双螺旋桨驱动单元的诊断系统的制作方法

本公开大体来说涉及对船用多螺旋桨系统进行故障检测的计算机实施的诊断系统。在特定方面中，本公开涉及对包括由至少一个电机驱动的两个自平衡螺旋桨的螺旋桨系统进行故障检测。尽管可参照特定的船或船只描述本公开，但本公开并不限于任何特定类型的船舶。

背景技术：

1、电力推进系统在海上休闲艇和较小的商业船舶(诸如渡轮和诸如此类)中变得越来越常见。

2、期望检测船用传动系何时出现故障。因此，多个传感器通常安装连接到推进系统的关键部分以检测何时出现故障。这些先进传感器系统会提高成本并且本身可能会失灵。

3、传动系诊断系统通常是为了特定传动系设备(即，某种螺旋桨设计和传动)定制。这意味着必须设计很多不同版本的诊断系统，这是效率低下的。传动系诊断系统的错误配置也可导致错误检测的假阳性。

4、期望传感器数目减小的可靠诊断系统。还期望能够适应不同类型的船用传动系和螺旋桨类型的对螺旋桨系统没有要求的诊断系统。

5、像往常一样，期望延长与船用驱动单元相关联的维修间隔。

技术实现思路

1、本公开的各方面谋求为多螺旋桨船用驱动单元(诸如，双螺旋桨驱动单元)提供改善的诊断系统。为了实现这一目标，公开一种用于自平衡船用驱动单元的计算机实施的诊断系统，所述自平衡船用驱动单元包括差动装置，所述差动装置被布置成将输入驱动扭矩分配在螺旋桨系统的至少两个螺旋桨之间。所述计算机实施的诊断系统包括处理电路，所述处理电路连接到与所述螺旋桨系统相关联的速度传感器系统并且还连接到与所述电机相关联的控制单元。所述速度传感器系统被布置成连接到所述差动装置以将指示所述自平衡螺旋桨驱动单元的螺旋桨轴中的至少一者的旋转速度的螺旋桨速度数据提供到所述处理电路。所述控制单元还被布置成将指示由所述电机汲取的马达电流的马达电流数据提供到所述处理电路。所述处理电路被布置成监测从所述控制单元接收的所述马达电流数据和从所述速度传感器系统接收的螺旋桨速度数据，并且基于马达电流数据与螺旋桨速度数据的组合将所述自平衡螺旋桨驱动单元的状态分类成包括一种或多种故障状态的预定数目个状态。所述处理电路还被布置成在所述自平衡螺旋桨驱动单元的所述状态被分类为故障状态的情形中触发所述诊断系统的动作，诸如产生电机控制的调适的警报信号。本公开的各方面可谋求提供能够对所述驱动单元中出现的故障状态(诸如，螺旋桨损坏、传动磨损、过热、螺旋桨生物淤积和诸如此类)进行快速检测并且分类的诊断系统。已表明马达电流数据与速度传感器数据的组合产生特别准确并且可靠的结果。这至少部分地由于所述马达电流数据的特性高度地取决于所述自平衡螺旋桨系统的不同螺旋桨速度。马达电流数据的频率内容例如通常包括在固定倍数的螺旋桨速度下的频谱峰值。通过获悉系统的螺旋桨速度，所述诊断系统可高效地验证所述马达电流数据的所述频谱内容是否如预期一样。如果检测到异常，则可快速宣布故障并且可自动地采取动作以减轻故障的后果。接着，可结合所述螺旋桨速度数据基于检测到的差异来选择故障类型。

2、所述诊断系统可使用从原始马达电流数据和原始螺旋桨速度数据导出的预处理的输入数据(诸如傅里叶变换输入数据)来实现，或者作为采用所述马达电流数据和所述螺旋桨速度数据作为直接输入而不进行预处理的系统。

3、在一些示例中，与所述电机相关联的所述控制单元是逆变器，所述逆变器被布置成将直流电(dc)馈电转换成交流电(ac)马达馈电以用于驱动所述电机。这种逆变器已存在于大多数电力传动系中，并且可重复用于本文中所述的诊断目的，这是优点。所述逆变器获悉速度并且通常还获悉对马达轴施加的扭矩，所述速度和扭矩是可由诊断系统使用的数据。

4、所述马达电流数据优选地但不必包括直接正交零(d-q)变换的马达电流数据。此类变换数据相对容易从算法视角分析，从而使得与很多替代实施方式相比，实施方式的复杂性减小，这是优点。所述处理电路可例如被布置成获得所述马达电流数据的频率表示以确定所述获得的频率表示与预期频率表示之间的差异，并且在所述差异不满足接受准则的情形中将所述自平衡螺旋桨驱动单元的所述状态分类成故障状态。可使用例如快速傅里叶变换、小波变换或诸如此类方便地获得频率表示。可表明可基于此类输入数据实现高效并且准确的诊断系统。频率表示对于人类思维也是直观的，这促进对所述诊断系统所基于的潜在物理机制的理解。维修技师可例如在已出现故障之后查看频率日志，并且因此例如通过对频率日志与预期频率日志值和指示已知故障状态的频率日志值进行比较来获得对故障的根本原因的更好理解。可例如鉴于以下中的任一者确定所述获得的频率表示与所述预期频率表示之间的差异：频率峰值的数目、频率峰值的频率位置、频率峰值的绝对振幅和/或相对振幅、频率峰值的频宽、频率子带功率和频率子带熵。频率可被归一化为测量的螺旋桨速度，即相对于螺旋桨速度给出。可例如通过将所述马达电流数据中的所有频率分量除以螺旋桨速度中的一者(例如最低螺旋桨速度)或所述螺旋桨速度的平均值来获得归一化。因此，螺旋桨速度数据也可用于归一化，这是优点。

5、在一些示例中，所述处理电路被布置成根据所述螺旋桨速度数据选择所述故障状态。使用所述螺旋桨速度数据，可例如判定哪个螺旋桨已开始比其标称旋转速度更快或更慢地旋转。此信息通常在选择对马达电流数据的特性具有类似影响的许多可能故障状态中的故障状态时是有价值的。因此，应理解，马达电流数据与螺旋桨速度数据的组合对于实施准确的诊断系统来说特别高效。

6、在一些示例中，处理电路被布置成获得故障模型，所述故障模型被配置成基于所述监测到的马达电流数据和所述螺旋桨速度数据将所述自平衡螺旋桨驱动单元的所述状态分类成所述预定数目个状态，其中已使用与所述一种或多种故障状态对应的监测到的马达电流数据和螺旋桨速度数据的组合的记录值先验地训练所述故障模型。可至少部分地使用来自机器学习和人工智能领域的技术来实施本文中所论述的诊断系统。通过搜集说明各种故障状态的大量数据，可训练诊断系统以使用本领域中已知的方法在故障状态出现时实时地辨识故障状态。处理电路还可被布置成获得故障模型，所述故障模型被配置成基于所述监测到的马达电流数据和所述螺旋桨速度数据将所述自平衡螺旋桨驱动单元的所述状态分类成所述预定数目个状态，并且以自平衡螺旋桨驱动单元的当前分类状态为条件基于在所述螺旋桨驱动单元的操作期间监测的马达电流数据和螺旋桨速度数据来训练所述故障模型。因此，还可在本文中所论述的诊断系统的使用期间加以改进所述系统，这是优点。故障模型可例如基于某种类型的随机森林集成学习技术或神经网络，诸如卷积神经网络或其他类型的神经网络。机器学习模型的确切类型并不太重要。而是，存在技术人员明白的很多替代方案。

7、在一些示例中，所述处理电路被布置成确定所述螺旋桨系统的所述至少两个螺旋桨之间在螺旋桨速度上的差异。接着，所述处理电路可被布置成获得故障模型，所述故障模型被配置成基于所述监测到的马达电流数据和所述螺旋桨速度数据将所述自平衡螺旋桨驱动单元的所述状态分类成所述预定数目个状态，并且以所述螺旋桨系统的所述至少两个螺旋桨之间在螺旋桨速度上的所述差异满足接受准则为条件基于在所述螺旋桨驱动单元的操作期间监测的马达电流数据和螺旋桨速度数据来训练所述故障模型。螺旋桨速度的太大差异通常指示故障状态。因此，通过以所述螺旋桨速度没有太大差异为条件实时地(在驱动单元的使用期间)训练故障模型，可有利地避免诊断系统的错误训练。

8、在一些示例中，处理电路还被布置成从外部实体接收更新的故障模型并且将当前故障模型替换成所述更新的故障模型。因此，可从外部实体更新系统所使用的故障模型，即替换成更好的模型。此外部实体可例如被设置成从一个以上船舶上的一个以上驱动单元搜集数据，并且因此与仅在本地进行训练相比达到更改进的故障模型。当然，所述处理电路还可将其训练的故障模型反馈回到外部实体，所述外部实体接着可合并来自一个以上诊断系统的输入。如此一来，所述系统变成船队管理系统，所述船队管理系统管理许多船和船只的操作以检测何时出现故障并且采取动作。

9、在一些示例中，所述处理电路被布置成获得与针对多个不同螺旋桨类型的马达电流数据和螺旋桨速度数据相关的参考数据。接着，所述处理电路可基于所述监测到的马达电流数据和螺旋桨速度数据与所述获得的参考数据之间的比较来检测所述螺旋桨系统的螺旋桨类型。这意味着所述诊断系统变得与传动系的技术特性在一定程度上没有要求，从而减小对驱动单元特定配置的需要，这是优点。在一些相关示例中，所述处理电路被布置成获得与针对多个不同的传动系传动类型的马达电流数据和螺旋桨速度数据相关的参考数据，并且基于所述监测到的马达电流数据和螺旋桨速度数据与所述参考数据之间的比较来检测所述螺旋桨系统的传动类型。

10、每种故障状态还可与预定数目个严重程度中的一者相关联。一些故障状态可仅提示告知用户出现的非正式消息，而其他故障状态可能更严重，需要立即采取动作以减轻事件的后果。触发的系统动作可包括向操作者通知故障状态及其相关联的严重程度。此触发的动作任选地包括在当前状态被分类为与预定严重程度相关联的故障状态的情形中禁用电机。

11、本文中还公开与上述优点相关联的方法、计算机程序和计算机程序产品。

12、本领域普通技术人员中的任一者将明白，以上方面、随附权利要求和/或本文中在上文和稍后在下文所公开的示例可彼此适合地组合。

13、另外的特征和优点在以下说明书、权利要求和附图中公开，并且部分地对于本领域技术人员而言将是显而易见的或者通过按照本文中描述地实践本公开而认识到。本文中还公开了与上文所论述的技术益处相关联的控制单元、计算机系统、计算机可读介质和计算机程序产品。