对用于空气过滤器的状态参量的预测制造技术

本发明专利技术涉及一种用于预测至少一个状态参量的变化的方法，所述状态参量表征至少一个空气过滤器的耐用时间和/或性能，所述方法包括以下步骤：检测至少一个影响参量的至少一个值，状态参量的每个时间单位的变化取决于所述至少一个影响参量；检测影响参量以所述值作用于空气过滤器的持续时间；将所述至少一个影响参量的所述至少一个值供应给至少一个模型，所述至少一个模型提供输出参量，所述输出参量是针对对状态参量的每个时间单位的变化所做出贡献的度量，所述贡献通过所述至少一个影响参量引起；由输出参量和持续时间确定状态参量的变化。本发明专利技术还涉及一种用于训练可训练的机器学习模型的方法和一种用于识别相关影响参量的方法。的方法。的方法。

【技术实现步骤摘要】
对用于空气过滤器的状态参量的预测


[0001]本专利技术涉及对在工业进气过滤系统中的空气过滤器的运行的计划和监测。

技术介绍

[0002]许多工业设备，例如燃气轮机、压缩机和其它使得空气被压缩的涡轮机需要大量的进气流。在此，经常存在如下期望或要求，即，具有颗粒的进气的何种负载是最大允许的。许多类型的颗粒可能随着时间积聚在涡轮机中(结垢)且因此改变涡轮机叶片的空气动力学，从而效率变差并且需要定期清洁涡轮机。某些类型的颗粒也可能通过机械腐蚀和/或通过化学腐蚀直接对涡轮机叶片造成损坏。
[0003]节约和环保能耗注册协会的运行人员的小册子“进气过滤”(1991)详细描述了该问题，并且说明了如何通过对输送到涡轮机的空气进行过滤的适当设计来改善涡轮机的耐用时间和效率。
[0004]因为被拦住的颗粒不会简单地消失，而是积聚在过滤器组件中或以其它方式与过滤器组件相互作用，所以空气过滤器必须定期清洁和/或更换。这引起被以过滤的进气供给的设备的成本和停工时间。

技术实现思路

[0005]任务和解决方案
[0006]本专利技术的任务是，能更好地计划在进气过滤中的过滤器的清洁或更换，使得针对这些措施的成本被优化，其中，同时减少了需要非计划的维护工作的可能性。
[0007]根据本专利技术，该任务通过根据主权利要求的用于预测至少一个状态参量的变化的方法、根据并列权利要求的用于机器学习模型的所属的训练方法以及用于识别重要的影响参量的所属的方法以及通过根据另外的并列权利要求的计算机程序来解决。其它有利的设计方案由对此引用的从属权利要求中得出。
[0008]专利技术公开
[0009]在本专利技术的范围内，开发了一种用于预测至少一个状态参量的变化的方法，所述状态参量表征至少一个空气过滤器的耐用时间和/或性能。状态参量尤其是可以包括例如负载状态和/或空气过滤器的入口和出口之间的在空气过滤器的运行中出现的压力差和/或由负载状态或由压力差影响的另一个参量。
[0010]在该方法中，检测至少一个影响参量的至少一个值，状态参量的每个时间单位的变化取决于所述影响参量。此外，检测影响参量以所述值作用于空气过滤器的持续时间。所述至少一个影响参量的至少一个值被供应给至少一个模型。该模型提供了输出参量，该输出参量是针对对状态参量的每个时间单位的变化所做出的贡献的度量，该贡献通过所述至少一个影响参量引起。由输出参量和持续时间确定状态参量的变化。
[0011]影响参量和状态参量不限于实值的参量，而是例如也可以是复数值或矢量值。
[0012]模型一般理解为例如函数关系，该函数关系描述输出参量与一个或多个影响参量
的依赖关系，该依赖关系至少在现象学上与在空气过滤器内一个或多个影响参量对输出参量产生影响的物理定律一致。在此，模型通常包含或多或少强烈的简化或抽象这些物理定律。这种简化或抽象的程度一方面取决于模型必然描绘物理定律所利用的必要的精度，并且另一方面取决于(例如计算技术上的)操作的耗费。
[0013]该模型例如可以包括一个或多个理论上或经验上确定的公式、和/或一个或多个理论上或经验上求得的特征曲线。例如，空气过滤器的入口和出口之间的压力差与许多影响参量的依赖关系可以近似地通过指数趋势线来建模。备选地或者也可以与此组合地，模型例如可以包括参数化的功能方案，其参数可以基于经验知识通过拟合、通过训练或者以其它方式适当地设定，使得该方案足够准确地描绘所述的物理定律。
[0014]但是，该模型不必强制地从在影响参量和状态参量之间的已知的函数关系中获得。更确切地说，状态参量与影响参量的依赖关系也可以通过机器学习一方面从影响参量的变化曲线中并且另一方面从状态参量中获得。物理函数关系则总是“在后台中”起作用，但是不必明确地知道，以便能够从影响参量中预测状态参量。
[0015]已经认识到，表征空气过滤器的耐用时间和/或性能的状态参量的变化率很大程度上取决于作用到空气过滤器上的影响参量。
[0016]这些影响参量包括静态(即，始终作用在空气过滤器上的)影响参量，例如空气过滤器在由多个空气过滤器构成的布置系统中的位置也或者安装有空气过滤器的在基准面以上的高度。因此，例如在由多个空气过滤器构成的布置系统中的过滤器级的顺序对哪些类型的颗粒完全可以到达哪些过滤器级产生影响。在基准面以上的高度影响被输送通过空气过滤器的空气的密度。静态因素在一定程度上限定了基本速率，空气过滤器的状态参量以该基本速率从新状态或新鲜状态开始朝向空气过滤器的下一个所需的清洁或下一个所需的更换进行。
[0017]此外，还存在许多动态影响参量，所述动态影响参量仅对于有限的时间段作用于空气过滤器，但是为此在该时间段期间尤其是快速地朝下一个所需的维护或下一个所需的更换的方向推进状态参量。这种影响参量的偶然作用，如果不是有针对性地在此寻找的话，是难以发现的，但仍然会对空气过滤器的剩余耐用时间具有大的影响。因此，例如由森林火灾和从火灾位置通向空气过滤器的安装位置的风向构成的组合可以在最短时间中以空气过滤器在其它情况下在一整年中获得的颗粒剂量加载所述空气过滤器。因此，对于空气过滤器的耐用时间的仅仅基于静态影响参量的预测突然是无效的。
[0018]除了完全不可预测的事件，例如森林大火，用于预测的所述方法使得能够量化影响参量的非常不均匀且随时间变化的规则对空气过滤器的耐用时间和/或性能的影响。在此可实现的精度至少足以例如能够在运行边界条件的范围内预见性地计划即将到来的维护措施。由此，可以使维护措施的总成本最小化，所述维护措施由工作本身的成本和被以进气供应的设备的停工时间的成本组成。
[0019]在一个特别有利的设计方案中，影响参量包括一个或多个下列参量：
[0020]·
所述空气过滤器在由多个空气过滤器形成的布置系统中的位置(如上所述)；
[0021]·
表征安装有空气过滤器的设备和/或该设备的运行操作的参数。例如，通过涡轮机的空气流量可以根据负载状态而变化；
[0022]·
使用在空气过滤器的安装位置周围的环境中的至少一个位置或区域的方式。例
如，沿道路行驶的车辆产生细小灰尘，而农业区域于相应的开花时间释放花粉；
[0023]·
在至少一个位置或区域上进行的活动和/或工作。例如，联合收割机在农业区域上产生大量灰尘；
[0024]·
至少一种颗粒状的物质和/或气态的物质从至少一个排放源的排放速率，排放源该例如是相邻的工业设备或火，以及必要时颗粒的数量和尺寸分布；
[0025]·
在空气过滤器的安装位置处和/或在至少一个其它位置处或在至少一个其它区域上的基底温度和/或空气温度和/或空气湿度；
[0026]·
在空气过滤器的安装位置处和/或在至少一个其它位置处或在至少一个其它区域上的风向和/或风强度；和/或
[0027]·
在空气过滤器的安装位置处和/或在至少一个其它位置处或在至少一个其它区域上的降水的类型和强度。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测至少一个状态参量(2)的变化(2a)的方法(100)，所述状态参量表征至少一个空气过滤器(1)的耐用时间和/或性能，所述方法包括以下步骤：
·
检测(110)至少一个影响参量(3)的至少一个值，状态参量(2)的每个时间单位的变化取决于所述至少一个影响参量；
·
检测(120)影响参量(3)以所述值作用于空气过滤器(1)的持续时间(4)；
·
将所述至少一个影响参量(3)的所述至少一个值供应(130)给至少一个模型(5)，所述至少一个模型提供(140)输出参量(6)，所述输出参量是针对对状态参量(2)的每个时间单位的变化所做出贡献的度量，所述贡献通过所述至少一个影响参量(3)引起；
·
由输出参量(6)和持续时间(4)确定(150)状态参量(2)的变化(2a)。2.根据权利要求1所述的方法(100)，其中，所述影响参量(3)包括以下参量中的一个或多个参量：
·
所述空气过滤器(1)在由多个空气过滤器(1)形成的布置系统中的位置；
·
表征安装有所述空气过滤器(1)的设备和/或所述设备的运行操作的参数；
·
在所述空气过滤器(1)的安装位置周围的环境中的至少一个位置或区域的使用方式；
·
在至少一个位置处或至少一个区域上进行的活动和/或工作；
·
来自至少一个排放源的至少一种颗粒状物质和/或气态物质的排放速率；
·
在空气过滤器(1)的安装位置处和/或在至少一个其它位置处或在至少一个其它区域上的基底温度和/或空气温度和/或空气湿度；
·
在空气过滤器(1)的安装位置处和/或在至少一个其它位置处或在至少一个其它区域上的风向和/或风强度；
·
在空气过滤器的安装位置处和/或在至少一个其它位置处或在至少一个其它区域上的降水的类型和强度。3.根据权利要求1至2中任一项所述的方法(100)，其中，将物理上共同作用的影响参量(3)的值的组合供应(131)给所述模型(5)。4.根据权利要求3所述的方法(100)，其中，所述物理上的共同作用包括：
·
至少一种颗粒状物质和/或气态物质的形成和/或释放与所述物质通过风朝向空气过滤器(1)方向的输送的配合作用，和/或
·
通过空气湿度引起的颗粒的附聚和/或至少一种能够随着空气朝向空气过滤器(1)方向运输的物质的其它转变，和/或
·
能够随着空气朝向空气过滤器(1)方向运输的两种或更多种物质的化学和/或物理的相互作用。5.根据权利要求1至4中任一项所述的方法(100)，其中，响应于预测的状态参量(2)和/或预测的变化(2a)满足预先给定的标准(160)，
·
确定(161)对空气过滤器(1)的维护和/或更换有意义的时间点；
·
触发(162)对于空气过滤器(1)和/或对于用于空气过滤器(1)的至少一个替换件的订购过程；和/或
·
利用操控信号来操控(163)安装有所述空气过滤器(1)的设备。6.根据权利要求1至5中任一项所述的方法(100)，其中，选择(132)可训练的机器学习
模型作为模型(5)。7.一种用于训练可训练的机器学习模型(5)的方法(200)，所述机器学习模型用于在根据权利要求6所述的方法(100)中使用，所述方...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：卡尔，
类型：发明
国别省市：