本发明涉及自动化技术领域。
背景技术:
对于自动化系统中的机电元件来说,例如,对于开关装置或者保护开关装置来说,机电元件的状态和操作模式可以根据环境条件而改变。其原因,例如为温度变化、冲击振动、元件磨损、电气开关触点的接触磨损或者阀门的机械磨损。
目前,通常基于实证检验对机电元件的使用寿命进行预测。在所述过程中,通常假设被测机电元件构成了代表性的参数分散的代表,并且假设测试结果对应于统计学上的预期分散。最终,从测试结果中,基于磨损行为推导出预测。对于机电元件来说,特别是对于继电器来说,已经发现基于实验确定的支撑位点的威布尔分布对于故障时间的开关触点的磨损是可用的。
根据所确定的威布尔分布,可以推导出关于切换次数的预测,其通常达到整体的一定百分比。这种方法的一个缺点在于,预测的准确性取决于所测试的机电元件的数量,以及表示实际发生的参数分散的能力。另一个缺点在于,机电元件在具体使用情况下所确定的极值通常设置的过于保守,即,设置的维护间隔过度经常且过于频繁地发生,结果,使得机电元件变得尺寸过大且不必要地昂贵。另一个缺点在于,许多使用中的机电元件在预期故障之前失效,因此可能发生失灵、失误甚至潜在的危险故障。
技术实现要素:
因此,本发明的目的在于创建一种用于监测自动化系统的机电元件的有效设计。
所述目的通过独立权利要求的特征实现。从属权利要求、说明书和附图的主题均为有利的改进。
根据第一个方面,本发明涉及一种用于自动化系统的机电元件的监测方法。所述方法包括获取机电元件的机械状态变量,获取机电元件的电气状态变量,以及基于具有机电元件的多种状态的多维特性线场,确定机电元件的状态,其中,所述机电元件的每一种状态与一机械状态变量和一电气状态变量相关。
此外,根据一个实施例,在多维特性线场中,几何参数与机电元件的各状态相关,其中,所述方法包括:确定机电元件的几何参数;以及基于多维特性线场确定机电元件的状态,其中,所确定的状态与所获取的机械状态变量、所获取的电气状态变量以及几何参数相关。
根据一个实施例,多维特性线场由数字数据值,特别是预先存储的数字数据值表示。数字数据值可以预先存储在机电元件的存储器中。
根据一个实施例,所述方法包括在多维特性线场的支撑点之间插值,以便确定机电元件的状态,其中,支撑点由电气状态变量、机械状态变量和/或几何参数给出。
根据一个实施例,所述方法包括基于机电元件的行为模型确定多维特性线场,其中,行为模型将所获取的机械状态变量对于所获取的电气状态变量的影响考虑在内。
根据一个实施例,多维特性线场是通过实施机电元件的行为模拟来确定的,其中,行为模拟执行行为模型。
根据一个实施例,所述方法此外还包括特别借助显示装置,显示所确定的机电元件的状态。
根据一个实施例,所述方法此外还包括根据所确定的机电元件状态生成用于控制机电元件的控制信号,以及利用所生成的控制信号控制机电元件。
根据一个实施例,机械状态变量和电气状态变量是通过机电元件获取的。
根据一个实施例,机械状态变量包括以下机械状态变量中的一种:机电元件的触点的回跳,机电元件的触点的回跳的回跳持续时间,机电元件的触点的回跳的回跳数,机电元件的组件的温度,机电元件的环境温度,机电元件的组件的运动速度,特别是电枢的运动速度,或者机电元件的触点的接触力或者脱离力。
根据一个实施例,电气状态变量是通过机电元件的电流或者机电元件的电压。
根据一个实施例,所确定的机电元件状态是机电元件的使用寿命。
根据一个实施例,机电元件是机电开关,特别是继电器。
根据第二个方面,本发明涉及一种机电元件。所述机电元件包括获取装置,其用于获取机电元件的机械状态变量和机电元件的电气状态变量。所述机电元件此外包括存储器,其中存储有具有机电元件的多种状态的多维特性线场,其中,所述机电元件的每一种状态与一机械状态变量和一电气状态变量相关。另外,所述机电元件包括处理器,用于基于多维特性线场确定机电元件的状态。
所述机电元件用于实施所述方法。所述机电元件的其他特性直接从所述方法的特征得出。
根据第三个方面,本发明涉及一种具有程序代码的计算机程序,其用于实施所述方法。机电组件可以由软件进行设置,以便执行程序代码或者部分程序代码。
本发明可以在硬件和/或软件中实施。
附图说明
参考附图对附加实施例进行更详细的说明。
在附图中:
图1示出了自动化系统的机电元件的监测方法的示意图;
图2示出了机电元件的示意图;
图3示出了多维特性线场的示意图;
图4a示出了用于确定多维特性线场的行为模型的示意图;
图4a'示出了用于确定多维特性线场的行为模型的示意图;
图4b示出了用于确定多维特性线场的行为模型的示意图;
图4b'示出了用于确定多维特性线场的行为模型的示意图;
图5a示出了机电元件的状态变量的时间曲线的示意图;
图5b示出了机电元件的状态变量的时间曲线的示意图;
图5c示出了机电元件的状态变量的时间曲线的示意图;
图5d示出了机电元件的状态变量的时间曲线的示意图;
图5e示出了机电元件的状态变量的时间曲线的示意图;
图5f示出了机电元件的状态变量的时间曲线的示意图;
图6a示出了用于确定多维特性线场的行为模型的示意图;
图6a'示出了用于确定多维特性线场的行为模型的示意图;
图6b示出了用于确定多维特性线场的行为模型的示意图;以及
图6b'示出了用于确定多维特性线场的行为模型的示意图。
附图标记
100机电元件的监测方法
101获取机械状态变量
103获取电气状态变量
105确定机电元件的状态
200机电元件
201获取装置
203存储器
205处理器
401固件组件
403电子组件
405机电元件
407流体组件
409数据接口
411固件模块
413电子模块
415电磁模块
417机械模块
419元模型模块
421对象
423对象
425对象
具体实施方式
图1示出了用于自动化系统的机电元件的监测方法100的示意图。所述方法100包括获取101机电元件的机械状态变量,获取103机电元件的电气状态变量,以及基于具有机电元件的多种状态的多维特性线场,确定105机电元件的状态,其中,机械状态变量和电气状态变量与机电元件的每一种状态相关,或者说机电元件的每一种状态与一机械状态变量和一电气状态变量相对应。
图2示出了机电元件200的示意图。机电元件200包括获取装置201,其用于获取机电元件200的机械状态变量和机电元件200的电气状态变量。机电元件200此外还包括存储器203,其中存储有具有机电元件200的多种状态的多维特性线场,其中,机械状态变量和电气状态变量与机电元件200的每一种状态相关。此外,机电元件200包括处理器205,其用于基于多维特性线场确定机电元件200的状态。
图3示出了多维特性线场的示意图。多维特性线场可以表示为用于对机电元件(例如继电器)的状态(例如使用寿命)进行描述的行为模型。可以通过例如将负载条件、环境条件和几何参数考虑在内的行为模型来对状态进行描述,利用所述行为模型可以进行状态预测。
这一概念可以包括:将实验方式所确定的例如使用寿命值的机电元件的状态表示在将负载条件、环境条件、机械状态变量、电气状态变量和/或几何参数考虑在内的行为模型中,以便从可靠性的角度推导出对预期状态(例如使用寿命)的预测。
在所述过程中,例如待切换的负载可以与多个负载范围相关,每个负载范围的特性由相同的故障机制但不同的负载强度进行表征。示例如下:
-直流电压/交流电压;
-电感负载/电阻负载/电容负载及其组合;或者
-低负载或者接触中断。
因此,可以建立特性线场,所述特性线场根据负载条件、环境条件、机械状态变量、电气状态变量和/或几何参数,表示例如使用寿命的机电元件的状态。
具体来说,可以实施以下步骤以用来实现这一目的:
步骤1:
记录所有相关的电气状态变量、机械状态变量、几何参数和(如果需要的话)每个待测机电元件的其他参数。
步骤2:
建立和/或确定充分表示负载范围(例如,最大值、平均值和最小值)的所选定的负载的负载范围和定义。
步骤3:
利用例如超行程、触点间距、重置力和回跳时间的不同的参数,,在所定义的负载范围的选定位点进行测试。
步骤4:
基于将参数的变化或分散考虑在内的测试结果进行行为模型的准备。
在将机电元件的特性值(例如,超行程、触点间距、重置力或回跳时间)考虑在内的情况下,通过从特性线场推导出预期状态而实现基于多维特性线场的预测。在将已经完成的切换次数考虑在内的情况下,例如可以预测剩余的使用寿命。
使用所述行为模型的示例是对实际的机电元件(例如具有电子和固件的继电器)的表征,其中,在持续的操作期间确定或测量对电气使用寿命重要的特性值,并且在将在触点上有电压/电流的切换负载、已经完成的切换次数和/或环境条件考虑在内的情况下,推导出剩余的使用寿命。
在由于大量切换次数而在一定时间内预期发生的故障的情况下,可以预防性地维护自动化系统或者可以更换机电元件。有利于借助多维特性线场将所述行为模型集成到系统模型中。
下面,将进一步对方法100和机电元件200的附加实施例进行详细描述。
方法100能够使用基于行为模型确定的多维特性线场,对机电元件200进行分析和监测。为此,可以使用行为模拟器。机电元件200例如可以是开关装置。这一概念使得可以使用从实际机电元件200获取的状态变量(其可以是特性值),通过多维特性线场表示机电元件200的行为。
在行为模拟或系统模拟中,自动化系统中所存在的不同域的元件被表示于行为模型中,并且经由例如电流、力、流量或者逻辑状态的状态变量或者动作变量连接起来。行为模拟的优点在于,例如,可以将状态变量的效应和反馈效应考虑在内。因此,例如,可以表示机械系统对电磁和电气系统的反馈效应。
行为模拟因此表示了机电元件200的状态。因此,例如,可以获取机械或电气状态变量的值和变化。
除了使用状态变量的双向流对行为模型进行表示之外,复杂的行为模型可以经由元模型进行表示,并且集成到行为模拟中。例如当根据负载、机械超行程、触点间距、接触力、重置力、时间依赖性回跳或者打开速度来表示电气触点的可靠性行为时,元模型的使用是有利的。此外,由于元模型的集成,可以借助于所获取的状态变量确定故障概率,并且在潜在危险状态的情况下,可以实施自动化系统的关闭。
行为模型或者模拟模型通常包括来自以下域的对象:
-电气,例如电子电路、传感器(诸如光电传感器)或者开关;
-磁性,例如簧片触点、传感器;
-电磁,例如继电器、屏蔽、阀门、霍尔传感器;
-流体,例如压力阀、喷嘴;
-热源,例如负载电阻、加热器、风扇、冷却器;
-软件对象,例如固件块、pwm、ossd;以及
-用于表示随机连接的元模型。
图4a和图4a'示出了用于确定多维特性线场的行为模型的示意图。行为模型涉及例如作为机电元件的机电开关装置。所述图示出了用于双向数据传输的固件组件401、电子组件403、机电元件405、流体组件407和数据接口409。此外,所述图还示出了用于确定作为机电元件的状态的触点可靠性的固件模块411、电子模块413、电磁模块415、机械模块417和元模型模块419。
通过基于行为模型实施行为模拟,可以确定用来表示与机电元件的状态有关的机电元件的机械状态变量和电气状态变量的多维特性线场。
图4b和图4b'示出了用于确定多维特性线场的行为模型的示意图。行为模型涉及例如作为机电元件的机电开关装置。所述图示出了用于双向数据传输的固件组件401、电子组件403、机电元件405、流体组件407和数据接口409。此外,所述图还示出了用于确定作为机电元件的状态的电弧放电持续时间的对象421,用于确定作为机电元件的状态的触点回跳行为的对象423,以及用于确定作为机电元件的状态的触点电阻的对象425,这些对象可以任选地或附加地使用。
通过基于行为模型实施行为模拟,可以确定用来表示与机电元件的状态有关的机电元件的机械状态变量和电气状态变量的多维特性线场。
图5a-图5f示出了机电元件的状态变量的时间曲线的示意图。下面,将进一步对两个实施例示例进行详细解释。
第一实施例示例:
在负载具有高接通电流的情况下,例如在屏蔽或者电机的情况下,作为机电元件的继电器的触点的使用寿命强烈依赖于触点接通期间的回跳行为。
如果触点不回跳或者如果回跳时间短于0.1μs,通常不会形成接通电弧,则由接通电弧加热所引起的触点磨损少于回跳时间通常大于1至5ms并且回跳次数介于2至5之间的回跳触点的磨损。如果超出临界值,例如回跳次数或者回跳持续时间的临界值,则负载触点可能被永久焊接,因此可以使负载保持接通,这可能会表示潜在的危险状态。
回跳行为的变化可能因多种影响而发生,例如负载触点上的切换次数,环境温度或者机械磨损的影响,控制电压或者触点弹簧疲劳的影响。
在所述实施例示例中,确定负载触点的回跳行为,特别是回跳次数或者回跳持续时间。在具有使回跳行为变化为关于回跳次数或者回跳持续时间的临界值的影响的变化情况下,机电元件可获得关于所述状态变化的信息。随后,例如可以产生用于用户的警告,或者可以在故障之前的适当时间实施关闭,从而在临界状态之前实施关闭。
通过借助于电流传感器(例如簧片触点)获取负载电流,并且获取触点回跳对于继电器线圈的控制电流的机械反馈效应的情况,可以确定回跳行为。在触点回跳的情况下,通过使触点断开来暂时关闭负载电流。在高负载的情况下,在断开的触点之间可能会形成电弧。如果负载电压过高,例如在电网电压下,获取负载电流的中断和/或改变可能是具有挑战性的,并且因此剩余电源电压由于形成的电弧而仅仅发生非常小的改变。
因此,另外或者并行地,可以确定回跳触点对于线圈的控制电流的机械影响。在图5a中,表示了继电器线圈的激励电压、线圈电流、常开触点的接触电流以及电枢运动。这些状态变量可以通过测量技术获取。在此,显然常开触点的回跳脉冲对线圈电流有影响。这种对于线圈电流的影响可以通过测量技术进行确定和评估。
如图5b所示,例如一种评估可能性在于将线圈电流进行1-2次微分,以便获取线圈电流的变化。在建立第一触点之后,可以在线圈电流被进行2次微分后,将回跳脉冲识别为零。从零的次数和持续时间可以在控制端识别触点回跳脉冲的次数和持续时间。
另一种可能的用途是分析触点回跳脉冲的原因,并且可选地在正常操作中进行校正。发生回跳脉冲的一个原因可能在于,例如继电器的加热和相关线圈电阻的增加。由于这种效应,用于继电器激励的线圈电流减小,这可能同时意味着磁体系统的力的减小,并且与此相关地,增加回跳持续时间或者回跳脉冲次数。
其他可能包括例如由摩擦或者疲劳引起的机械参数的改变,以及由此引发的建立触点时的动力学条件的变化。为了确定这一现象的原因,可以比较在继电器参数变化下的行为模型所确定的状态变量,并且比较实际对象所测量的状态变量。通过以模型特性(例如微分线圈电流和所测量的微分线圈电流)的最小偏差为目标来优化模型参数,可以确定用于确定实际对象的变化行为及其值的参数。基于这一发现,例如,可以通过改变控制特性(例如电流增加量、电压值,脉冲形式、脉冲持续时间、脉冲宽度调制(pwm)中的脉冲频率)来影响对回跳行为的控制,使得回跳脉冲的次数或持续时间最小化,并且因此可以后移到达临界状态(例如永久焊接触点)的时间。
第二实施例示例
为降低继电器的控制功率,通常选择pwm控制。这具有如下优点:在接通之后,继电器线圈可以以足以维持运行状态的周期电压运行。由于继电器参数可能会表现出分散,所以通常选择的脉冲宽度为使得即使在最坏情况下,也可以为所有可能的继电器维持所述运行状态。然而,由于只有很少的继电器(在正常分配过程中<<0.1%)需要用于这些最坏情况,所以其余的绝大多数都利用比必要的功率更高的功率来进行控制。这会导致发热并带来挑战,特别是在同时控制大量继电器的情况下。
这一概念在于,例如通过脉冲-暂停比,获取各个继电器的最佳功率,并且通过将控制设置为最小的方式,使得始终保持在运行位置。
发生顺序通常如下:
步骤1:
在全电压接通时间内激励继电器,直到安全到达最终位置。
步骤2:
pwm键控运行电压并测量线圈电流。
步骤3:
在电枢运动开始时(这可以通过线圈电压的增加来识别),通过改变脉冲比的方式,使得电枢再次安全地保持在运行位置。
在图5c中,表示了正常条件下的控制电压、线圈电流、电枢运动和接触力的曲线的示例。在45ms之后,通过将所述pwm配置成使得电枢保持在运行位置的方式将线圈电压切换到pwm。图5d示出了所分配的pwm不足的情况的示例,从而在大约62ms的延迟时间之后,电枢开始从最终位置分离并且因此还使接触力也减小了。图5e和图5f示出了检测到电枢运动的状态,其中,对线圈电流进行了微分,并且由所微分的电枢电流的正过零检测电枢运动。利用该信号,例如通过增加占空比值改变pwm,,使电枢立即以可靠的方式再次到达最终位置。由此产生的剩余电枢运动是最小的,并且负载触点处的接触力实际上保持不变,如图5e所示。
图6a、图6a'、图6b和图6b'示出了用于确定多维特性线场的行为模型的示意图。机电元件的物理行为模型可以形成机电元件的“数字化双胞胎”。行为模型可以借助行为模拟器实施,并且用于确定多维特性线场。
作为系统表示的行为模型(1)包括电气元件的所有元件的物理模型,例如:
(1.1)电子元件(控制电路继电器,包括开关请求块);
(1.2)电磁体(磁体系统继电器);
(1.3)机械元件(触点弹簧、复位弹簧继电器);
(1.4)开关触点(模型触点电阻器、电弧开关触点继电器);
(1.5)电流传感器(传感器负载电流);
(1.6)负载电压;
(1.7)负载(电阻、电感、电容);以及
(1.8)特性线场使用寿命
为此,可以在类似于特性线场的替换模型或元模型中表示测试结果和相关参数。在此,这对于为不同的负载类型(例如,直流或交流电)以及不同的故障机制(例如,作为潜在的危险故障的未断开触点,或者未闭合的触点)生成不同的模型是有利的。例如借助mop(最佳预测元模型)方法生成替换模型。
状态变量包括,例如:
(2.1)触点电压常闭触点;
(2.2)运行电压控制电路;
(2.3)线圈电流继电器;
(2.4)触点电压常开触点(负载触点);
(2.5)环境温度;
(2.6)负载电流;以及
(2.7)负载电压。
现在,进行机电元件的行为的模拟。为此,例如,从模拟中获得内部参数,这些例如负载触点的超行程或者负载触点的摩擦路径的内部参数无法通过测量技术被检测到,但是可以与行为(例如故障/使用寿命)相关。
另外,作为信号传输的测量值通过数学运算(例如积分运算、变换或求导等)转换,通过该方法使得可以例如通过系数表示信号的特性。这些系数可以以类似于正常参数的方式表示和处理。
所传输的测量值,在模拟中由其确定的参数以及在模拟中利用行为模型确定的参数,例如在至少一个元模型中被处理以用来预测故障行为,例如预测剩余切换次数。
状态变量或者状态被输出并且可视化。在预期剩余使用寿命明显减少或者剩余的使用寿命较短的情况下,可以例如借助预防性维护避免意外的故障。在剩余的剩余使用寿命较长的情况下,例如可以推迟计划的维护。
在另一个应用中,通过改变可设置的参数(1.9)对机电元件进行积极影响或优化,可设置的参数(1.9)例如:
-运行电压;
-pwm占空值;或者
-冗余情况下的切换顺序。
为此,在模拟模型层面上,优化器(6)可以在模拟参数(1.9)(例如,继电器特性值)变化的情况下,优化模拟结果(例如剩余使用寿命),使得找到最佳参数组(1.10),其中,例如达到了可能的最长的剩余使用寿命。
结合各个实施例描述和示出的所有特征都可以在本发明主题中以不同组合提供,以便同时实现其有利效果。