基于其实际操作使用累积负载直方图操作风力涡轮的系统

技术领域

本公开内容大体上涉及风力涡轮，且更特别地涉及用于基于其实际操作使用累积负载直方图来操作风力涡轮的系统和方法。

背景技术

风力被认为是目前可用的最清洁、最环境友好的能源中的一种，且风力涡轮在该方面得到增多的关注。现代风力涡轮典型地包括塔架、发电机、齿轮箱、机舱和一个或多个转子叶片。转子叶片是用于将风能转化为电能的主要元件。例如，叶片典型地具有翼型件的横截面轮廓，使得在操作期间，空气流过叶片，在它的侧部之间产生压差。因此，从压力侧朝向吸力侧导向的升力作用在叶片上。升力在主转子轴上生成扭矩，主转子轴连接到发电机以产生电力。

典型地，风力涡轮被设计成在预定或预期的操作寿命内以固定的标称功率输出操作。例如，典型的风力涡轮设计用于20年的寿命。然而，在许多情况下，该预期的总体操作寿命是有限的，或基于风力涡轮构件中的一个或多个的预期疲劳寿命。如本文中使用的风力涡轮的寿命消耗或操作用量(其可包括疲劳或极端负载、磨损和/或其它寿命参数)大体上是指已由先前的操作消耗或耗尽的风力涡轮或其构件的寿命。因此，对于常规的风力涡轮，大体上在风力涡轮的寿命内以预定的时间间隔调度各种预防性维护动作，以防止在不执行此类维护动作的情况下可发生的加速寿命消耗。

然而，此类维护动作的成本和相关联的停机时间是关于风力涡轮总体生命周期成本的重要驱动因素，且因此应被优化。另外，具有较高操作用量的风力涡轮可维护不足，且出现计划外低质量事件的风险更大。类似地，具有较低操作用量的风力涡轮可过度维护。

作为示例，风力涡轮构件(诸如转子叶片、塔架、变桨轴承、齿轮箱等)具有基于物理的寿命模型，该模型在设计和选址阶段期间使用，以确保构件可在预期的寿命操作中存活。此类模型使用特定于构件的输入参数和通过模拟操作的寿命确定的特定寿命负载直方图。照此，该模型被设计成捕获复杂和非线性的机制，这些负载通过该机制作用于构件的物理材料并损伤该材料。然后，该模型可输出在涡轮寿命期内预测的损伤或可靠性(失效概率)的度量。

然后，可将模型输出与阈值进行比较，以确定损伤输出对于按计划操作风力涡轮是否可接受。大体上，阈值考虑材料强度、可接受的风险和可能的减少因素，以应对在模拟和建模方面的不确定性。如果模型输出小于阈值，涡轮操作被视为安全和可接受的。利用此类模型，关于模型输出的可接受操作的阈值可转换成模型也产生的关于损伤的损伤阈值。

而且，模拟风力涡轮以确定特定应用的适用性。复杂的模拟涵盖在控制之下且在涡轮设计寿命预期的风条件下的整个风力涡轮的气动弹性力学行为。这些模拟直接产生创建由构件寿命模型使用的负载直方图所需的负载数据。

因此，用于操作风力涡轮的改进的系统和方法(例如实际操作数据)将在本领域中受到欢迎。因此，本公开内容涉及用于基于其实际操作而不是模拟数据使用累积负载直方图来操作风力涡轮的系统和方法。

发明内容

本发明的方面和优点将在以下描述中部分地阐述，或可从描述中清楚，或可通过实践本发明来学习。

在一个方面，本公开内容涉及一种用于操作风力涡轮的方法。该方法包括在风力涡轮的操作期间确定关于风力涡轮的一个或多个构件的其一个或多个负载和行程度量或函数。该方法还包括在风力涡轮的操作期间使用一个或多个负载和行程度量来至少部分地生成关于一个或多个构件的累积负载数据的至少一个分布。此外，该方法包括将一个或多个构件的寿命模型(诸如基于物理的模型、统计模型或它们的组合)应用于累积负载数据的至少一个分布，以确定迄今关于风力涡轮的一个或多个构件的实际损伤累积。而且，该方法包括基于损伤累积对风力涡轮实施校正动作。

在实施例中，关于风力涡轮的一个或多个构件的负载度量可包括例如轴承负载、塔架负载、转子叶片负载、传动系负载、轴负载、热负载。在另一实施例中，行程度量可包括例如时间、角行程、构件启动和关闭的次数、构件在方向反转之间行进一定角距离的次数、或者一个或多个构件在特定负载下经历应力循环的次数。

在另外的实施例中，构件可包括例如变桨轴承、偏航轴承、塔架、齿轮箱、发电机、转子叶片、转子、毂、轴、转换器、风扇或机舱，或这些主要构件的任何子构件。

在额外的实施例中，一个或多个负载和行程度量的函数可包括平均值、最小值、最大值、标准偏差、中值、分位数等。

在若干实施例中，在风力涡轮的操作期间确定关于风力涡轮的一个或多个构件的一个或多个负载和行程度量可包括经由一个或多个传感器或处理器测量关于风力涡轮的一个或多个构件的一个或多个负载和行程度量，或者经由一个或多个处理器估计关于风力涡轮的一个或多个构件的一个或多个负载和行程度量。

在另一实施例中，该方法可包括实时估计关于风力涡轮的一个或多个构件的一个或多个负载和行程度量。在特定的实施例中，该方法还可包括使用机器学习来估计关于风力涡轮的一个或多个构件的一个或多个负载和行程度量。

在实施例中，处理器可包括基于物理的系统模型，其用于估计关于风力涡轮的一个或多个构件的一个或多个负载和行程度量。

在某些实施例中，该方法可包括在风力涡轮的操作期间确定关于风力涡轮的一个或多个构件的多个负载和行程度量。

在又一实施例中，在风力涡轮的操作期间使用一个或多个负载和行程度量来至少部分地生成关于一个或多个构件的累积负载数据的至少一个分布可包括使用一个或多个负载和行程度量来至少部分地生成关于一个或多个构件的至少一个累积负载直方图。例如，与存储时间序列数据相反，直方图的使用是有益的，因为存储需求不随着时间显著地增加。如本文中使用的，分布大体上是指任何数据结构，诸如直方图、数据分箱(binning)或散列，其可累积和表示数值数据的频率和/或计数。

在另外的实施例中，使用一个或多个负载和行程度量生成关于一个或多个构件的至少一个累积负载直方图可包括：限定该至少一个累积负载直方图的范围和箱区域(binregion)；为至少一个累积负载直方图限定多个负载度量中的第一负载度量和多个行程度量中的第一行程度量；以及在风力涡轮的操作期间，通过将第一负载度量和第一行程度量添加到累积负载直方图的箱区域，使用第一负载度量和第一行程度量填充该至少一个累积负载直方图。

在实施例中，该方法还可包括基于风力涡轮的进行中的操作数据自适应地改变范围或箱区域中的至少一者。

在额外的实施例中，该方法可包括将构件的寿命或损伤模型应用于在不同时间段内收集的多个累积负载直方图。

在还另外的实施例中，该方法可包括在应用构件的寿命或损伤模型之前处理累积负载直方图。

在若干实施例中，在应用构件的寿命模型之前处理累积负载直方图可包括重新限定累积负载直方图的范围或箱区域、平滑或重新校准累积负载直方图以产生历史负载估计的更准确估计或者将累积负载直方图缩放至由寿命模型所预期的期望的持续时间中的至少一者。

在特定的实施例中，基于损伤累积对风力涡轮实施校正动作可包括关闭风力涡轮、使风力涡轮空转、改变风力涡轮的功率输出、扭矩、速度或其它控制参数和/或调度一个或多个预防性维护动作。

在另一方面，本公开内容涉及一种用于操作风力涡轮的系统。该系统包括控制器，该控制器配置成实施多个操作，包括但不限于：在风力涡轮的操作期间确定关于风力涡轮的一个或多个构件的其一个或多个负载和行程度量或函数；使用一个或多个负载和行程度量至少部分地生成关于一个或多个构件的至少一个累积负载直方图；将一个或多个构件的寿命或损伤模型应用于累积负载数据的至少一个分布，以确定迄今关于风力涡轮的一个或多个构件的实际损伤累积；以及基于损伤累积实施风力涡轮的校正动作。

应理解，该系统还可配置成具有本文中描述的特征中的任何。

技术方案1. 一种用于操作风力涡轮的方法，所述方法包括：

在所述风力涡轮的操作期间确定关于所述风力涡轮的一个或多个构件的其一个或多个负载和行程度量或函数；

在所述风力涡轮的操作期间使用所述一个或多个负载和行程度量来至少部分地生成关于所述一个或多个构件的累积负载数据的至少一个分布；

将所述一个或多个构件的寿命模型应用于累积负载数据的所述至少一个分布，以确定迄今关于所述风力涡轮的一个或多个构件的实际损伤累积；以及

基于所述损伤累积对所述风力涡轮实施校正动作。

技术方案2. 根据技术方案1所述的方法，其中，关于所述风力涡轮的一个或多个构件的所述一个或多个负载度量包括轴承负载、塔架负载、转子叶片负载、传动系负载、轴负载、热负载中的至少一者，且其中，所述一个或多个行程度量包括时间、角行程、构件在方向反转之间行进一定角距离的次数或者所述一个或多个构件在特定负载下经历应力循环的次数中的至少一者。

技术方案3. 根据技术方案1所述的方法，其中，所述一个或多个构件包括变桨轴承、偏航轴承、塔架、齿轮箱、发电机、转子叶片、转子、毂、轴、转换器或机舱中的至少一者。

技术方案4. 根据技术方案1所述的方法，其中，所述一个或多个负载和行程度量的函数还包括平均值、最小值、最大值、标准偏差、分位数或中值中的至少一者。

技术方案5. 根据技术方案1所述的方法，其中，在所述风力涡轮的操作期间确定关于所述风力涡轮的一个或多个构件的所述一个或多个负载和行程度量还包括：

经由一个或多个传感器或处理器测量关于所述风力涡轮的一个或多个构件的所述一个或多个负载和行程度量或者经由所述一个或多个处理器估计关于所述风力涡轮的一个或多个构件的所述一个或多个负载和行程度量中的至少一者。

技术方案6. 根据技术方案5所述的方法，还包括实时估计关于所述风力涡轮的一个或多个构件的所述一个或多个负载和行程度量。

技术方案7. 根据技术方案5所述的方法，还包括使用机器学习来估计关于所述风力涡轮的一个或多个构件的所述一个或多个负载和行程度量。

技术方案8. 根据技术方案5所述的方法，其中，所述处理器包括基于物理的系统模型，其用于估计关于所述风力涡轮的一个或多个构件的所述一个或多个负载和行程度量。

技术方案9. 根据技术方案1所述的方法，还包括在所述风力涡轮的操作期间确定关于所述风力涡轮的一个或多个构件的多个负载和行程度量。

技术方案10. 根据技术方案1所述的方法，其中，在所述风力涡轮的操作期间使用所述一个或多个负载和行程度量来至少部分地生成关于所述一个或多个构件的累积负载数据的至少一个分布还包括使用所述一个或多个负载和行程度量来至少部分地生成关于所述一个或多个构件的至少一个累积负载直方图。

技术方案11. 根据技术方案10所述的方法，其中，使用所述一个或多个负载和行程度量来生成关于所述一个或多个构件的所述至少一个累积负载直方图还包括：

限定所述至少一个累积负载直方图的范围和箱区域；

为所述至少一个累积负载直方图限定所述多个负载度量中的第一负载度量和所述多个行程度量中的第一行程度量；

在所述风力涡轮的操作期间，通过将所述第一负载度量和所述第一行程度量添加到所述至少一个累积负载直方图的箱区域，使用所述第一负载度量和所述第一行程度量填充所述至少一个累积负载直方图。

技术方案12. 根据技术方案11所述的方法，还包括基于所述风力涡轮的进行中的操作数据自适应地改变所述范围或所述箱区域中的至少一者。

技术方案13. 根据技术方案10所述的方法，还包括将所述一个或多个构件的寿命模型应用于在不同时间段内收集的多个累积负载直方图。

技术方案14. 根据技术方案10所述的方法，还包括在应用所述一个或多个构件的寿命模型之前处理所述至少一个累积负载直方图。

技术方案15. 根据技术方案14所述的方法，其中，在应用所述一个或多个构件的寿命模型之前处理所述至少一个累积负载直方图还包括重新限定所述至少一个累积负载直方图的范围或箱区域、平滑或重新校准所述至少一个累积负载直方图以产生历史负载估计的更准确的估计或者将所述至少一个累积负载直方图缩放至由所述寿命模型所预期的期望的持续时间中的至少一者。

技术方案16. 根据技术方案1所述的方法，其中，基于所述损伤累积对所述风力涡轮实施所述校正动作还包括关闭所述风力涡轮、使所述风力涡轮空转、改变所述风力涡轮的控制参数或调度一个或多个预防性维护动作。

技术方案17. 一种用于操作风力涡轮的系统，所述系统包括：

控制器，所述控制器配置成实施多个操作，所述多个操作包括：

在所述风力涡轮的操作期间确定关于所述风力涡轮的一个或多个构件的其一个或多个负载和行程度量或函数；

使用所述一个或多个负载和行程度量来至少部分地生成关于所述一个或多个构件的至少一个累积负载直方图；

将所述一个或多个构件的寿命模型应用于累积负载数据的至少一个分布，以确定迄今关于所述风力涡轮的一个或多个构件的实际损伤累积；以及

基于所述损伤累积对所述风力涡轮实施校正动作。

技术方案18. 根据技术方案17所述的系统，其中，关于所述风力涡轮的一个或多个构件的所述一个或多个负载度量包括轴承负载、塔架负载、转子叶片负载、传动系负载、轴负载中的至少一者，且其中，所述一个或多个行程度量包括时间、角行程、构件在方向反转之间行进一定角距离的次数或者所述一个或多个构件在特定负载下经历应力循环的次数中的至少一者。

技术方案19. 根据技术方案17所述的系统，其中，使用所述一个或多个负载和行程度量来生成关于所述一个或多个构件的所述至少一个累积负载直方图还包括：

限定所述至少一个累积负载直方图的范围和箱区域；

为所述至少一个累积负载直方图限定所述多个负载度量中的第一负载度量和所述多个行程度量中的第一行程度量；

在所述风力涡轮的操作期间，通过将所述第一负载度量和所述第一行程度量添加到所述至少一个累积负载直方图的箱区域，使用所述第一负载度量和所述第一行程度量填充所述至少一个累积负载直方图。

技术方案20. 根据技术方案19所述的系统，其中，所述多个操作还包括基于所述风力涡轮的进行中的操作数据自适应地改变所述范围或所述箱区域中的至少一者。

参考以下描述和所附权利要求书，本发明的这些和其它特征、方面和优点将变得更好理解。并入并构成本说明书的一部分的附图示出本发明的实施例，并与描述一起解释本发明的原理。

附图说明

针对本领域普通技术人员的本发明的完整且能够实现的公开内容(包括其最佳模式)在参考附图的说明书中阐述，在附图中：

图1示出根据本公开内容的风力涡轮的一个实施例的透视图；

图2示出根据本公开内容的风力涡轮的机舱的一个实施例的简化内部视图；

图3示出可包括在图1中示出的风力涡轮的涡轮控制器内的合适构件的一个实施例的示意图；

图4示出根据本公开内容的具有多个风力涡轮的风电场；

图5示出根据本公开内容的用于控制连接到电力网的风力涡轮的基于里程表(odometer)的控制系统的一个实施例的框图；

图6示出根据本公开内容的用于操作风力涡轮的方法的一个实施例的流程图；

图7示出根据本公开内容的用于使用损伤/寿命里程表操作风力涡轮的系统的一个实施例的框图；

图8示出根据本公开内容的用于生成变桨轴承在线寿命里程表的系统的一个实施例的框图；

图9示出根据本公开内容在激活和不激活基于里程表的控制的情况下随时间的疲劳累积的一个实施例的图；

图10示出根据本公开内容在激活和不激活基于里程表的控制的情况下随时间的疲劳累积的一个实施例的图，特别地示出由基于里程表的控制提供的寿命延长；以及

图11示出根据本公开内容的累积负载直方图的一个实施例。

具体实施方式

现在将详细参考本发明的实施例，其一个或多个示例在附图中被示出。每个示例通过解释本发明的方式而不是限制本发明的方式被提供。事实上，对本领域技术人员将清晰明了的是，在不脱离本发明的范围或精神的情况下，可在本发明中进行各种修改和变型。例如，作为一个实施例的部分被示出或描述的特征可与另一实施例使用，以产生还另外的实施例。因此，意图是，本发明涵盖如归入所附权利要求书的范围内的此类修改和变型及其等同物。

大体上，本公开内容涉及风力涡轮的基于里程表的监督控制。例如，在实施例中，当风力涡轮操作时，可例如使用疲劳/损伤里程表来估计和跟踪相对于其失效模式对涡轮构件造成的累积损伤。监督控制调节风力涡轮的操作以实现长期操作目标。操作目标可为最大限度地增加能量或收入产出，同时将极端负载和累积损伤度量保持在极限内。备选地，操作目标可为最大限度地减小一个或多个累积损伤度量，同时将极端负载和其它累积损伤度量保持在极限内。此类疲劳/损伤里程表可例如使用填充有风力涡轮的实际操作数据的直方图来开发。

本公开内容提供现有技术中不存在的许多优点。例如，直方图的使用是有益的，因为存储需求不会随着时间显著增加。而且，本公开内容可在涡轮控制器硬件内、在风力涡轮现场内或在风力涡轮现场处的不同计算机上、或在风电场或其它附近或远程位置处的网络连接计算机上实施。此外，本公开内容可利用容易获得的/已经存在的操作数据，且不一定需要收集新的或额外的数据(但如果期望，可利用新的或额外的传感器)。此外，本公开内容可应用于任何风力涡轮，而不管型号、设计、尺寸或制造商。此外，本公开内容的系统和方法使得能够基于每个涡轮实际上是如何操作的以及特定涡轮实际上经历的条件而为每个风力涡轮充分利用机械设计和负载裕度。

现在参考附图，图1示出根据本公开内容的配置成实施控制技术的风力涡轮10的一个实施例的透视图。如示出的，风力涡轮10大体上包括从支撑表面14延伸的塔架12、安装在塔架12上的机舱16以及联接到机舱16的转子18。转子18包括可旋转的毂20和至少一个转子叶片22，转子叶片22联接到毂20并从毂20向外延伸。例如，在示出的实施例中，转子18包括三个转子叶片22。然而，在一个备选实施例中，转子18可包括多于或少于三个转子叶片22。每个转子叶片22可围绕毂20间隔开，以便于旋转转子18，以使动能能够从风能转换成可用的机械能，并随后转换成电能。例如，毂20可能够旋转地联接到定位在机舱16内的发电机(图2)，以允许产生电能。

风力涡轮10还可包括集中在机舱16内的风力涡轮控制器26。然而，在其它实施例中，控制器26可位于风力涡轮10的任何其它构件内或风力涡轮外部的位置处。此外，控制器26可通信地联接到风力涡轮10的任意数量的构件，以便控制此类构件的操作和/或实施校正动作。照此，控制器26可包括计算机或其它合适的处理单元。因此，在若干实施例中，控制器26可包括合适的计算机可读指令，当被实施时，该指令配置控制器26以执行各种功能，诸如接收、发送和/或执行风力涡轮控制信号。

因此，控制器26可大体上配置成控制风力涡轮10的各种操作模式(例如，启动或关闭顺序)、调节风力涡轮10的控制参数以改变功率产出和/或控制风力涡轮10的各种构件。例如，控制器26可配置成控制转子叶片22中的每一个的叶片桨距或桨距角(即，确定转子叶片22相对于风的方向的视角的角度)以通过调节至少一个转子叶片22相对于风的角位置来控制由风力涡轮10生成的功率输出。例如，通过向风力涡轮10的变桨驱动器或变桨调节机构(未示出)传输合适的控制信号，控制器26可通过单独地或同时地围绕变桨轴线28旋转转子叶片22来控制转子叶片22的桨距角。

现在参考图2，示出在图1中示出的风力涡轮10的机舱16的一个实施例的简化内部视图。如示出的，发电机24可联接到转子18，用于从由转子18生成的旋转能量产生电力。例如，如在示出的实施例中示出的，转子18可包括联接到毂20的转子轴34，以用于与其旋转。转子轴34又可通过齿轮箱38能够旋转地联接到发电机24的发电机轴36。如大体上理解的，响应于转子叶片22和毂20的旋转，转子轴34可向齿轮箱38提供低速、高扭矩输入。齿轮箱38然后可配置成将低速、高扭矩输入转换成高速、低扭矩输出，以驱动发电机轴36和因此发电机24。

每个转子叶片22还可包括变桨调节机构32，该变桨调节机构32配置成使每个转子叶片22围绕其变桨轴线28旋转。此外，每个变桨调节机构32可包括变桨驱动马达40(例如，任何合适的电动、液压或气动马达)、变桨驱动齿轮箱42和变桨驱动小齿轮44。在此类实施例中，变桨驱动马达40可联接到变桨驱动齿轮箱42，使得变桨驱动马达40将机械力施加到变桨驱动齿轮箱42。类似地，变桨驱动齿轮箱42可联接到变桨驱动小齿轮44，以用于与其旋转。变桨驱动小齿轮44又可与联接在毂20和对应的转子叶片22之间的变桨轴承46旋转接合，使得变桨驱动小齿轮44的旋转引起变桨轴承46的旋转。因此，在此类实施例中，变桨驱动马达40的旋转驱动变桨驱动齿轮箱42和变桨驱动小齿轮44，从而围绕变桨轴线28旋转变桨轴承46和转子叶片22。类似地，风力涡轮10可包括通信地联接到控制器26的一个或多个偏航驱动机构66，其中每个变桨驱动机构66配置成改变机舱16相对于风的角度(例如，通过接合风力涡轮10的偏航轴承68)。

现在参考图3，示出根据本公开内容的各方面的可包括在控制器内的合适构件的一个实施例的框图。应理解，图3的控制器的各种构件可应用于任何合适的控制器，包括例如本文中描述的涡轮控制器26、场级控制器56和/或监督控制器102。

如示出的，控制器可包括一个或多个处理器58和相关联的存储器装置60，其配置成执行多种计算机实施的功能(例如，执行本文中公开的方法、步骤、计算等)。如本文中使用的，用语“处理器”不仅指在本领域中被称为包含在计算机中的集成电路，还指控制器、微控制器、微型计算机、可编程逻辑控制器(PLC)、专用集成电路和其它可编程电路。另外，存储器装置60大体上可包括存储器元件，包括但不限于计算机可读介质(例如，随机存取存储器(RAM))、计算机可读非易失性介质(例如，闪存存储器)、软盘、致密盘只读存储器(CD-ROM)、磁光盘(MOD)、数字多功能盘(DVD)和/或其它合适的存储器元件。

另外，控制器还可包括通信模块62，以便于控制器和风力涡轮10的各种构件之间的通信。例如，通信模块62可包括传感器接口64(例如，一个或多个模数转换器)，以允许由一个或多个传感器65、66、67传输的信号被转换成可由控制器理解和处理的信号。应了解的是、传感器65、66、67可使用任何合适的手段通信地联接到通信模块62。例如，如图3中示出的，传感器65、66、67经由有线连接联接到传感器接口64。然而，在其它实施例中、传感器65、66、67可经由无线连接联接到传感器接口64，诸如通过使用本领域已知的任何合适的无线通信协议。照此，处理器58可配置成从传感器65、66、67接收一个或多个信号。

风力涡轮10的传感器65、66、67可为配置成测量在风力涡轮处或附近的任何操作条件和/或风参数的任何合适的传感器。例如，传感器65、66、67可包括叶片传感器，用于测量转子叶片22中的一个的桨距角或用于测量作用在转子叶片22中的一个上的负载；用于监测发电机的发电机传感器(例如，扭矩、旋转速度、加速度和/或功率输出)；和/或用于测量各种风参数的各种风传感器。另外，传感器65、66、67可位于风力涡轮的地面附近、机舱上或风力涡轮附近的气象桅杆上。

还应理解，任何其它数量或类型的传感器可被采用和在任何位置处。例如，传感器可为模拟传感器、数字传感器、光学/视觉传感器、加速度计、压力传感器、迎角传感器、振动传感器、MIMU传感器、光纤系统、温度传感器、风传感器、声波探测和测距(SODAR)传感器、红外激光器、光探测和测距(LIDAR)传感器、辐射计、皮托管、无线电探空测风仪和/或任何其它合适的传感器。应了解的是，如本文中使用的，用语“监测”及其变型指示风力涡轮的各种传感器可配置成提供被监测参数的直接测量或此类参数的间接测量。因此，传感器65、66、67可例如用来生成与被监测的参数相关的信号，其然后可由控制器利用来确定实际条件。

如提到的，处理器58配置成执行根据本公开内容的方法的步骤中的任何。例如，处理器58可配置成确定关于风力涡轮10的操作用量。如本文中使用的，“操作用量”大体上是指风力涡轮10和/或其各种构件在各种操作参数和/或在特定条件下操作的操作秒、分、小时等的数量。可考虑或跟踪的此类操作参数可包括例如以下一个或多个：功率输出、扭矩、桨距角、负载条件、发电机速度、转子速度、风向、空气密度、湍流强度、阵风、风切变、风速、风上升流、偏航量、变桨量或温度。而且，操作数据可包括传感器数据、历史风力涡轮操作数据、历史风电场操作数据、历史维护数据、历史质量问题或它们的组合。因此，处理器58还可配置成将操作用量记录并存储在存储器60中以备后用。例如，处理器58可将操作用量存储在一个或多个查找表(LUT)中。而且，操作用量可存储在云中。

现在参考图4，如本文中描述的系统和方法也可与风电场50的风电场控制器56相结合。如示出的，风电场50可包括多个风力涡轮52，包括上述风力涡轮10。例如，如在示出的实施例中示出的，风电场50包括十二个风力涡轮，包括风力涡轮10。然而，在其它实施例中，风电场50可包括任何其它数量的风力涡轮，诸如少于十二个风力涡轮或多于十二个风力涡轮。在一个实施例中，风力涡轮10的控制器26可通过有线连接通信地联接到场控制器56，诸如通过经合适的通信链路57(例如，合适的线缆)连接控制器26。备选地，控制器26可通过无线连接通信地联接到场控制器56，诸如通过使用本领域已知的任何合适的无线通信协议。

在若干实施例中，风电场50中的风力涡轮52中的一个或多个可包括多个传感器，用于监测风力涡轮52的各种操作参数/条件。例如，如示出的，风力涡轮52中的一个包括配置用于测量风速的风传感器54，诸如风速计或任何其它合适的装置。如大体上理解的，风速在风电场50各处可显著变化。因此，风传感器54可允许监测在每个风力涡轮52处的局部风速。另外，风力涡轮52还可包括额外的传感器55。例如，传感器55可配置成监测每个风力涡轮52的发电机的输出的电特性，诸如电流传感器、电压传感器、温度传感器或直接基于电流和电压测量结果监测功率输出的功率监测器。备选地，传感器55可包括可用于监测风力涡轮52的功率输出的任何其它传感器。还应理解，风电场50中的风力涡轮52可包括用于测量和/或监测风条件和/或风力涡轮条件的本领域已知的任何其它合适的传感器。

现在参考图5-11，根据本公开内容的方面，呈现用于操作风力涡轮(诸如风力涡轮10)的基于里程表的控制(OBC)系统100和方法200的多个实施例的各种特征。更特别地，图5示出根据本公开内容的用于控制风力涡轮10的系统100的一个实施例的框图。例如，如示出的，OBC系统100包括涡轮控制器26和和通信地联接到涡轮控制器26的监督控制器102。特别地，如示出的，涡轮控制器26可为包括风力涡轮控制系统的内部控制回路103的一部分。在此类实施例中，风力涡轮10可包括由涡轮控制器26读取的一个或多个传感器，诸如电气构件和加速度计。因此，涡轮控制器26配置成向诸如叶片变桨马达和机舱偏航马达之类的促动器发送控制信号。促动器影响涡轮的动态行为。因此，涡轮控制器26配置成操作风力涡轮10以发电，同时防止不期望的或破坏性的行为。而且，涡轮控制器26可具有许多操作参数，其可设定成改变或调节涡轮性能。在涡轮操作期间，操作参数通常不变或以特别的方式改变，然而，如本文中将描述的，OBC系统100可使用优化的策略或控制函数116来修改这些参数中的一些，如本文中在下面所描述的。此类操作参数可包括例如扭矩设定点、速度设定点、推力极限和/或控制何时启用转子不平衡控制的主动变桨的参数。而且，涡轮控制器26配置成确定风力涡轮10的状态估计105，其在本文中在下面更详细地解释。

仍参考图5，监督控制器102可包括中间控制回路104和外部控制回路106。中间控制回路104或监督参数控制回路配置成通过基于诸如风条件或电网条件的条件的估计改变涡轮控制器操作参数来改善涡轮控制和性能。特别地，如示出的，中间控制回路104可包括条件估计器模块108、动态函数模块110、一个或多个损伤里程表118和功率估计器模块120。

因此，在某些实施例中，条件估计器模块108配置成基于状态估计105以及可能还有外部测量结果来估计或预测本文中描述的条件参数的值。这些条件参数在本文中大体上统称为当前条件112。换句话说，当前条件112大体上是指条件参数集中的条件参数的当前估计或预测，其在本文中在下面更详细地描述。

另外，如示出的，损伤里程表118配置成根据风力涡轮10的状态估计105来估计各种风力涡轮构件的损伤级别。大体上，损伤级别中的每一个对应于特定的构件和该构件的特定失效模式。照此，损伤级别的值代表累积损伤。示例包括叶片根部疲劳、塔架基部疲劳和变桨轴承疲劳，但可产生和考虑任何数量的损伤级别。在风力涡轮设计和选址中，通常确定损伤(大体上是疲劳)极限，以确保安全和可靠的操作。因此，这些极限可基于特定建筑材料、制造质量和应力循环计数的损伤模型以及古德曼或类似的损伤曲线。

此外，本文中描述的损伤里程表可利用来自涡轮控制器26的状态估计的历史以及风力涡轮10及其构件的模型来基于涡轮在它消逝的寿命内的实际操作确定对涡轮造成的损伤。因此，可确定损伤级别集中每个构件的损伤级别。在某些实施例中，对于风力涡轮10的不同零件可有不同的损伤里程表，且对于风力涡轮10的单个零件或构件可有多个损伤里程表，每个损伤里程表与不同的失效模式或磨损机制相关联。例如，许多损伤里程表与结构材料的裂纹扩展和疲劳失效模式相关联。在某些实施例中，损伤里程表可基于来自涡轮控制器26的状态估计105来实施，其中状态估计包括风力涡轮10上的瞬时负载和力。在备选实施例中，损伤里程表也可基于诸如应变仪(未示出)的特殊传感器。而且，除了损伤级别之外，损伤里程表还可为由函数设计模块114使用的每个损伤参数产生不确定性水平。

在另外的实施例中，基于实时操作信号或条件监测系统，损伤评估可利用损伤里程表与经验证的诊断算法的融合。例如，如果变桨马达内部信号或发电机加速度信号表明操作异常，损伤评估将是高的，即使里程表读数低。因此，当解决相同的失效模式时，OBC系统100可使用两者来评估实时损伤。

另外，在实施例中，功率估计器模块120配置成计算风力涡轮10的功率产出的统计。在某些实施例中，该计算将仅仅是产生的累积能量，但也可包括其它累积统计或为每个动态控制间隔计算的统计。因此，功率统计136可用来外部评估涡轮性能，或学习风力涡轮10的功率产出性能。

仍参考图5，来自条件估计器模块108的当前条件112然后可由动态函数模块110使用来为下一时间动态控制间隔设定操作参数。条件估计器模块108还可简单地产生当前条件参数的估计(不是预测)。如果动态控制间隔相对短，诸如30秒或一分钟，这可足够。条件估计器模块108还可产生下一时间动态控制间隔的条件参数的预测。当动态控制间隔较长时，预测条件参数的未来值变得更加理想。

因此，动态函数模块110配置成根据当前条件112改变涡轮控制器26的操作参数。在某些实施例中，动态函数模块110可包括查找操作，其中当前条件被接收并用来根据策略表确定操作参数。因此，在某些实施例中，动态函数模块110改变每个动态控制间隔的操作参数。如本文中使用的，动态控制间隔大体上是指动态函数模块110设定操作参数的持续时间。

而且，在特定的实施例中，外部控制回路106或基于里程表的控制回路还包括用于生成策略或控制函数116的函数设计模块114。此外，函数设计模块114还配置成基于当前疲劳损伤状态、预期未来条件、涡轮的系统模型、计划的操作时域以及所产生的电力的可能预期的未来值来更新控制函数116。

在实施例中，例如，控制函数116限定该组条件参数与风力涡轮10的多个操作参数的关系。更特别地，控制函数116可为从条件参数集中的条件参数到操作参数集中的操作参数的映射，其基本上由动态函数模块110执行。因此，在实施例中，控制函数116可为查找表、插值函数或具有任何其它函数形式。在一个实施例中，控制函数116可为恒定策略，由此操作参数对于条件参数的任何值都是相同的。这等同于不具有中间回路。控制函数116的另一简单示例是当空气密度低于阈值且风速小于15 m/s时规定更高额定扭矩(用于更大功率)的示例。但大体上，控制函数116是当前条件112的任意函数，可为复杂的。因此，在许多实施例中，控制函数116可由函数设计模块114框中的优化过程来确定。

此外，在某些实施例中，控制函数116可被限定为条件参数的离散值，且当前条件112可为连续的。在该情况下，动态函数模块110可根据当前条件112选择控制函数116中最接近的条目来确定操作参数，或动态函数模块110可内插操作参数。照此，动态函数模块110从函数设计模块114接收控制函数116。而且，动态函数模块110确定操作参数并将其发送至涡轮控制器26，以基于当前条件112和控制函数116在多个动态控制间隔内动态地控制风力涡轮10。

仍参考图5，函数设计模块114配置成通过优化过程来确定控制函数116，例如，使用条件分布122、风力涡轮10的操作行为的模型124、风力涡轮10的设计寿命126(例如，风力涡轮10计划操作的总时间)、风力涡轮10的消逝的寿命128(例如，在设计寿命期间到此为止风力涡轮10操作所具有的时间量)、一个或多个损伤极限130、一个或多个损伤级别134(例如，来自损伤里程表)或未来价值折现132(例如，用于价值优化的未来货币价值)。此类信息代表风力涡轮10的当前状态和风力涡轮10将经历的预期未来条件以及其操作行为的模型。给定这些输入，存在可用来产生控制函数116的多种优化方法。

如本文中使用的，条件分布大体上是指条件参数集中条件参数的预期未来分布。在一个实施例中，例如，条件分布是条件参数的联合概率分布。因此，在实施例中，如果条件参数集由风速和湍流强度组成，条件分布可为这两个值的联合分布。出于实际原因，条件分布可改为是每个条件参数的独立分布，或一些条件参数可假设为常数。

在某些实施例中，在使用例如气象桅杆数据调试之前，可为风力涡轮和风电场建立条件分布。此外，当风力涡轮10操作时，条件分布可为固定的和不变的，或它可随时间自适应地学习和更新。

在另一实施例中，风力涡轮10的操作行为的模型124可包括条件参数、操作参数、功率和/或损伤的表格(在本文中称为COPD表124)，即产生的功率和对风力涡轮10造成的损伤的模型，取决于条件参数和/或操作参数。因此，在此类实施例中，模型124可为涡轮操作行为的表示，其对OBC系统100所需的涡轮系统响应的各方面进行建模。在一个实施例中，例如，该模型可为从条件参数和操作参数到风力涡轮10将产生的预期功率统计136以及在动态控制间隔中对涡轮构件造成的损伤值的预期增量的映射。换句话说，如果风条件和电网条件是已知的且要选择的操作参数是已知的，然后模型/表格提供在一个动态控制间隔期间风力涡轮10将产生功率的量以及风力涡轮10将累积的损伤的量。在此类实施例中，风力涡轮10的预期功率统计136可包括风力涡轮10的功率产出、功率因数、功率稳定性等。

有几种方式可用来确定风力涡轮10的操作行为的模型。例如，在一个实施例中，风力涡轮10的操作行为的模型可使用风力涡轮10的模拟、由风力涡轮10执行的实验设计(DOE)过程、当风力涡轮10操作时的自适应学习和/或它们的组合来确定。

此外，在实施例中，函数设计模块114配置成在设计控制函数116时使用设计寿命持续期来确保在设计寿命中造成的预期损伤在损伤极限内。应理解，OBC系统100可用于新安装的风力涡轮以及现有风力涡轮的升级。因此，设计寿命和损伤极限可适当按比例调节。

在额外的实施例中，未来价值折现大体上是指应用于收入的折现，且可选地是指在未来时间的费用的负值。这可简单地表示为折现率。未来价值折现也可更一般地表示为在未来时间点的收入和费用的特定折现。未来价值折现可选地可由函数设计模块114使用来优化价值，尤其是在净现值方面。

现在参考图6，示出根据本公开内容的方面的用于操作风力涡轮的方法200的一个实施例的流程图。在特定的实施例中，例如，方法200可用来生成本文中描述的损伤里程表118中的一个或多个。方法200在本文中被描述为使用例如上述风电场50的风力涡轮52中的至少一者(诸如风力涡轮10)来实施。然而，应了解的是，所公开的方法200可使用本领域目前已知或将来开发的任何其它合适的风力涡轮来实施。另外，虽然图6出于示出和论述的目的描绘以特定顺序执行的步骤，本文中描述的方法不限于任何顺序或布置。使用本文中提供的公开内容，本领域技术人员将了解，方法的各种步骤可以各种方式被省略、重新布置、组合和/或修改。

如在(202)处示出的，方法200包括在风力涡轮10的操作期间确定关于风力涡轮10的一个或多个构件的其负载和行程度量或函数。例如，在一个实施例中，方法200可包括从一个或多个传感器(诸如应变仪或类似传感器)收集负载和行程度量测量结果。在备选实施例中，方法200可包括例如经由处理器来估计负载和行程度量。在特定的实施例中，处理器可包括作为控制系统的一部分的基于物理的负载估计器。此类估计器配置成产生由构件寿命模型所需的负载和行程度量的实时估计。在另外的实施例中，负载也可通过启发式或机器学习训练的函数来估计。因此，测量或估计的负载和行程度量反映风力涡轮10的实际操作，而不是调试前假设的操作。因此，本公开内容可消除或显著减少模拟中的建模误差。

如果负载度量从面向控制的估计器获得，可执行平滑步骤来细化负载度量。在此类实施例中，平滑器使用后来的观察回顾性地提高估计器性能。平滑器的示例是卡尔曼平滑，它是卡尔曼滤波的后向版本。在丢失数据或估计器重置的情况下，平滑可特别有用。

此外，在此类实施例中，为实施平滑器，本文中描述的在线疲劳里程表118可存储从当前时间到指定时间窗口内过去的测量数据。时间窗口(典型地为几秒钟)可被选择来涵盖风力涡轮10的瞬态动力学。照此，可在时间窗口内以滚动时域的方式对测量数据进行平滑。如果期望，可接着在平滑之后丢弃存储的数据。在丢失数据或估计器重置的情况下，时间窗口也可重置。

如在(204)处示出的，方法200包括在风力涡轮10的操作期间使用负载和行程度量来至少部分地生成关于一个或多个构件的累积负载数据的至少一个分布。例如，在一个实施例中，关于构件的累积负载数据的分布可为关于构件的至少一个累积负载直方图。在另外的实施例中，累积负载数据的分布可为任何种类的数据分箱或分布机制、分桶机制或散列数据结构方法。因此，在此类实施例中，累积负载直方图基于风力涡轮10的实际操作，且使用前述测量/估计的负载和行程度量来代替来自模拟的预测负载。在特定的实施例中，所需和使用的直方图的特定集合可取决于构件和构件寿命模型。

此外，在某些实施例中，每个直方图可具有行程度量和负载度量。在此类实施例中，负载度量可包括例如轴承负载、塔架负载、转子叶片负载、传动系负载、轴负载、热负载等(诸如涡轮的零件(诸如主轴、叶片根部或塔架基部)的估计弯曲力矩或扭矩)。在另一实施例中，行程度量可包括例如时间、角行程、构件在方向反转之间行进一定角距离的次数、或者一个或多个构件在特定负载下经历应力循环的次数。

在此类实施例中，弯曲扭矩可在单个方向上，或可为多个方向的合成扭矩。在另外的实施例中，负载时间序列的统计(诸如标准偏差、平均值、中值、最小值、最大值、分位数、在应力循环或某个间隔期间最小和最大负载度量之间的差值)也可用作负载度量以形成直方图。在一个示例中，当负载度量是在应力循环期间最小和最大弯曲力矩之间的差值时，行程度量可为该变化幅度的出现数量的计数。在又一实施例中，负载度量可为标量或矢量。例如，在实施例中，在两个正交方向上的弯曲力矩可一起用作负载度量。在该情况下，直方图可为二维直方图。

在一个实施例中，例如，显示负载随时间的变化的原始一秒负载测量结果可不再可用。在此类实施例中，可从统计中估计负载测量结果的分布，以重新捕获该变化。例如，可使用具有测量结果统计的相同平均值、标准偏差、最小值和最大值的截断高斯分布。此类估计分布可用来填充于直方图中达例如10分钟的时间段，捕获负载测量结果的变化。基于实际负载分布数据，也可使用其它类型的分布模型来更好地捕获经验数据分布。

在另一实施例中，负载度量和行程度量可被接收并用来累积地填充直方图。直方图可预先用负载度量的范围和箱区域来限定。在此类实施例中，当每个测量结果被接收时，行程度量被添加到适当的箱。在另一实施例中，直方图也可更复杂，且可实时自适应地改变，使得其范围或箱区域基于迄今累积的数据或其它要求来被修改。在特定的实施例中，箱区域可具有不均匀的箱尺寸，例如，在构件寿命模型对负载中的变化更敏感的情况下，具有更高的分辨率。在另一实施例中，箱区域在尺寸上可为均匀的。在某些实施例中，箱宽度和范围可被设定为匹配已建立的损伤计算过程的预期或要求的输入。

在又一实施例中，箱区域可具有可变的宽度，且可随时间调整以匹配负载度量数据。而且，累积负载直方图可为普通的密度型(或频率型或累积型)直方图，或离散值上的累积概率质量函数。另外，可确定性地或随机地进行数据向累积负载直方图中的累积，其中累积的一些概率变为交替的箱区域。

在另外的实施例中，对于每个所需的直方图，可累积单个直方图。在备选实施例中，可累积多个直方图，其中每个直方图用于不同的外部条件。例如，可存在关于低于额定操作的一个直方图和关于高于额定操作的一个直方图。如果疲劳寿命模型在不同的外部条件下不同，这可为必要的。如果在不同的操作条件下构件寿命模型具有不同的精度，这也可为必要的。如果构件或软件改变，这可为必要的。

在额外的实施例中，确定是否应该包括或排除直方图数据的预处理步骤可基于多种来源，其可包括例如表征风力涡轮10和其它风力涡轮的操作状态或状况的基于状况的分类数据。例如，在其中已知估计器具有低的预测能力或以过大的离散度为特征的一些情况下，过滤这些状态可变为期望的。而且，在数据不可用的情况下或当数据被破坏时，来自风电场上的其它风力涡轮的信号可用作该风力涡轮10的代理。基于场布局和唤醒条件的基于人群的或集体的平均或已知加权函数也可用来校正平均代理替换信号。

仍参考图6，如在(206)处示出的，方法200包括将构件的寿命模型(在本文中也称为构件寿命模型)应用于累积负载数据的分布，以确定迄今关于风力涡轮10的构件的实际损伤累积。例如，在一个实施例中，可使用实际的部分累积直方图而不是预测的全寿命直方图将构件寿命模型应用于一组直方图。而且，作为示例，寿命模型可为基于物理的模型、统计模型或它们的组合。该产生的损伤输出代表涡轮构件迄今累积的损伤(基于它的实际操作)。该损伤可直接用作涡轮控制机构的一部分，或用于指导风力涡轮10的基于条件的维护。在另外的实施例中，构件损伤模型可应用于在不同时间段内收集的直方图。在该模式下，在时间段内累积直方图，将构件损伤模型应用于直方图，且记录在时间段内的输出疲劳损伤。然后可重复这个过程。为每个时间段记录的损伤可相加，以确定总损伤。

对由构件寿命模型确定的损伤累积/输出的校正也可应用于其输出。在此类实施例中，这些校正可改善损伤估计，且可校正偏差。校正可基于物理理解，基于观察到的行为、工程安全因素和/或其它任何合适的参数。

而且，在实施例中，累积负载直方图也可在应用构件寿命模型之前被后处理。在此类实施例中，在应用构件的模型之前处理累积负载直方图可包括重新限定累积负载直方图的范围或箱区域、平滑或重新校准累积负载直方图以产生历史负载估计的更准确估计或者将累积负载直方图缩放至由寿命模型所预期的期望的持续时间中的至少一者。

如在(208)处示出的，方法200包括评估实际损伤累积，例如，以确定风力涡轮10是否超过了它的设计寿命。在此类实施例中，损伤累积或输出可除以损伤阈值，以产生所使用的设计寿命的百分比。因此，在此类实施例中，可在风力涡轮之间比较损伤或损伤累积率，以优先化针对异常行为的检查或调查。

仍参考图6，如在(210)处示出的，方法200包括基于损伤累积对风力涡轮10实施校正动作。例如，在特定的实施例中，校正动作可包括关闭风力涡轮10、使风力涡轮10空转、改变风力涡轮10的控制参数(诸如功率输出、速度、扭矩等)、调度一个或多个预防性维护动作和/或任何其它合适的措施。

在某些实施例中，可通过将实际损伤累积与一个或多个损伤阈值进行比较来确定校正动作。在另一实施例中，可通过将实际损伤累积映射到失效/存活的概率、经济成本、未来涡轮操作的模拟等中的至少一者来确定校正动作。在还另一实施例中，校正动作可由接收作为输入的实际损伤累积的机器学习模型来确定。

特别地，本文中描述的损伤或疲劳里程表可用于通过监督控制来进行风力涡轮10的操作优化。通过许多控制系统参数和选项，风力涡轮10可以更多累积损伤产生更多能量或以更少累积损伤产生更少能量。在一个实施例中，例如，可期望最大限度地增加能量产出，同时考虑累积的损伤并考虑损伤极限和由额外损伤产生的风险。在此类实施例中，监督控制系统可部分地基于来自疲劳/损伤里程表118的输入来进行该权衡和控制风力涡轮10。该控制动作可结合对涡轮操作的许多其它约束(诸如极端负载和电气系统极限)进一步完成。

在额外的实施例中，疲劳/损伤里程表118也可用来调度风力涡轮构件的维护和检查。另外，疲劳/损伤里程表118可用来确定风力涡轮10是否可继续安全地操作超过它的设计寿命，或需要什么缓解措施来这样做。

在还另外的实施例中，许多基于直方图的疲劳里程表118可在风力涡轮10上使用。在此类实施例中，每个里程表可特定于存在寿命模型的构件和失效模式。对于涡轮控制和基于条件的维护，可使用用于每个构件的单独的里程表。出于其它目的，单独的里程表也可组合成单一度量，其涵盖涡轮的构件或所有构件的所有失效模式。

在实施例中，本文中描述的累积负载直方图可为一维的，但应理解，累积负载直方图可为二维或多维的，其中构件寿命模型需要作为一个或多个负载度量的多个方面的联合分布的输入。例如，用于风力涡轮10的结构的部分的构件寿命模型可需要负载循环幅度和负载循环平均值的二维联合分布，其中负载循环由诸如雨流计数的负载循环算法确定。在该情况下，可使用负载循环幅度和负载循环平均值的二维直方图。

现在参考图7，提供与根据本公开内容的在线疲劳里程表302相比较的根据常规构造的设计时间损伤里程表300的一个实施例的框图。如示出且先前论述的，设计时间损伤里程表300使用模拟304，而在线疲劳里程表302使用在风力涡轮10的操作期间收集的数据306。因此，如分别在308和310处示出的，设计时间损伤里程表300也使用全寿命直方图(例如，假设20年寿命)，而在线疲劳里程表302使用填充迄今的累积负载直方图。因此，设计时间损伤里程表300和疲劳里程表使用它们相应的但不同的直方图308、310来确定损伤312或迄今使用的设计寿命(DLU)314。如在316和318处示出的，设计时间损伤里程表300然后可将损伤级别312与阈值进行比较，并确定损伤级别312是否可接受。相比之下，在线疲劳里程表302使用DLU 314来开发图表320，图表320可用来评估风力涡轮10的损伤是否与预测级别一致，或损伤是否高于或低于此类值。

现在参考图8，示出根据本公开内容的用于生成变桨轴承(PB)在线寿命里程表的示例系统400的一个实施例的示意图。更特别地，如示出的，系统400包括用于确定变桨轴承损伤的两个选项。首先，如示出的，累积负载直方图可从控制器402传输到云404，在云404中可应用变桨轴承损伤模型406。其次，如示出的，变桨轴承模型406可应用于控制器402，且损伤级别可被传输到云404。在备选实施例中，变桨轴承模型406也可应用于控制器402并在控制器402(未示出)处使用。

现在参考图9和图10，示出随时间的疲劳累积的实施例的各种图。特别地，图9示出根据本公开内容在激活502和不激活504基于里程表的控制(OBC)的情况下随时间的疲劳累积的图500。图10示出根据本公开内容在激活602和不激活604基于里程表的控制的情况下随时间的疲劳累积的一个实施例的图600，特别地示出由基于里程表的控制提供的寿命延长606。

图11示出根据本公开内容的累积负载直方图700的一个实施例的图。特别地，如示出的，累积负载直方图700示出截断高斯分布如何可拟合在时间段内的平均值、标准偏差、最小值和最大值统计。这产生原始测量数据的分布的逼近，其可用来累积在时间段内的直方图。

该书面描述使用示例来公开包括最佳模式的本发明，且还使得本领域的任何技术人员能够实践本发明，包括制造和使用任何装置或系统以及执行任何并入的方法。本发明的可专利性范围由权利要求书限定，且可包括本领域技术人员想到的其它示例。如果此类其它示例包括不异于权利要求书的字面语言的结构要素，或如果它们包括与权利要求书的字面语言具有非实质性差异的等效结构要素，此类其它示例旨在处于权利要求书的范围内。