用于确定过滤器的污染程度的方法技术

用于确定过滤器的污染程度的方法。一种用于确定在液压系统(1)中的过滤器(4)的污染程度(15)的方法，所述方法具有如下步骤：a)确定在所述过滤器(4)两端出现的压力差值(12)；b)确定框架条件(10)，所述框架条件描述了在所述压力差值(12)与所述污染程度(15)之间的关系并且所述框架条件在确定所述压力差值(12)期间存在；c)依据寄存在存储器中的模式数据库(14)来将所述压力差值(12)和所述框架条件(10)分配给模式；d)从寄存在所述存储器中的模式数据库(14)中确定被分配给所述模式的污染程度(15)。程度(15)。程度(15)。

【技术实现步骤摘要】
用于确定过滤器的污染程度的方法


[0001]本专利技术涉及一种用于确定过滤器的污染程度的方法。

技术介绍

[0002]在已知系统中，过滤器的污染仅通过在过滤器元件之前和之后的压力之差来被确定。这尤其适用于其中仅存在依据阈值的压力监控的液压系统。
[0003]在此，用于查明污染的相应的压力阈值通常与应用相关地被规定。新的、未被污染的过滤器元件例如能通过小于1bar的压力差来被识别。例如，从2.5bar的压力差起，可以推断出大约80％的污染。接着，在压力差为5bar及以上的情况下例如被评为100％的污染。
[0004]在使用寿命期间，在过滤器处发生的压力损失通常表现为一种指数函数。其原因在于污染增加，其中由于污染，过滤器更不易透过并且由此被污染得越来越快。即，过滤器的污染增加了污染速度，使得这里存在造成过滤器被完全污染的正反馈。
[0005]通过以传感器方式的压力监控对过滤器的污染的监控是一种合适的方法，然而，该方法在复杂条件——诸如变化的压力、突然发生的压力波动、发生的体积流量的显著变化以及相应流体的粘度特性的变化——的情况下提供有时不足够可靠和/或不足够精确的结果。
[0006]例如值得期望的是：能够基于所确定的污染程度来尽可能精确地计算过滤器的剩余使用寿命。
[0007]还值得期望的是：通过确定污染程度，尽可能避免由于需要在短时间内更换过滤器而引起的计划外的停机。
[0008]还值得期望的是：通过确定污染程度，避免由于维护周期不足或者维护工作或过滤器更换执行得太晚而引起的系统中的损坏风险。
[0009]同样，应该尽可能避免由于过滤器元件被污染而引起的流体质量的降低。
[0010]还值得期望的是：识别系统中的损坏或磨损。

技术实现思路

[0011]本专利技术的任务在于：依据人工智能来进一步改进对过滤器的污染的监控，尤其是目标还在于：该人工智能在所描述的如变化的压力、变化的流体粘度等特殊条件下可靠地发挥作用并且为具有该过滤器的系统的安全运行做出贡献。尤其应该至少减轻开头提到的已知方法的问题。
[0012]利用本专利技术，按照专利独立权利要求的特征来解决这一点。其它有利的设计方案在专利从属权利要求中以及在说明书中并且尤其是也在附图描述中说明。应当指出：本领域技术人员可以使各个特征以技术上合理的方式彼此组合并且借此得出本专利技术的其它设计方案。
[0013]有助于此的是一种用于确定在液压系统中的过滤器的污染程度的方法，该方法至少包括如下步骤：
[0014]a)确定在过滤器两端出现的压力差值；
[0015]b)确定框架条件，这些框架条件描述了在该压力差值与污染程度之间的关系并且这些框架条件至少暂时在步骤a)期间存在；
[0016]c)依据寄存在存储器中的模式数据库，将(所确定的)压力差值和(所确定的)框架条件分配给模式(或异常)；
[0017]d)从寄存在该存储器中的模式数据库中确定被分配给该模式的污染程度。
[0018]所描述的方法超越了通过纯粹观察出现的压力差和与阈值的对比来纯粹监控过滤器的当前状态。
[0019]用于与压力差进行对比的阈值通常仅基于经验值以及描述压力差与污染程度之间的关系的粗略曲线。无法实现精确的预测，原因在于描述压力差与污染程度之间的关系的曲线尤其在污染开始时非常平缓并且如此小的绝对误差就已经会导致非常高的错报。必要时，可以提供综合特性曲线，这些综合特性曲线提供与分别存在的条件匹配的阈值。
[0020]总的来说能查明：该压力差取决于非常多的干扰参量。这里应强调的干扰参量尤其是取决于温度的粘度以及在压力与体积流量变化之间的关系或者对相应流体的选择——例如对某些油类作为流体的选择。
[0021]到目前为止，可用参数是利用解析方法来被处理的，以便从出现的压力差推断出过滤器的污染程度。
[0022]然而，在此出现的困难是：这些可用参数经常代表大数据量，对这些大数据量的处理所需的计算时间长。干扰参量的影响大并且这样导致相当不精确的结论。由于这些不确定性，必须经常或提前(即保守地)进行过滤器更换，由此形成高硬件消耗、高环境负担以及还有高成本。关于过滤器的污染程度的结论通常也不精确，以至于需要对过滤器进行手动检查。尽管如此，过滤器仍可能被更换得太晚，由于过滤器被污染而在流体中出现污染并且可能需要计划外的停机。
[0023]原则上，该方法的所提到的步骤能够(至少一次)以所说明的顺序(至少部分地依次)被执行。可能的是：这些步骤有时彼此重叠或者甚至同时被执行。尤其是对不同数据的确定可以在时间上重叠地和/或以不同频率来被执行。
[0024]步骤a)可以包括确定具体的压力差值或者从中推导出的参量。可能的是：对预定的压力差范围和/或压力差变化进行分类并且确定相关的等级或等级极限值。对框架条件的确定可以以传感器方式和/或以计算方式来进行。
[0025]在步骤b)中，确定至少一个指定的框架条件，其中必要时可以确定多个或大量不同的框架条件。可能的是：从中确定框架条件的具体值或者从中推导出的参量。可能的是：对预定的框架条件值范围和/或框架条件变化进行分类并且确定相关的等级或等级极限值。对框架条件的确定可以以传感器方式和/或以计算方式来进行。
[0026]此外，按照步骤c)，基于至少一个(所确定的)压力差值和至少一个(所确定的)框架条件，进行到(预定的)模式的分配，其中该分配访问寄存在存储器中的模式数据库。即，模式包括关于压力差值和框架条件的信息，使得该模式能根据具体值来被自动选择。
[0027]步骤d)包括：确定被分配给(所分配的)模式的污染程度，该污染程度同样从寄存在存储器中的模式数据库得出。借此，模式尤其是多参数模式，其中至少两个输入参量(这里是压力差值和一个或多个框架条件)引起预定的输出参量(这里是污染程度)。
[0028]如果在步骤c)或d)中无法分配模式，则这暂时被视为异常。在多次出现该模式时，对该模式进行标记，使得将来可以将类似的数据点分配给该模式。
[0029]特别有利的是：为了建立寄存在存储器中的在步骤c)中使用的模式数据库，收集最小数量的数据三元组，这些数据三元组包括：压力差值、有关出现的框架条件的框架条件数据和有关分别存在的污染程度的信息。
[0030]有利的是：对寄存在存储器中的模式数据库的建立包括：将数据三元组分配给簇。
[0031]有利的是：这些簇沿着曲线来被分配，该曲线描述了压力差值在过滤器的使用寿命期间的预期变化过程。
[0032]特别有利的是：为了建立寄存在存储器中的在步骤c)中使用的模式数据库，使用自动学习算法，该自动学习算法对这些数据三元组进行处理并且将这些数据三元组分配给簇。
[0033]簇可以沿着曲线来被构造，曲线描述了压力差值在过滤器的使用寿命期间的预期变化过程。
[0034]优选地在初始化运行时形成簇并且建立模式数据库，该初始化运行也可以称为合成运行或者训练运行。对簇的初始形成和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于确定在液压系统(1)中的过滤器(4)的污染程度(15)的方法，所述方法至少具有如下步骤：a)确定在所述过滤器(4)两端出现的压力差值(12)；b)确定框架条件(10)，所述框架条件描述了在所述压力差值(12)与所述污染程度(15)之间的关系并且所述框架条件在确定所述压力差值(12)期间存在；c)依据寄存在存储器中的模式数据库(14)来将所述压力差值(12)和所述框架条件(10)分配给模式；d)从寄存在所述存储器中的模式数据库(14)中确定被分配给所述模式的污染程度(15)。2.根据权利要求1所述的方法，其中为了建立寄存在所述存储器中的在步骤c)中使用的模式数据库(14)，收集最小数量的数据三元组(33)，所述数据三元组包括：
‑
压力差值(12)；
‑
有关出现的框架条件(10)的框架条件数据(20)；和
‑
有关分别存在的污染程度(15)的信息。3.根据权利要求2所述的方法，其中对寄存在所述存储器中的模式数据库(14)的建立包括将数据三元组(33)分配给簇(28)。4.根据权利要求3所述的方法，其中所述簇(28)沿着...

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