发动机摩擦监测器制造技术

一种发动机摩擦监测器使用命令的扭矩和测量的扭矩来提供预示特征，以识别发动机的致使阻止所述发动机递送所述命令的扭矩的故障模式。

【技术实现步骤摘要】
【国外来华专利技术】发动机摩擦监测器相关申请的交叉引用：本申请要求于2018年4月2日提交的美国临时申请序列No.62/651,469的申请日权益，所述美国临时申请以引用的方式并入本文中。
本公开总体上涉及一种对发动机和/或一个或多个发动机部件的潜在或即将发生的故障的识别。
技术介绍
发动机将由于各种故障模式而经历累进损坏，所述各种故障模式包括但不限于气缸体损坏、轴承故障(例如，可能与曲轴销磨机燃烧有关)、部件磨损和漂移(例如，燃料系统部件)和交流发电机轴承故障。因此，需要一种利用相关信息来帮助识别即将发生发动机故障的可能性的机构。
技术实现思路
本公开描述了一种发动机摩擦监测器，所述发动机摩擦监测器使用命令的扭矩和测量的扭矩来提供预示特征，以识别发动机和/或其部件的致使阻止发动机递送命令的扭矩的潜在故障。提供了本
技术实现思路
以介绍下文在说明性实施方案中进一步描述的一系列概念。本
技术实现思路
不意在识别所要求保护的主题的关键或本质特征，也不意在用于辅助限制所要求保护的主题的范围。根据以下描述和附图，另外的实施方案、形式、目标、特征、优点、方面和利益将变得显而易见。附图说明图1示出了本公开的发动机摩擦学习(learn)模块的框图。图2A至图2B示出了根据本公开的基线误差空间从标称误差空间的发展。图3是根据本公开的示例性监测误差空间。图4是本公开的发动机摩擦监测系统的框图。图5是本公开的发动机摩擦监测方法的一个实施方案的流程图。图6A至图6E是根据本公开的基于用于监测误差空间的高置信度阈值的示例性发动机故障预测技术。图7A至图7E是根据本公开的基于用于监测误差空间的中等置信度阈值的示例性发动机故障预测技术。图8A至图8E是根据本公开的基于用于监测误差空间的低置信度阈值的示例性发动机故障预测技术。具体实施方式出于促进对本专利技术的原理的理解的目的，现将参考附图中示出的实施方案，并且将使用特定语言来描述所述实施方案。然而，应当理解，由此并不意在限制本专利技术的范围，本文预期了如本专利技术所属领域的技术人员通常会想到的：示出的实施方案中的任何改变和进一步修改，以及本专利技术中所说明的原理的任何进一步应用。本公开适用于能够将各种类型的能量转换成机械力和运动的任何发动机，并且还适用于用于命令通过发动机产生旋转力(即，扭矩)的任何发动机控制模块。本公开描述了一种发动机摩擦监测器装置、系统、方法和技术，其使用命令的扭矩和测量的扭矩、扭矩的变化率、模式识别以及分类方法来提供预示特征，以识别发动机的由于发动机部件上的摩擦增加而致使阻止发动机递送命令的扭矩的潜在故障。图1示出了本公开的发动机摩擦学习模块10，所述发动机摩擦学习模块10用于定基线以学习标称、良好的发动机系统的行为并在基线模型中提供置信度。发动机摩擦模块10可提供数据过滤和选择，以提取正确的信息来做出决定并且对数据进行分类以确定系统是在“良好”状况还是“不良”状况下操作。如本文所使用的，“良好”状况指示发动机与命令的扭矩的扭矩偏差在一个或多个预确定阈值内，即发动机摩擦量是可接受的或在公差内。“不良”系统指示扭矩偏差大于一个或多个阈值，指示发动机的一个或多个部件的过度摩擦状况，即发动机摩擦量不可接受或超出公差。发动机摩擦学习模块10可包括例如计算机模块或电路，所述计算机模块或电路被配置用于处理来自可操作的发动机的命令的扭矩CTOE和测量的扭矩MTOE，并且还处理来自故障发动机的命令的扭矩CTFE和测量的扭矩MTFE，以生成标绘的误差空间20P。该数据用于学习标绘的误差空间20P，用后续数据修改所述标绘的误差空间20P以学习基线误差空间20B。标绘的误差空间20P由扭矩误差轴线21和斜率误差轴线22限定。对于本公开，扭矩误差是特定发动机的命令的扭矩与测量的扭矩之间的差，诸如对于本公开而言，扭矩误差是来自可操作的发动机的命令的扭矩CTOE与测量的扭矩MTOE之间的差，或者是来自故障发动机的命令的扭矩CTFE与测量的扭矩MTFE之间的差。响应于命令的扭矩的变化率与测量的扭矩的变化率之间的差而确定斜率误差。标绘的误差空间20P包括标称阈值边界25P，所述标称阈值边界25P将标绘的误差空间20P划分成具有在来自可操作的发动机的命令的扭矩CTOE与测量的扭矩MTOE之间的标绘的扭矩误差23P的“良好”扭矩区域26P，以及具有在来自故障发动机的命令的扭矩CTFE与测量的扭矩MTFE之间的标绘的扭矩误差24P的“不良”扭矩区域27P。对于发动机而言，有若干因素可能致使扭矩误差，所述若干因素包括但不限于部件磨损和漂移、燃料系统的可变性以及交流发电机效率的变化。标绘的误差空间20P训练发动机摩擦学习模块10以基于初始数据而学习标称系统如何执行并产生标称阈值边界。在图2A中，来自可操作的发动机的命令的扭矩CTOE与测量的扭矩MTOE之间的在扭矩误差轴线21上的标称阈值边界25P以下的扭矩误差被分类为良好扭矩误差21G。来自故障发动机的命令的扭矩CTFE与测量的扭矩MTFE之间的在扭矩误差轴线21上的标称阈值边界25P以上的误差被分类为不良扭矩误差21B。斜率或变化率误差最初被分类为：来自可操作的发动机的在斜率误差轴线22上的标称阈值边界25P以下的良好斜率误差22G；以及来自故障发动机的在斜率误差轴线22上的标称阈值边界25P以上的不良斜率误差22B。回头参考图1，基线误差空间20B包括相对于标绘的误差空间20P的原点定基线的标绘的良好扭矩误差23P和标绘的不良扭矩误差24P，以识别发动机的由标称阈值边界25P表示的标称或初始行为。当对越来越多的标绘的良好扭矩误差23P和标绘的不良扭矩误差24P定基线时，发动机摩擦学习模块10计算从标绘的误差空间20P的原点开始的点距离的累积和。这确保了远离标称阈值边界25P且被添加到“不良”区域的点的权重更高，以便为对摩擦增加致使了重大影响的故障提供适当的权重。因此，当收集了更多数据时，标绘的标称阈值边界25P随时间推移演变成基线阈值边界25B。也可预期基于对从原点开始的每个点的距离的计算而为标绘的误差空间20P定基线的替代方案。例如，可以将用于监督学习和分类的其他方法应用于训练标称阈值边界25P(例如，支持向量机)以学习基线阈值边界25B。基线扭矩误差空间20B包括在基线阈值边界25B以下的良好扭矩误差23B和在基线阈值边界25B以上的不良扭矩误差24B。基线阈值边界25B将基线扭矩误差空间20B划分成良好扭矩区域26B和不良扭矩区域27B。在图2B中，扭矩误差最初被分类为：来自可操作的发动机的在扭矩误差轴线21上的基线阈值边界25B以下的良好扭矩误差21G'；以及来自故障发动机的在扭矩误差轴线21上的基线阈值边界25B以上的不良扭矩误差21B'。斜率或变化率误差最初被分类为：来自可操作的发动机的在斜率误差轴线22上的基线阈值边界25B以下的良好斜率误差22G'；以及来自故障发动机的在斜率误差轴线22上的基线阈值边界25B以本文档来自技高网...

【技术保护点】
1.一种方法，其包括：/n确定发动机的命令的扭矩和测量的扭矩；/n响应于所述命令的扭矩与所述测量的扭矩之间的差而确定扭矩误差，并响应于所述命令的扭矩的变化率与所述测量的扭矩的变化率之间的差而确定斜率误差；/n基于学习的扭矩误差和学习的斜率误差而限定基线误差空间，并基于监测置信水平而在所述基线误差空间内确立基线阈值边界，所述基线阈值边界将所述基线误差空间划分成在所述基线阈值边界以下的第一扭矩区域和在所述基线阈值边界以上的第二扭矩区域；以及/n基于所述扭矩误差和所述斜率误差而将来自所述发动机的扭矩数据分类在所述第一扭矩区域和所述第二扭矩区域中，其中分类在所述第二扭矩区域中的所述扭矩数据指示发动机摩擦状况。/n

【技术特征摘要】
【国外来华专利技术】20180402 US 62/6514691.一种方法，其包括：
确定发动机的命令的扭矩和测量的扭矩；
响应于所述命令的扭矩与所述测量的扭矩之间的差而确定扭矩误差，并响应于所述命令的扭矩的变化率与所述测量的扭矩的变化率之间的差而确定斜率误差；
基于学习的扭矩误差和学习的斜率误差而限定基线误差空间，并基于监测置信水平而在所述基线误差空间内确立基线阈值边界，所述基线阈值边界将所述基线误差空间划分成在所述基线阈值边界以下的第一扭矩区域和在所述基线阈值边界以上的第二扭矩区域；以及
基于所述扭矩误差和所述斜率误差而将来自所述发动机的扭矩数据分类在所述第一扭矩区域和所述第二扭矩区域中，其中分类在所述第二扭矩区域中的所述扭矩数据指示发动机摩擦状况。


2.如权利要求1所述的方法，所述方法还包括基于所述分类的扭矩数据而预测所述发动机的故障。


3.如权利要求2所述的方法，所述方法还包括响应于所述故障预测而使所述发动机降低额定值。


4.如权利要求1所述的方法，其中对所述扭矩数据进行分类包括基于所述第二扭矩区域中的所述扭矩误差相对于所述基线阈值边界的量值，而将所述第二扭矩区域中的所述扭矩数据放置在多个分类点存储桶中的一个中。


5.如权利要求4所述的方法，其中所述多个分类点存储桶表示有关所述发动机的故障预测的升级的指示符。


6.如权利要求1所述的方法，其中限定所述基线误差空间包括基于所述学习的扭矩误差和所述学习的斜率误差而学习具有标称阈值边界的标称误差空间。


7.如权利要求6所述的方法，其中确立所述基线阈值边界包括通过随时间推移对分类在所述第二扭矩区域中的扭矩数据进行加权来修改所述标称阈值边界。


8.一种用于监测发动机摩擦的系统，其包括：
发动机控制模块，所述发动机控制模块用于可操作地控制发动机，其中所述发动机控制模块被配置成确定对所述发动机的命令的扭矩和来自所述发动机的测量的扭矩；
发动机摩擦监测器，所述发动机摩擦监测器被配置成：
响应于所述命令的扭矩与所述测量的扭矩之间的差而确定扭矩误差，并响应于所述命令的扭矩的变化率与所述测量的扭矩的变化率之间的差而确定斜率误差；
基于学习的扭矩误差、学习的斜率误差和监测置信水平而确立基线阈值边界，所述基线阈值边界将基线误差空间划分成在所述基线阈值边界以下的第一扭矩区域和在所述基线阈值边界以上的第二扭矩区域；以及
基于所述扭矩误差和所述斜率误差而将来自所述发动机的扭矩数据分类到所述第一扭矩区域和所述第二扭矩区域中的一个中。


9.如权利要求8所述的系统，其中所述发动机摩擦监测器基于所述分类的扭矩数据而向所述发动机控制模块输出故障预测监测，其中被分类在所述第二扭矩区域中的所述扭矩数据指示发动机摩擦状况。


10.如权利要求9所述的系统，其中所述发动机控制模块被配置...

【专利技术属性】
技术研发人员：P·V·加里梅拉，J·R·海斯罗普，V·贾亚拉曼，M·J·塔门，P·J·舒克，R·J·约翰逊，T·A·安德森，P·帕萨克，
申请(专利权)人：卡明斯公司，
类型：发明
国别省市：美国;US