ES2949879T3 - Procedimiento para la determinación de estados de operación de un ventilador - Google Patents
Procedimiento para la determinación de estados de operación de un ventilador Download PDFInfo
- Publication number
- ES2949879T3 ES2949879T3 ES19710598T ES19710598T ES2949879T3 ES 2949879 T3 ES2949879 T3 ES 2949879T3 ES 19710598 T ES19710598 T ES 19710598T ES 19710598 T ES19710598 T ES 19710598T ES 2949879 T3 ES2949879 T3 ES 2949879T3
- Authority
- ES
- Spain
- Prior art keywords
- fan
- model
- operating
- algorithm
- digital image
- 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.)
- Active
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/008—Stop safety or alarm devices, e.g. stop-and-go control; Disposition of check-valves
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
- F05D2260/00—Function
- F05D2260/81—Modelling or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Feedback Control In General (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
Un método para determinar los estados operativos de un ventilador usando una representación digital (gemelo digital) del ventilador basándose en condiciones físicas y usando al menos un algoritmo específico de parámetro operativo comprende los siguientes pasos del método: crear la representación digital del ventilador real mediante representar sus propiedades mediante modelos de cálculo matemáticos y, en su caso, datos conocidos, crear al menos un algoritmo específico de los parámetros de funcionamiento teniendo en cuenta relaciones conocidas, curvas características, etc., calcular estados de los componentes del ventilador mediante la representación digital de sensores virtuales, que transmiten los estados de los componentes al algoritmo que calcula los parámetros de funcionamiento del ventilador a partir de los estados de los componentes y posiblemente proporciona predicciones relacionadas con el funcionamiento del ventilador. (Traducción automática con Google Translate, sin valor legal)
Description
DESCRIPCIÓN
Procedimiento para la determinación de estados de operación de un ventilador
La invención se refiere a un procedimiento para la determinación de estados de operación de un ventilador, en donde el término "ventilador" debe ser entendido en el más amplio sentido. Además, la enseñanza de la invención se deja transmitir también al arreglo de varios ventiladores, grupos de ventiladores o sistema de ventiladores. En el caso del abrigo de varios ventiladores, tiene que ver con la interacción de ventiladores, en particular también una armonización entre los ventiladores. En este punto se resalta también que el término "determinación" debe ser entendido en el sentido más amplio. Allí cae, entre otros, también el cálculo del estado de operación, en tanto que esto sea posible.
La invención se basa en la idea de garantizar en cualquier punto de operación del ventilador el máximo grado de efecto y el máximo desempeño de carrera. Debido a parámetros de operación opuestos, esto es difícil.
A partir de la práctica de un ventilador es sabido que el cojinete de esferas y la grasa de cojinete de esferas son parámetros críticos para la duración de vida del ventilador. La duración de vida del cojinete de esferas y de la grasa de cojinete de esferas depende de manera representativa de la temperatura de operación del o en el motor y de las fuerzas con efecto mecánico sobre el cojinete de esferas. Puesto que en cercanía inmediata del cojinete no se pueden ubicar sensores de temperatura ni sensores de fuerza, no se dejan medir ni la temperatura de cojinete ni las fuerzas del cojinete con efecto sobre el cojinete. En consecuencia, es necesario medir estos parámetros, bien sea indirectamente o determinarlos aritméticamente.
A partir del documento DE 102010 002294 A1 se conoce un sistema o un procedimiento para la determinación del estado del cojinete de una máquina eléctrica. Las unidades reales de sensor determinan un valor de medición, que es transmitido a una unidad de simulación. Mediante la unidad de simulación se determina un valor resultado, el cual es un valor de corriente del cojinete o un valor dependiente de la corriente del cojinete. El valor resultado es transmitido para otro cálculo en otra unidad. Debido a los sensores requeridos, el sistema/procedimiento conocido es costoso y se aplica sólo difícilmente en ventiladores a falta de un espacio de instalación suficiente.
El documento EP 1510805 A1 divulga un dispositivo de un procedimiento para la determinación de una duración de vida remanente de un cojinete de esferas. Para ello, en primera instancia sobre objetos de prueba con signos conocidos de desgaste, se generan curvas características para relaciones entre cantidad de partículas de desgaste y vibraciones, cantidad de partículas de desgaste y duración de vida, cantidad de lubricante y vibraciones, así como cantidad de lubricante y duración de vida. Para la evaluación de un cojinete real de esferas, un sensor de aceleración mide vibraciones del cojinete de esferas. A partir de las vibraciones medidas y las curvas características se estima la duración de vida remanente del cojinete de esferas.
El documento US 5210704 A divulga un sistema para la predicción de una falla y para la vigilancia del desgaste de una transmisión de un helicóptero y otros dispositivos rotativos. En este caso, con varios sensores se generan señales de medición que son introducidas en un sistema de predicción. El sistema de predicción, con base en conocimiento basado en la experiencia de otros sistemas y basado en mediciones precedentes, valora el estado del dispositivo vigilado.
El documento DE 102008005690 A1 muestra un procedimiento para la vigilancia de la duración de vida de unidades estructurales de potencia electrónica. Se captura la temperatura de la capa de barrera de un elemento constituyente y se evalúa la duración de elevaciones de temperatura. Los valores capturados son evaluados mediante curvas características de carga y se adicionan los valores determinados de consumo de aprovechamiento hasta dar un valor de duración total de vida.
El documento US 2016/0132050 A1 divulga un procedimiento para valorar la duración de vida remanente de un electromotor. Como punto de partida sirve una duración de vida en condiciones no críticas de operación, en donde una operación del electromotor reduce sucesivamente esta duración de vida. Si el electromotor es operado por fuera de las condiciones no críticas de operación, un factor de corrección reduce la duración de vida más fuertemente que en condiciones no críticas de operación. La temperatura de cojinete es valorada a partir de una temperatura que es medida mediante un sensor sobre una placa conductora de la parte electrónica del motor.
La invención basa el objetivo en garantizar en todo punto de operación de un ventilador el grado óptimo de efecto y grado óptimo de desempeño de carrera con medios simples de construcción. Además, debería ser posible una consideración de duración de vida, para poder realizar servicios novedosos como mantenimiento preventivo, etc. Al respecto, es válido considerar que es difícil aplicar los sensores requeridos en posiciones adecuadas. De acuerdo con la invención, el objetivo precedente es logrado mediante un procedimiento con los rasgos de la reivindicación 1, en donde concretamente se trata de un procedimiento para la determinación de estados de operación de un ventilador, bajo aprovechamiento de una imagen digital (gemelo digital) del ventilador, en el cual se recurre por lo menos a un algoritmo específico de parámetros de operación.
Dicho de manera más exacta, se crea una imagen digital del ventilador real mediante ilustración de sus propiedades a través de modelos matemáticos de cálculo y dado el caso recurriendo a datos conocidos, dado el caso, datos reales de medición. Los datos reales de medición pueden ser datos de medición de la realidad a partir de la operación en
curso de cada motor individual (y, dado el caso, de su historia). Además, se crea por lo menos un algoritmo específico de parámetros de operación, tomando en consideración relaciones y curvas características conocidas y se recurre al cálculo adicional.
Se determinan o calculan estados de componente del ventilador mediante la imagen digital de sensores virtuales. Estos estados de componente son alimentados al algoritmo de operación o específico de parámetros de operación o específico de producto, el cual es determinado o calculado y, dado el caso, derivado de ellos a partir de parámetros concretos de operación del ventilador de los estados de componente, entrega pronósticos relacionados con la operación del ventilador, por ejemplo pronósticos respecto a la duración de vida del ventilador. Es esencial que sea posible el aprovechamiento combinado de estados determinados de componente y datos reales de medición.
De acuerdo con la invención, se usan dos componentes diferentes de software, es decir un primer componente de software relacionado con el gemelo digital y un segundo componente de software relacionado con el algoritmo específico del parámetro de operación, el cual puede ser denominado como algoritmo "inteligente".
El gemelo digital es una imagen digital de un objeto individual real, en el caso de la enseñanza de acuerdo con la invención, de un ventilador o de un sistema de ventilador. El gemelo digital ilustra las propiedades del ventilador mediante modelo de cálculo y, dado el caso, recurriendo a datos conocidos del ventilador. El objetivo del gemelo digital es calcular allí con sensores virtuales, estados de componente de los componentes del ventilador, en función del respectivo estado de operación. los estados de componente determinados sobre la base de un cálculo tal son transmitidos al algoritmo específico del parámetro de operación el cual, a partir de los datos de operación del gemelo digital, calcula/determina parámetros de operación o estados de operación del ventilador, por ejemplo la duración de vida del cojinete y/o la duración de vida de la grasa del cojinete. Debido al resultado, es posible un ajuste de regla apropiado a la situación. Los parámetros de operación y estado de operación son igualmente relevantes en tanto sean magnitudes que puedan ser calculadas.
La combinación discutida previamente de gemelo digital y algoritmo específico de parámetros de operación, en el sentido de un algoritmo de gemelo digital, es realizada en un microprocesador que va a ser asignado al motor del ventilador y con ello se asigna el ventilador como componente fijo.
La enseñanza de acuerdo con la invención, que se resume bajo el término "algoritmo de gemelo digital", es la combinación de un gemelo digital que describe el ventilador, con un tipo de algoritmo inteligente que es diseñado específicamente para los parámetros de operación.
Con un ventilador diseñado de manera correspondiente se opera un mantenimiento predictivo, con el objeto de evitar una falla del ventilador, por ejemplo debido a un cojinete o grasa de cojinete defectuosos. Se pretende un ajuste de los parámetros del sistema apropiado a la situación, para poder realizar así la máxima duración posible de vida del ventilador.
Bajo el aprovechamiento de una imagen digital del ventilador y algoritmos específicos de parámetros de operación, en el marco del mantenimiento predictivo se pretende agotar tan completamente como sea posible la duración de vida de los componentes del ventilador y simultáneamente evitar toda falla del ventilador. La duración de vida del ventilador es calculada tomando como base estados calculados de componente y parámetros de operación resultantes de ello.
El gemelo digital usa modelos físicos y/o matemáticos y/o estadísticos y/o empíricos y/o combinados, para calcular estados térmicos y mecánicos de componente. Tanto los modelos matemáticos como también los físicos y no físicos pertenecen en todo caso a ellos. El algoritmo específico de parámetros de operación (algoritmo inteligente) requiere los estados de componente determinados por el gemelo digital, para determinar cualesquier parámetros de operación, por ejemplo también para pronosticar la falla del ventilador. Puesto que la duración de vida de un ventilador depende en primera línea de los cojinetes de esferas y de la grasa de cojinete de esferas, el cálculo de parámetros de operación enfocado en la grasa de cojinete de esferas y el cojinete de esferas juega un papel absolutamente particular.
A partir de la práctica se conoce que la duración de vida de la grasa de cojinete depende esencialmente de la temperatura de operación. Cuanto más elevada sea la temperatura de operación sobre la totalidad de duración de vida, tanto más rápidamente se consume la grasa de cojinete. En consecuencia, es válido determinar la temperatura de cojinete, para determinar la duración de vida de la grasa del cojinete.
Para la determinación de la temperatura de cojinete debería colocarse un sensor de temperatura en ambiente inmediato del cojinete. Esto no es posible debido a las particularidades geométricas y funcionales del ventilador/motor. Correspondientemente, de manera de acuerdo con la invención, tales estados de componente, como la temperatura de cojinete, son calculados mediante el gemelo digital junto con el algoritmo específico de parámetros de operación.
El cálculo se basa en un modelo matemático, el cual a su vez se basa en un modelo de cálculo termomagnético reducido acoplado. La combinación de gemelo digital junto con algoritmo específico de parámetros de operación calcula fuentes de calor, sumideros de calor y el estado térmico de la totalidad del sistema relacionado con el motor del ventilador. De este modo, mediante los sensores virtuales del gemelo digital se determina la temperatura de grasa del cojinete, en función del estado de operación del ventilador/motor y se alimenta en el algoritmo específico del parámetro de operación, como estado de operación.
Tanto el gemelo digital, incluyendo sus sensores virtuales, como también el algoritmo específico de parámetros de operación son implementados en el código de máquina (código C) en el microprocesador ya presente, mediante lo cual en el ventilador se incorpora una cierta inteligencia de máquina.
Si bien el procedimiento de desarrollo y la función del procedimiento de acuerdo con la invención es discutido de aquí en adelante en el ejemplo de la duración de vida de cojinete y de la grasa del cojinete, el procedimiento puede referirse a todos los parámetros de operación del ventilador sólo imaginables. La aplicación del procedimiento de acuerdo con la invención tiene sentido entonces siempre cuando los respectivos parámetros no son medibles de manera directa, aunque puede recurrirse a su conocimiento a la optimización de la operación del ventilador.
Existen diferentes posibilidades para configurar y perfeccionar de manera ventajosa la enseñanza de la presente invención. Para ello, por un lado, se remite a las reivindicaciones subordinadas a la reivindicación 1 y, por otro lado, a la siguiente ilustración de ejemplos preferidos de realización de la invención, mediante el bosquejo. En conexión con la ilustración de los ejemplos preferidos de realización mediante el bosquejo, se ilustran también en general configuraciones y perfeccionamientos preferidos de la invención. En el bosquejo se muestran:
Fig. 1 a 8
Pasos del procedimiento para la realización de la enseñanza de acuerdo con la invención con características particulares.
La Figura 1 muestra el principio del procedimiento de acuerdo con la invención, en donde la combinación del gemelo digital con por lo menos un algoritmo específico del parámetro de operación (algoritmo inteligente) es denominada como algoritmo de gemelo digital, en el siguiente ejemplo para la duración de vida de la grasa de cojinete y/o del cojinete.
Como ya se citó anteriormente, la duración de vida de la grasa de cojinete y del cojinete depende de la temperatura de operación y del número de revoluciones del motor. Puesto que no puede ubicarse ningún sensor de temperatura en ambiente inmediato del cojinete, tiene que calcularse las temperaturas de cojinete mediante modelos, de acuerdo con la invención con el algoritmo de gemelo digital, el cual es el resultado de una combinación de gemelo digital y un algoritmo específico del parámetro de operación (algoritmo inteligente).
El gemelo digital no es otra cosa que un modelo matemático, el cual establecido sobre un modelo de cálculo termomagnético y mecánico reducido acoplado. el gemelo digital calcular el estado térmico y mecánico de la totalidad del sistema que se refiere al motor. Mediante los sensores virtuales pertenecientes al gemelo digital, el gemelo digital puede determinar la temperatura de grasa del cojinete en función del estado de operación del motor.
Para el procesamiento adicional de los datos, el algoritmo inteligente requiere los estados de componente, para pronosticar por ejemplo la falla del ventilador. Mediante curvas características de falla se calcula la avería del motor, sin embargo al menos se valora. La totalidad del software que se refiere al algoritmo de gemelo digital es realizable en el código de máquina (código C) en el microprocesador del motor, de modo que no se requieren otros componentes electrónicos.
La Figura 2 muestra el curso del cálculo de duración de vida de la grasa del cojinete de la grasa de cojinete en el cojinete de un motor de ventilador. En el marco de la creación de la imagen digital del ventilador real se requieren modelos numéricos detallados, concretamente modelos térmicos, modelos de circuito magnético, etc.. Además se entrega algoritmos para el cálculo de la duración de vida de la grasa.
Los modelos detallados son reducidos a continuación hasta modelos de comportamiento, con lo cual puede manejarse el volumen de datos.
A continuación tiene lugar un acoplamiento de los modelos de comportamiento y el algoritmo que calcula la duración de vida de la grasa del cojinete en una simulación de sistema, es decir, en el marco de una combinación del del gemelo digital con el algoritmo específico del parámetro de operación, que en el presente caso calcula la duración de vida de la grasa del cojinete. A partir de la simulación de sistema se genera el código C y tiene lugar una implementación directa del código C en el microprocesador del motor.
Como ya se citó anteriormente, la reducción de modelo del modelo detallado es necesaria en un modelo de comportamiento, para bajar el tiempo de cálculo. Debido a estas medidas, el algoritmo de gemelo digital puede ser realizado en el microprocesador del motor. Para la reducción del modelo térmico se aplican diferentes procedimientos, por ejemplo el procedimiento de acuerdo con Krylow. Al respecto, los datos del modelo detallado son reducidos mediante la disminución del orden del modelo.
El modelo magnético detallado puede ser reducido mediante un algoritmo o mediante una tabla. En la tabla se definen resultados calculados para determinadas configuraciones, de modo que cálculos complejos pueden ser reemplazados por una rápida búsqueda de valor. Con el correspondiente modelo reducido pueden calcularse la temperatura de grasa del cojinete y la temperatura de cojinete. Los valores calculados usan el algoritmo específico del parámetro de
operación, en este caso el algoritmo que calcula la duración de vida de la grasa del cojinete, para calcular la duración de vida, por un lado, de la grasa del cojinete y, por otro lado, del cojinete.
Además, es posible ponderar preferiblemente de modo exponencial la duración de vida consumida del cojinete/de la grasa del cojinete, dependiendo de la temperatura de operación.
La Figura 3 muestra el curso de un factor tal de ponderación a lo largo del curso de temperatura, en donde para el cálculo de duración de vida de la grasa del cojinete se toman como base parámetros ejemplares como operación continua, tipo de cojinete, viscosidad, número de revoluciones, temperatura de la grasa y tiempo de operación/duración de vida. El ejemplo de cálculo da como resultado una duración de operación de cuatro minutos y un tiempo de vida consumida de 15 minutos.
De acuerdo con la invención, se incorporan y se asocian mutuamente en una simulación de sistema el modelo reducido de acuerdo con el gemelo digital y el algoritmo específico de parámetros de operación que se refiere a la duración de vida de la grasa del cojinete. La simulación de sistema puede ser generada por ejemplo en el programa MATLAB. con el generador de código de MATLAB es posible traducir la simulación de sistema al código C e implementarlo en el microprocesador del motor.
La Figura 4 muestra en el ejemplo del cálculo de la duración de vida de la grasa del cojinete, la aplicación del procedimiento de acuerdo con la invención, en donde la consideración del modelo del gemelo digital se basa en un modelo térmico y un modelo de circuito magnético. Ambos modelos son transferidos a un modelo térmico reducido y un modelo circular magnético reducido.
El gemelo digital es combinado con un algoritmo específico del parámetro de operación, es decir, con un algoritmo que determina la duración de vida de la grasa del cojinete.
Partiendo de un modelo detallado, éste es reducido, es decir se deriva un modelo reducido. Este modelo reducido puede tener forma de matriz, en donde en una simulación de sistema la matriz es traducida a un código C, es decir, con un generador de código C. La reducción del modelo detallado puede ocurrir de cualquier modo.
Con ello, a partir del modelo detallado resulta un modelo reducido. Tomando en consideración el algoritmo que calcula la duración de vida de la grasa del cojinete, tiene lugar una simulación de sistema a partir de la cual se genera un código. Este código es transmitido al microprocesador del motor, preferiblemente con un cálculo en tiempo real, contrario a un procesamiento en la nube desplazado en el tiempo.
La Figura 5 muestra el cálculo de la duración de vida del cojinete, en donde como complemento al cálculo de la duración de vida de la grasa del cojinete mostrada en la Figura 4, se añade un modelo mecánico, que es transformado en un modelo mecánico reducido.
Para el cálculo adicional, se usan dos algoritmos específicos de parámetros de operación, es decir, por un lado para la valoración de la vibración y, por otro lado, para el cálculo de la duración de vida del cojinete.
Como para el cálculo de la duración de vida de la grasa del cojinete, tiene lugar una asociación de los datos por simulación de sistema, en donde a partir de las matrices así obtenidas se genera un código C. Éste es transmitido al microprocesador del motor.
Las realizaciones precedentes para el cálculo de la duración de vida de la grasa del cojinete y duración de vida del cojinete dejan claro que el procedimiento de acuerdo con la invención y el algoritmo de gemelo digital resultante de él, son una función clave para la "digitalización" del ventilador, puesto que se calculan y analizan informaciones decisivas, y concretamente mediante la reducción de la totalidad de los datos surgidos.
Las informaciones esenciales son finalmente estados de operación, que son determinados con sensores virtuales en el marco del gemelo digital, para poder calcular con ello la duración de vida de la grasa del cojinete y la duración de vida del cojinete en el ventilador.
En este pasaje se resalta que con el procedimiento de acuerdo con la invención, es decir, mediante el algoritmo de gemelo digital, usando sensores virtuales puede calcularse todo estado concebible de operación, lo cual es imposible con sensores reales, debido a límites de construcción y los costes asociados con tales sensores.
Sobre la base de la reducción de datos discutida anteriormente, el procedimiento de acuerdo con la invención hace posible generar un código C compacto, el cual puede ser operado en microprocesadores estándar. En el microprocesador tiene lugar un tipo de refinamiento de datos (Big Data ^ Smart Data), en donde este es el resultado del cálculo. Sólo los datos refinados comprimidos son procesados nuevamente o enviados, por ejemplo, a una nube. Es autoevidente que mediante ello se reduce de modo muy notable el volumen de flujo de la conexión a la nube. Además, sólo es necesario, ejecutar una consulta de la duración de vida remanente del ventilador o motor en intervalos de tiempo cualesquiera o definidos, mediante lo cual se reconoce un comportamiento lineal o una desviación. Como ya se citó anteriormente, se ahorran sensores reales en favor del espacio de instalación y para la reducción de los costes.
Además, se usan los parámetros de operación determinados mediante el gemelo digital y algoritmo específico del parámetro de operación, para el mantenimiento predictivo y para el mantenimiento de un ventilador, por un lado, y para la optimización de la construcción y la operación de un ventilador, por otro lado.
La representación en las Figuras 6 y 7 sirve para aclarar con mayor alcance la enseñanza reivindicada, como ya se discutió a modo de ejemplo haciendo referencia a las Figuras 4 y 5.
Es esencial el aprovechamiento de una imagen digital, es decir, de un gemelo digital del ventilador. El gemelo digital surge por el procesamiento de datos. Concretamente, surge a partir de una combinación de magnitudes de entrada conocidas o valores de medición del sensor, con valores calculados y cálculos/modelos. Mediante el gemelo digital ocurre la determinación de temperaturas, flujos, pérdidas de componente, etc. en sitios determinados preestablecidos del ventilador. Mediante el gemelo digital se determinan de modo virtual valores reales, como por ejemplo temperaturas concretas de componente, es decir entonces, si en los sitios respectivos concretos del ventilador no existe posibilidad significativa desde el punto de vista económico/de la construcción, de medición a través de sensores.
El algoritmo específico de parámetros de operación es de importancia adicional para la enseñanza reivindicada. Mediante los resultados o datos que son entregados por el gemelo digital, por ejemplo la temperatura de cojinete, se determinan valores característicos, como por ejemplo una probabilidad de falla o duración consumida de vida del ventilador o del cojinete del ventilador. Estos valores característicos dependen de los parámetros actuales de operación del ventilador y de su historia, es decir, en cuáles puntos de operación y ambientes es/fue operado el ventilador.
Las Figuras 6 y 7 ilustran, mediante un ejemplo concreto del procedimiento de acuerdo con la invención, la determinación de estados de operación de un ventilador, aprovechando una imagen digital del ventilador, tomando en consideración las realizaciones precedentes.
En la columna izquierda de la Figura 6 están las magnitudes de entrada medidas o calculadas, incluyendo las unidades asignadas en las flechas. Estas magnitudes de entrada son medidas o conocidas mediante sensores estándar presentes.
A partir de estas magnitudes de entrada se calculan fuentes de calor y sumideros de calor. Se basan en modelos, que consideran las fuentes de calor como por ejemplo pérdidas de cobre, de hierro, de componentes electrónicos y sumideros de calor como el enfriamiento del motor (rueda de enfriamiento, flujo de aire y temperatura ambiente). De ello resultan magnitudes de entrada para un modelo térmico reducido, con sensores virtuales. En el sentido de un modelo térmico, todo esto corresponde al gemelo digital.
A partir del modelo térmico reducido, con sensores virtuales se calculan temperaturas de componente. El modelo térmico representa al respecto la física del ventilador y mediante sensores virtuales calcula la temperatura en el cojinete, en la bobina, en los magnetos y en los diferentes componentes electrónicos, dependiendo de la necesidad.
La Figura 7 muestra claramente, como continuación de la Figura 6, que pueden consultarse las magnitudes de partida del modelo térmico reducido, dado el caso, con otros parámetros como magnitudes de partida para el cálculo del proceso de envejecimiento. Los modelos de envejecimiento subyacentes se basan en datos históricos y pueden ser depositados como curvas características. De este modo, la duración de vida remanente limitada por el envejecimiento puede ser calculada o corregida individualmente en el sitio, mediante la historia real del ventilador y el estado actual de operación.
A partir de los modelos respectivos para el cálculo del envejecimiento, se tiene como resultado una duración calculada de vida en días u horas, la cual, vista por sí misma, puede servir como mera información. Las informaciones relevantes pueden ser consultadas para el pronóstico adicional, es decir, para el pronóstico de la duración de vida remanente de los componentes individuales o de la totalidad del ventilador. Este pronóstico puede ser usado entonces para la optimización inteligente de la duración de vida remanente. Para prolongar la duración de vida remanente pueden realizarse medidas, por ejemplo una reducción del número de revoluciones o una distribución inteligente de carga sobre varios ventiladores. Estas medidas pueden ser comunicadas mediante una variable de control.
La Figura 8 muestra una vez más el gemelo digital hasta el modelo térmico reducido con sensores virtuales, en donde mediante ello se ilustra el ventilador junto con el motor. Como ya se citó anteriormente, el modelo térmico representa la física del ventilador y, mediante sensores virtuales, calcula diferentes temperaturas que pueden ser calculadas para diferentes propósitos/objetivos, aplicaciones, en palabras clave como sigue:
Para la vigilancia: Determinación de parámetros de operación con ayuda de sensores virtuales y aprovechamiento de esto para la vigilancia. Estos pueden ser: mensajes de alerta, LEDs de estatus, comentarios en un código de error que puede ser leído, ilustraciones en la nube o aplicaciones, representación en interfaces de usuario.
Para el mantenimiento predictivo: procedimiento para la determinación del envejecimiento de un ventilador, consistente en numerosos sistemas parciales, como cojinete de esferas, bobina, componentes electrónicos, magnetos, pronóstico de la duración de vida remanente. El aprovechamiento para, por ejemplo, planeación de los intervalos de mantenimiento, para alcanzar una duración de vida tan larga como sea posible antes del intervalo de
mantenimiento (es decir, sin mantenimiento prematuro), planeación automática de término de los términos de mantenimiento, mensaje sobre la necesidad de mantenimiento, orden automática de partes de reemplazo.
Para la optimización: Procedimiento para la determinación de estados de operación relacionados con el desempeño del producto, es decir, grado de efecto, temperaturas de componente, número de revoluciones, potencia de salida, flujo volumétrico, intensidad del sonido, vibraciones, etc.
Para la creación de un ventilador inteligente: Reacción a determinados estados de operación, para el mejoramiento del comportamiento o para alcanzar un objetivo determinado.
- Cambio del punto de operación/cambio del parámetro de control para el grado óptimo de efecto.
- Cambio del punto de operación para alcanzar duración de vida tan larga como sea posible.
- Disminución del número de revoluciones cuando la probabilidad de falla es muy elevada.
- Cambio del punto de operación en el ritmo día-noche para aplicación nocturna tan silenciosa como sea posible. - Entrega de una variable de control para equipos auxiliares o equipos del cliente, por ejemplo, entrega de temperatura para el aprovechamiento en el control de una bomba de calor, o para un enfriamiento adicional.
- Evasión focalizada de estados críticos del sistema (por ejemplo, resonancias, temperaturas superiores, etc.).
Para la creación de modelos detallados es relevante lo siguiente:
Un modelo es básicamente una imagen o una aproximación a la realidad, es decir, de acuerdo con la definición una aproximación. Un modelo se limita siempre a una sección que es de interés para la ilustración pretendida. Además, básicamente un modelo no es completo, puesto que puede ser reducido para el uso simple en relación con sus magnitudes de entrada necesarias, o en la presentación del modelo no se conocen elementos físicos individuales de comportamiento. Dependiendo del aprovechamiento posterior y fijación de objetivos, es necesario otro tipo de formación de modelo, es decir, por ejemplo otro ámbito considerado, otra exactitud necesaria en los resultados o rapidez del cálculo. Existen muchos tipos de modelos, en donde en el ámbito técnico usualmente un modelo está asociado con una representación matemática, por ejemplo con ecuaciones o inecuaciones algebraicas, sistemas de ecuaciones diferenciales comunes o parciales, representaciones de espacio de estado tablas, gráficas.
En el desarrollo actual de productos, una parte integral es el desarrollo virtual de productos usando la simulación FE (simulación de elemento finito). Clásicamente se representa en este caso un dominio físico (por ejemplo, fortaleza o componente térmico o circuito magnético) en un modelo muy grande (orden de magnitud de 100 gigabites) e intensivo en cálculo y se determina el resultado en millones de posiciones (nodos) en el modelo. Esta es una variante de modelos detallados. El curso grueso de la generación de estos modelos detallados es delineado como sigue:
1. Importación de una geometría en 3D, por ejemplo del ámbito del CAD,
2. Asignación de condiciones límite, es decir, sujeciones fijas, definiciones materiales, condiciones de contacto (sitios de adhesión, uniones de deslizamiento, aislamiento del calor),
3. Entrecruzamiento (descomposición de la geometría en millones de elementos pequeños que están unidos, 4. Aplicación de la carga, por consiguiente fuerzas, fuentes/sumideros de calor, campos magnéticos,
5. Solución automática de las ecuaciones diferenciales para cada elemento individual y combinación hasta dar un resultado mayor para el modelo total,
6. Evaluación de los resultados.
La generación del modelo reducido se completa como sigue:
Una reducción del modelo describe de manera muy general un modelo ya existente, para reducir otras informaciones, para optimizar por ejemplo el consumo de memoria o velocidad de cálculo. En este caso, en función del caso concreto de aplicación existen muchas variantes, como por ejemplo:
■ Aproximación de funciones matemáticas simples, como por ejemplo funciones polinomiales, y solamente almacenamiento de los coeficientes.
■ Archivo de tablas para diferentes magnitudes de entrada y a continuación uso de estos valores discretos o interpolación entre los valores.
■ Aproximación de modelos estadísticos, que entregan pronósticos de valores anteriores.
■ Gráficos/puertas lógicas, ejemplo: si T >200°C, entonces el ventilador está defectuoso.
Generación del modelo reducido - ejemplo a)
El punto de partida para el modelo reducido es un modelo FE del comportamiento térmico que, en función de la entrada de calor y la salida de calor, representa las temperaturas en todo punto del modelo. En el siguiente ejemplo se simplifica la reducción del modelo, solamente a una entrada de calor y una salida de calor, sólo una temperatura que va a ser determinada en el sitio A y en cada caso sólo un valor "alto" y "bajo". Para ello se ejecuta un estudio de parámetros, mediante lo cual se determina esta denominada "tabla de consulta".
A continuación existen varias posibilidades de uso de los resultados.
■ Uso de la tabla de manera directa y discreta. Ejemplo: cuando debiera pronosticarse una temperatura en el sitio A para una entrada de calor de 4W y salida de calor de 1W, se asume directamente el valor de 40 °C.
■ Uso de la tabla e interpolación lineal entre los valores. Ejemplo: cuando debiera pronosticarse una temperatura en el sitio A para una entrada de calor de 5W y salida de calor de 1W, el valor de 60 °C es determinado mediante interpolación lineal.
■ Uso de la tabla para la determinación de una función de pronóstico de temperatura, mediante regresión. Ejemplo para las funciones objetivo son funciones polinomiales, funciones lineales, funciones exponenciales, funciones estadísticas, ecuaciones diferenciales, etc., determinación subsiguiente de la temperatura con ayuda de esta función.
Generación del modelo reducido - ejemplo b)
El punto de partida para el modelo reducido es un modelo FE de información térmica, que dependiendo de la entrada de calor y salida de calor, representa las temperaturas en cada punto del modelo. A continuación, a partir de ello pueden aproximarse modelos de espacio de estado compactos, con aproximaciones matemáticas, cálculos y conversiones (por ejemplo sistema LTI o procedimiento de subespacio de Krylov). Éstos consisten en dos ecuaciones diferenciales o integrales esenciales y cuatro matrices, que describen la totalidad del sistema (por ejemplo matrices de 200 x 200 llenas con valores numéricos escalares). Sin embargo, estas ya no representan la temperatura en millones de nodos, sino sólo en pocos sitios elegidos. Además, mediante la aproximación ocurre una desviación de los resultados, dependiendo de la magnitud del modelo de espacio de estado. Básicamente, es válido que cuanto mayor es el modelo y sus matrices, tanto más baja es la desviación.
Los modelos de espacio de estado están presentes de manera estándar como procedimientos, módulos u objetos en muchos programas de álgebra de ordenador, como por ejemplo Matlab o también en lenguajes de programación, mediante lo cual tales modelos pueden ser calculados mediante la importación simple de matrices. Las magnitudes de entrada son en este caso por ejemplo potencia de calor, que llega al sistema y sumideros de calor por convección, las magnitudes de salida son por ejemplo determinadas temperaturas de componente (por ejemplo, tres diferentes temperaturas de componente).
Generación del modelo reducido - ejemplo c)
Los puntos de partida para la reducción del modelo son en este ejemplo resultados experimentales. En este caso se generarían así mismo como en el ejemplo a), una tabla de resultados de medición y a continuación de manera equivalente se continuaría con ellos (uso discreto, interpolación o regresión lineal mediante funciones matemáticas).
Puede ser de importancia adicional un acoplamiento de dominios físicos o diferentes modelos.
Clásicamente, en el desarrollo virtual de productos se consideran dominios individualmente, puesto que una consideración total es muy laboriosa en cálculos y memoria, y escasamente practicable. Mediante la reducción del modelo surge como resultado la posibilidad de acoplar los modelos de diferentes dominios. Por ejemplo, el acoplamiento de un modelo detallado del circuito magnético, cuyo tiempo de cálculo en un grupo de cálculo con potencia reforzada, es de varios días a semanas, no es ventajoso con un modelo térmico. Mediante la reducción de los modelos detallados son menores la potencia de cálculo y la necesidad de memoria requeridas, y así se hace posible el acoplamiento de los modelos respecto al aspecto económico. Esto es necesario en muchos casos para la ilustración tan exactamente como sea posible el comportamiento real.
Acoplamiento de dominios físicos o diferentes modelos - Ejemplos
■ La resistencia de la bobina es casi lineal dependiendo de la temperatura del cobre. Dependiendo de la resistencia de la bobina, cambia de manera casi lineal la disipación de potencia en la bobina. Dependiendo de la disipación de potencia cambia de manera fuertemente no lineal el comportamiento térmico, por ejemplo temperatura de bobina y de cojinete, lo cual a su vez repercute en la resistencia de la bobina. Con ello en este caso es necesario un acoplamiento, de acuerdo con el requerimiento de resultados del modelo.
■ El torque necesario y el número de revoluciones de un ventilador son fuertemente dependientes de la resistencia de la instalación y, por ejemplo, de la diferencia de presión y temperatura del medio que va a ser impulsado. Dependiendo del momento de carga, cambia el comportamiento del circuito magnético, es decir, corriente a través de la bobina,
campo magnético, el número de revoluciones, etc. Dependiendo de ello, cambia entonces también el consumo de potencia, pérdidas y número de revoluciones que pueden alcanzarse. También aquí, dependiendo del caso de aplicación, en el caso de una aplicación del cliente, es concebible el acoplamiento del comportamiento del ventilador con la situación de la situación de instalación.
Concreción de una conversión técnica - ejemplo a)
■ Generación de un modelo FE térmico de un ventilador ^ modelo FE intensivo en cálculo e intensivo en memoria con 1.000.000 elementos, adicionalmente a la función polinomial. Las fuentes y sumideros de calor son representados como funciones polinomiales dependientes la corriente de entrada y el número de revoluciones.
■ Generación de un modelo térmico reducido mediante métodos estadísticos, que representa la temperatura de componentes electrónicos, en función de la corriente de entrada y número de revoluciones. ^ Función polinomial, que describe la temperatura en función de la corriente de entrada y el número de revoluciones = sensor virtual de temperatura.
■ Curva característica a partir de hoja de datos para la duración de vida del componente electrónico, en función de su temperatura ^ algoritmo específico de parámetros de operación, el cual calcula la posibilidad de falla a partir de sensor virtual de temperatura.
■ Aprovechamiento para el mantenimiento predictivo, para la vigilancia o para la optimización del punto de operación ^ algoritmo inteligente.
Concreción de una conversión técnica - ejemplo b)
■ Captura de indicador de corriente y número de revoluciones del motor mediante electrónica/control integrados. A partir de ello se deriva el punto electromagnético de trabajo.
■ Mediante este punto de trabajo surgen como resultado, a través de tablas de consulta o funciones polinomiales, las pérdidas de motor y electrónica de potencia.
■ Un modelo térmico procesa los valores de pérdida y determina temperaturas de componentes críticos del sistema, como cojinete de esferas o componentes semiconductores.
■ Simultáneamente, mediante un sensor real se grafican las vibraciones del componente. Las vibraciones locales son proyectadas virtualmente a la totalidad del sistema, mediante modelos de comportamiento, mediante el cual se valora por ejemplo la carga del cojinete, debida a las vibraciones.
■ Con ayuda de algoritmos específicos de parámetros de operación se convierten las temperaturas y valores de vibración determinados en una estimación de la duración de vida del componente y el ventilador.
■ Las medidas más amplias como el mantenimiento predictivo pueden ser posibilitadas mediante ello.
■ Simultáneamente, con el conocimiento de las pérdidas puede optimizarse el punto de trabajo y el grado de efecto sobre el sistema, puede mediante ajustes técnicos de regulación, por ejemplo la variación del ángulo de regulación previa.
Finalmente, se indica expresamente que los ejemplos de realización descritos anteriormente sirven solamente para la discusión de la enseñanza reivindicada, aunque ésta no se limita a los ejemplos de realización.
Claims (11)
1. Procedimiento para la determinación de estados de operación de un ventilador, mediante aprovechamiento de una imagen digital - gemelo digital - del ventilador y por lo menos un algoritmo específico del parámetro de operación, con los siguientes pasos del procedimiento:
creación de la imagen digital del ventilador real mediante ilustración de sus propiedades por medio de modelos matemáticos de cálculo y, dado el caso, datos conocidos,
creación del por lo menos un algoritmo específico del parámetro de operación, tomando en consideración relaciones y curvas características conocidas,
cálculo de estados de componente del ventilador mediante la imagen digital por medio de sensores virtuales, transferencia de los estados de componente al algoritmo, el cual a partir de los estados de componente calcula parámetros de operación del ventilador y, dado el caso, entrega pronósticos relacionados con la operación del ventilador.
2. Procedimiento de acuerdo con la reivindicación 1, caracterizado porque la imagen digital se basa en un modelo de cálculo del circuito térmico y/o mecánico y/o magnético como modelo matemático y/o físico y/o empírico y/o estadístico o combinado.
3. Procedimiento de acuerdo con las reivindicaciones 1 o 2, caracterizado porque el respectivo modelo de cálculo es transferido desde un modelo detallado a un modelo reducido.
4. procedimiento de acuerdo con una de las reivindicaciones 1 a 3, caracterizado porque la imagen digital sirve para el cálculo del estado térmico y/o mecánico del ventilador, en particular del motor del ventilador.
5. Procedimiento de acuerdo con una de las reivindicaciones 1 a 4, caracterizado porque mediante los sensores virtuales de la imagen digital, aprovechando los modelos de cálculo se determinan las temperaturas de componente en función del estado de operación.
6. Procedimiento de acuerdo con una de las reivindicaciones 1 a 5, caracterizado porque el por lo menos un algoritmo específico de parámetros de operación calcula criterios de falla de ventilador o pronostica la falla de ventilador que debe esperarse, tomando en consideración los estados de componente, dado el caso, tomando en consideración criterios de falla o una curva característica de falla.
7. Procedimiento de acuerdo con una de las reivindicaciones 1 a 6, caracterizado porque la imagen digital y sus modelos preferiblemente reducidos y el por lo menos un algoritmo específico de parámetros de operación, son incorporados en una simulación de sistema mediante un programa de simulación.
8. Procedimiento de acuerdo con la reivindicación 7, caracterizado porque el software de la imagen digital y el por lo menos un algoritmo específico de parámetros de operación son implementados, preferiblemente en forma del programa de simulación, en un microprocesador, preferiblemente en código de máquina (código C).
9. Procedimiento de acuerdo con la reivindicación 8, caracterizado porque el microprocesador es asociado de manera directa al motor eléctrico del ventilador.
10. Procedimiento de acuerdo con una de las reivindicaciones 1 a 9, caracterizado porque los parámetros de operación son duración de vida del cojinete y/o la duración de vida de la grasa del cojinete.
11. Procedimiento de acuerdo con una de las reivindicaciones 1 a 10, caracterizado porque los parámetros determinados de operación son usados para el mantenimiento predictivo del ventilador.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018201707 | 2018-02-05 | ||
PCT/DE2019/200007 WO2019149324A1 (de) | 2018-02-05 | 2019-02-04 | Verfahren zur ermittlung von betriebszuständen eines ventilators |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2949879T3 true ES2949879T3 (es) | 2023-10-03 |
Family
ID=65763234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES19710598T Active ES2949879T3 (es) | 2018-02-05 | 2019-02-04 | Procedimiento para la determinación de estados de operación de un ventilador |
Country Status (9)
Country | Link |
---|---|
US (1) | US11795958B2 (es) |
EP (1) | EP3749864B1 (es) |
JP (1) | JP7334171B2 (es) |
CN (1) | CN111684162B (es) |
BR (1) | BR112020014359A2 (es) |
DE (1) | DE102019201409A1 (es) |
ES (1) | ES2949879T3 (es) |
SI (1) | SI3749864T1 (es) |
WO (1) | WO2019149324A1 (es) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018211850A1 (de) | 2018-07-17 | 2020-01-23 | Ziehl-Abegg Se | Verfahren zum Bewerten einer Betriebsbereitschaft eines Elektromotors sowie Elektromotor und Ventilator |
DE102018211846A1 (de) | 2018-07-17 | 2020-01-23 | Ziehl-Abegg Se | Verfahren und System zum Bewerten eines Schwingungsverhaltens eines Elektromotors |
DE102019208637A1 (de) | 2019-06-13 | 2020-12-17 | Ziehl-Abegg Se | Verfahren zum Bestimmen eines Zustands eines Elektromotors und entsprechender Elektromotor sowie Ventilator |
DE102020124238A1 (de) | 2020-09-17 | 2022-03-17 | Eagleburgmann Germany Gmbh & Co. Kg | Verfahren zum Betreiben einer Gleitringdichtungsanordnung sowie Gleitringdichtungsanordnung |
JP2023106781A (ja) * | 2022-01-21 | 2023-08-02 | 日立Geニュークリア・エナジー株式会社 | プラント計装装置およびそれを備えた設備劣化監視システムとプラント保全最適化システム |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5210704A (en) * | 1990-10-02 | 1993-05-11 | Technology International Incorporated | System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment |
RU2113699C1 (ru) | 1996-05-21 | 1998-06-20 | Орловский государственный технический университет | Устройство для диагностики подшипников качения |
JP3880455B2 (ja) | 2002-05-31 | 2007-02-14 | 中国電力株式会社 | 転がり軸受の余寿命診断方法及びこの余寿命診断装置 |
DE10257793A1 (de) | 2002-12-11 | 2004-07-22 | Daimlerchrysler Ag | Modellbasierter Lebensdauerbeobachter |
JP2006142994A (ja) | 2004-11-19 | 2006-06-08 | Denso Corp | 車両用ネットワークシステムおよび電子制御装置 |
DE102005032720B4 (de) | 2005-07-13 | 2007-04-05 | Siemens Ag | Schnittstellenmodulvorrichtung für eine elektrische Maschine zur Lebensdauerberechnung eines Lagers |
US8762097B2 (en) * | 2006-08-04 | 2014-06-24 | Apple Inc. | Method and apparatus for a thermal control system based on virtual temperature sensor |
DE102008005690A1 (de) * | 2008-01-23 | 2009-01-29 | Siemens Aktiengesellschaft | Verfahren zum Überwachen der Gebrauchslebensdauer leistungselektronischer Baueinheiten und elektronisches Überwachungssystem |
DE102010002294A1 (de) | 2010-02-24 | 2011-08-25 | Siemens Aktiengesellschaft, 80333 | System bzw. Verfahren zur Ermittlung eines Lagerzustandes |
US9918410B2 (en) * | 2010-03-16 | 2018-03-13 | Hewlett Packard Enterprise Development Lp | Fan control system and method |
US9551504B2 (en) * | 2013-03-15 | 2017-01-24 | Emerson Electric Co. | HVAC system remote monitoring and diagnosis |
DE102013106838A1 (de) * | 2013-06-29 | 2014-12-31 | Ebm-Papst St. Georgen Gmbh & Co. Kg | Anordnung zur Abschätzung der Lebensdauer eines Elektromotors |
RU2554544C2 (ru) | 2013-09-26 | 2015-06-27 | Федеральное государственное унитарное предприятие "Центральный институт авиационного моторостроения имени П.И. Баранова" | Цифровая электронная система управления с встроенной полной термогазодинамической математической моделью газотурбинного двигателя и авиационный газотурбинный двигатель |
AT514683B1 (de) | 2013-10-11 | 2015-03-15 | Avl List Gmbh | Verfahren zur Abschätzung der Schädigung zumindest eines technischen Bauteiles einer Brennkraftmaschine |
US20150361864A1 (en) * | 2014-04-21 | 2015-12-17 | Clemson University | Control of radiator cooling fans |
US20170286572A1 (en) * | 2016-03-31 | 2017-10-05 | General Electric Company | Digital twin of twinned physical system |
RU2622493C1 (ru) | 2016-08-29 | 2017-06-15 | Федеральное государственное бюджетное научное учреждение "Федеральный научный агроинженерный центр ВИМ" (ФГБНУ ФНАЦ ВИМ) | Способ эксплуатационного контроля технического состояния и прогнозирования ресурса подшипников электродвигателей |
CN106949056B (zh) * | 2017-05-02 | 2019-10-25 | 辽宁工程技术大学 | 一种压风机运行状态感知及故障预测***及方法 |
US11635734B2 (en) * | 2019-01-10 | 2023-04-25 | Dalian University Of Technology | Interval error observer-based aircraft engine active fault tolerant control method |
DE102019214677A1 (de) * | 2019-09-25 | 2021-03-25 | Siemens Energy Global GmbH & Co. KG | Drehzahlgeregelte externe Gebläse zur temperaturgeregelten Durchzugsbelüftung von Turbogeneratoren, Phasenschiebern und rotierenden elektrischen Maschinen zur Netzstabilisierung |
-
2019
- 2019-02-04 EP EP19710598.4A patent/EP3749864B1/de active Active
- 2019-02-04 WO PCT/DE2019/200007 patent/WO2019149324A1/de unknown
- 2019-02-04 DE DE102019201409.7A patent/DE102019201409A1/de active Pending
- 2019-02-04 CN CN201980011657.9A patent/CN111684162B/zh active Active
- 2019-02-04 JP JP2020542003A patent/JP7334171B2/ja active Active
- 2019-02-04 BR BR112020014359-6A patent/BR112020014359A2/pt active IP Right Grant
- 2019-02-04 SI SI201930560T patent/SI3749864T1/sl unknown
- 2019-02-04 ES ES19710598T patent/ES2949879T3/es active Active
- 2019-02-04 US US16/967,675 patent/US11795958B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20210156388A1 (en) | 2021-05-27 |
EP3749864B1 (de) | 2023-04-26 |
RU2020128980A (ru) | 2022-03-09 |
CN111684162A (zh) | 2020-09-18 |
RU2020128980A3 (es) | 2022-03-09 |
SI3749864T1 (sl) | 2023-08-31 |
BR112020014359A2 (pt) | 2020-12-01 |
JP2021512420A (ja) | 2021-05-13 |
WO2019149324A1 (de) | 2019-08-08 |
US11795958B2 (en) | 2023-10-24 |
JP7334171B2 (ja) | 2023-08-28 |
CN111684162B (zh) | 2023-03-10 |
DE102019201409A1 (de) | 2019-08-08 |
EP3749864A1 (de) | 2020-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2949879T3 (es) | Procedimiento para la determinación de estados de operación de un ventilador | |
US11773859B2 (en) | Method for optimizing the efficiency and/or the running performance of a fan or a fan arrangement | |
ES2820448T3 (es) | Sistema y procedimiento para estimar la vida útil restante de un dispositivo | |
Aswani et al. | Reducing transient and steady state electricity consumption in HVAC using learning-based model-predictive control | |
CN111684369B (zh) | 用于风扇或风扇总成的优化操作的方法 | |
Durand-Estebe et al. | Simulation of a temperature adaptive control strategy for an IWSE economizer in a data center | |
CN107882759B (zh) | 最佳化散热风扇控制参数的方法及其*** | |
Dogruoz et al. | Computations with the multiple reference frame technique: Flow and temperature fields downstream of an axial fan | |
KR20210042961A (ko) | 기계의 남아있는 사용 수명을 예측하기 위한 어셈블리 및 방법 | |
GB2578316A (en) | A building management system and method | |
Caceres et al. | Thermal and exergy analysis in UPS and battery rooms by numerical simulations | |
Pohl et al. | Vertical natural convection models and their effect on failure analysis in electro-thermal simulation of large-surface OLEDs | |
Jain | ThermalSim: A thermal simulator for error analysis | |
RU2779855C2 (ru) | Способ оптимизации коэффициента полезного действия и/или эксплуатационных характеристик вентилятора или системы вентиляторов | |
RU2778874C2 (ru) | Способ определения эксплуатационных состояний вентилятора | |
Ilyin et al. | Determining the Self-Thermal Impedances of Power Transistors and Diodes of an IGBT Module Based on Its 3D Model | |
CN103631693A (zh) | 服务器的模拟组件、服务器发热的模拟方法和装置 | |
Huang et al. | Digital twin-based thermal analysis of a frequency synthesizer | |
Mihai et al. | Modeling of heat transfer in microchannels of a CPU-heat sink cooling system | |
SanAndres et al. | Radial fan simulations by computational fluid dynamics and experimental validation | |
Zhang et al. | System design and simulation of constant temperature box using semiconductor refrigeration device | |
Wang et al. | Thermal-Fluid Coupling Simulation of Ventilation Cooling System of Generator Based on FLOWMASTER | |
Fu et al. | Numerical investigation into thermal behavior of brushless permanent magnet motors | |
Kim et al. | Cooling System Design in Power Electronic | |
Booplan et al. | Electronic component heat distribution optimization using MATLAB |