anstelle von Kennlinien können auch Kennfelder, Tabellen oder andere Möglichkeiten verwendet werden, um den Zusammenhang zwischen dem wenigstens einen erfassten Be triebsparameter (wenigstens eine Systemistgröße) und der Blockade des Gasströmungspfades zu beschreiben.
[0031] Es ist bevorzugt, wenn das Kühlaggregat Bestand teil eines Kühlkreises ist, in dem ein Kühlmedium strömt. Das Kühlmedium durchströmt dabei auch das Kühlaggregat. Das Kühlaggregat kann ein Wärmeübertrager sein und in einem zu kühlenden Raum angeordnet sein. Ein außerhalb des zu küh lenden Raums angeordneter weiterer Wärmeübertrager kann ebenfalls Bestandteil des Kühlkreises sind. In dem Kühl kreis können außerdem ein Verdichter, insbesondere eine Pumpe, und/oder eine Drossel zur Druckreduzierung in Strö mungsrichtung des Kühlmediums angeordnet werden. Während des Kühlbetriebs des Kühlkreises kann der Wärmeübertrager in dem zu kühlenden Raum einen Verdampfer bilden und der Wärmeübertrager außerhalb des zu kühlenden Raums kann einen Kondensator bilden.
[0032] Eine Kühlungssteuerung für den Kühlkreis kann dazu eingerichtet sein, während des Abtauens die Strömungs richtung des Kühlmediums umzukehren, so dass der Wärmeüber trager im Kühlraum einen Kondensator bildet und der Wärme übertrager außerhalb des Kühlraums einen Verdampfer bildet. Das Kühlmedium kann zum Abtauvorgang daher eine ausreichend hohe Temperatur aufweisen, um ein Abtauen des Eises am Kühlaggregat zu bewirken.
[0033] Vorteilhafte Ausgestaltungen der Erfindung erge ben sich aus den abhängigen Ansprüchen, der Beschreibung und den Zeichnungen. In den Zeichnungen zeigen:
[0034] Figur 1 eine schematische, blockschaltbildähnli che Darstellung eines Ausführungsbeispiels eines Systems zur Kühlung eines Raums,
[0035] Figur 2 ein Blockschaltbild des Ausführungsbei spiels des Systems aus Figur 1 aufweisend einen Kühlkreis und einen Axialventilator sowie eine Steuereinrichtung, [0036] Figur 3 eine schematische Darstellung einer Dreh- zahl-Blockade-Kennlinie, die den Verlauf einer Drehzahl des Axialventilators aus den Figuren 1 und 2 in Abhängigkeit von einer Blockade des Gasströmungspfades darstellt,
[0037] Figur 4 eine schematische Darstellung einer Mo- torstrom-Blockade-Kennlinie, die den Verlauf des Motorstro mes eines Elektromotors des Axialventilators in Abhängig keit von einer Blockade des Gasströmungspfades zeigt,
[0038] Figur 5 ein Blockschaltbild eines Ausführungsbei spiels eines künstlichen Neuronalen Netzes der Steuerein richtung zur Steuerung des Axialventilators,
[0039] Figur 6 ein Blockschaltbild eines Neurons des künstlichen Neuronalen Netzes aus Figur 5,
[0040] Figur 7 ein Flussdiagramm eines Ausführungsbei spiels eines erfindungsgemäßen Verfahrens und
[0041] Figur 8 eine schematische Darstellung der Verän derung der Kennlinien gemäß der Figuren 3 und 4 durch eine Verschmutzung eines im Gasströmungspfad angeordneten Bau teils.
[0042] In Figuren 1 und 2 ist jeweils schematisch nach Art eines Blockschaltbildes ein System 10 veranschaulicht. Das System 10 ist dazu eingerichtet, einen Raum 11 zu küh len. Zu diesem Zweck ist innerhalb des Raums 11 ein Kühlag gregat 12 sowie ein Axialventilator 13 veranschaulicht. Der Axialventilator 13 ist dazu eingerichtet, eine Gasströmung G, insbesondere eine Luftströmung, entlang eines Gasströ mungspfades 14 zu erzeugen. In dem zu kühlenden Raum 11 kann abhängig von der Anwendung anstelle von Luft aber auch eine CC^-Atmosphäre oder ein anderes Gas vorhanden sein.
[0043] Der Gasströmungspfad 14 erstreckt sich von einem Einlass 15 zu einem Auslass 16 eines Strömungskanals 17.
Der Strömungskanal 17 kann beispielweise durch ein Gehäuse des Kühlaggregats 12 und ein Gehäuse des Axialventilators 13 gebildet sein und optional zusätzliche Gasströmungsleit einrichtungen und/oder Gehäuseteile aufweisen. Die Gasströ mung G tritt bei einem Betrieb des Axialventilators 13 am Einlass 15 in den Strömungskanal 17 ein und am Auslass 16 aus dem Strömungskanal 17 aus.
[0044] Der Axialventilator 13 weist einen Elektromotor 18 sowie einen vom Elektromotor 18 antreibbaren Rotor 19 auf, an dem die Ventilatorschaufeln angeordnet sind. Mit tels einer Steuereinrichtung 20 des Systems 10 wird der Elektromotor 18 angesteuert. Beim Ausführungsbeispiel gibt die Steuereinrichtung 20 eine Stellgröße S an den Elektro motor 18 aus. Der Elektromotor 18 wird vorzugsweise nicht geregelt, sondern auf Basis der Stellgröße S gesteuert be trieben. Die Stellgröße S ist beim Ausführungsbeispiel die Motorspannung des Elektromotors 18, bei der die Amplitude und/oder die Frequenz eingestellt werden kann. Während des Kühlbetriebs kann die Stellgröße S unverändert bleiben.
[0045] Bei dem Elektromotor 18 kann es sich um einen elektronisch kommutierten, bürstenlosen Elektromotor 18 handeln, der auch als BLDC-Motor oder EC-Motor bezeichnet wird. Der Elektromotor 18 ist bevorzugt permanenterregt.
[0046] Wenigstens ein Betriebsparameter P, der den Be- trieb des Axialventilators 13 und insbesondere des Elektro motors 18 beschreibt, wird als Systemistgröße erfasst. Der Betriebsparameter P kann beispielsweise über einen Sensor gemessen werden oder auf Basis von weiteren Parametern be rechnet und/oder geschätzt werden. Der als Systemistgröße erfasste Betriebsparameter ist verschieden von der Stell größe S. In Figur 2 ist lediglich beispielhaft veranschau licht, dass der Betriebsparameter P sensorisch gemessen wird. Bei dem Betriebsparameter P kann es sich beispiels weise um die Drehzahl n des Axialventilators 13 und/oder den Motorstrom I des Elektromotors 18 handeln. Beispiels weise könnte die Drehzahl n mittels eines Drehzahlsensors
21 ermittelt werden.
[0047] Als Drehzahl des Axialventilators kann die Dreh zahl des Elektromotors 18 und/oder die Drehzahl des Rotors 19 verwendet werden. Beim Ausführungsbeispiel ist der Rotor 19 getriebelos drehfest mit dem Rotor des Elektromotors 18 gekoppelt, so dass die Drehzahl des Elektromotors 18 mit der Drehzahl des Rotors 19 übereinstimmt.
[0048] Die Steuereinrichtung 20 weist ein künstliches neuronales Netz 22 auf. Dem künstlichen neuronalen Netz 22 wird der wenigstens eine erfasste Betriebsparameter P (Sys temistgröße) als Eingangsgröße übermittelt. Zusätzlich kann dem künstlichen neuronalen Netz 22 auch wenigstens ein wei terer Parameter als Eingangsgröße übermittelt werden, bei spielsweise Umgebungsparameter, wie etwa der Druck der At mosphäre in der Umgebung, beispielsgemäß dem Raum 11 und/o der die Temperatur im Raum 11 und/oder die Luftfeuchtigkeit der Atmosphäre im Raum 11, usw. Basierend auf der wenigs tens einen Eingangsgröße kann das künstliche neuronale Netz
22 den Zustand des Systems 10 und insbesondere den Zustand des Axialventilators 13 und des Gasströmungspfades 14 er mitteln.
[0049] Es kann außerdem vorteilhaft sein, wenn als Para meter die Temperatur oder mehrere Temperaturen im Raum 11 an einer oder mehreren definierten Stellen im Raum erfasst und als Eingangsgröße verwendet wird bzw. werden. Bei spielsweise kann die Temperatur an der Stelle als Eingangs größe verwendet werden, die am weitesten vom Kühlaggregat 12 entfernt ist. Dadurch ist eine bessere vorausschauende Bewertung möglich (prädiktive Bewertung), die im Voraus ein notwendiges Abtauen und/oder eine notwendige Reinigung an zeigt. Zusätzlich oder alternativ können räumlich abhängige Temperaturentwicklungen berücksichtigt werden.
[0050] Abhängig vom aktuellen Zustand kann das künstli che neuronale Netz wenigstens ein Ausgangssignal erzeugen. Das wenigstens eine Ausgangssignal kann anzeigen, ob Maß nahmen eingeleitet werden müssen, beispielsweise das Ab tauen von am Kühlaggregat 12 gebildeten Eis und optional das Reinigen des Gasströmungspfades 14 bei festgestellter Verschmutzung. Wegen der Verwendung eines künstlichen neu ronalen Netzes 22 in der Steuereinrichtung 20 können kom plexe Situationen unter Berücksichtigung einer Vielzahl von Randbedingungen und Parametern bewertet werden. Das künst liche neuronale Netz 22 kann zu diesem Zweck durch Messun gen auf Testständen und/oder Simulationen und/oder Berech nungen mit Trainingsdaten programmiert werden, so dass es für die erforderliche Erkennung der Zustände eingerichtet ist.
[0051] Das Kühlaggregat 12 ist beispielsgemäß Bestand- teil eines Kühlkreises 25. Der Kühlkreis 25 weist einen ge schlossenen Strömungskreis für ein Kühlmedium M auf. Das Kühlmedium strömt zwischen dem Kühlaggregat 12 und einem außerhalb des zu kühlenden Raums 11 angeordneten Wärmeüber trager 26. Zur Kühlung des Raums 11 arbeitet der Wärmeüber trager 26 als Kondensator bzw. Verflüssiger und das durch einen Wärmeübertrager gebildete Kühlaggregat 12 arbeitet als Verdampfer. Um das Kühlmedium M zwischen dem Kühlaggre gat 12 und dem Wärmeübertrager 26 zu fördern, weist der Kühlkreis 25 in einem Zweig eine Pumpe bzw. einen Verdich ter 27 auf. Außerdem ist zwischen dem Kühlaggregat 12 und dem Wärmeübertrager 26 in einem parallelen Zweig eine Dros sel 28 oder ein anderes Bauteil zur Druckreduzierung des strömenden Kühlmediums M vorhanden.
[0052] Der Kühlkreis 25 weist außerdem eine Kühlungs steuerung 29 auf. Die Kühlungssteuerung 29 ist zur Steue rung oder Regelung des Kühlkreises 25 eingerichtet. Die Steuereinrichtung 20 und die Kühlungssteuerung 29 können durch separate Steuergeräte gebildet sein oder jeweils als Softwarefunktion oder Softwaremodul in einem gemeinsamen Steuergerät implementiert sein.
[0053] Die Kühlungssteuerung 29 ist beim Ausführungsbei spiel dazu eingerichtet, eine Umschaltanordnung 30 des Kühlkreises 25 anzusteuern. Die Umschaltanordnung 30 kann mehrere Umschaltventilbaugruppen aufweisen, um die Strömung des Kühlmediums M abhängig vom Betriebszustand des Kühl kreises zu steuern. Die Umschaltanordnung 30 ist dazu ein gerichtet, zur Kühlung des Raums 11 eine Strömungsrichtung des Kühlmediums M im Kühlkreis 25 vorzugeben, die vom Wär meübertrager 26 über die zur Druckreduzierung eingerichtete Drossel 28 zum Kühlaggregat 12 strömt, durch das Kühlaggre gat 12 hindurch, und über den Verdichter 27 zurück zum Wär meübertrager 26. Bei dieser Strömung des Kühlmediums M kann das Kühlmedium M im Kühlaggregat 12 Wärme aufnehmen und au ßerhalb des zu kühlenden Raums 11 über den Wärmeübertrager
26 Wärme abgeben.
[0054] Die Kühlungssteuerung 29 kann die Umschaltanord nung 30 in einen weiteren Schaltzustand umschalten, in dem das Kühlmedium M vom Wärmeübertrager 26 über den Verdichter
27 zum Kühlaggregat 12 strömt und von dort über die Drossel
28 zur Druckreduzierung zum Wärmeübertrager 26. In diesem Zustand gibt das Kühlmedium M im Kühlaggregat 12 Wärme ab und nimmt im Wärmeübertrager 26 Wärme auf. Dieser Betriebs zustand kann während eines Abtauvorgangs zum Abtauen von Eis am Kühlaggregat 12 genutzt werden.
[0055] Die Darstellung der Umschaltanordnung 30 in Figur 2 ist stark schematisiert. Die in den Figuren 1 und 2 ver anschaulichte Strömung des Kühlmediums M entspricht der Strömungsrichtung während des Kühlens des Raums 11.
[0056] Beim Kühlen des Raums 11 gibt die im Raum 11 ge kühlte Luft Feuchtigkeit ab, die sich auch an den kalten Stellen des Kühlaggregates 12 niederschlägt. Dadurch kann Eis am Kühlaggregat 12 gebildet werden, das den Gasströ mungspfad 14 zumindest teilweise blockiert.
[0057] Die Figuren 3 und 4 zeigen beispielhafte Zusam menhänge zwischen einem Betriebsparameter P, beispielsgemäß der Drehzahl n und des Motorstroms I, und der Blockade E des Gasströmungspfades 14. Es können zusätzlich oder alter nativ auch andere Betriebsparameter P erfasst werden, die die Drehzahl n oder den Motorstrom I charakterisieren. An hand dieses wenigstens einen Betriebsparameters P und des bekannten Zusammenhangs mit der Blockade E kann daher auf den Wert bzw. Betrag der Blockade E geschlossen werden. Der wenigstens eine erfasste Betriebsparameter P bildet eine sich von der Stellgröße S unterscheidende Systemistgröße.
In den Figuren 3 und 4 ist die Blockade E zwischen 0% und 100% in der Abszisse dargestellt. In den Figuren 3 und 4 sind als Beispiel für eine Systemistgröße die Drehzahl n und der Motorstrom I veranschaulicht (Ordinate).
[0058] Wie es aus den Figuren 3 und 4 hervorgeht, haben beispielsweise die Drehzahl n des Axialventilators 13 und der Motorstrom I des Elektromotors 18 einen charakteristi schen Verlauf abhängig von der Blockade E. Ausgehend von einem nicht blockierten Gasströmungspfad der Gasströmung G durch das Kühlaggregat 12 (E=0%) sinkt die Drehzahl n bzw. der Motorstrom I bis zu einem lokalen Minimum ab, das bei einem ersten Blockadewert Ei erreicht wird. Anschließend steigt die Drehzahl n bzw. der Motorstrom I bis zu einem lokalen Maximum an, das bei einem zweiten Blockadewert E2 erreicht wird, der größer ist als der erste Blockadewert Ei.Ausgehend von dem lokalen Maximum sinkt die Drehzahl n bzw. der Motorstrom I mit weiter zunehmender Blockade E sinkt die Drehzahl n bzw. der Motorstrom I mit zunehmender Blockade des Gasströmungspfades 14 wieder ab. Wegen der lo kalen Extrempunkte haben die Zusammenhänge zwischen der Drehzahl n bzw. dem Motorstrom I und der Blockade E jeweils einen nicht eindeutigen Bereich b.
[0059] Der Zusammenhang zwischen der Systemistgröße und der Blockade E des Gasströmungspfades 14 ist bekannt, also beispielsweise eine in Figur 3 dargestellte Drehzahl-Blo- ckade-Kennlinie Kl oder eine in Figur 4 veranschaulichte Motorstrom-Blockade-Kennlinie K2. Anstelle von Kennlinien können auch Kennfelder, Tabellen oder dergleichen in der Steuereinrichtung 20 verwendet werden, die den Zusammenhang zwischen dem wenigstens einen als Systemistgröße erfassten Betriebsparameter P und der Blockade E beschreiben.
[0060] Das künstliche neuronale Netz 22 der Steuerein richtung 20 ist in der Lage, eine oder mehrere Eingangsgrö ßen zu empfangen, zumindest den wenigstens einen Betriebs parameter P (Systemistgröße) und optional zusätzlich wei tere Parameter, wie z.B. Umgebungsparameter. Aus dieser we nigstens einen Eingangsgröße kann das künstliche neuronale Netz 22 auf den Zustand des Systems 10 und insbesondere des Kühlaggregats 12 und/oder des Gasströmungspfades 14 schlie ßen. Beim Ausführungsbeispiel können zumindest ein Abtauzu stand und als weitere Option ein Reinigungszustand erkannt und basierend darauf entsprechende Ausgangssignale des künstlichen neuronalen Netzes 22 ausgegeben werden.
[0061] Der Vorteil des neuronalen Netzes 22 besteht ins besondere auch darin, dass das System 10 adaptiv ist. Es besteht die Option, dass sich das System 10 an baulich ver änderte Ausführungsformen oder an andere Systemveränderun gen selbstständig anpasst. Zum Beispiel werden das Kühlag gregat 12 und/oder der Wärmeübertrager 26 entsprechend der notwendigen Kühlleistung und der Einbausituation dimensio niert. Dadurch ändert sich die Dichte und/oder die Länge der Kühlbleche an denen die vom Ventilator bewegt Luft vor beiströmt. Es ist zu erwarten, dass sich dadurch die Kenn linie entsprechend Fig.3 ändert. An die geänderte Kennlinie kann sich das System 10 durch ein selbstlernendes neurona les Netz 22 anpassen.
[0062] Bei der in Figur 5 schematisch dargestellten Aus führungsform des künstlichen neuronalen Netzes 22 ist stark schematisiert veranschaulicht, dass das künstliche neuro nale Netz 22 mehrere Schichten 31, 32, 33 aufweisen kann, wobei jede Schicht 31, 32, 33 wenigstens ein Neuron 34 (Fi gur 6) aufweist. Das künstliche neuronale Netz 22 kann eine Eingangsschicht 31, wenigstens eine Zwischenschicht 32 und eine Ausgangsschicht 33 aufweisen.
[0063] Wie es in Figur 5 beispielhaft schematisch ange deutet ist, kann es sich beim künstlichen neuronalen Netz 22 auch um ein rekurrentes künstliches neuronales Netz han deln, bei dem ein Ausgangssignal aus einer Schicht an eine vorhergehende Schicht zurück übertragen wird.
[0064] Der Aufbau der Neuronen 34 des künstlichen neuro nalen Netzes 22 ist schematisch in Figur 6 dargestellt. Je des Neuron 34 hat wenigstens einen Neuroneneingang, dem je weils ein Neuroneneingangswert Xi bis xn übermittelt wird. Die Neuroneneingangswerte Xi bis xn werden über jeweils ei nen zugeordneten Gewichtungsfaktor wi bis wn gewichtet und aufsummiert, wodurch sich eine gewichtete Summe xw ergibt. Diese gewichtete Summe xw wird einer Aktivierungsfunktion F des Neurons 34 übermittelt. Die Aktivierungsfunktion F hängt auch von einem Schwellenwert Q ab. Beim Ausführungs beispiel wird als Neuronenausgangswert y der Wert der Akti vierungsfunktion F abhängig von der Differenz der gewichte ten Summe xw minus dem Schwellenwert Q ausgegeben: y = xw- S. Über diesen Schwellenwert Q kann vorgegeben werden, wann das Neuron 34 feuert. [0065] Alternativ zu der Berücksichtigung des Schwellen wertes Q in der Aktivierungsfunktion F können auch soge nannte On-Neuronen verwendet werden, bei denen ein Schwel lenwert als Neuroneneingangswert Xo bei der Bildung der ge wichteten Summe xw berücksichtigt wird. Wenn das System 10 über einen oder mehrere Sensoren, Beobachter oder derglei chen verfügt, kann das künstliche neuronale Netz 22 auch während des Betriebs des Systems 10 lernend ausgeführt sein. Es kann aber auch ausreichend sein, wenn das künstli che neuronale Netz 22 während des Betriebs des Systems 10 keinen Lernprozess durchläuft, sondern beispielsweise ba sierend auf den ursprünglichen Trainingsdaten arbeitet.
[0066] Die Eingangsgrößen und insbesondere der wenigs tens eine Parameter P werden der Eingangsschicht 31 über mittelt. Der wenigstens eine Parameter P kann optional auch durch ein Verzögerungsglied 35 verzögert werden, so dass zu einem aktuellen Zeitpunkt t sowohl der aktuelle Wert P(t) des Betriebsparameters P als auch ein vorangegangener Wert P(t-At) des wenigstens einen Betriebsparameters bekannt ist. Dadurch lässt sich erkennen, ob der wenigstens eine Betriebsparameter P innerhalb des Verzögerungszeitraums At gleich bleibt, zunimmt oder abnimmt.
[0067] Durch das Trainieren des künstlichen neuronalen Netzes 22 werden Verbindungen zwischen den Neuronen 34 der Schichten 31, 32, 33 definiert und die Gewichtungsfaktoren Wi bis wn sowie der Schwellenwert Q jedes Neurons 34 defi niert. Das künstliche neuronale Netz 22 ist dazu eingerich tet, einen Abtauzustand zu erkennen und basierend auf die ser Erkennung ein Abtausignal A zu erzeugen. Der Abtauzu- stand kann beispielsweise das Erreichen eines Betriebspunk tes sein, der durch die Drehzahl-Blockade-Kennlinie Kl oder die Motorstrom-Blockade-Kennlinie K2 definiert ist. Bei- spielsgemäß kann das künstliche neuronale Netz 22 auch dazu eingerichtet sein, einen Reinigungszustand zu erkennen und basierend darauf ein Reinigungssignal R zu erzeugen.
[0068] Abhängig von der konkreten Anwendung kann durch die sinkende Drehzahl n des Axialventilators 13 eine Reich weite d der aus dem Auslass 16 des Gasströmungspfades 14 ausströmenden gekühlten Gasströmung G nicht ausreichen. Diese Reichweite d wird auch als Wurfweite bezeichnet. In dem Raum 11 befinden sich zu kühlende gelagerte Gegenstände 33, beispielsweise Lebensmittel. Wenn die Reichweite d nicht mehr ausreicht, kann es sein, dass die gekühlte Gas strömung G nicht mehr alle zu kühlenden Gegenstände 33 er reicht und die Kühlwirkung somit unzureichend ist. Um dies zu vermeiden, muss das Kühlaggregat 12 regelmäßig abgetaut werden, um eine Blockade E durch Vereisen zu vermeiden, die eine unzureichende Kühlungswirkung zur Folge hätte.
[0069] Wie es bereits erläutert wurde, haben die Kennli nien Kl, K2 einen nicht eindeutigen Bereich b. Deshalb kann der korrekte Betriebspunkt beispielsweise durch eine ein zige Schwellenwertabfrage nur dann ermittelt werden, wenn bekannt ist, auf welchem Ast der Kennlinie Kl, K2 der aktu elle Betrieb stattfindet:
- bei Blockadewerten bis maximal zum ersten Blockadewert Ei oder
- bei Blockadewerten vom ersten Blockadewert Ei bis zum zweiten Blockadewert E2 oder
- bei Blockadewerten, die größer sind als der zweite Blockadewert E2.
Durch die Berücksichtigung des zeitlichen Verlaufs oder der zeitlichen Änderung des wenigstens einen Betriebsparameters (z.B. der Drehzahl n und/oder des Motorstroms I) kann der aktuelle Betriebspunkt bestimmt und es kann erkannt werden, ob ein Äbtauzustand erreicht ist, der durch einen vorgege benen Betriebspunkt der betreffenden Kennlinie Kl oder K2 definiert ist. Wird dieser Betriebspunkt erreicht, kann das künstliche neuronale Netz 22 erkennen, dass der Äbtauzu stand erreicht ist und das Äbtausignal A erzeugen.
[0070] Das Äbtausignal A wird beispielsgemäß an die Küh lungssteuerung 29 übermittelt, die dann den Strömungsrich tung des Kühlmediums M umschaltet, um das Kühlaggregat 12 abzutauen und vom gebildeten Eis zu befreien. Der Abtauzu stand kann durch das künstliche neuronale Netz 22 identifi ziert werden, das den vorbekannten Zusammenhang zwischen dem wenigstens einen Betriebsparameter P und der Blockade E wiedergibt. Das Abtauen erfolgt somit genau dann, wenn es erforderlich ist. Ein zeitlich regelmäßiges Abtauen ist nicht erforderlich. Unnötige Abtauvorgänge werden vermie den. Dadurch ist eine hohe Energieeffizienz erreicht.
[0071] Während des Abtauvorgangs kann der Axialventila tor 13 zumindest zeitweise stillgesetzt werden. Die Steuer einrichtung 20 kann das Stillsetzen des Axialventilators 13 über die Stellgröße S gleichzeitig oder unmittelbar nach dem Erzeugen des Abtausignals A veranlassen oder alternativ das Stillsetzen des Axialventilators 13 zeitverzögert ab dem Erzeugen des Abtausignals A veranlassen. Wenn der Ab tauvorgang begonnen hat, befindet sich noch ausreichend Eis am Kühlaggregat 12. Durch das Kühlaggregat 12 strömendes Gas (beispielsgemäß Luft) wird daher durch das Vorbeiströ men am Eis gekühlt. Dieser Effekt kann während einer ersten Abtauphase genutzt werden, um weiterhin Gas im zu kühlenden Raum 11 zu kühlen. Die Zeitdauer für ein fortgesetztes dre hendes Antreiben des Axialventilators 13 nach dem Erzeugen des Abtausignals A kann vorgegeben werden oder es kann eine andere Ausschaltbedingung für das Ausschalten des Axialven tilators 13 während des Abtauvorgangs definiert werden, beispielsweise wenn der wenigstens eine Betriebsparameter einen Betriebspunkt erreicht hat.
[0072] Zumindest während der letzten Phase des Abtauvor gangs wird der Axialventilator 13 mittels der Steuerein richtung 20 stillgesetzt. Erst wenn der Abtauvorgang abge schlossen wurde, kann die Steuereinrichtung 20 den Axial ventilator 13 wieder in Betrieb nehmen. Das Ende des Abtau vorgangs kann durch eine vorgegebene Abtaudauer in der Steuereinrichtung 20 bekannt sein. Der Axialventilator 13 kann in diesem Fall wieder in Betrieb genommen werden, so bald ab dem Erzeugen des Abtausignals A die Abtaudauer ab gelaufen ist. Alternativ dazu kann die Kühlungssteuerung 29 ein Signal an die Steuereinrichtung 20 übermitteln, das an gibt, dass der Abtauvorgang beendet ist und der Kühlkreis 25 wieder den zur Kühlung des Raums 11 erforderlichen Be triebszustand (Strömungsrichtung des Kühlmediums M) einge nommen hat.
[0073] Beispielsgemäß wird außerdem unmittelbar nach der ersten Inbetriebnahme und unmittelbar nach der Wiederinbe triebnahme im Anschluss an einen Abtauvorgang der Startwert des wenigstens einen Betriebsparameters P, beispielsweise der Drehzahl n bzw. des Motorstroms I abgespeichert. Dieser Startwert beschreibt einen Gasströmungspfad 14, der nicht durch Eis am Kühlaggregat 12 blockiert ist. Eine Blockade des Gasströmungspfades 14 zwischen dem Einlass 15 und dem Auslass 16 kann zusätzlich zur Vereisung auch durch eine Verschmutzung stattfinden. Die fortschreitende Beladung mit Schmutzpartikeln schreitet zeitlich gesehen wesentlich langsamer voran als das Auftreten von Eis am Kühlaggregat 12. Dies hat jedoch zur Folge, dass der ursprüngliche Startwert für den wenigstens einen Betriebsparameter, den er bei einem unverschmutzten Gasströmungspfad hat, mit zu nehmender Verschmutzung nach einem Abtauvorgang nicht mehr erreicht wird. Der Verlauf der Startwerte ist daher ein Maß für die Blockade des Gasströmungspfades 14 durch auftre tende Verschmutzung. Es kann somit auch ein Zustand des Systems 10 erkannt werden, der eine Reinigung des Gasströ mungspfades 14 erfordert und als Reinigungszustand bezeich net werden kann. Die Reinigungszustand kann beispielsweise erkannt werden, wenn der Startwert des wenigstens einen Be triebsparameters P nach einem Abtauvorgang bei Wiederinbe triebnahme einen Inbetriebnahmeschwellenwert für den we nigstens einen Betriebsparameter unterschreitet, beispiels weise eines Inbetriebnahmeschwellenwertes nmin für die die Drehzahl n und/oder eines Inbetriebnahmeschwellenwertes Imin für den Motorstrom I.
[0074] Die Funktionsweise des Systems 10 wird beispiel haft unter Verweis auf die Figuren 7 und 8 nachfolgend er läutert .
[0075] Vor oder während der Inbetriebnahme des Systems wird das künstliche Neuronale Netz 22 in einem ersten Schritt 40 trainiert. Wenn das künstliche Neuronale Netz 22 trainiert und damit einsatzbereit ist, kann der Axialventi lator 13 eingeschaltet und der Kühlkreis 25 zur Kühlung des Raums 11 betrieben werden (zweiter Schritt 41). Das Kühlme- dium M strömt durch das Kühlaggregat 12 und nimmt dabei Wärme auf, die es außerhalb des zu kühlenden Raums 11 über den Wärmeübertrager 26 wieder abgibt. Mittels des rotieren den Axialventilators 13 wird eine Gasströmung G durch das Kühlaggregat 12 hindurch in dem zu kühlenden Raum 11 er zeugt. Das durch das Kühlaggregat 12 strömende Gas gibt beim Durchströmen des Kühlaggregats 12 Wärme an das Kühlme dium M ab.
[0076] In dem zweiten Schritt 41 wird außerdem veran lasst, dass wenigstens ein Betriebsparameter P und bei spielsgemäß die Drehzahl n und/oder der Motorstrom I konti nuierlich oder zeitdiskret in einem vorgegebenen Intervall erfasst werden. Unmittelbar nach der ersten Inbetriebnahme wird der Startwert für den erfassten Betriebsparameter P abgespeichert, beispielsgemäß der Startwert no bzw. ni für die Drehzahl n oder der Startwert Io bzw. Ii für den Motor strom I (Figur 8). Der wenigstens eine Startwert no bzw. ni, Io bzw. Ii wird im dritten Schritt 42 gespeichert.
[0077] Im Anschluss daran wird in einem vierten Schritt 43 geprüft, ob der Reinigungszustand erkannt wurde. Dazu wird dazu der Startwert des wenigstens einen Betriebspara meters P mit einem Inbetriebnahmeschwellenwert verglichen. Beim Ausführungsbeispiel kann der Startwert no bzw. ni für die Drehzahl n und/oder der Startwert Io bzw. Ii für Motor strom I mit dem jeweils zugeordneten Inbetriebnahmeschwel lenwert nmin, Imin verglichen werden. Wird der Inbetriebnah meschwellenwert unterschritten, ist der Reinigungszustand erreicht (Verzweigung OK aus dem vierten Schritt 43) und das Verfahren wird im fünften Schritt 44 fortgesetzt. In diesem fünften Schritt 44 wird eine Reinigung des Gasströ mungspfades 14 angefordert, beispielsweise indem das Reini gungssignal R an eine Benutzerschnittstelle übermittelt wird und dort eine Anzeige der Reinigungsanforderung veran lasst.
[0078] Nach dem fünften Schritt 44 wird das Verfahren in einem sechsten Schritt 45 fortgesetzt. Das Verfahren wird auch im sechsten Schritt 45 fortgesetzt, wenn der Reini gungszustand nicht erkannt wurde (Verzweigung NOK aus dem vierten Schritt 43).
[0079] In dem sechsten Schritt 45 wird geprüft, ob der Abtauzustand vorliegt. Solange dies nicht der Fall ist, wird das System 10 weiter betrieben und das Erreichen des Abtauzustandes wird zyklisch geprüft (Verzweigung NOK aus dem sechsten Schritt 45). Sobald die Abtauzustand erkannt wurde (Verzweigung OK aus dem sechsten Schritt 45), wird das Verfahren im siebten Schritt 46 fortgesetzt.
[0080] Beim Ausführungsbeispiel wurde der Abtauzustand zu einem ersten Zeitpunkt ti erkannt (Figur 8). Zu diesem ersten Zeitpunkt ti hat die Blockade E bei dem hier be schriebenen Beispiel einen Wert erreicht, der größer ist als der zweite Wert E2 der Blockade E, wie es in Figur 8 lediglich beispielhaft veranschaulicht ist. Es versteht sich, dass der Betriebspunkt, dessen Erreichen dem Abtauzu stand entspricht, auch an einer beliebigen anderen Stelle der Kennlinie Kl, K2 definiert werden kann.
[0081] Sobald der Abtauzustand erkannt wurde, wird im siebten Schritt 46 das Abtausignal A erzeugt. Beim Ausfüh- rungsbeispiel wird das Abtausignal A an die Kühlungssteue rung 29 übermittelt. Die Kühlungssteuerung 29 startet in einem achten Schritt 47 nach dem Empfang des Abtausignals A den Abtauvorgang. Während des Abtauvorgangs wird der Axial ventilator 13 zumindest zeitweise stillgesetzt, wie es vor stehend bereits erläutert wurde.
[0082] In einem neunten Schritt 48 wird überprüft, ob der Abtauvorgang beendet wurde. Trifft dies zu, wird das Verfahren wieder im zweiten Schritt 41 fortgesetzt (Ver zweigung OK aus dem neunten Schritt 48). Solange der Abtau vorgang durch die Kühlungssteuerung 29 noch nicht beendet wurde, wird zyklisch geprüft, ob der Abtauvorgang beendet ist (Verzweigung NOK aus dem neunten Schritt 48).
[0083] Der Abtauvorgang kann beispielsweise eine vorge gebene Zeitdauer haben. Nach Ablauf dieser Zeitdauer schal tet die Kühlungssteuerung 29 den Kühlkreis 25 wieder in den Kühlbetrieb um und der Abtauvorgang ist beendet. Das Ende des Abtauvorgangs kann von der Kühlungssteuerung 29 an die Steuereinrichtung 20 übermittelt werden oder der Steuerein richtung 20 kann die Dauer des Abtauvorgangs bekannt sein, so dass die Steuereinrichtung 20 durch Zeitüberwachung das Ende des Abtauvorgangs feststellen kann.
[0084] Bei dem in Figur 8 veranschaulichten Ausführungs beispiel endet der Abtauvorgang zu einem zweiten Zeitpunkt 12 und das Verfahren setzt den Betrieb des Systems 10 wie der im zweiten Schritt 41 fort. Im darauffolgenden dritten Schritt 42 nach dem Ende des Abtauvorgangs wird ein weite rer Startwert für den wenigstens einen Betriebsparameter P erfasst, beispielsgemäß ein weiterer Startwert ni für die Drehzahl n und/oder ein weiterer Startwert Ii für den Mo- torstrom I. Wie es beispielhaft schematisch veranschaulicht ist, ist der weitere Startwert ni, Ii kleiner als der je weils entsprechende erste Startwert no, Io· Dies ist darauf zurückzuführen, dass mit zunehmender Gesamtbetriebsdauer nicht nur eine Eisbildung am Kühlaggregat 12 den Gasströ mungspfad 14 blockieren kann, sondern auch eine zunehmende Verschmutzung. Der Startwert des wenigstens einen Betriebs parameters P ist ein Maß für diese Verschmutzung, da zu diesem Zeitpunkt noch keine Eisbildung am Kühlaggregat 12 erfolgt ist. Daher können die nach jedem Abtauvorgang er fassten Startwerte als Kennzeichnung für die Verschmutzung dienen und basierend darauf einen Reinigungszustand zu er kennen, beispielsweise der Vergleich mit einem jeweiligen Inbetriebnahmeschwellenwert nmin, Imin.
[0085] Der Inbetriebnahmeschwellenwert kann beispiels weise abhängig vom ersten Startwert des Betriebsparameters P (z.B. no, Io) der allerersten Inbetriebnahme bzw. der In betriebnahme nach einer Reinigung des Gasströmungspfades 14 definiert werden. Er kann beispielsweise einem vorgegebenen prozentualen Anteil vom ersten Startwert des Betriebspara meters P (z.B. n0, Io) entsprechen.
[0086] Die Erfindung betrifft ein System zur Kühlung ei nes Raums 11 sowie ein Verfahren zum Betreiben dieses Sys tems 10. Das System 10 weist in dem zu kühlenden Raum 11 ein Kühlaggregat 12 und einen Axialventilator 13 auf. Der Axialventilator 13 ist dazu eingerichtet, eine Gasströmung G, insbesondere Luftströmung, durch das Kühlaggregat 12 hindurch zu erzeugen, wodurch Wärme von der Gasströmung an ein durch das Kühlaggregat 12 strömendes Kühlmedium M über- tragen wird. Ein Zusammenhang zwischen wenigstens einem Be triebsparameter P und einer Blockade E in einem Gasströ mungspfad 14 kann ermittelt werden, beispielsweise durch Simulation oder empirisch. Ein künstliches neuronales Netz 22 einer Steuereinrichtung 20 des Systems 10 wird trai niert, um den Zusammenhang zu charakterisieren. Im künstli chen Neuronalen Netz 22 wird basierend auf dem aktuellen Wert des wenigstens einen Betriebsparameters P geprüft, ob ein Abtauzustand erreicht ist. Trifft dies zu, wird ein Ab tausignal A erzeugt. Das Abtausignal A kann ein automati sches Abtauen auslösen oder eine Bedienperson über eine Be nutzerschnittstelle anzeigen, dass ein Abtauen erforderlich ist.
Bezugszeichenliste :
10 System
11 Raum
12 Kühlaggregat
13 Axialventilator
14 Gasströmungspfad
15 Einlass
16 Auslass
17 Strömungskanal
18 Elektromotor
19 Rotor
20 Steuereinrichtung
21 Drehzahlsensor
22 künstliches Neuronales Netz
25 Kühlkreis
26 Wärmeübertrager
27 Verdichter
28 Drossel
29 Kühlungssteuerung
30 Umschaltanordnung
31 Eingangsschicht
32 Zwischenschicht
33 Ausgangsschicht
34 Neuron
35 Verzögerungsglied
36 Gegenstand
40 erster Schritt
41 zweiter Schritt
42 dritter Schritt 43 vierter Schritt
44 fünfter Schritt
45 sechster Schritt
46 siebter Schritt
47 achter Schritt
48 neunter Schritt
A Abtausignal b nicht eindeutiger Bereich d Reichweite
E Blockade
Ei erster Blockadewert
E2 zweiter Blockadewert
G Gasströmung
I Motorstrom
10 Startwert des Motorstroms
11 weiterer Startwert des Motorstroms
Imin Inbetriebnahmeschwellenwert des Motorstroms
Kl Drehzahl-Blockade-Kennlinie
K2 Motorstrom-Blockade-Kennlinie
M Kühlmedium n Drehzahl no Startwert der Drehzahl ni weiterer Startwert der Drehzahl nmin Inbetriebnahmeschwellenwert der Drehzahl
P Betriebsparameter
Q Schwellenwert
R Reinigungssignal
S Stellgröße to StartZeitpunkt ti erster Zeitpunkt
12 zweiter Zeitpunkt t3 dritter Zeitpunkt
Xl-Xn Neuroneneingangs wert x« gewichtete Summe y Neuronenausgangs wert

Claims

Patentansprüche:
1. Verfahren zum Betreiben eines Systems (10) aufweisend einen Axialventilator (13), der zur Erzeugung einer Gasströmung (G) entlang eines Gasströmungspfades (14) eingerichtet ist, ein stromabwärts oder stromaufwärts des Axialventilators (13) im Gasströmungspfad (14) an geordnetes Kühlaggregat (12), und eine Steuereinrich tung (20) für den Axialventilator (13), die ein künst liches Neuronales Netz (22) aufweist, wobei das Verfah ren umfasst:
- Starten des Axialventilators (13),
- kontinuierliches oder zeitdiskretes Ermitteln wenigs tens eines Betriebsparameters (n, I) des Axialventila tors (13) mittels der Steuereinrichtung (20),
- Prüfen mittels des künstlichen Neuronalen Netzes (22) der Steuereinrichtung (20), ob ein Abtauzustand des Kühlaggregats (12) erreicht ist, basierend auf dem we nigstens einen Betriebsparameter (n, I) und einem durch das künstliche neuronale Netz (22) berücksichtigten Zu sammenhang (Kl, K2) zwischen dem wenigstens einen Be triebsparameter (n, I) und einer Blockade (E) des Gas- strömungspfades,
- Erzeugen eines Abtausignals (A) mittels des künstli chen Neuronalen Netzes (22) der Steuereinrichtung (20), wenn der Abtauzustand erkannt wurde.
2. Verfahren nach Anspruch 1, wobei das Abtausignal (A) einer Kühlungssteuerung (29) übermittelt wird, die dazu eingerichtet ist, einen Abtauvorgang auszulösen, wenn das Abtausignal (A) empfangen wurde.
3. Verfahren nach Anspruch 2, wobei die Steuereinrichtung
(20) dazu eingerichtet ist, den Axialventilator (13) stillzusetzen, nachdem das Abtausignal (A) erzeugt wurde.
4. Verfahren nach Anspruch 3, wobei die Steuereinrichtung
(20) dazu eingerichtet ist, den Axialventilator (13) erst nach dem Ende des Abtauvorgangs wieder in Betrieb zu nehmen.
5. Verfahren nach Anspruch 4, wobei das künstliche Neuro nale Netz (22) der Steuereinrichtung (20) dazu einge richtet ist, nach der Wiederinbetriebnahme des Axial ventilators (13) zu prüfen, ob ein Reinigungszustand des Gasströmungspfades (14) erreicht ist.
6. Verfahren nach Anspruch 5, wobei der Reinigungszustand erkannt wird, wenn der wenigstens eine Betriebsparame ter (P) einen Inbetriebnahmeschwellenwert (nmin, Imin) unterschreitet.
7. Verfahren nach Anspruch 6, wobei der Inbetriebnahme schwellenwert (nmin, Imin) basierend auf dem bei der ers ten Inbetriebnahme ermittelten wenigstens einen Be triebsparameter (nScw Iso) ermittelt wird.
8. Verfahren nach einem der vorhergehenden Ansprüche, wo bei der wenigstens eine Betriebsparameter (P) die Dreh zahl (n) des Axialventilators (13) aufweist.
9. Verfahren nach Anspruch 8, wobei Abtauzustand erkannt wird, wenn die Ventilatordrehzahl (n) einen Betriebs punkt in einer Drehzahl-Blockade-Kennlinie (Kl) er reicht hat, die den Zusammenhang zwischen der Ventila tordrehzahl (n) und der Blockade (E) des Gasströmungs pfades beschreibt.
10. Verfahren nach einem der vorhergehenden Ansprüche, wo bei der wenigstens eine Betriebsparameter (P) einen Mo torstrom (I) eines Elektromotors (18) des Axialventila tors (13) aufweist.
11. Verfahren nach Anspruch 10, wobei der Abtauzustand er kannt wird, wenn der Motorstrom (I) einen Betriebspunkt in einer Motorstrom-Blockade-Kennlinie (K2) erreicht hat, die den Zusammenhang zwischen dem Motorstrom (I) und der Blockade (E) des Gasströmungspfades beschreibt.
12. Verfahren nach einem der vorhergehenden Ansprüche, wo bei das Kühlaggregat (12) Bestandteil eines Kühlkreises (25) ist und von einem Kühlmedium (M) durchströmbar ist, und wobei das Kühlmedium (M) während des Abtauvor gangs eine Temperatur aufweist, die ein Abtauen des Ei ses am Kühlaggregat (12) bewirkt.
13. System (10) aufweisend: einen Axialventilator (13), der zur Erzeugung einer Gasströmung (G) entlang eines Gasströmungspfades (14) eingerichtet ist, ein stromabwärts oder stromaufwärts des Axialventila- tors (13) im Gasströmungspfad (14) angeordnetes Kühlag gregat (12), und eine Steuereinrichtung (20) aufweisend ein künstli ches Neuronales Netz (22), wobei die Steuereinrichtung (20) dazu eingerichtet ist, das Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.
14. System nach Anspruch 13, wobei das Kühlaggregat (12) und der Axialventilator (13) in einem zu kühlenden Raum (11) angeordnet sind, und wobei das Kühlaggregat (12) Bestandteil eines von einem Kühlmedium (M) durchström ten Kühlkreises (25) ist, der einen außerhalb des zu kühlenden Raums (11) angeordneten Wärmeübertrager (26) aufweist.
15. System nach Anspruch 14, wobei der Kühlkreis (25) eine Kühlungssteuerung (29) aufweist, die zur Steuerung des Kühlkreises (25) eingerichtet ist.
PCT/EP2022/062816 2021-05-28 2022-05-11 Verfahren und system zum abtauen eines kühlaggregats Ceased WO2022248229A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021113802.7A DE102021113802A1 (de) 2021-05-28 2021-05-28 Verfahren und System zum Abtauen eines Kühlaggregats
DE102021113802.7 2021-05-28

Publications (1)

Publication Number Publication Date
WO2022248229A1 true WO2022248229A1 (de) 2022-12-01

Family

ID=82016318

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/062816 Ceased WO2022248229A1 (de) 2021-05-28 2022-05-11 Verfahren und system zum abtauen eines kühlaggregats

Country Status (2)

Country Link
DE (1) DE102021113802A1 (de)
WO (1) WO2022248229A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009052409B4 (de) * 2009-11-10 2018-03-15 Stiebel Eltron Gmbh & Co. Kg Wärmepumpenanlage
DE102018212127A1 (de) * 2018-07-20 2020-01-23 BSH Hausgeräte GmbH Haushaltskältegerät mit einem drehzahlgeregelten Lüfter und Verfahren zum Betreiben eines Haushaltskältegerätes mit einem drehzahlgeregelten Lüfter
CN110850717A (zh) * 2019-11-19 2020-02-28 浙江工业大学 利用风机电流的神经网络热泵除霜控制装置及控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6486335B2 (ja) 2014-04-22 2019-03-20 日立ジョンソンコントロールズ空調株式会社 空気調和機及びその除霜運転方法
US10168067B2 (en) 2015-09-22 2019-01-01 Lennox Industries Inc. Detecting and handling a blocked condition in the coil

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009052409B4 (de) * 2009-11-10 2018-03-15 Stiebel Eltron Gmbh & Co. Kg Wärmepumpenanlage
DE102018212127A1 (de) * 2018-07-20 2020-01-23 BSH Hausgeräte GmbH Haushaltskältegerät mit einem drehzahlgeregelten Lüfter und Verfahren zum Betreiben eines Haushaltskältegerätes mit einem drehzahlgeregelten Lüfter
CN110850717A (zh) * 2019-11-19 2020-02-28 浙江工业大学 利用风机电流的神经网络热泵除霜控制装置及控制方法

Also Published As

Publication number Publication date
DE102021113802A1 (de) 2022-12-01

Similar Documents

Publication Publication Date Title
DE69817277T2 (de) Abtausteuerung für wärmepumpe
DE112008001492B4 (de) Startsteuervorrichtung und -verfahren für einen elektrischen Spiralkompressor
EP2039939B1 (de) Verfahren zur Überwachung einer Energieumwandlungseinrichtung
EP2196740B1 (de) Verfahren zur Bestimmung der Leistungszahl einer Kältemaschine
DE10220168B4 (de) Fahrzeugklimaanlage und Regelungsverfahren einer solchen
DE102015012462B3 (de) Verfahren und eine Vorrichtung zum sensorlosen Regeln eines mit einem EC-Motor betriebenen Ventilators eines Lüftungsgeräts
DE102017111976A1 (de) Motorkühlsysteme und -verfahren
WO2015052055A1 (de) Elektronische steuerungseinrichtung für eine komponente der drucklufterzeugung, druckluftaufbereitung, druckluftspeicherung und/oder druckluftverteilung
EP1965158A2 (de) Verfahren zum Kalibrieren einer Kälteanlage und eine Kälteanlage
EP4012314A1 (de) Vorrichtung sowie verfahren zur erkennung eines belags auf einer wärmetauscherfläche
DE60018820T2 (de) Routine zur Prüfung von einzelnen Komponenten einer Kühleinrichtung vor Inbetriebnahme
DE112019007732T5 (de) Klimaanlage
DE69007018T2 (de) Fahrzeugklimaanlage.
DE102004024579B3 (de) Vorrichtung und Verfahren zur Füllstandsüberwachung eines Kältemittelkreislaufs einer Fahrzeugklimaanlage
DE102012208819B4 (de) Verfahren für die steuerung und regelung von kälteanlagen und wärmepumpen mit luftbeaufschlagtem verdampfer
WO2012126678A1 (de) Verfahren sowie diagnosetester zum erkennen eines fehlers in einem kühlkreislauf eines kraftfahrzeugs
WO2022248229A1 (de) Verfahren und system zum abtauen eines kühlaggregats
DE3340736C2 (de)
EP4212786A1 (de) Verfahren zum abtauen eines lufteintrittsgitters eines verdampfers einer luft-wärmepumpe, vorrichtung zur durchführung des verfahrens und computerprogrammprodukt
DE102005048967A1 (de) Verfahren und Vorrichtung zum Betreiben einer Kompressionskälteanlage
DE60221748T2 (de) Verfahren zur Beendigung des Abtauvorgangs einer Klimaanlage und Klimaanlage, die das Verfahren verwendet
DE102011088919B3 (de) Verfahren zum Überprüfen von zwei steuerbaren Ventilen einer Motorkühlung
WO2022248227A1 (de) Verfahren und system zum abtauen eines kühlaggregats
DE102016209500A1 (de) Klimaanlagen-Kältekreislauf
DE602005002884T2 (de) Motorbetriebene Klimaanlage und Steuerungsverfahren dafür

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: 22729096

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22729096

Country of ref document: EP

Kind code of ref document: A1