用于管理机电系统的系统、装置和方法
1.本公开涉及机电系统领域，并且更特别地，涉及用于管理机电系统的系统、装置和方法。
2.诸如感应马达之类的机电系统在多相功率供应上操作。理想情况下，这种多相功率供应必须是平衡的。功率供应中的电压或电流不平衡可能使得机电系统发生故障。例如，电压不平衡会引起从任何相位通过轴承或机电系统主体的电流泄漏。因此，形成了浮动大地（floating earth），即与地球断开连接的接地，从而导致了波动的电流。除了上述情况之外，电压或电流不平衡还会导致机电系统的绕组中的不均匀电流流动。由于铜损耗，不均匀的电流流动会引起机电系统某些部分中增加的热耗散。因此，在机电系统的不同部分中形成了热点。本文中使用的术语“热点”指代机电系统的特定部分中由增加的热耗散所导致的高温区域。机电系统绕组中的热点的形成会增加与该绕组相关联的绝缘物（insulation）的退化速率。典型地，温度中每升高10℃，绝缘物的寿命就会减少50%。一般而言，与功率供应相关联的事件会影响机电系统的性能和寿命。因此，缺少关于由于这种事件所致的对机电系统的影响的信息可能会导致非预期的停机。
3.鉴于上述情况，存在对基于与功率供应相关联的事件来高效管理机电系统的需要。
4.因此，本发明的目的是提供一种用于管理机电系统的系统、装置和方法。
5.本发明的目的通过一种用于管理机电系统的方法来实现。术语“机电系统”可以指代基于电磁感应原理将电能转换成机械能的任何机电机器。这种设备的非限制性示例包括变压器、dc发电机、交流发电机、dc有刷马达、无刷马达、步进马达、伺服马达、同步马达、单相感应马达和多相感应马达。
6.该方法包括：从一个或多个感测单元实时接收与机电系统相关联的操作数据。在一个实施例中，操作数据指示与机电系统相关联的一个或多个操作特性。更具体地，操作特性包括与机电系统的操作相关联的一个或多个参数的值。一个或多个参数可以包括但不限于对应于机电系统的一个或多个组件的磁通量、电流、电压、振动和温度。在一个实现方式中，操作特性可以从一个或多个感测单元连续地实时接收。在另一个实现方式中，操作特性可以以规则的时间间隔从机电系统来接收。
7.有利地，本发明实时使用与机电系统相关联的操作数据以用于管理机电系统。
8.该方法进一步包括：基于操作数据来检测与供应给机电系统的功率相关联的事件。与功率相关联的事件可以包括但不限于电压不平衡、相位不平衡、电流不平衡和瞬变（transient）。在一个实施例中，基于操作数据来检测与供应给机电系统的功率相关联的事件包括：使用相关性模型从操作数据中的至少一个参数来确定该事件。相关性模型将该参数与供应给机电系统的功率中的该事件进行关联。相关性模型可以使用相关性分析技术被预先确定，该相关性分析技术包括但不限于皮尔森技术、肯德尔技术和斯皮尔曼技术。有利地，本发明便于使用合适的相关性模型来预测供应给机电系统的功率中的任何事件的影响。
9.该方法进一步包括：基于检测到的事件使用操作数据来配置机电系统的虚拟复制
品。虚拟复制品是机电系统的虚拟表示。虚拟复制品可以基于机电系统的操作数据被动态地更新，以实时表示机电系统的状态。虚拟复制品可以基于以下各项中的一个或多个：计算机辅助设计（cad）模型、计算机辅助工程（cae）模型、一维（id）模型、二维（2d）模型、三维（3d）模型、有限元（fe）模型、描述性模型、元模型、随机模型、参数模型、降阶模型、统计模型、启发式模型、预测模型、老化模型、机器学习模型、人工智能模型、深度学习模型、系统模型、知识图等。在优选实施例中，虚拟复制品是机电系统的数字孪生体。在一个实施例中，机电系统的虚拟复制品是通过使用操作数据实时更新机电系统的虚拟复制品来配置的。在配置后，虚拟复制品在任何时刻处实时反映机电系统的状态。也就是说，虚拟复制品实时表示机电系统的瞬时行为。在一个实施例中，虚拟复制品可以基于从机电系统的原始设备制造商（oem）接收到的信息被创建并存储在装置中。在另一个实施例中，虚拟复制品可以被存储在用户设备、个人计算机、可移除存储设备、服务器、云存储装置等中。所存储的虚拟复制品可以被访问并下载到该装置上。
10.有利地，虚拟复制品便于软传感器技术，该软传感器技术用于测量可能不容易使用物理传感器来测量的参数（例如，机电系统内部的参数），从而预测由于与供应给机电系统的功率相关联的事件所致的影响。
11.该方法进一步包括：通过在仿真环境中仿真所配置的虚拟复制品来生成一个或多个仿真结果。在一个实施例中，机电系统的仿真实例是使用仿真模型来生成的。仿真模型可以是以机器可执行形式的分析模型，该分析模型是从与马达相关联的基于物理学的模型、数据驱动模型、或混合模型导出的。仿真实例可以是与仿真模型相关联的仿真线程，该仿真线程在执行期间独立于所有其他线程。然后，基于机电系统的所配置的虚拟复制品在仿真环境中执行机电系统的仿真实例。换句话说，仿真实例是基于机电系统的状态被实时执行的。仿真实例可以在仿真环境中作为随机仿真、确定性仿真、动态仿真、连续仿真、离散仿真、局部仿真、分布式仿真等中的一个被执行。在优选实施例中，该仿真基于有限元分析（fea）。仿真结果是基于仿真实例在仿真环境中的执行来生成的。
12.有利地，本发明实时使用机电系统的状态以用于生成仿真结果。
13.该方法进一步包括：基于仿真结果来确定由于该事件所致的对机电系统的影响。在一个实施例中，基于仿真结果来分析机电系统实时的行为。本文中使用的术语“行为”可以包括但不限于跨机电系统的不同部分的电流流动、温度梯度和磁场梯度。机电系统的行为可以基于仿真结果使用描述性技术、探索性技术、推断性技术、预测性技术、因果性技术、定性分析技术、定量分析技术等中的一个或多个来分析。此外，基于机电系统的行为来预测对机电系统的影响。
14.在一个实施例中，由于该事件所致的对机电系统的影响与机电系统的性能相关联。性能可以通过参数来指示，该参数包括但不限于机电系统的输出、热量生成、能量效率、操作效率、噪声和振动。在另外的实施例中，机电系统的输出是通过分析仿真结果来计算的。更具体地，机电系统的输出是转矩输出。此外，机电系统的转矩输出中的转矩脉动（torque ripple）的存在被实时检测。本文中使用的术语“转矩脉动”可以指代机电系统的转矩输出中的周期性增加或减少，例如由于所供应的功率中的不平衡。转矩脉动的存在可以通过分析机电系统在预定时间间隔内的转矩输出来检测。例如，转矩脉动可以被计算为在单个旋转中机电系统的转子上的转矩的最大值与最小值之间的差。
15.在另一个实施例中，由于该事件所致的对机电系统的影响与对机电系统的组件的损坏相关联。该组件可以包括但不限于与机电系统相关联的转子、定子、定子绕组、转子绕组、壳体和轴承。在另外的实施例中，基于仿真结果来计算该组件的热简档（thermal profile）。术语“热简档”指代该组件的温度在一时间间隔内的变化。在一个示例中，该组件的热简档可以基于视觉机器学习（ml）技术、基于不同时刻处的机电系统中的温度分布来计算。视觉ml技术还可以使得机电系统的操作者能够在图形用户接口上将热简档可视化。此外，基于热简档来检测该组件中的一个或多个热点的存在。术语“热点”可以被定义为该组件中的高温小区域（pocket）。热点可以基于该组件中的不同区域处生成的热量来确定。此外，基于热点的存在来确定对该组件的损坏。在一个示例中，对该组件的损坏可以按照与该组件相关联的化学退化来确定。化学退化可以使用例如阿伦尼乌斯方程（arrhenius equation）来确定。在一个实施例中，对机电系统的影响可以基于该影响的关键程度（criticality）被进一步分类成预定义类别。该影响可以使用任何已知的分类算法被分类，包括但不限于决策树、随机森林和支持向量机。例如，基于该影响的后果，可以使用决策树将该影响分类为“无”、“轻度”和“危险”中的一个。如果该影响是非关键的，则该影响被分类为“无”；如果该影响与机电系统的故障相关联，则该影响被分类为“轻度”；并且如果该影响与对连接到机电系统的一个或多个负载的损坏相关联，则该影响被分类为“危险”。
16.有利地，本发明便于早期检测诸如热点和转矩脉动之类的影响，以使得操作者能够采取预防性措施，例如将负载与机电系统断开连接。
17.该方法可以进一步包括：基于由于该事件所致的对机电系统的影响来预测机电系统的剩余使用寿命。在一个实施例中，剩余使用寿命可以基于对机电系统的组件的损坏来计算。与热点相关联的温度可以用于计算随着温度中的升高该组件的退化速率。例如，阿伦尼乌斯方程可以用于计算退化速率。在一个实施例中，退化速率可以用于计算该组件的剩余使用寿命，例如使用数学模型。本领域技术人员必须理解的是，阿伦尼乌斯方程给出了随着温度的化学退化。在另一个实施例中，由该组件中的循环性热应力（cyclic thermal stress）导致的热疲劳（thermal fatigue）被考虑用于预测机电系统的剩余使用寿命。热应力是基于从与机电系统相关联的有限元仿真生成的仿真结果来确定的。循环性热应力是当温度在机电系统的几何约束下改变时的循环性材料膨胀和收缩的结果。基于该组件的材料的屈服强度，热疲劳可以是低循环性疲劳（lcf）或高循环性疲劳（hcf）中的一个。基于热疲劳的类型，计算该组件的疲劳寿命。例如，在lcf的情况下，通过基于视觉ml分析仿真结果来确定该组件中的塑性应变幅度。塑性应变幅度被进一步用于与该组件相关联的lcf模型中，以用于计算该组件的疲劳寿命。在一个示例中，lcf模型是coffin-manson关系。为了以更高的准确度来计算剩余使用寿命，基于仿真结果的分析，还确定与该组件相关联的其他因素，诸如机械不平衡、电气应力和过程应力。在一个示例中，可以使用预定的数学模型以基于一个或多个组件的疲劳寿命、一个或多个组件中的退化速率、以及在一个或多个组件中的每一个上进行的修理（repair）的数量中的至少一个来预测机电系统的剩余使用寿命。
18.有利地，本发明便于除了其他疲劳引发因素之外还基于与供应给机电系统的功率相关联的事件来准确预测机电系统的剩余使用寿命。
19.此外，该方法可以包括：基于由于该事件所致的对机电系统的影响来确定要在机电系统上执行的维护动作。维护动作可以与校正性维护、预防性维护或反应性维护中的一
个相关联。在一个实施例中，维护动作可以基于对机电系统的影响的类别来确定。例如，如果该影响属于“轻度”类别，则维护动作可能是预防性的，并且可能包括更换或修理机电系统的被损坏组件。如果该影响属于“危险”类别，则维护动作可能包括将机电系统与功率供应和负载断开连接。在优选实施例中，维护动作是基于存储在知识图上的信息来确定的。更具体地，对应于维护动作的信息是使用语义搜索从知识图中检索的。
20.有利地，本发明有助于使用知识图基于对机电系统的影响来准确地确定要执行的维护动作。
21.该方法可以进一步包括：调度维护动作，以便优化与机电系统相关联的停机时间。维护动作是基于该组件的剩余使用寿命来调度的。此外，其他因素（诸如备件的可用性、维修人员的可用性等）也可以被考虑用于调度维护动作。例如，在机电系统的剩余使用寿命到期之前，基于备件和维修人员的最早可用性来调度维护动作。
22.有利地，本发明通过优化停机时间而改进了机电系统的生产率。
23.附加地，该方法包括：生成指示由于该事件所致的对机电系统的影响的通知。该通知可以进一步包括与该组件的剩余使用寿命、所需的维护动作以及针对维护动作的调度相关联的信息。该通知可以在输出设备的图形用户接口上生成。该通知可以是以视觉警报的形式，例如以增强现实、虚拟现实、三维内容或二维内容的形式。此外，该通知还可以包括音频警报。
24.有利地，本发明便于向操作者通知与机电系统相关联的危险影响。
25.本发明的目的通过一种装置来实现，该装置包括一个或多个处理单元、以及通信地耦合到一个或多个处理单元的存储器单元。存储器单元包括以可由一个或多个处理单元执行的机器可读指令的形式被存储的管理模块。管理模块被配置成执行上面描述的方法步骤。管理模块的执行也可以使用协处理器来实行，该协处理器诸如图形处理单元（gpu）、现场可编程门阵列（fpga）或神经处理/计算引擎。此外，存储器单元还可以包括数据库。
26.根据本发明的实施例，该装置可以是边缘计算设备。如本文中所使用的，“边缘计算”指代能够在边缘设备（例如，其在一端连接到工业设置中的传感器单元，并且在另一端连接到（一个或多个）远程服务器，诸如用于（一个或多个）计算服务器或（一个或多个）云计算服务器）上执行的计算环境，该边缘设备可以是具有小的形状因子以及在计算能力方面的资源约束的紧凑计算设备。边缘计算设备的网络也可以用于实现该装置。边缘计算设备的这种网络被称为雾（fog）网络。
27.在另一个实施例中，该装置是具有基于云计算的平台的云计算系统，该平台被配置成提供用于管理机电系统的云服务。如本文中所使用的，“云计算”指代包括可配置的计算物理和逻辑资源（例如，网络、服务器、存储装置、应用、服务等）以及分布在网络（例如，互联网）上的数据的处理环境。云计算平台可以被实现为用于分析操作数据的服务。换句话说，云计算系统提供了对可配置计算物理和逻辑资源的共享池的按需网络访问。该网络例如是有线网络、无线网络、通信网络、或由这些网络的任何组合形成的网络。
28.附加地，本发明的目的通过一种用于管理机电系统的系统来实现。该系统包括：一个或多个感测单元，其被配置成用于提供与机电系统相关联的操作数据；以及如上所描述的装置，其通信地耦合到一个或多个感测单元。该装置被配置成根据上面描述的方法基于操作数据来管理机电系统。
signature）的第一感测单元115a。第一感测单元115a可以包括例如用于测量与马达105相关联的杂散磁通量的高斯计量表。系统100进一步包括用于捕获与马达105相关联的温度特征的第二感测单元115b。第二感测单元115b可以包括例如用于捕获定子外壳的表面温度的定位在马达105的定子外壳上的电阻温度检测器（rtd）。系统100进一步包括用于捕获马达105的负载简档的第三感测单元115c。第三感测单元115c可以包括例如安装在与马达105相关联的液压致动器上的负载传感器（load cell）。系统100进一步包括用于测量马达105的输出处的转矩的第四感测单元115d。第四感测单元115d可以包括例如耦合到马达105的轴的转矩传感器。在另外的实施例中，系统100可以包括用于测量与功率供应相关联的电压和电流值的第五感测单元115e。第五感测单元115e可以是马达保护设备。马达保护设备可以被配置成用于基于跨功率供应中的不同相位的电压来计算相位不平衡。类似地，马达保护设备也可以基于跨功率供应中的不同线路的线路电压来计算功率供应中的电压不平衡。类似地，马达保护设备也可以基于功率供应中的线路电流来计算电流不平衡。
36.第一感测单元115a、第二感测单元115b、第三感测单元115c、第四感测单元115d和第五感测单元115e进一步向控制器117提供包括每一个参数的测量值的操作数据。
37.控制器117包括收发器（未示出）、一个或多个处理器（未示出）以及存储器（未示出）。收发器被配置成将控制器117连接到与网络120相关联的网络接口（未示出）。在一个实施例中，控制器120从多个感测单元115接收操作数据，并且通过网络接口将操作数据传输到装置105。
38.装置110可以是（个人）计算机、工作站、运行在主机硬件上的虚拟机、微控制器或集成电路。作为替代方案，装置110可以是真实或虚拟计算机组（针对真实计算机组的技术术语是“集群”，针对虚拟计算机组的技术术语是“云”）。
39.装置110包括通信单元125、一个或多个处理单元130、显示器135、图形用户接口（gui）140和存储器145，它们彼此通信地耦合。在一个实施例中，通信单元125包括发射器（未示出）、接收器（未示出）和千兆以太网端口（未示出）。存储器145可以包括所堆叠的2千兆字节随机存取存储器（ram）叠层封装（pop）以及闪速存储器。处理单元130被配置成执行模块中的所定义的计算机程序指令。此外，处理单元130还被配置成同时执行存储器145中的指令。显示器135包括高清多媒体接口（hdmi）显示器和冷却风扇（未示出）。附加地，控制人员可以通过gui 140来访问装置110。gui 140可以包括基于web的接口、基于web的可下载应用接口等。
40.本文中使用的处理单元130意指任何类型的计算电路，诸如但不限于微处理器、微控制器、复杂指令集计算微处理器、精简指令集计算微处理器、超长指令字微处理器、显式并行指令计算微处理器、图形处理器、数字信号处理器或任何其他类型的处理电路。处理单元130还可以包括嵌入式控制器，诸如通用或可编程逻辑器件或阵列、专用集成电路、单芯片计算机等。通常，处理单元130可以包括硬件元件和软件元件。处理单元130可以被配置成用于多线程，即处理单元130可以同时托管不同的计算过程，从而并行地执行、或者在主动与被动计算过程之间切换。
41.存储器145可以包括易失性存储器和非易失性存储器中的一个或多个。存储器145可以被耦合用于与处理单元130通信。处理单元130可以执行存储在存储器145中的指令和/或代码。各种计算机可读存储介质可以被存储在存储器145中并从存储器145访问。存储器
145可以包括用于存储数据和机器可读指令的任何合适的元件，诸如只读存储器、随机存取存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器、硬盘驱动器、用于处理压缩盘、数字视频盘、软盘、磁带盒、存储卡等的可移除介质驱动器。
42.在本实施例中，存储器145包括采用上述存储介质中的任一个上的机器可读指令形式的校准模块150、预处理模块155、事件检测模块160、配置模块165、仿真模块170、分析模块175、报告生成模块180和维护模块185，它们在下文中统称为管理模块190，并且可以与处理单元130通信并由处理单元130执行。存储器145进一步包括数据库195。以下描述解释了这些模块在由处理单元130执行时的功能。
43.校准模块150校准马达105的虚拟复制品，以在仿真时实时复制马达105的基本相似的响应。换句话说，虚拟复制品被校准以确保与马达105的某种程度的保真度。虚拟复制品可以基于与马达105相关联的元数据、与马达105相关联的历史数据、以及马达105的模型。元数据可以包括马达105的额定电流、马达105的壳体材料、马达105的不同部分的磁滞系数、马达105的不同部分的热系数等。历史数据可以包括与马达105的性能、维护和健康状况相关的历史信息。马达105的模型可以包括与马达105相关联的人工智能（ai）模型和基于物理学的模型中的至少一个。在本实施例中，马达105的模型包括第一ai模型、第二ai模型和第三ai模型。使用图2更详细地解释了第一ai模型、第二ai模型和第三ai模型的训练。
44.通过调整（tune）第一ai模型、第二ai模型和第三ai模型来校准虚拟复制品，以用于准确地表示马达105的响应。更具体地，基于虚拟复制品的响应与马达105的实际响应之间的偏差来校准虚拟复制品。马达105的实际响应对应于从多个感测单元115接收到的操作数据。在一个示例中，可以使用贝叶斯校准技术来校准虚拟复制品。在校准后，虚拟复制品的响应、比如在时间t=10秒处的响应可以表示在相同操作条件下在时间t=10秒处马达105的响应。
45.预处理模块155被配置成用于对从多个感测单元115接收到的操作数据进行预处理。对操作数据的预处理可以包括用于准备操作数据以供进一步处理的不同步骤。预处理中的不同步骤可以包括但不限于数据清理、数据归一化、数据选择等。
46.事件检测模块160被配置成用于基于操作数据来检测与供应给马达105的功率相关联的事件。
47.配置模块165基于检测到的事件使用操作数据来配置马达105的虚拟复制品。
48.仿真模块170被配置成用于通过在仿真环境中仿真所配置的虚拟复制品来生成一个或多个仿真结果。
49.分析模块175被配置成用于基于仿真结果来预测由于该事件所致的对马达105的影响。
50.报告生成模块180被配置成用于生成指示由于该事件所致的对马达105的影响的通知。
51.维护模块185被配置成用于基于由于该事件所致的对马达105的影响来确定要在马达105上执行的维护动作。维护模块185进一步被配置成用于调度维护动作，以便优化与机电系统相关联的停机时间。
52.本领域普通技术人员将领会，图1中所描绘的硬件可以针对不同的实现方式而变化。例如，除了所描绘的硬件之外或代替所描绘的硬件，也可以使用其他外围设备，诸如光
盘驱动器等、局域网（lan）/广域网（wan）/无线（例如，wi-fi）适配器、图形适配器、盘控制器、输入/输出（i/o）适配器、网络连接设备。所描绘的示例仅出于解释的目的而提供，并且不意味着暗示关于本公开的架构限制。
53.根据本发明实施例的装置包括采用图形用户接口的操作系统。操作系统允许多个显示窗口同时呈现在图形用户接口中，其中每个显示窗口提供去往不同应用或相同应用的不同实例的接口。图形用户接口中的光标可以由用户通过定点设备来操纵。光标的位置可以被改变，和/或生成诸如点击鼠标按钮之类的事件，以致动期望响应。
54.如果被适当地修改，可以采用各种商业操作系统中的一个，诸如microsoft windows
™
的版本。操作系统是根据本公开来修改或创建的，如所描述的那样。
55.本发明不限于特定的计算机系统平台、处理单元、操作系统或网络。本发明的一个或多个方面可以分布在一个或多个计算机系统当中，该计算机系统例如被配置成向一个或多个客户端计算机提供一个或多个服务或在分布式系统中执行完整任务的服务器。例如，本发明的一个或多个方面可以在客户端-服务器系统上执行，该系统包括分布在执行根据各种实施例的多个功能的一个或多个服务器系统当中的组件。这些组件包括例如可执行代码、中间代码或解释代码，它们使用通信协议通过网络进行通信。本发明不限于在任何特定系统或系统组上可执行，并且不限于任何特定的分布式架构、网络或通信协议。
56.所公开的实施例提供了用于管理马达105的系统和方法。
57.参考图2，结合图1，根据本发明的示例性实施例，描述了用于校准马达105的虚拟复制品的设置200。设置200包括耦合到马达105的轴的负载。在一个示例中，负载可以包括泵（未示出）和液压致动器（未示出）。马达105上的负载由第三感测单元115c来测量。
58.设置200用于确定功率供应中的电压不平衡与关联于马达105的操作的一个或多个参数之间的经验关系。
59.在一个示例中，该参数是对应于功率供应的每个相位的定子线圈的温度。电压不平衡与定子线圈温度之间的经验关系可以基于与马达105相关联的温度特征来导出。首先，执行有限元（fe）仿真以确定对应于平衡电压和不平衡电压的马达105的温度分布。本文中使用的术语“平衡电压”指代功率供应的状态，其中线路电压是相等的。本文中使用的术语“不平衡电压”指代功率供应的状态，其中线路电压是不相等的。例如，不平衡电压可以对应于u相上的2%欠压（undervoltage）、w相上的3%过压（overvoltage）、以及v相上的正常电压。在优选实施例中，fe仿真是基于马达105的多物理学模型来执行的。基于fe仿真，确定马达105的不同部分中的温度升高。马达105的不同部分可以包括定子外壳、轴承、轴、定子芯、u相线圈、v相线圈、w相线圈、以及转子芯。与平衡电压和不平衡电压相对应的fe仿真中的每一个被执行，直到达到热饱和点。在达到了热饱和点时，生成针对马达105的不同组件的瞬态温度分布。图3a示出了显示对应于马达105的不同组件部分a、部分b
……
部分i的针对平衡电压的瞬态温度分布310a、310b
……
310i的gui 305。图3b示出了显示对应于马达105的不同组件部分a、部分b
……
部分i的针对不平衡电压的瞬态温度分布325a、325b
……
325i的gui 320。不同组件部分a、部分b
……
部分i可以分别对应于驱动端轴承、非驱动端轴承、外壳、转子芯、轴、定子芯、u相绕组、v相绕组和w相绕组。此外，基于从第二感测单元115b获得的定子外壳温度来验证瞬态温度分布。
60.在验证后，使用这些不同部分在预定时间间隔内的仿真温度来训练第一ai模型。
第一ai模型可以使用机器学习技术来训练，包括但不限于监督学习技术、非监督学习技术、强化学习技术和深度学习。
61.第一ai模型被用于基于功率供应中的线路电压来预测马达105的不同部分中的温度。在本实施例中，第一ai模型可以基于线路电压来预测定子外壳、轴承、轴、定子芯、u相线圈、v相线圈、w相线圈和转子芯中的温度。在训练后，基于从第二感测单元115b获得的定子外壳温度来连续地校准第一ai模型。更具体地，针对电压供应的相似条件，将来自第二感测单元115b的定子外壳温度与从第一ai模型获得的定子外壳温度进行比较。此外，可以校准第一ai模型以用于校正定子外壳温度中的偏差。因此，马达105的其他部分中的所预测温度中的偏差也是基于该校准被校正的。在一个示例中，偏差是通过使用从第二感测单元115b获得的定子外壳温度对第一ai模型进行再训练被校正的。第一ai模型基于不同部分中的温度来进一步确定操作期间的马达105的温度分布。马达105的温度分布进一步用于确定相绕组中的一个或多个热点的位置。必须理解的是，相绕组中的温度取决于相绕组中的电流密度。
62.在另一示例中，第二ai模型可以被训练成用于基于电压供应来预测马达105的输出中的转矩脉动简档。更具体地，第二ai模型被训练成基于针对平衡电压和不平衡电压的马达105的轴处的转矩的仿真值来预测马达105的轴上的瞬间的转矩。第二ai模型可以使用机器学习技术来训练，包括但不限于监督学习技术、非监督学习技术、强化学习技术和深度学习。在训练后，基于由第四感测单元115d测量的实际转矩来验证第二ai模型。第二ai模型被进一步校准以校正所预测转矩与实际转矩之间的任何偏差。偏差是通过使用由第四感测单元115d测量的实际转矩对第二ai模型进行再训练被校正的。基于由第二ai模型预测的转矩，可以计算马达105的转矩脉动简档。转矩脉动简档可以被计算为轴的一次旋转中的最大转矩与最小转矩之间的差。
63.在另一示例中，马达105的电路模型被用于对马达105的不同部分中的铁损耗和铜损耗进行仿真。本文中使用的术语“铁损耗”指代由磁滞和涡流导致的马达105中的能量损耗。本文中使用的术语“铜损耗”指代由绕组中的电流流动导致的马达105的绕组能量损耗。该电路模型是基于物理学的模型，并且包括对应于马达105的每个部分的多个等效电路。等效电路被连接在一起以表示马达105在操作期间的行为。在一个示例中，马达105的简化电路模型包括三角形连结（delta-connection），如图4所示。图4图示了示出根据本发明实施例的马达105的简化电路模型的gui 400。该三角形连结进一步连接到三个电压输入vi、v2和v3，每一个电压输入分别对应于如第五感测单元115e所测量的u相、v相和w相上的实时线路电压。在仿真后，获得了相绕组对平衡电压和不平衡电压的电气响应和磁响应。此外，基于相绕组的电气响应和磁响应来确定相绕组中的铁损耗和铜损耗。铁损耗和铜损耗的仿真值进一步用于训练第三ai模型，以用于基于电压供应来预测铁损耗和铜损耗。第三ai模型可以使用机器学习技术来训练，包括但不限于监督学习技术、非监督学习技术、强化学习技术和深度学习。在训练后，基于多个感测单元115的输出来验证第三ai模型。在一个示例中，使用本领域技术人员已知的数学关系，基于从第一感测单元115a获得的磁通量的值和与该组件相关联的预定材料特性来计算实际铁损耗。预定材料特性包括涡流系数、该组件中的材料的体积、叠片（lamination）厚度等。可以基于去往马达105的电气输入、马达105的机械输出以及实际铁损耗来计算实际铜损耗。更具体地，实际铜损耗是电气输入与机械输出和
实际铁损耗的总和之间的差。去往马达105的电气输入是基于由第五感测单元115e测量的电流和电压来计算的。机械输出是基于由第四感测单元115d测量的转矩来计算的。在铁损耗和铜损耗的预测值之间存在偏差的情况下，基于感测单元115的实际输出对第三ai模型进行再训练，以便改进预测的准确度。在训练之后，第三ai模型进一步用于计算与马达105的不同部分相关联的铁损耗和铜损耗。
64.本领域技术人员必须理解，第一ai模型、第二ai模型和第三ai模型可以被组合以形成混合模型，该混合模型预测电压不平衡与关联于马达105的多个参数之间的经验关系。还必须理解的是，第一ai模型、第二ai模型和第三ai模型中的每一个可以由合适的元模型代替，以用于改进装置110的计算速度。
65.图5示出了描绘根据本发明实施例的用于管理机电系统的示例性方法500的流程图。方法500在装置110上实现。此外，方法500包括步骤505至530。
66.在步骤505处，从一个或多个感测单元实时接收与机电系统相关联的操作数据。
67.在步骤510处，基于操作数据来检测与供应给机电系统的功率相关联的事件。
68.在步骤515处，基于检测到的事件使用操作数据来配置机电系统的虚拟复制品。
69.在步骤520处，通过在仿真环境中仿真所配置的虚拟复制品来生成一个或多个仿真结果。
70.在步骤525处，基于仿真结果来预测由于该事件所致的对机电系统的影响。
71.在步骤530处，生成指示由于该事件所致的对机电系统的影响的通知。
72.通过将该事件考虑为供应给马达105的功率中的电压不平衡，针对马达105的管理更详细地解释了方法500中的步骤505-530。
73.图6示出了描绘根据本发明实施例的用于基于操作数据来检测与供应给马达105的功率相关联的事件的示例性方法600的流程图。在由处理单元130执行预处理模块155时，首先对从多个感测单元115接收到的操作数据进行预处理。在预处理后，执行事件检测模块160以执行用于检测不平衡电压的步骤605和610。
74.在步骤605处，将操作数据中的参数的值作为输入提供给至少一个相关性模型。相关性模型将该参数与功率供应中的一个或多个事件进行关联。在一个实现方式中，相关性模型将由第一感测单元115a测量的杂散磁通量与功率供应的线路电压与线路电压平均值的偏差进行关联。
75.在步骤610处，将来自相关性模型的电压偏差与预定义范围或预定义值进行比较。基于该比较，该事件被检测到。例如，如果线路电压中的任一个中的电压偏差大于0.5%，则电压不平衡被检测到。
76.在检测到电压不平衡后，预测该不平衡对马达105的影响。在一个实施例中，该影响可以与使用图7描述的马达105的性能相关联。在另一个实施例中，该影响可以与使用图8a描述的对马达105的组件的损坏相关联。
77.图7示出了描绘根据本发明实施例的用于预测电压不平衡对马达105的性能的影响的方法700的流程图。更具体地，方法700涉及在检测到功率供应中的电压不平衡后在马达105的输出中检测转矩脉动的存在。该方法包括步骤705至720。
78.在步骤705处，配置模块165使用操作数据来实时更新虚拟复制品。在更新后，虚拟复制品实时表示马达105的状态。
79.在步骤710处，仿真模块170基于更新的虚拟复制品来执行马达105的仿真模型的仿真实例。仿真实例以随机仿真的形式来执行。随后，从随机仿真中生成仿真结果。类似地，基于所配置的虚拟复制品的不同实例来执行多个仿真实例。在本实施例中，仿真结果指示在不同的时刻处马达105的轴上的转矩。在一个示例中，不同的时刻可以与马达105的轴的完整旋转相关联。
80.在步骤715处，分析模块175基于对应于多个仿真实例的仿真结果来分析马达105的行为。在一个示例中，该行为是使用瞬态分析来分析的。基于该分析，确定轴的完整旋转期间所测量的最大转矩和最小转矩。此外，如果最大转矩与最小转矩之间的差大于预定义值，例如0.1nm，则转矩脉动被检测到。此外，报告生成模块180在gui 140上生成指示转矩脉动的存在的通知，如720中所示。
81.图8a示出了描绘根据本发明实施例的用于实时预测对马达105的组件的损坏的示例性方法800的流程图。更具体地，在检测到功率供应中的电压不平衡后，预测由热点的形成导致的对该组件的损坏。方法800包括步骤805至825。
82.在步骤805处，配置模块165使用操作数据来实时更新虚拟复制品。在更新后，虚拟复制品实时表示马达105的状态。
83.在步骤810处，仿真模块170基于更新的虚拟复制品来执行马达105的仿真模型的仿真实例。仿真实例以随机仿真的形式来执行。随后，从随机仿真中生成仿真结果。类似地，基于所配置的虚拟复制品的不同实例来执行多个仿真实例。仿真结果指示在不同的时刻处马达105的温度分布。
84.在步骤815处，分析模块175基于对应于多个仿真实例的仿真结果来分析马达105的行为。在本实施例中，该行为是使用瞬态分析来分析的，以用于基于对应于每一个实例的温度分布来计算与马达105的组件相关联的热简档。瞬态分析可以使用视觉ml来执行。此外，基于与该组件相关联的热简档来标识热点。例如，如果u相绕组的热简档指示温度超过40度达多于5分钟的时段，则热点在u相绕组上被检测到。
85.在步骤820处，分析模块175基于热点的存在来预测对该组件的损坏。该损坏可以是由热点导致的与u相绕组相关联的热疲劳。在本示例中，对u相绕组的损坏是使用例如阿伦尼乌斯方程来估计的。阿伦尼乌斯方程用于基于热简档来计算u相绕组的绕组绝缘物的退化速率。
86.在步骤825处，报告生成模块180在gui 140上生成指示对u相绕组的损坏的通知。例如，该损坏可以是u相绕组的不同部分中的热应力。此外，u相绕组的不同部分中的变化水平的热应力可以使用不同明暗的颜色来指示。在一个示例中，鲜红色可以指示高热应力，并且浅红色可以指示相对较低的热应力。该通知进一步被显示在图形用户接口 140上。
87.在另外的实施例中，分析模块175基于针对该组件预测的损坏来确定马达105的剩余使用寿命。马达105的剩余使用寿命是由预定数学模型基于该组件的疲劳寿命和绕组绝缘物的退化速率来计算的。疲劳寿命是使用coffin-manson关系来计算的。类似地，通过预测来自电压不平衡的对组件的损坏来确定马达105中的所有组件的疲劳寿命。马达105的剩余使用寿命可以对应于所有组件的疲劳寿命的最小值。
88.图8b示出了描绘根据本发明实施例的用于生成用于优化马达105的能量消耗的推荐的方法850的流程图。方法900包括图8a的步骤815之后的步骤855至880。
89.在步骤855处，分析模块175计算马达105的定子和转子中的每一个中的铜损耗和铁损耗。铜损耗和铁损耗是由第三ai模型基于与组件相关联的热简档来计算的。
90.在步骤860处，分析模块175确定由马达105消耗的附加能量。例如，基于如第五感测单元115e所测量的与功率供应相关联的电流和电压值来计算去往马达105的电气输入p
in
。此外，将定子损耗ps计算为定子中的铁损耗和铜损耗的总和。定子损耗进一步用于确定去往转子的电气输入p2，其被计算为：p
2 = p
in
ꢀ−ꢀ
psꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）此外，基于去往转子的电气输入p2和转子中的铜损耗pr，将马达105的机械输出pm计算为：p
m = p2ꢀ−ꢀ
prꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）在步骤865处，分析模块175基于机械输出pm和电气输入p
in
来计算马达105的效率η1：η
1 = pm/p
in
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）在步骤870处，分析模块175将马达105的效率与在相似负载条件下对应于平衡电压的马达105的预定效率进行比较。
91.在步骤875处，基于该比较来确定对应于不平衡电压和平衡电压的马达105的效率中的差异。此外，基于效率中的差异来确定对应于不平衡电压的马达105的最优负载。例如，使用等式（1）至（3）来确定最优负载，使得对应于不平衡电压的马达105的效率大于或等于马达105的预定效率。此外，生成一个或多个推荐以将马达105上的负载调整到最优负载或较小负载，如步骤880中所示。在一个示例中，一个或多个推荐可以包括用于在不影响马达105的情况下减小负载的预定义指令。
92.在一个示例中，还可以示出通过在马达105上执行负载调整而得到的成本节省以及针对负载调整的推荐。可以基于马达105的负载因子、马达105的额定值、给定时间段内的平衡电压和不平衡电压的效率中的差异来针对特定时间段计算成本节省。例如，可以基于对应于平衡电压和不平衡电压两者的马达195的能量消耗中的差异来计算成本节省。如果马达105的额定功率是100kw，并且马达105以全负载的75%进行操作，则由马达105产生的机械功率大致为75kw。令对应于平衡电压的马达105的预定效率η2是95.2%，并且令对应于2.5%的电压不平衡的效率η1是93.9%。假定能量成本是每kwh $0.08，并且负载因子是1。针对8000个操作小时（operational hour）的成本节省被计算为：成本节省 = 所产生的机械功率
×
操作小时
×
负载因子
×
100(1/η1−
1/η2)
×
每能量单位的成本= 75kw
×
8000h
×1×
100(1/93.9
−
1/95.2)
×
0.08= $698报告生成模块180可以进一步在gui 140上生成指示针对负载调整和成本节省的推荐的通知。
93.图9示出了描绘根据本发明实施例的用于基于来自该事件的对马达105的影响来确定马达105上的维护动作的示例性方法900的流程图。方法900包括在执行维护模块185时被实行的905-915。
94.在步骤905处，基于预定义规则来标识对应于被损坏组件和与被损坏组件相关联
的损坏类型的关键词。在图8a的示例中，对应于被损坏组件的关键词可以是“u相绕组”，并且对应于损坏类型的关键词可以是“热点”。在一个实现方式中，关键词可以被存储在数据库195中。在确定了对该组件的损坏后，从数据库195中标识对应于该组件的关键字。
95.在步骤910处，对应于该组件的关键词被用于基于语义的搜索，例如，在知识图上的基于语义的搜索。知识图包括对应于马达105的各种方面的链接数据。例如，链接数据可以包括关于马达105的不同部分、与每一个组件相关联的损坏的类型以及对应的维护动作的信息。
96.在步骤915处，从链表（linked list）中标识维护动作，该维护动作对应于被损坏组件和对该组件的损坏的类型。例如，在由于热点的形成导致对u相绕组的损坏的情况下，维护动作可以包括u相绕组的重新卷绕（rewinding）。
97.装置110调度所标识的维护动作以优化马达105的停机时间。在一个示例中，维护动作在马达105的剩余使用寿命到期之前被调度。在一个示例中，维护动作可以在剩余使用寿命到期后的30个工作小时之前被调度。
98.本发明可以采取计算机程序产品的形式，该计算机程序产品包括可从存储程序代码的计算机可用或计算机可读介质来访问的程序模块，该程序代码用于由一个或多个计算机、处理器或指令执行系统使用或与其结合地使用。出于本描述的目的，计算机可用或计算机可读介质是可以包含、存储、传送、传播或传输用于由指令执行系统、装置或设备使用或与其结合地使用的程序的任何装置。该介质可以是电子的、磁的、光学的、电磁的、红外的或半导体系统（或装置或设备）、或者它们中的传播介质以及其本身的传播介质，因为信号载体不被包括在物理计算机可读介质的定义中，该物理计算机可读介质包括半导体或固态存储器、磁带、可移除计算机磁盘、随机存取存储器（ram）、只读存储器（rom）、刚性磁盘和光盘，诸如压缩盘只读存储器（cd-rom）、压缩盘读/写、以及dvd。如本领域技术人员所已知，用于实现该技术的每个方面的处理器和程序代码两者都可以是集中式的或分布式的（或其组合）。
99.虽然已经在优选实施例的帮助下详细说明和描述了本发明，但是本发明不限于所公开的示例。在不脱离所要求保护的本发明的保护范围的情况下，本领域技术人员可以推断出其他变型。
100.附图标记列表100 用于管理马达的系统105 马达110 用于管理马达的装置115 感测单元120 网络125 通信单元130 一个或多个处理单元135 显示器140 图形用户接口（gui）145 存储器150 校准模块
155 预处理模块160 事件检测模块165 配置模块170 仿真模块175 分析模块180 报告生成模块185 维护模块190 管理模块195 数据库200 用于校准马达的虚拟复制品的设置305 显示了对应于马达的不同组件的针对平衡电压的瞬态温度分布的gui320 显示了对应于马达的不同组件的针对不平衡电压的瞬态温度分布的gui