СПОСОБ ОПТИМИЗИРОВАННОЙ ЭКСПЛУАТАЦИИ ВЕНТИЛЯТОРА ИЛИ ВЕНТИЛЯТОРНОЙ СИСТЕМЫ Российский патент 2023 года по МПК G05B13/04 

Изобретение касается способа оптимизированной эксплуатации вентилятора или вентиляторной системы с использованием цифрового отображения вентилятора или, соответственно, вентиляторной системы и по меньшей мере одного характерного для эксплуатационного параметра алгоритма.

1. Цифровой близнец и алгоритм-близнец

Здесь в основе лежит принципиальная идея, обеспечить в каждой рабочей точке вентилятора наилучший возможный коэффициент полезного действия и наилучшие возможные эксплуатационные характеристики. Из-за противоречивых эксплуатационных параметров это затруднительно.

Из практики вентилятора известно, что шарикоподшипник и смазка шарикоподшипника являются критическими параметрами для срока службы вентилятора. Срок службы шарикоподшипника и смазки шарикоподшипника в значительной степени зависит от эксплуатационной температуры в или, соответственно, на двигателе и действующих на шарикоподшипник механических сил. Так как в непосредственной близости от подшипника не могут размещаться ни датчики температуры, ни датчики силы, нельзя измерить ни температуру подшипника, ни действующие на подшипник усилия на подшипнике. Следовательно, требуется либо опосредствованно измерять эти параметры, либо определять их путем расчета.

Из DE 10 2010 002 294 A1 известна система или, соответственно, способ определения состояния подшипника электрической машины. Реальные сенсорные блоки определяют измеряемое значение, которое передается в блок моделирования. Посредством блока моделирования определяется результирующее значение, которое является либо значением тока подшипника, либо зависимым от тока подшипника значением. Результирующее значение передается для дальнейшего расчета в следующий блок. Известная система/способ, в связи с необходимой сенсорной техникой, является затратным и при нехватке достаточного конструктивного пространства может только с трудом применяться у вентиляторов.

В основе цифрового близнеца и алгоритма-близнеца лежит создание цифрового отображения реального вентилятора, а именно, путем отображения его свойств посредством математических моделей расчета и при необходимости при привлечении известных данных, в данном случае реальных данных измерения. Эти реальные данные измерения могут представлять собой текущие данные измерения из текущего режима эксплуатации каждого индивидуального двигателя (и при необходимости его истории). Также создается и привлекается к дальнейшему расчету по меньшей мере один характерный для эксплуатационного параметра алгоритм с учетом известных зависимостей, характеристик и пр.

По цифровому отображению посредством виртуальных датчиков определяются или, соответственно, рассчитываются состояния конструктивных элементов вентилятора. Эти состояния конструктивных элементов вводятся в характерный или для режима эксплуатации или для эксплуатационного параметра или для продукта алгоритм, который из эксплуатационных состояний определяет и рассчитывает конкретные эксплуатационные параметры вентилятора и при необходимости дает выведенные из них, касающиеся эксплуатации вентилятора прогнозы, например, прогнозы по сроку службы вентилятора. Существенным является возможность комбинированного использования определенных состояний конструктивных элементов и реальных данных измерения.

При этом используются два различных компонента программного обеспечения, а именно, первый компонент программного обеспечения, касающийся цифрового близнеца, и второй компонент программного обеспечения, касающийся характерного для эксплуатационного параметра алгоритма, который можно назвать «интеллектуальным» алгоритмом.

Цифровой близнец является цифровым отображением реального, индивидуального объекта, в случае предлагаемой изобретением идеи вентилятора или вентиляторной системы. Цифровой близнец отображает свойства вентилятора посредством модели расчета и при необходимости с привлечением известных данных вентилятора. Задача цифрового близнеца состоит в том, чтобы рассчитывать состояния конструктивных элементов вентилятора в зависимости от каждого эксплуатационного состояния с помощью виртуальных датчиков. Найденные на основании такого расчета состояния конструктивных элементов передаются в характерный для эксплуатационного параметра алгоритм, который из эксплуатационных данных цифрового близнеца определяет/рассчитывает эксплуатационные параметры или эксплуатационные состояния вентилятора, например, срок службы подшипника и/или срок службы смазки подшипника. На основе результата возможна соответствующая ситуации адаптация регулирования. Поэтому эксплуатационные параметры и эксплуатационные состояния являются столь же релевантными, когда они являются расчетными величинами.

Поясненная выше комбинация цифрового близнеца и характерного для эксплуатационных параметров алгоритма применительно к цифровому алгоритму-близнецу может реализовываться на микропроцессоре, который должен предназначаться для двигателя вентилятора, и таким образом предназначаться для этого вентилятора в качестве постоянного компонента.

Цифровой алгоритм-близнец является комбинацией описывающего вентилятор цифрового близнеца со своего рода интеллектуальным алгоритмом, который выполнен характерным (специфическим) для эксплуатационного параметра.

При соответственно выполненном вентиляторе может производиться прогностическое обслуживание, с целью избежать выхода вентилятора из строя, например, из-за поврежденного подшипника или смазки подшипника. Стремятся к соответствующей ситуации адаптации системных параметров, чтобы можно было реализовать практически максимально возможный срок службы вентилятора.

С использованием цифрового отображения вентилятора и характерного для эксплуатационного параметра алгоритма в рамках прогностического обслуживания стремятся по возможности полностью исчерпывать срок службы конструктивных элементов вентилятора и одновременно избегать любого выхода вентилятора из строя. Срок службы вентилятора рассчитывается при взятии за основу расчетных состояний конструктивных элементов и результирующих из них эксплуатационных параметров.

Цифровой близнец использует физические и/или математические и/или статистические и/или эмпирические и/или комбинированные модели для расчета термических и механических состояний конструктивных элементов. Во всяком случае, к ним относятся как математические, так и физические и нефизические модели. Характерному для эксплуатационного параметра алгоритму (интеллектуальный алгоритм) нужны найденные цифровым близнецом состояния конструктивных элементов, чтобы определять любые эксплуатационные параметры, например, также чтобы прогнозировать выход вентилятора из строя. Так как срок службы вентилятора в первую очередь зависит от шарикоподшипников и смазки шарикоподшипника, фокусированный на смазке шарикоподшипника и шарикоподшипнике расчет эксплуатационных параметров играет очень большую роль.

Из практики известно, что срок службы смазки подшипника в значительной мере зависит от эксплуатационной температуры. Чем выше эксплуатационная температура в течение всего срока службы, тем быстрее расходуется смазка подшипника. Следовательно, следует определять температуру подшипника, чтобы определять срок службы смазки подшипника.

Для определения температуры подшипника в непосредственном окружении подшипника должен был бы размещаться датчик температуры. Вследствие геометрических и функциональных условий вентилятора/двигателя это невозможно. Соответственно предлагаемым изобретением образом такие состояния конструктивных элементом, как температура подшипника, рассчитываются посредством цифрового близнеца вместе с характерным для эксплуатационного параметра алгоритмом.

Расчет базируется на математической модели, которая, в свою очередь, базируется на редуцированной связанной термомагнитной модели расчета. Комбинация из цифрового близнеца вместе с характерным для эксплуатационного параметра алгоритмом рассчитывает источники тепла, приемники тепла и термическое состояние касающейся двигателя вентилятора общей системы. Так с помощью виртуальных датчиков цифрового близнеца может определяться температура смазки подшипника в зависимости от эксплуатационного состояния вентилятора/двигателя и включаться в качестве эксплуатационного состояния в характерный для эксплуатационного параметра алгоритм.

Как цифровой близнец, включая его виртуальные датчики, так и характерный для эксплуатационного параметра алгоритм может имплементироваться в машинный код (C-код) на уже имеющемся микропроцессоре, благодаря чему вентилятору придается определенный машинный интеллект.

Предыдущие варианты осуществления описывают способ определения эксплуатационных состояний вентилятора с использованием цифрового отображения (цифровой близнец) вентилятора при помощи по меньшей мере одного характерного для эксплуатационного параметра алгоритма. Это является основой для расчета последующих этапов способа, эксплуатационных состояний, которые определяются с помощью виртуальных датчиков, при взятии за основу цифрового алгоритма-близнеца, причем для реализации цифрового алгоритма-близнеца в отношении вентилятора определяется рабочий процесс (Workflow). В частности, возможно отказываться от реальных датчиков для определения эксплуатационных состояний.

2. Интеллектуальный вентилятор

С помощью способа оптимизации коэффициента полезного действия и/или эксплуатационных характеристик вентилятора создается как бы «интеллектуальный» вентилятор, при этом, исходя из характерных для конструктивных элементов или функций численных детальных моделей, при взятии за основу по меньшей мере одного алгоритма, осуществляется редукция модели и вместе с тем данных (уточнение данных) с получением характерных для конструктивных элементов или функций моделей поведения, при этом редуцированные данные моделей поведения в системном моделировании связываются или, соответственно, комбинируются с получением модели поведения системы, имеющей входные и выходные величины, и при этом входные величины и соответствующие выходные величины вентилятора из модели поведения системы предоставляются оптимизатору для выбора, чтобы, в зависимости от рамочных условий, достигать оптимизированного регулирования системы.

При этом речь идет о цифровом алгоритме-близнеце в контексте «интеллектуального вентилятора» применительно к усовершенствованному варианту осуществления алгоритма-близнеца по пункту 1.

Дальнейшую разработку цифрового алгоритма-близнеца следует понимать как самостоятельную, соответствующую ситуации адаптацию системных параметров вентилятора или, соответственно, вентиляторной системы, чтобы в каждой рабочей точке обеспечивать наилучший возможный коэффициент полезного действия и наилучшие возможные эксплуатационные характеристики.

Сначала составляются численные детальные модели, например, касающиеся термической модели, модели магнитной цепи или модели, касающейся положения лопастей и потока или, соответственно, условий потока. Детальная модель может быть также цифровым близнецом соответственно вводному пояснению в отношении окружения вентилятора, например, центра обработки данных в контексте общей системы. Также детальная модель может касаться цифрового близнеца вентиляторной системы. Возможны другие детальные модели.

На следующем этапе происходит редукция детальных моделей в рамках редукции модели, а именно, с получением так называемых моделей поведения. Это сопровождается значительным редуцированием поступающих данных.

После этого в системном моделировании происходит связь имеющих редуцированные данные моделей поведения, результатом которой является исследование поведения, содержащее комбинированную модель поведения.

Моделирование общей системы осуществляется в системном пространстве, имеющем равномерно распределенную комбинацию входных величин. Результатом является таблица, содержащая входные комбинации и соответствующие им выходные величины системы. Таблица отражает модель поведения системы, а именно, с входными величинами и соответствующими выходными величинами вентилятора. На основе этих величин может осуществляться оптимизация.

В текущем режиме эксплуатации оптимизатор в зависимости от условий окружения выбирает наилучшие возможные выходные величины системы, такие как, например, коэффициент полезного действия системы, в таблице модели поведения предпочтительно в реальном времени. Как только наилучшая возможная выходная величина системы найдена, из таблицы могут считываться соответствующие входные величины. С помощью этих входных величин система регулируется наилучшим образом, и причем предпочтительно в реальном времени.

В свете предыдущих рассуждений существенно, что оптимизатор выбирает оптимальный коэффициент полезного действия системы из таблицы поведения системы и подает регулирующей системе необходимые входные величины. Так возможна постоянная оптимизация.

3. Предлагаемая изобретением оптимизация

В основе настоящего изобретения лежит задача, при взятии за основу цифрового близнеца вместе с алгоритмом-близнецом и оптимизацией коэффициента полезного действия и/или эксплуатационных характеристик вентилятора, с использованием «интеллектуального» вентилятора генерировать, с одной стороны, постоянное улучшение цифрового алгоритма-близнеца, а с другой стороны, улучшенные продукты (вентиляторы) за счет инновации продукта (обновления продукта), а именно, с использованием расчетных эксплуатационных состояний.

Вышеуказанная задача решается с помощью признаков п.1 формулы изобретения, а именно, с помощью способа оптимизированной эксплуатации вентилятора или вентиляторной системы с использованием цифрового отображения вентилятора или, соответственно, вентиляторной системы и по меньшей мере одного характерного для эксплуатационного параметра алгоритма, при этом полученные при эксплуатации данные и сведения предпочтительно передаются предпочтительно на постоянный инновационный и алгоритмический анализ, с целью, с одной стороны, генерировать инновации продукта, а с другой стороны, улучшенные «интеллектуальные» алгоритмы.

Основой предлагаемого изобретением способа является использование цифрового близнеца и используемого там алгоритма-близнеца соответственно вводному пояснению к пунктам 1 и 2.

С помощью инновационного анализа, с одной стороны, и алгоритмического анализа, с другой стороны, генерируется постоянное улучшение цифрового алгоритма-близнеца и новые инновации продукта.

Исходной точкой предлагаемого изобретением способа является цифровой алгоритм-близнец, который рассчитывает эксплуатационные состояния вентилятора при эксплуатации, т.е. на месте у заказчика. Эти эксплуатационные состояния отправляются на анализ, а затем для дальнейшей обработки в облако. Анализ использует предпочтительным образом особый инструмент, а именно, программный блок для машинного обучения в облаке. Под «машинным обучением» следует понимать искусственное генерирование знания из опыта.

Такая искусственная система учится на примерах расчетных эксплуатационных состояний по цифровому алгоритму-близнецу и может обобщать их по окончании собственной фазы обучения. Такая система распознает шаблоны и закономерности в обучающих данных на основе расчетных эксплуатационных состояний.

В свете предыдущих рассуждений могут производиться инновации продукта и улучшения алгоритмов.

Также существенно, что расчет и запись состояний конструктивных элементов служит для получения новых сведений, в частности при разработке новых продуктов. Осуществляется постоянное увеличение количества цифровых ноу-хау.

Также путем инновационного анализа может определяться, что фактически нужно заказчику в отношении вентилятора, и причем при взятии за основу профиля конкретного запроса. Так вследствие индивидуально адаптированных под заказчика вентиляционных продуктов возникают новые инновации.

Инновационный анализ дает „Feedback to Design“ («обратную связь с проектом») путем анализа умных данных, которые возникают в соответствии с пунктом 2 вводного пояснения вследствие редукции модели.

Существующие или, соответственно, улучшенные алгоритмы могут использоваться для расчета срока службы или для оптимизации характеристик вентилятора и улучшаться в ходе анализа. Улучшенные алгоритмы делают вентилятор «интеллектуальным» («умным») и позволяют получить наилучший возможный прогноз для технического обслуживания. Это имеет очень большое значение.

В итоге улучшенные алгоритмы и новые инновации продукта включаются в разработку новых продуктов-вентиляторов и, помимо этого, приводят к постоянному улучшению цифровых алгоритмов-близнецов.

Есть разные возможности предпочтительным образом воплотить и усовершенствовать идею настоящего изобретения. Для этого, с одной стороны, можно сослаться на пункты формулы изобретения, зависимые от п.1 формулы изобретения, а с другой стороны, на последующее пояснение одного из предпочтительных примеров осуществления изобретения с помощью чертежа. В связи с пояснением предпочтительного примера осуществления изобретения с помощью чертежа поясняются также вообще предпочтительные варианты осуществления и усовершенствования этой идеи. На чертеже показано:

фиг.1-16: этапы способа реализации предлагаемой изобретением идеи, имеющие особые отличия, при этом предлагаемая изобретением идея в качестве примера поясняется с помощью фиг.6.

Фиг.1-5 служат для понимания предлагаемой изобретением идеи и относятся к цифровому близнецу и цифровому алгоритму-близнецу как основе для интеллектуального вентилятора.

В конкретном случае, на фиг.1 показана комбинация цифрового близнеца по меньшей мере с одним характерным для эксплуатационного параметра алгоритмом, которая ниже называется цифровым алгоритмом-близнецом. Это можно рассмотреть на примере срока службы смазки подшипника и/или подшипника.

Как уже указывалось выше, срок службы смазки подшипника и подшипника зависит от эксплуатационной температуры и частоты вращения двигателя. Так как в непосредственном окружении подшипника не может размещаться датчик температуры, температура подшипника должна рассчитываться посредством модели, в соответствии с изобретением с помощью цифрового алгоритма-близнеца, который получается из комбинации цифрового близнеца и характерного для эксплуатационного параметра алгоритма (интеллектуальный алгоритм).

Цифровой близнец является не чем иным, как математической моделью, которая основывается на редуцированной связанной термомагнитной и механической расчетной модели. Цифровой близнец рассчитывает термическое и механическое состояние касающейся двигателя общей системы. С помощью принадлежащих цифровому близнецу виртуальных датчиков цифровой близнец может определять температуру смазки подшипника в зависимости от эксплуатационного состояния двигателя.

Интеллектуальному алгоритму для дальнейшей обработки данных нужны состояния конструктивных элементов, чтобы, например, прогнозировать выход вентилятора из строя. По характеристикам выхода из строя может рассчитываться, или по меньшей мере оцениваться, отказ двигателя. Все касающееся цифрового алгоритма-близнеца программное обеспечение реализовано в машинном коде (C-коде) на микропроцессоре двигателя, так что не требуется никакая другая электроника.

На фиг.2 показана последовательность расчета срока службы смазки подшипника в подшипнике двигателя вентилятора. В рамках создания цифрового отображения реального вентилятора требуются численные детальные модели, в конкретном случае, термические модели, модели магнитной цепи и пр. Кроме того, составляются алгоритмы для расчета срока службы смазки.

После этого детальные модели редуцируются с получением моделей поведения, чтобы можно было манипулировать объемом данных.

После этого происходит связь моделей поведения и рассчитывающего срок службы смазки подшипника алгоритма в системном моделировании, а именно, в рамках комбинации цифрового близнеца с характерным для эксплуатационного параметра алгоритмом, который в настоящем случае рассчитывает срок службы смазки подшипника. Из этой системном моделировании генерируется C-код, и происходит непосредственная имплементация C-кода на микропроцессор двигателя.

Как уже указывалось выше, редукция детальной модели до модели поведения требуется, чтобы снизить время вычислений. Благодаря этой мере цифровой алгоритм-близнец может реализовываться на микропроцессоре двигателя. Для редукции термической модели могут применяться разные методы, например, метод Крылова. При этом данные детальной модели редуцируются путем понижения порядка модели.

Магнитная детальная модель может редуцироваться с помощью алгоритма или с помощью таблицы. В таблице определены предварительно рассчитанные для определенных ситуаций результаты, так что сложные расчеты могут заменяться быстрым поиском значений. С помощью соответственно редуцированных моделей может рассчитываться температура смазки подшипника и температура подшипника. Расчетные значения используют характерный для эксплуатационного параметра алгоритм, здесь рассчитывающий срок службы смазки подшипника алгоритм, чтобы рассчитывать срок службы, с одной стороны, смазки подшипника, а с другой стороны, подшипника.

Кроме того, можно предпочтительно экспоненциально взвешивать использованный срок службы подшипника/смазки подшипника в зависимости от эксплуатационной температуры.

На фиг.3 показан характер изменения такого коэффициента взвешивания на протяжении хода изменения температуры, при этом за основу расчета срока службы смазки подшипника берутся взятые в качестве примера параметры, такие как длительная эксплуатация, вид подшипника, вязкость, частота вращения, температура смазки и время эксплуатации/срок службы. Этот пример вычислений при сроке эксплуатации четыре минуты дает использованный срок службы 15 минут.

Редуцированные модели в соответствии с цифровым близнецом и характерным для эксплуатационного параметра алгоритмом, касающиеся срока службы смазки подшипника, включаются в системное моделирование и связываются друг с другом. Системное моделирование может составляться, например, в программе MATLAB. С помощью генератора кода MATLAB можно перевести системное моделирование в C-код и имплементировать на микропроцессоре двигателя.

На фиг.4 и 5 показаны отдельные этапы способа, касающегося создания «интеллектуального» вентилятора, при этом фиг.4 относится к положению угла лопастей, а фиг.5 к распределению нагрузки вентиляторов центра обработки данных (дата-центра). Соответствующие этапы способа от создания или, соответственно, подготовки детальной модели, редуцированной модели, системном моделировании вплоть до модели поведения в том и другом случаях идентичны. При взятии за основу модели поведения оптимизатор отыскивает оптимальный коэффициент полезного действия системы из таблицы повеления системы и передает соответствующие входные величины регулятору, при этом регулирование осуществляется в реальном времени. Эта процедура, вместе с данными, генерируются в C-коде, так что оптимизация может проходить на обычном процессоре.

В соответствии с изображением на фиг.4 угол положения лопастей вентилятора должен регулироваться так, чтобы получался оптимальный коэффициент полезного действия системы в зависимости от рабочей точки. Из детальной модели при взятии за основу надлежащего алгоритма выводится редуцированная модель, из которой в рамках системном моделировании, при взятии за основу нескольких детальных моделей, получается исследование поведения или, соответственно, результирующая из него модель поведения. Оптимизатор выбирает оптимальный коэффициент полезного действия системы из таблицы поведения системы и передает соответствующие входные величины, с помощью которых может достигаться оптимизация, механизму регулирования. Происходит регулирование общей системы в реальном времени на микропроцессоре, а именно, при взятии за основу модели поведения и служащего для оптимизации алгоритма. Данные и алгоритм программирования имеются в C-коде.

В соответствии с изображением на фиг.5 речь идет о распределении нагрузки системы нескольких вентиляторов, в выбранном примере осуществления о распределении нагрузки вентиляторов центра обработки данных (дата-центра). Скорость потока и необходимое при ней распределение нагрузки отдельных вентиляторов должно регулироваться так, чтобы получался оптимальный коэффициент полезного действия системы в зависимости от температуры, преобладающей в центре обработки данных. Здесь также оптимизатор выбирает оптимальный коэффициент полезного действия системы из таблицы поведения системы и передает механизму регулирования соответствующие входные величины, так что регулирование общей системы может осуществляться в реальном времени на микропроцессоре. И здесь данные модели вентилятора вводятся в служащий для оптимизации алгоритм, при этом программа работает в C-коде на обычных процессорах.

Способ позволяет при взятии за основу рассмотренной выше редукции данных составлять компактный C-код, который может работать на стандартных микропроцессорах. На микропроцессоре происходит своего рода уточнение данных (Big Data → Smart Data большие данные → умные данные), причем это является результатом расчета. Только сжатые уточненные данные подвергаются дальнейшей обработке или, например, пересылаются в облако. Разумеется, за счет этого в очень значительной степени редуцируется объем стриминга связи в облако.

Также эксплуатационные параметры, определенные у цифрового близнеца и характерного для эксплуатационного параметра алгоритма, могут применяться для прогностического обслуживания и для профилактического обслуживания вентилятора, с одной стороны, и для оптимизации конструкции и эксплуатации вентилятора, с другой стороны, при этом цифровой алгоритм-близнец совершенствуется для самостоятельной, соответствующей ситуации, адаптации системных параметров, а именно, чтобы в каждой рабочей точке обеспечивать наилучший возможный коэффициент полезного действия и наилучшую возможную эксплуатационную характеристику.

На фиг.6 схематично показана последовательность предлагаемого изобретением способа, при этом цифровой алгоритм-близнец при эксплуатации вентилятора работает на имеющемся там микропроцессоре двигателя. Эксплуатационные состояния рассчитываются с помощью виртуальных датчиков. На основании эксплуатационных состояний возможна адаптация регулирования и расчет срока службы вентилятора.

Данные передаются от микропроцессора двигателя в облако, с одной стороны, для инновационного анализа, а с другой стороны, для алгоритмического анализа.

В области инновационного анализа осуществляется машинное обучение, имеющее результатом постоянные инновации продукта.

В области алгоритмического анализа тоже осуществляется машинное обучение, имеющее результатом все более интеллектуальные алгоритмы.

Результаты того и другого анализов - инновационного анализа и алгоритмического анализа - посредством обратной связи используются для улучшения цифрового близнеца и цифрового алгоритма-близнеца, с целью «интеллектуальных» алгоритмов и для создания «интеллектуальных» вентиляторов.

Для предлагаемой изобретением идеи в рамках одного из особых отличий, соответственно признакам п.5 формулы изобретения, имеет особое значение, что распознаются шаблоны и закономерности. В дополнение к предыдущим рассуждениям в этой связи можно констатировать следующее:

«Artifical Intelligence» или искусственный интеллект является родовым понятием для описания всех областей исследования, которые занимаются выполнением человеческой интеллектуальной деятельности машинами. Одной из отдельных областей искусственного интеллекта является «Machine Learning» или машинное обучение, в результате которого машины получают возможность генерировать «знания» из опыта, другими словами, обучаться. «Deep Learning» (англ. глубокое обучение) с помощью искусственных нейронных сетей является одним из особенно эффективных методов перманентного машинного обучения на базе статистического анализа больших количеств данных и поэтому наиболее значительной технологией в искусственном интеллекте.

«Deep Learning» является одним из методов обучения в рамках машинного обучения. С применением нейронных сетей машина сама оказывается в состоянии распознавать структуры, оценивать это распознавание и самостоятельно улучшаться или, соответственно, оптимизироваться за несколько направленных как вперед, так и назад прогонов.

Искусственные нейронные сети разделены для этой цели на несколько слоев. Эти слои действуют как взвешенный фильтр, который работает в направлении от грубого к тонкому и таким образом повышает вероятность распознавания шаблона и выдачи правильного результата. Это скопировано с человеческого мозга, который работает аналогичным образом.

Искусственные нейронные сети могут представляться в виде матриц. Это имеет то преимущество, что необходимые расчеты могут производиться достаточно просто. Возможен расчет на традиционном микропроцессоре, принадлежащем также вентилятору. Это позволяет получить интеллектуальный вентилятор без необходимости подключения к интернету.

Искусственные нейронные сети могут применяться для адаптации цифрового алгоритма-близнеца под многообразие продуктов какого-либо изготовителя и под различные применения заказчиками во время эксплуатации. Кроме того, искусственные нейронные сети могут применяться, чтобы на основе шаблонов ошибок прогнозировать выход вентилятора из строя. Для этого служат несколько взаимосвязанных факторов, например, повышенный ток и повышенная температура электроники.

Имеет значение, что в основе разработки современных вентиляторов лежит цифровой близнец вентилятора и применение цифрового алгоритма-близнеца. Из эксплуатации вентилятора определяются эксплуатационные состояния, и происходит адаптация регулирования и влияние на срок службы. Инновационный анализ и алгоритмический анализ посредством обратной связи используется в цифровом алгоритме-близнеце и способствует улучшению в направлении «интеллектуального» осуществления алгоритма, с дальнейшей целью, создать «интеллектуальный» вентилятор.

Изображение на фиг.7 и 8 служит для дальнейшего пояснения идеи заявляемого изобретения.

Существенным является использование цифрового отображения, а именно, цифрового близнеца вентилятора. Цифровой близнец получается посредством обработки данных. Он получается, в конкретном случае, из комбинации известных входных величин или значений измерения датчиков с расчетными значениями и расчетами/моделями. На основе цифрового близнеца осуществляется определение температуры конструктивных элементов, токов, потерь и пр. в определенных заданных местах вентилятора. На основе цифрового близнеца виртуально определяются реальные значения, такие как, например, конкретные температуры конструктивных элементов, причем тогда, когда в данном конкретном месте вентилятора не существует экономически/конструктивно целесообразной возможности измерения посредством сенсорной техники.

Также важное значение для идеи заявляемого изобретения имеет характерный для эксплуатационного параметра алгоритм. На основе результатов или, соответственно, данных, которые дает цифровой близнец, например, температуры подшипника, определяются такие показатели, как, например, вероятность выхода из строя или использованный срок службы вентилятора или, соответственно, подшипника вентилятора. Эти показатели зависят от текущих эксплуатационных параметров вентилятора и их истории, т.е. в каких рабочих точках и окружениях работает/работал вентилятор.

Фиг.7 и 8 на конкретном примере поясняют предлагаемый изобретением способ определения эксплуатационных состояний вентилятора с использованием цифрового отображения вентилятора с учетом предыдущих рассуждений.

В левой колонке фиг.7 стоят измеренные и расчетные входные величины, включая проставленные на стрелках единицы измерения. Эти входные величины измеряются с помощью имеющихся стандартных датчиков или известны.

Из этих входных величин рассчитываются источники тепла и приемники тепла. За основу берутся базирующиеся на моделировании модели, которые учитывают такие источники тепла, как, например, потери в меди, железе, электронике, и приемники тепла, такие как охлаждение двигателя (колесо охлаждения, обтекающий воздух и температура окружения). Результатом этого являются входные величины для редуцированной термической модели, имеющей виртуальные датчики. Все это соответствует цифровому близнецу применительно к термической модели.

Из редуцированной термической модели, имеющей виртуальные датчики, рассчитываются температуры конструктивных элементов. При этом термическая модель отображает физику вентилятора и с помощью виртуальных датчиков рассчитывает температуру в подшипнике, в обмотке, на магните и в разных компонентах электроники, в зависимости от потребности.

На фиг.8 в качестве продолжения фиг.7 отчетливо показано, что выходные величины из редуцированной термической модели, при необходимости имеющей другие параметры, привлекаются в качестве входных величин для расчета процесса старения. Лежащие в основе модели старения базируются на исторических данных и могут быть заложены в виде характеристик. Так ограниченный старением остаточный срок службы может индивидуально рассчитываться или корректироваться на месте на основе фактической истории вентилятора и текущего эксплуатационного состояния.

Результатом данных моделей расчета старения является расчетный срок службы в днях или часах, который, рассматриваемый отдельно, может служить чистой информацией. Тогда связанная с этим информация может привлекаться к дальнейшему прогнозу, а именно, к прогнозу остаточного срока службы отдельных конструктивных элементов или всего вентилятора. Тогда этот прогноз может использоваться для интеллектуальной оптимизации остаточного срока службы. Чтобы продлить остаточный срок службы, могут осуществляться меры, например, уменьшение частоты вращения или интеллектуальное распределение нагрузки на несколько вентиляторов. Эти меры могут связываться какой-либо регулирующей величиной.

На фиг.9 еще раз показан цифровой близнец вплоть до редуцированной термической модели, имеющей виртуальные датчики, причем вентилятор отображается им вместе с двигателем. Как уже указывалось выше, термическая модель отображает физику (физические характеристики) вентилятора и рассчитывает с помощью виртуальных датчиков разные температуры, которые привлекаются для различных назначений/целей/применений, в ключевых словах, например:

- для контроля: определение эксплуатационных параметров с помощью виртуальных датчиков и использование их для контроля. Это могут быть: предупреждающие сообщения, СИД статуса, комментарии в считываемом коде ошибки, отображения в облаке или программном приложении, изображение на пользовательском интерфейсе;

- для прогностического обслуживания (Predictive Maintenance): способ определения старения вентилятора, состоящего из многочисленных отдельных систем, таких как шарикоподшипник, обмотка, компоненты электроники, магниты, и прогноз остаточного срока службы. Использование, например, для планирования интервалов технического обслуживания, для достижения наиболее долгого возможного срока службы перед интервалом технического обслуживания (т.е. не слишком раннее техническое обслуживание), автоматическое планирование сроков технического обслуживания, сообщение о необходимости технического обслуживания, автоматический заказ запчастей;

- для оптимизации: способ определения эксплуатационных состояний, касающихся характеристик продукта, т.е. коэффициента полезного действия, температур конструктивных элементов, частоты вращения, выходной мощности, расхода, шумности, вибраций и пр.;

- для создания интеллектуального вентилятора: реакция на определенные эксплуатационные состояния для улучшения поведения или для достижения определенных целей:

- изменение рабочей точки/изменение регулирующего параметра для оптимального коэффициента полезного действия;

- изменение рабочей точки для достижения наиболее долгого возможного срока службы;

- уменьшение частоты вращения, когда вероятность выхода из строя очень высока;

- изменение рабочей точки при ритме день-ночь для наиболее тихого возможного ночного применения;

- выдача регулировочной величины для дополнительных устройств или устройств заказчика, например, выдача температуры для использования в регулировании теплового насоса или для дополнительного охлаждения;

- целенаправленный обход критических состояний системы (например, резонансов, повышенных температур и пр.).

Для лучшего понимания предлагаемой изобретением идеи имеют значение, с одной стороны, последовательность этапов способа, а с другой стороны, их содержание. Последовательность каждого из этапов способа может выводиться из рабочего процесса разработки лежащего в основе алгоритма. Этот алгоритм показан на фиг.10, причем на последнем этапе может осуществляться совершенствование способа.

Для создания детальной модели принципиально релевантно следующее:

Модель является отображением или аппроксимацией реальности, то есть по определению приближением. Модель всегда ограничивается некоторым фрагментом, который интересен для желаемого отображения. Кроме того, модель является в принципе неполной, так как либо она редуцируется для более простого применения в отношении ее необходимых вводных величин, либо отдельные физические элементы поведения при составлении модели неизвестны. В зависимости от более позднего использования и целеполагания, необходим другой вид моделирования, т.е., например, другая рассматриваемая область, необходимая другая точность в результатах или быстрота расчета. Есть очень много видов моделей, при этом в технической области чаще всего модель связывается с математическим представлением, например, с алгебраическими равенствами или неравенствами, системами обычных или частичных дифференциальных уравнений, пространственными представлениями состояний, таблицами, графиками.

Постоянной составной частью в сегодняшней разработке продукта является виртуальная разработка продукта с применением FE-моделирование (Finite Elemente Simulation, англ. моделирование методом конечных элементов). Классическим образом здесь физический домен (например, прочность или тепло или магнитная цепь) отображается в очень большой (порядок величины 100 Гигабайт) и требующей большого количества вычислений модели, и результаты определяются в этой модели в миллионах мест (узлов). Это один из вариантов детальных моделей. Грубую последовательность составления этих детальных моделей можно обрисовать следующим образом:

1. импорт 3D-геометрии, например, из области CAD,

2. назначение краевых условий, т.е. постоянные закрепления, определенния материалов, условия контактирования (места склеивания, скользящие соединения, теплоизоляция),

3. объединение (разделение геометрии на миллион мелких элементов, которые связаны друг с другом),

4. создание нагрузки, то есть сил, источников/приемников тепла, магнитных полей.

5. автоматическое решение получающихся дифференциальных уравнений для каждого отдельного элемента и сведение в один большой результат для общей модели,

6. оценка результатов.

Составление детальных моделей, имеющих виртуальные датчики, в отношении вентиляторов/общих систем, имеющих вентиляторы, происходит следующим образом.

Детальные модели составляются с целью иметь возможность отображать физику вентилятора и/или общей системы. Так называемые виртуальные датчики являются определенными точками расчета в детальных моделях. Эти виртуальные датчики рассчитывают состояния конструктивных элементов, например, температуру обмотки в термической детальной модели вентилятора. Детальные модели являются моделями моделирования, которые являются затратными в отношении времени расчета, необходимой вычислительной мощности и потребной памяти. Такие детальные модели, как, например, термические модели, модели магнитной цепи, модели электроники, модели регулирования, модели силы или модели вибраций служат для расчета нелинейных эксплуатационных состояний. Физические эффекты системы включают в себя взаимодействия между доменами, поэтому отдельные модели должны рассматриваться, будучи связанными в общей системе. Расчеты с помощью детальных моделей в общей системе непрактичны с точки зрения времени расчета, так как взаимодействия не могут оцениваться в реальном времени. Поэтому требуется редукция модели.

Создание редуцированных моделей может происходить следующим образом.

Редукция модели описывает в общих чертах уже существующую модель, чтобы редуцировать другую информацию, например, чтобы оптимизировать ее по потребности в памяти или скорости вычислений. Здесь, в зависимости от конкретного случая применения, есть много вариантов, таких как, например:

- приближение простых математических функций, таких как, например, полиномиальные функции, и только сохранение в памяти коэффициентов;

- закладка таблиц для разных входных величин и затем либо применение этих дискретных значений, либо интерполяция между значениями;

- приближение статистических моделей, которые дают прогнозы из прежних значений;

- графики/логические схемы, пример: если T ˃ 200°C, то вентилятор неисправен.

Создание редуцированных моделей - пример a)

Исходной точкой для редуцированной модели является термическая FE-модель, которая отображает температуры в каждой точке модели в зависимости от подвода тепла и отвода тепла. В следующем примере редукция модели упрощается только до одного подвода тепла и одной отвода тепла, только одной определяемой температуры в месте A и только соответственно значений «высокий» и «низкий». Для этого проводится исследование параметров, при котором определяется эта так называемая «справочная таблица»:

Температура в месте A Подвод тепла=низкий=1 Вт Отвод тепла=высокий=11 Вт Отвод тепла=низкий=1 Вт 40°C 80°C Отвод тепла=высокий=5 Вт 20°C 60°C

После этого есть несколько возможностей использования результатов:

- непосредственное или дискретное использование таблицы. Пример: когда в месте A прогнозируется температура для подвода тепла 4 Вт и отвода тепла 1 Вт, непосредственно принимается значение 40°C;

- использование таблицы и линейная интерполяция между значениями. Пример: когда в месте A прогнозируется температура для подвода тепла 5 Вт и отвода тепла 1 Вт, посредством линейной интерполяции принимается значение 60°C;

- использование таблицы для определения функции прогноза температуры посредством регрессии. Примерами целевых функций являются полиномиальные функции, линейные функции, экспоненциальные функции, статистические функции, дифференциальные уравнения и пр. После этого определение температуры с помощью этой функции.

Создание редуцированных моделей - пример b)

Исходной точкой для редуцированной модели является термическая FE-модель, которая отображает температуры в каждой точке модели в зависимости от подвода тепла и отвода тепла. После этого с помощью математических допущений, расчетов и преобразований (например, системы ЛСС (линейная стационарная система) или метода подпространств Крылова) могут приближаться компактные пространственные модели состояний. Эти модели состоят из двух существенных дифференциальных или, соответственно, интегральных уравнений и четырех описывающих всю систему матриц (например, матрицы 200 х 200, заполненные скалярными числовыми значениями). Однако они уже представляют температуру не в миллионах узлов, а только в небольшом количестве выбранных мест. Кроме того, из-за приближения происходит отклонение результатов в зависимости от размера пространственной модели состояния. В принципе, считается, что чем больше модель и ее матрицы, тем меньше отклонение.

Пространственные модели состояния стандартным образом имеются в виде процедур, модулей или объектов во многих компьютерных программах, таких как, например, Matlab, или же в языках программирования, поэтому такие модели могут рассчитываться путем простого импорта матриц. Входными величинами являются здесь, например, тепловая мощность, которая поступает в систему, и приемники тепла посредством конвекции, выходными величинами являются, например, определенные температуры конструктивных элементов (например, три разные температуры конструктивных элементов).

Создание редуцированных моделей - пример c)

Исходной точкой для редукции моделей в этом примере являются результаты экспериментов. Здесь, как и в примере a), составлялась бы таблица из результатов измерений и затем с ней поступали бы эквивалентным образом (дискретное использование, линейная интерполяция или регрессия посредством математических функций.

Дополнительное значение могут иметь связь физических доменов или разных моделей.

Классическим образом при виртуальной разработке продукта домены рассматриваются по отдельности, так как общее рассмотрение является очень затратным в отношении вычислений и памяти и непрактичным. Вследствие редукции моделей возникает возможность связывать модели разных доменов. Например, связь детальной модели магнитной цепи, время вычислений которой на высокопроизводительном вычислительном кластере составляет от нескольких дней до недель, с термической моделью непредпочтительно. Во многих случаях она необходима для как можно более точного отображения реального поведения.

Связь физических доменов или разных моделей - примеры:

- сопротивление обмотки приблизительно линейно зависимо от температуры меди. В зависимости от сопротивления обмотки мощность потерь в обмотке изменяется приблизительно линейно. В зависимости от мощности потерь термическое поведение, например, температура обмотки и подшипника изменяется сильно нелинейно, что, в свою очередь, сказывается на сопротивлении обмотки. Таким образом, здесь, в зависимости от требования к результатам модели, необходима связь;

- необходимый вращающий момент и частота вращения вентилятора сильно зависимы от сопротивления установки и, например, разности давления и температуры нагнетаемой среды. В зависимости от момента нагрузки изменяется поведение магнитной цепи, т.е. токи через обмотку, магнитное поле, частота вращения, и пр. Тогда, в зависимости от этого, изменяется также потребление мощности, потери и достижимая частота вращения. И здесь в случае применения заказчиком возможна связь поведения вентилятора с ситуацией монтажа, в зависимости от случая применения.

Конкретизация технического воплощения - пример a):

- составление термической FE-модели вентилятора → требующая больших вычислений и большой памяти FE-модель, имеющая 1000000 элементов дополнительно для полиномиальной функции. Источники и приемники тепла, как полиномиальные функции, отображены в зависимости от входного тока и частоты вращения;

- составление редуцированной термической модели статистическими методами, которая отображает температуру компонентов электроники в зависимости от входного тока и частоты вращения → полиномиальная функция, которая описывает температуру в зависимости от входного тока и частоты вращения=виртуальный датчик температуры;

- характеристика из техпаспорта о сроке службы компонента электроники в зависимости от его температуры → характерный для эксплуатационного параметра алгоритм, который с помощью виртуального датчика температуры рассчитывает вероятность выхода из строя;

- использование профилактического обслуживания для контроля или для оптимизации рабочей точки → интеллектуальный алгоритм.

Конкретизация технического воплощения - пример b):

- регистрация индикатора тока и частоты вращения двигателя с помощью интегрированной электроники/регулирования. Отсюда выводится электромагнитная рабочая точка;

- на основе этой рабочей точки посредством справочных таблиц или полиномиальных функций получаются потери двигателя и силовой электроники;

- термическая модель обрабатывает значения потерь и определяет температуры критических компонентов системы, таких как шарикоподшипники или полупроводниковые компоненты;

- одновременно посредством реального датчика записываются вибрации конструктивных элементов. Локальные вибрации виртуально проецируются моделями поведения на общую систему, вследствие чего, например, оценивается нагрузка на подшипник от вибраций;

- с помощью характерных для эксплуатационных параметров алгоритмов найденные температуры и значения вибраций пересчитываются в оценку срока службы конструктивных элементов и вентилятора;

- тем самым могут обеспечиваться дальнейшие меры, такие как профилактическое обслуживание;

- одновременно при знании потерь рабочая точка и коэффициент полезного действия системы может оптимизироваться путем осуществляемых по технике регулирования адаптаций, таких как, например, варьирование предварительного угла управления.

В рамках применения в вентиляторах и/или вентиляторных системах имеют силу предыдущие рассуждения о редуцировании детальных моделей, при этом может осуществляться понижение порядка методом подпространств Крылова. Целью является минимизация времени вычислений, потребной вычислительной мощности и потребности в памяти, так чтобы был возможен расчет в реальном времени. Виртуальные датчики сохраняются и дают выходные величины.

В соответствии с фиг.10 на следующем этапе редуцированные модели связываются с получением системной модели вентилятора. В конкретном случае редуцированные модели, такие как термическая модель, модель магнитной цепи, модель программного обеспечения, модель электроники и пр. связываются с получением системной модели вентилятора. Системная модель вентилятора отображает физику отдельного вентилятора или группы вентиляторов или вентиляторной системы и рассчитывает, в зависимости от условий окружения и эксплуатационных состояний, коэффициент полезного действия, эксплуатационные характеристики и возможные взаимодействия между отдельными моделями.

На следующем этапе происходит связывание системных моделей вентилятора с моделью установки, вследствие чего получается общая системная модель. Общая системная модель состоит из нескольких вентиляторов и одной установки, например, включающей в себя компрессор и/или конденсатор. Модель установки может реализовываться с таким же рабочим процессом, как и системная модель вентилятора. После этого системные модели вентиляторов и модель установки могут связываться с получением одной общей системной модели.

Следующий этап включает в себя исследование поведения, а именно, расчет ответных величин с помощью комбинаций входных параметров.

Целью этого исследования является определить поведение общей системной модели и при помощи этого знания регулировать систему в реальном времени.

В соответствии с поведением общей системы в проектном пространстве передаются или, соответственно, отображаются воздействия и влияния входных величин моделей на ответные величины моделей.

Проектное пространство представляет собой многомерное пространство, которое задается возможными входными величинами. Количество входных величин соответствует количеству измерений проектного пространства. При десяти входных величинах это означает десять измерений.

Входные величины моделей варьируются в определенных пределах. При этом возникают комбинации параметров, которые равномерно покрывают и тем самым описывают многомерное пространство. Ответные величины моделей, такие как коэффициент полезного действия и эксплуатационные характеристики, рассчитываются на основе комбинаций параметров. Исследование поведения дает проектное пространство, которое наполнено ответными величинами в зависимости от входных величин. Это пространство отображает поведение общей системы.

На фиг.11 показано, как разные входные величины вливаются в системные модели вентиляторов и модели циркуляционного контура охлаждения, вследствие чего получается модель общей системы охлаждения. Соответствующая выходная величина должна пониматься как результат модели общей системы охлаждения. Полученное в результате этого знание в соответствии с фиг.12 может переводиться в таблицу поведения. Если поведение общей системы известно, входные величины могут адаптироваться для получения наилучшей возможной ответной величины.

Адаптация или выбор ответной величины и соответствующей ей комбинации входных величин из таблицы поведения реализуется оптимизатором, а именно, в соответствии с показанным на фиг.10 следующим этапом способа, после чего оптимизатор выбирает наилучшую ответную величину и вместе с тем выбирает наилучшую возможную комбинацию входных параметров для текущего эксплуатационного состояния.

В соответствии с изображением на фиг.13 оптимизатор выбирает наилучшую ответную величину и определяет наилучшую возможную комбинацию входных параметров для текущего эксплуатационного состояния. Другими словами, оптимизатор в зависимости от условия окружения/эксплуатационного состояния выбирает наилучшую возможную модель ответа. Соответствующие ей комбинации параметров входных величин настраиваются. При этом система может регулироваться наилучшим образом. Таблица поведения общей системы охлаждения может работать на любом процессоре, предпочтительно на микропроцессоре вентилятора, который, таки или иначе, имеется. Так возможно регулирование.

Фиг.14 относится к одному из возможных усовершенствованных вариантов осуществления, согласно которому таблица поведения общей системы охлаждения в соответствии с изображением на фиг.13 расширяется с помощью системного моделирования контура охлаждения в облаке. Система включает в себя цифровых близнецов вентилятора, цифровых близнецов контура охлаждения, блок валидации и виртуальный регулятор/оптимизатор.

Цифровые близнецы вентилятора и циркуляционного контура охлаждения физически отображают систему. Виртуальный регулятор располагает знанием таблицы поведения общей системы охлаждения в соответствии с изображением на фиг.13. Кроме того, виртуальный регулятор путем машинного обучения может обучаться, например, в отношении учета специфических применений заказчиком. Блок валидации улучшает цифровых близнецов путем сравнения заданного значения и действительного значения. Так, система способна моделировать специфические шаблоны заказчика и улучшаться на основании результирующих из них сведений.

В соответствии с комбинацией признаков по п.1 формулы изобретения особое значение имеет инновационный анализ. Целью инновационного анализа является улучшение коэффициента полезного действия, эксплуатационных характеристик и снижение стоимости материала благодаря знанию применений заказчиком. Собираются цифровые отображения во время реального режима эксплуатации заказчиком. Путем распознавания шаблонов, при необходимости с использованием ИИ (ИИ - искусственный интеллект, машинное обучение) отфильтровываются и распознаются характеристические свойства режима эксплуатации заказчиком. На основе этих характеристических свойств режима эксплуатации заказчиком составляется модель заказчика. Посредством искусственного интеллекта осуществляется анализ модели в отношении слабых мест.

Примером такого слабого места является эксплуатация вентилятора в области, в которой отбор тепла не оптимален. По сравнению с каталожными измерениями коэффициент полезного действия снижен. После распознавания таких слабых мест цель оптимизации заключается в повышении коэффициента полезного действия в рабочей точке заказчика. Оптимизатор применяет для оптимизации детальную модель вентилятора и модель шаблона заказчика. Результатом оптимизации может быть, например, адаптация обмотки и/или адаптация геометрии для улучшенного отвода тепла вентилятора.

На фиг.15 показан Workflow (рабочий процесс), который происходит автономно в указанном/каком-либо облаке.

Фиг.16 относится к алгоритмическому анализу в облаке.

Целью интеллектуальных алгоритмов является улучшение и разработка новых алгоритмов для классификации и прогноза выхода вентилятора из строя. Цифровые отображения собираются во время реального режима эксплуатации заказчиком. Искусственный интеллект составляет из собранных данных шаблон и распознает специфические изменения в шаблоне на протяжении истории вплоть до случая ошибки. На основе изменений шаблонов случай ошибки может классифицироваться и составляться прогноз выхода из строя. Этот прогноз преобразуется в алгоритм, как правило, базирующийся на нейронных сетях или, соответственно, самообучающихся системах. Алгоритм после улучшения или повторного составления переносится на режим эксплуатации заказчиком, при этом улучшение может осуществляться циклически или соответственно периодически. Workflow (Рабочий процесс) происходит автоматизированным образом в облаке соответственно изображению на фиг.16.

Наконец, следует непосредственно указать, что описанные выше примеры осуществления служат только для поясненния идеи заявляемого изобретения однако она не ограничена этими примерами осуществления.

Группа изобретений относится к области эксплуатации вентилятора или вентиляторной системы. Способ изменения режима эксплуатации вентилятора или вентиляторной системы, в котором используют цифровое отображение вентилятора или, соответственно, вентиляторной системы, и по меньшей мере один характерный для эксплуатационного параметра алгоритм, посредством которых определяют эксплуатационные состояния или состояния конструктивных элементов во время эксплуатации вентилятора, полученные при эксплуатации упомянутые данные передают от микропроцессора двигателя вентилятора на последующий анализ, при этом осуществляют машинное обучение виртуального регулятора/оптимизатора посредством распознавания шаблонов и закономерностей на основе упомянутых определенных эксплуатационных состояний или состояний конструктивных элементов, в результате которого посредством оптимизатора регулируют режим эксплуатации вентилятора или вентиляторной системы. Технический результат – повышение коэффициента полезного действия, а также повышение эксплуатационных характеристик вентилятора. 2 н. и 7 з.п. ф-лы, 16 ил.

1. Способ изменения режима эксплуатации вентилятора или вентиляторной системы,

причем используют цифровое отображение вентилятора или, соответственно, вентиляторной системы, и по меньшей мере один характерный для эксплуатационного параметра алгоритм, посредством которых определяют эксплуатационные состояния или состояния конструктивных элементов во время эксплуатации вентилятора,

- полученные при эксплуатации упомянутые данные передают от микропроцессора двигателя вентилятора на последующий анализ,

- при этом осуществляют машинное обучение виртуального регулятора/оптимизатора посредством распознавания шаблонов и закономерностей на основе упомянутых определенных эксплуатационных состояний или состояний конструктивных элементов, в результате которого посредством оптимизатора регулируют режим эксплуатации вентилятора или вентиляторной системы.

2. Способ по п.1, отличающийся тем, что используют численные детальные модели, характерные для конструктивных элементов или функций, которые в ходе редукции модели и данных преобразуют с получением моделей поведения, характерных для конструктивных элементов или функций, и связывают или, соответственно, комбинируют в системном моделировании с получением модели поведения системы, имеющей входные и выходные величины, чтобы предоставлять из модели поведения системы оптимизатору для выбора входные величины и соответствующие выходные величины вентилятора.

3. Способ по любому из пп.1, 2, отличающийся тем, что анализ использует программу для машинного обучения, а именно, для искусственного генерирования знания из опыта в процессе эксплуатации вентилятора.

4. Способ по любому из пп.1-3, отличающийся тем, что из данных обучения, которые получают из примеров состояний цифрового алгоритма-близнеца, выводят шаблоны и закономерности.

5. Способ по любому из пп.1-4, отличающийся тем, что анализ дает справку о потребностях оператора вентилятора.

6. Способ по любому из пп.1-5, отличающийся тем, что анализ дает инновации в отношении индивидуально адаптированных под заказчика вентиляторов.

7. Способ по любому из пп.1-6, отличающийся тем, что упомянутые алгоритмы используют для расчета срока службы и/или для изменения режима эксплуатации и/или для наилучшего возможного прогноза для технического обслуживания вентиляторов.

8. Способ по любому из пп.1-7, отличающийся тем, что редукция данных представляет собой уточнение данных.

9. Способ изменения режима эксплуатации вентилятора или вентиляторной системы, которая включает в себя цифровое отображение вентилятора, цифровое отображение контура охлаждения, блок валидации и виртуальный регулятор/оптимизатор,

- причем упомянутые цифровые отображения собирают во время реального режима эксплуатации заказчиком,

- причем виртуальный регулятор/оптимизатор обучают посредством машинного обучения в отношении учета специфических применений заказчиком,

- причем посредством искусственного интеллекта/машинного обучения путем распознавания шаблонов отфильтровывают и распознают характеристические свойства режима эксплуатации заказчиком или специфические изменения в шаблоне на протяжении истории вплоть до случая ошибки,

- посредством блока валидации улучшают упомянутые цифровые отображения путем сравнения заданного значения и действительного значения,

- и посредством оптимизатора повышают коэффициент полезного действия в рабочей точке заказчика и регулируют режим эксплуатации вентилятора.