CN100524131C - 用于检测加热器相关的反常状态的系统和方法 - Google Patents
用于检测加热器相关的反常状态的系统和方法 Download PDFInfo
- Publication number
- CN100524131C CN100524131C CNB200580015913XA CN200580015913A CN100524131C CN 100524131 C CN100524131 C CN 100524131C CN B200580015913X A CNB200580015913X A CN B200580015913XA CN 200580015913 A CN200580015913 A CN 200580015913A CN 100524131 C CN100524131 C CN 100524131C
- Authority
- CN
- China
- Prior art keywords
- fuel pressure
- indication
- variable
- statistics
- relevant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
Abstract
一种用于检测加工车间中加热器相关的反常状态的系统,可接收与加热器单元相关的统计数据。所述统计数据被分析,以检测是否存在一个或多个与加热器相关的反常状态。所述统计数据可包括基于压力变量产生的统计数据,所述压力变量由一个或多个压力传感器进行传感,所述压力传感器关联到与加热器相关的热炉、烟囱、燃料供给等。另外,所述统计数据可包括基于温度变量产生的统计数据,所述温度变量由一个或多个温度传感器进行传感,所述温度传感器关联到热炉、烟囱等。如果检测到反常状态,则产生反常状态的指示。
Description
相关申请的交叉引用
本申请是已于2004年9月17日提交的名称为“用于检测加热器相关的反常状态的系统和方法(SYSTEM AND METHOD FOR DETECTING ANABNORMAL SITUATION ASSOCIATED WITH A HEATER)”的美国专利10/944,609的部分连续(continuation-in-part)申请,其要求了已于2004年5月28日提交的名称为“改进的热炉操作(Improved Furnace Operation)”的美国临时申请60/575,631的权益。本申请也要求了美国临时申请60/575,631的权益。上述的专利申请被合并于此作为引用参考。
技术领域
本发明主要涉及在加工车间中执行诊断和维护,更具体地,本发明涉及提供与加热器相关的诊断能力。
背景技术
像应用在化学、石油或其他处理中的过程控制系统,典型地包括一个或多个集中或分布式过程控制器,这些控制器通过模拟、数字或混合模拟/数字总线,通讯连接到主机或操作者工作站中的至少一种,而且还连接到一个或多个过程控制设备,比如一些现场设备。所述现场设备包含有例如,阀、阀定位器、开关、传输器和传感器(例如温度、压力、和流速传感器等),这些设备都被安装在加工车间环境中,并在生产过程中执行诸如开关阀门,测量过程参数,增减流体流量等功能。智能的现场设备,诸如遵循著名的FOUNDATIONTM现场总线(Fieldbus)(以下称“Fieldbus”)协议或协议的现场设备,也能执行控制计算、报警和其他通常实现在过程控制器中的控制功能。
过程控制器典型地是安装在加工车间环境中,用于接受过程测量或过程变量的指示信号和/或与现场设备相关的信息,并执行控制程序,其中所述指示信号由现场设备产生或与其相关。控制器程序实现了例如不同的控制器模块,并基于所接受的信息产生控制指令,并与在诸如HART和Fieldbus现场设备的现场设备中执行的控制模块或功能块协同工作。在过程控制器中的控制模块通过通讯线路或信号线路将控制信号传达到现场设备中,从而控制过程的运行。
来自现场设备和过程控制器的信息,典型地,可以被一个或者多个诸如操作者工作站、维护工作站、个人电脑、手持设备、数据历史记录器、报表产生器、中心数据库等的硬件设备所获取,以使操作者或维护人员能够完成所述过程需要的功能,比如,改变过程控制程序的设置、修改过程控制器或智能现场设备中的控制模块的运行、查看过程的当前状态和加工车间中特殊设备的当前状态、查看现场设备或过程控制器产生的警告,模拟过程的运行以培训人员或测试过程控制软件,诊断加工车间中的问题或硬件故障等。
一个典型的加工车间具有连接到一个或多个控制器上的多个过程控制和仪表设备,例如阀、传输器、传感器等,对过程运行还需要有很多其他的支持设备。这些附加的设备包括如:能源供给装置,发电和配电装置,诸如涡轮、马达等的旋转设备,所述这些设备分别安置在加工车间的多个位置。尽管这些附加设备不一定产生或使用过程变量,并在很多情况下,不被控制,甚至都不连接到过程控制器来影响过程的运行,但是这些设备也很重要并且是过程正常运行所必须的。
众说周知,在加工车间环境中经常出现问题,特别是具有大量现场设备和支持设备的加工车间。这些问题可能为设备的损坏或故障、诸如软件程序的逻辑部件运行在非正常模式、过程控制循环非正常调节、设备间的一个或多个通讯故障等。实际上这些或其他的大量问题,通常会导致过程运行处于反常状态(即,加工车间处于反常状态),而这些反常状态通常与加工车间的未达最佳标准的性能相关。很多诊断工具和程序被开发以检测和决定加工车间中问题产生的原因,并帮助操作者或维护人员在一旦出现或检测出问题时诊断和校正问题。例如,典型地通过诸如直接或无线总线、以太网、调制解调器、电话线和相似物的通讯连接而连接到过程控制器的操作员工作站,具有处理器和用于运行软件或固件的存储器,操作员工作站例如是由爱默生过程管理出售的DeltaVTM和Ovation控制系统,其包括多个控制模块和控制循环诊断工具。同样地,通过与控制器应用程序相同的通讯连接或通过诸如OPC连接、手持连接等的不同通讯连接而连接到诸如现场设备的过程控制设备的维护工作站,典型地包括一个或多个用于查看维护警报和警告的程序,以测试加工车间中的设备并对处理站中的现场设备和其它设备进行维护,其中所述警报和警告是在加工车间中的现场设备产生。相似的诊断程序被开发出来诊断加工车间中的支持设备出现的问题。
因此,例如,由爱默生过程管理公司(Emerson Process Management)出售的资产管理方案(AMS)应用程序(至少部分地在名称为“用于现场设备管理系统的集成通讯网络(Integrated Communication Network for use in aField Device Management System)”的美国专利5,960,214中进行了公开),可以与现场设备进行通讯并保存与现场设备相关的数据,以确定和跟踪现场设备的运行状态。在一些例子中,AMS应用程序可用于与现场设备相通讯,以改变在现场设备中的参数,并使现场设备在其自身中运行诸如自校准程序或自诊断程序的程序,从而获取关于现场设备的状态和健康情况等的信息。这些信息可以包括例如,状态信息(例如,是否警报或相似的事件发生)、设备配置信息(例如,现场设备当前或可能的配置方式,和现场设备使用的测量单元的类型)、设备参数(例如,现场设备范围值或其它参数)等。当然,这些信息可以被维护人员用于监测和维护和/或诊断现场设备的问题。
相似地,很多加工车间包括设备监测和诊断程序,例如CSI系统提供的RBM软件(RBMware),或任何其它公知的用于监测、诊断,并优化各种旋转设备的运行状态的程序。维护人员通常使用这些程序来维护和监视加工车间中的旋转设备的性能,以确定旋转设备的问题,并确定何时和是否旋转设备应该进行修理或替换。相似地,很多加工车间包括诸如像Liebert和ASCO公司提供的电源控制和诊断程序,以控制和维护发电设备和配电设备。还公知的是,在加工车间中运行诸如像实时优化器(RTO+)的控制优化程序,以优化加工车间中的控制。这样的优化程序典型地使用复杂算法和/或加工车间的模型,来预测如何改变输入来优化加工车间中一些关于诸如利润的所需优化变量。
这些和其它的一些诊断和优化程序,典型地被应用在一个或多个操作员工作站或维护工作站的系统范围平台(system-wide basis)上,并可以提供预先配置的显示给操作员或维护人员,其中所述显示是关于加工车间的运行状态或加工车间中的设备或装置的运行状态的。典型的显示包括:显示加工车间中过程控制器或其它设备所产生警报的警报显示,显示加工车间中过程控制器或其它设备的运行状态的控制显示,显示加工车间中设备的运行状态的维护显示等。同样地,这些和其它的一些诊断程序可使操作员或维护人员重新调节控制循环,或重新设置其它控制参数,以测试一个或多个现场设备,确定这些现场设备的当前状态,校准现场设备或其它设备,或对加工车间中的设备或装置执行其它的问题检测和校正。
尽管这样的多种程序和工具在确认和校正加工车间中的问题时很有用,但这些诊断程序大多被配置为在问题已经出现在加工车间中之后才被使用,因此在这时,加工车间中已经存在反常的情况了。不幸的是,反常状态在其被使用这些手段进行检测、辨别和校正之前,可能会存在一段时间,其导致了加工车间在对问题进行检测、辨别和校正的时间段中,未达到最佳标准的性能。在一些情况中,控制操作者会先根据加工车间的警报、警告或低性能,检测出一些问题的存在。然后操作者将告知维护人员可能出现的问题。维护人员可能检测到或可能检测不到实际的问题,并在实际运行测试或其它诊断程序之前,或执行确认实际问题所需的其它操作之前,可能需要进一步提示。一旦问题被确认,维护人员可能需要预订部件,并规划维护程序,所有这些都导致在出现问题与校正问题之间的较长的时间段,在其间,加工车间运行在反常状态下,该反常状态通常与加工车间的未达最佳标准的性能相关。
另外,很多加工车间处于反常的状态时,在相对短的时间中会导致巨大的费用或损失。例如,如果这些问题存在即使很短的时间,一些反常状态就可以在加工车间中导致设备的严重损坏、原材料的损失或不希望产生的重大停工。因此,仅仅在问题出现之后检测加工车间中的问题,不管问题的校正如何迅速,仍然会在加工车间中导致巨大的损失或破坏。其结果是,需要在反常状态出现的第一位置就能阻止反常状态,而不是简单地试图在问题出现后在加工车间中对问题采取措施,并校正问题。
当前有一种技术可被用于收集数据,使用户在反常状态实际出现之前,就可以预测加工车间中某些反常状态的出现,以在任何加工车间中发生任何重大的损失之前,能够采取步骤防止可以预见的反常状态。这种过程在名称为“根本原因诊断(Root Cause Diagnostics)”的美国专利申请09/972,078(部分基于美国专利申请08/623,569,现在美国专利6,017,143)中进行公开。对这两个申请完整公开内容合并于此作为参考。一般来说,这种技术将统计数据收集和处理功能块或统计过程监测(SPM)功能块置于各个加工车间的设备中,例如现场设备中。统计数据收集和处理功能块收集例如,过程变量数据,并确定某些与收集的数据相关的统计测量,例如平均值、中值、标准偏差等。这些统计测量可以被分析以辨认出指示将会出现的已知反常状态的模式。一旦检测出某个可疑的将会出现的反常状态,可以会采取步骤来校正潜在的问题,从而在第一位置阻止反常状态。
过程加热器被普遍用于各种加工车间中。碳氢燃料加热器可以用于加热过程流,例如当任务中流加热不能获得或不充足时。很多过程加热器不使用进气通风(ID)扇或强制通风(FD)扇,而依靠烟囱效应对流来控制通风。经常地,特别是在美国,过程加热器包括在烟囱中的氧气传感器和用于调节气流或通风压力的节流阀。少数情况下,加热器可以包括一氧化碳传感器。
从加热器烟囱中无意释放出来的烟尘,可能会导致环境问题,也可能会导致政府的惩罚和/限制,也会引起与周围社区的公共关系摩擦。由烟囱中的氧气传感器检测的氧气级别可以用于检测何时烟尘事件发生。当烟尘事件被检测到时,节流阀可以被调节以结束或减轻烟尘的释放。但是,氧气级别可能不会一直指示烟尘事件的发生。当采用由一氧化碳传感器检测的一氧化碳级别时,其还可用于检测何时烟尘事件发生。但是,氧气和一氧化碳级别不能对烟尘事件进行事先的警告,而是仅指示烟尘事件已发生。
典型地,供给到过程加热器的燃料流量被调节为来保持所需的温度。在流量上的快速或大的变化,会产生火焰的不稳定和火焰外溢(flame-out)。当火焰检测器检测到火焰外溢时,可能关闭供给到加热器的燃料流。
发明内容
一种用于检测加工车间中加热器的反常状态的系统接收与加热器单元相关的统计数据。被检测的反常状态例如可以是与火焰外溢或烟尘释放相关的状态。所述统计数据被分析以检测是否存在一个或多个加热器相关的反常状态。所述统计数据包括基于压力变量而产生的统计数据,所述压力变量由一个或多个关联到加热器相关的热炉、烟囱、燃料供给等的压力传感器进行传感。另外,所述统计数据可以包括基于温度变量而产生的统计数据,所述温度变量可由一个或多个关联到热炉、烟囱等的温度传感器进行传感。所述统计数据可被分析来确定诸如压力可变性、温度可变性等的可变性是否发生变化或增加。如果检测到反常状态,就产生反常状态指示。该指示例如可以用来告知操作者或用于影响加热器的控制。
附图说明
图1是示例加工车间控制和诊断网络的结构图;
图2是用于基于过程变量而产生统计数据的示例子系统的结构图;
图3是用于检测加热器单元相关的反常状态的示例系统的结构图;
图4是用于检测加热器单元相关的反常状态的基于规则系统的示例的结构图;
图5是用于检测加热器单元相关的反常状态的示例方法的流程图;
图6是用于检测加热器单元相关的烟尘释放状态的示例方法的流程图;
图7是用于检测加热器单元相关的火焰外溢状态的示例方法的流程图;
图8是用于基于压力信号而产生统计数据的示例子系统的结构图;
图9是用于检测加热器单元相关的火焰外溢状态的另外一个示例方法的流程图;
图10是用于基于压力信号而产生警报的示例方法的流程图;
图11是用于基于压力信号而产生统计数据的另一个示例子系统的结构图;
图12是用于基于压力信号而产生警报的另一个示例方法的流程图。
具体实施方式
图1是示例加工车间控制和诊断网络10的结构图,加工车间控制和诊断网络10包括通过通讯链路15连接到工作站14的过程控制器12。通讯链路15可以包括例如:以太网通讯连接,或其他任何类型的缆线、光学、或无线通讯连接。另外,通讯链路15可以是连续的或间断的连接。控制器12也可以通过I/O接口设备(未示出)和一组通讯线路或总线18与过程加工车间中的处理设备或装置相连接。在图1的示例中,控制器12与加热单元16(例如:原料加热器、流体加热器、精练厂加热器、石化加热器、石油加热器、锅炉、重沸加热器、煤气加热器、充电加热炉、供料加热器、真空加热器,液体加热器,柱状加热器,管线加热器,存储加热系统等)相关设备或装置相连接。控制器12可以是以示例方式的艾默生过程管理公司的DeltaV控制器,该控制器可以与诸如现场设备或其功能模块的控制部件进行通讯,这些现场装置分布在加工车间的各处,并执行一个或多个过程控制程序来实现对加热器单元16所期望的控制。这些控制程序可以是连续不断的,或可以是批处理控制程序或过程。工作站14(其可包括个人电脑、服务器等)可以提供给一个或多个工程师或操作者编写过程控制程序,在控制器12中运行,工作站14可以和控制器12通讯,以实现下载所述编写的过程控制程序,在加工车间运行时接收和显示属于加热器单元16的信息,另外工作站14还与控制器12中运行的过程控制程序相互影响。
工作站14包括存储器(未示出)用来存储诸如配置设计程序,维护运行应用程序,用户接口应用程序,诊断程序等应用程序。该存储器还可用来存储属于加热器单元16配置信息的诸如配置数据,维护数据,诊断数据等数据。工作站14也包括处理器(未示出),其除了其他用途之外,也可用来运行应用程序,从而使得使用者能够设计过程控制程序(routine),并将设计的过程控制程序其下载到控制器12中。同样,控制器12也包含一个存储器(未示出没显示),用来存储配置数据和过程控制程序以控制加热器单元16,控制器12另外还包括一个处理器(未示出),其运行过程控制程序以实现过程控制策略。如果控制器12选用DeltaVTM控制器,与工作站14运行的一个或多个程序相连接的控制器12,可以提供给使用者一个控制器12中过程控制程序的图像表现图形化示意,其该图像化示意阐明了过程控制程序中的控制部件元素,以及和对这些控制部件元素进行配置来对加热器单元16进行控制的方式。
在图1示例的加工车间控制和诊断网络10中,控制器12通过总线18与加热器单元16通讯连接。加热器单元16包括热炉(furnace)20,连续流体从热炉20中流过并且被热炉加热,加热器单元16还包括烟囱(stack)22。在烟囱22中有节流阀装置24,其用来调节气流和/或通风(draft)压力,另外还有燃料阀26用来调节进入热炉中的燃料。加热器单元16还包括一些传感器装置,如相关于燃料流量的传感器、相关于过程流体流量的传感器,相关于热炉的传感器、相关于烟囱的传感器。在示例的加热器单元16中,压力传感器32可以用来传感燃料的压力,流量传感器33可以传感从节流阀24流来的燃料的流量。温度传感器34可以传感温度,流量传感器35可以传感从热炉流出的流体的流量。尽管图1中示例只有一路流体流经热炉,在典型的加热器中,可能有多路流体在不同的时间流入热炉,并且在每路流过后热炉后会有温度传感器(未示出)和/或流量传感器(未示出)来传感温度和/或流量。一个或多个传感器可以用来传感热炉内的状态,这些传感器包括一氧化碳传感器36,压力传感器37,氧气传感器38,温度传感器40。类似地,一个或多个传感器可以用来传感烟囱的状态,这些传感器包括温度传感器42,压力传感器44,氧气传感器46,空气流量传感器48。在具体的应用中,可以删去一个或多个这样的传感器。例如,尽管在图1中显示了氧气传感器38和氧气传感器46,典型的加热器单元可以仅具有一个氧气传感器,该氧气传感器关联到烟囱或者热炉。
如图1所示,控制器12通过总线18与如下各种部件通讯连接:节流阀24、燃料阀26、传感器32-38、40、42、44、46、48等,以控制这些部件的运行和/或接收来自这些部件的数据。当然,控制器12也可以通过其他的总线,或通过专用通讯线,与加热器单元16上的各个部件相连接,例如,通过4-20ma线、HART通讯线路等。
图1中所示的阀、传感器和其他设备可以是任何所需的种类和型号,例如:Fieldbus设备、标准的4-20ma现场设备,HART现场设备等,这些现场设备与控制器12之间使用的公知或所需的通讯协议有:Fieldbus协议、HART协议、4-20ma模拟协议等。另外,其他类型的设备也可以用需要的方式与控制器12相连接并受其控制。而且,其他的控制器也可以连接到控制器12和/或工作站14,例如通过通讯链路15进行连接,来控制与加工车间相关的其他的设备或区域,并且这种附加的控制器可以依照需要的或公知的方式与图1中所示的控制器12并行工作。
例如,对于热炉20,除了一氧化碳传感器36、压力传感器37,氧气传感器38,温度传感器40,还可使用一个或多个其他的传感器装置作为附加或替代。对于烟囱22,除了温度传感器42、压力传感器44、氧气传感器46、空气流传感器48,还可使用一个或多个其他的传感器装置作为附加或替代。例如,可以使用相关于烟囱22的一氧化碳传感器,作为图1所示的一个或多个装置的附加或替代。
一个或多个传感器32-38、40、42、44、46和48中的每个可包括存储器(未示出),以用来存储程序(routine),所述程序例如用来实现一个或多个过程变量的统计数据,其中所述过程变量可由传感器进行传感。一个或多个传感器32-38、40、42、44、46和48中的每个还可包括处理器(未示出),该处理器用来执行实现一个或多个过程变量的统计数据收集的程序。由所述传感器存储和执行的程序可以包括,一个或多个采集和/处理与所述传感器相关的统计数据的功能块。例如,这种功能块包括高级诊断功能块(ADB),该功能块是一种广为人知的Foundation Fieldbus功能块,其可以被加入到总线设备中,以采集和处理检测Fieldbus设备中的统计数据。其他的功能块或模块也可以用来收集设备数据,并对该数据进行计算、判断和/或为这些设备数据处理一个或多个统计测量或参数。另外,这些传感器不需要包括Fieldbus设备。而且,统计数据收集/处理模块可以由任何传感器中的软件、固件和/或硬件的组合来实现。
例如,压力传感器32可包含存储有程序(routine)的存储器(未示出),所述程序例如为用于实现压力相关的统计数据收集的程序,该压力是由压力传感器32传感的。压力传感器32也可以包含处理器(未示出),该处理器运行例如用于实现统计数据收集的程序。在压力传感器32中存储并执行的程序可以包含一个或多个功能块50a,所述功能块50a用来收集和/或处理与压力传感器32相关的统计数据。例如,功能块50a可包括ADB或其他类型的统计数据收集功能块。压力传感器32不需要包括Fieldbus设备。
另一个例子,氧气传感器46也可包括存储程序的存储器(未示出),所述程序例如为实现氧气相关的统计数据收集的程序,该氧气由氧气传感器46传感。氧气传感器46也同样可以包含处理器(未示出),该处理器运行例如实现统计数据收集的程序。在氧气传感器46中存储并执行的程序可以包含一个或多个功能块50b,所述功能块50b用来收集和/或处理与氧气传感器46相关的统计数据。例如,功能块50b可以包括ADB或其他类型的统计数据收集功能块。氧气传感器46不需要包括Fieldbus设备。
尽管上述的功能块50a和功能块50b,被分别置于压力传感器32或氧气传感器46中,功能块50可以部分或完全地置于任何数量的其它现场设备24,26,33-36,38,40,42,44,46和48中,并可以部分或完全地置于控制器12,IO接口设备(未示出),工作站14,或其他设备中。应该理解的是,部分或所有的其它设备24,26,33-36,38,40,42,44,46和48可以实现其它功能块或模块,以收集与这些设备相关的数据,并进行计算,判断和/或处理所述数据的一个或多个统计测量值或统计参数。
虽然在图1中示出的传感器32和46分别包括数据收集功能块50a和50b,其他的设备如24,26,33-36,38,40,42,44,46和48,也可以附加地或可选地包含类似的数据收集功能块50。
通常来说,功能块50a或其子块收集数据,例如从下游(downstream)阀26传感的压力相关数据,并对这些数据进行统计处理和分析。功能块50a可能包含例如一个或多个统计过程监测(SPM)功能块或单元的子块,这些子块收集从下游阀26传感的压力相关数据或其它与传感器32相关的数据,并对所收集的数据执行一个或多个统计计算,从而得到例如所收集数据的一个平均值,中值,标准偏差值等。
类似的,功能块50b或其子模块收集烟囱22中的氧气数据,并对这些数据进行统计处理或分析。功能块50b可包含诸如一个或多个SPM功能块或单元的子模块,这些子块收集烟囱22中的氧气数据或其它与氧气传感器46相关的数据,并对所收集的数据执行一个或多个统计计算,从而得到例如所收集数据的一个平均值,中值,标准偏差值等。
专业术语统计过程监测(SPM)功能块在这里是从功能上进行描述的,其可实现对至少一个过程变量或其他过程参数的统计过程监测,其功能可由任何需要的软件、固件或硬件来执行,所述软件、固件或硬件可在由数据被收集的设备中,甚至所述设备的外部来实现。可以被理解的是:因为SPM通常由或部分地由数据被采集的设备来实现,所以SPM可得到更多数量和更准确的过程变量数据。这样,相比于在过程变量数据被收集的设备外部实现的功能块,SPM功能块一般能对收集到的过程变量数据进行更好的统计计算。
尽管SPM功能块在这里被描述成ADBs的子模块,不过,其也可以被设备中的单机功能块所代替。而且,这里论述的SPM模块可以是公知的Foundation Fieldbus S PM模块,这里所说的专业术语SPM指的是任何形式的收集诸如过程变量数据的功能块或部件,并对所得数据进行统计处理以得到诸如均值或标准偏差等的统计测量。这样,该专业术语涵盖了实现此功能的软件、固件,硬件和/或其他的元素,无论这些组件是以功能模块的形式或其他类型的功能块、软件、程序或部件,也无论这些组件单元是否符合Foundation Fieldbus协议或其他例如Profibus,HART,CAN等协议。如果需要,功能块50的基本运行可如美国专利6,017,143所描述的那样,被执行或实现。
但是,应该理解的是,功能块50可以依照不同于美国专利6,017,143中所述的方法来执行或实现。例如,Blevins等人的美国专利6,615,090中描述了一种可变性指数生成器(variability index grnerator),其可用来产生一种可变性的读数提供给加工车间中的功能块。通常来说,该可变性的指示提供了来自设定点的与设备或功能块相关的参数偏差的统计测量值,或者与设备或功能块相关的与设备或功能块相关的其他值,其中所述参数与来自设定点的设备或功能块相关。基于各种考虑目的,美国专利6,615,090的全部内容被合并于此作为引用参考。
由一些或所有的模块50接受和生成的数据,可以从外部客户端(client)中获取,例如从工作站14通过控制器12和通讯连接15来获取。另外或可选择地,由一些或所有的模块50接受和生成的数据,可以从工作站14通过例如通讯服务器60来获取。通讯服务器60可以包括,例如,用于过程控制(OPC)服务器的对象链接和嵌入(OLE)、被配置为运行在通讯网络中的服务器、网络服务器等。通讯服务器60可以通过诸如无线连接、线路连接、间歇(intermittent)连接(例如使用一个或多个手持设备)或其它任何使用所需或合适通讯协议的需要的通讯连接,来获取由一些或所有的模块50所接受和生成的数据。当然,这里所需的任何通讯连接可以使用OPC通讯服务器来集成来自不同类型的设备的具有共同或一致形式的数据。
而且进一步地,在工作站、服务器、个人电脑等或者远离所述现场设备的其它现场设备中,有可能实现SPM功能块,以执行统计过程来监测所述现场设备的外部,其中所述现场设备收集或产生诸如压力数据、温度数据、氧气数据等的原始数据。因此,例如工作站14可以实现在一个或多个SPM功能块。这些SPM功能块可以通过例如控制器12或通讯服务器60来收集数据,并且可以为压力数据计算一些统计量或参数,例如平均值、标准公差等。虽然这些SPM功能块并不位于收集数据的现场设备中,因而这些SPM功能块由于对所述数据的通讯要求而基本上不能收集那么多的压力数据来执行统计计算,不过,对于那些不具有或者不支持SPM功能的设备来说,这些功能块在确定统计参数上很有用。因此,在下面的论述中可以理解的是,很多由SPM功能块产生的统计测量和参数,可通过由现场设备或其它设备实现的功能块来产生。
在运行中,控制器12可以通过阀26来控制给热炉的燃料的流量。温度传感设备34可以提供表明了流出热炉20的流体温度的数据。另外,控制器12可以通过节流阀24控制空气流和/或烟囱22中的通风(draft)压力。
图2是示例子系统100的结构图,该子系统用于产生与诸如设备32-38、40、42、44、46的现场设备相关的统计数据。例如,子系统100可以实现为数据采集功能块50的一部分,并且可以整体地或部分地实现在单独的一个现场设备中。另外,每个在图2中所描述的功能块,都可以整体地或部分地实现在多个现场设备中,例如现场设备控制器12、工作站14、通讯服务器60或一些其它的与加工车间相关的计算设备中。例如,子系统100可以实现为ADB、SPM功能块等的一部分。子系统100包括有与美国专利6,017,143中所述的过程设备相似的方面。
统计参数发生器104接收由现场设备产生的过程信号,并计算用于这些过程信号的统计参数。这些统计参数可包括,例如,一个或多个标准偏差、平均值、采样方差、均方根(RMS)、过程信号变化率(ROC)的范围(ΔR)、过程信号最大值、过程信号最小值。用于产生这些参数的公式的例子包括:
ΔR=XMAX-XMIN (公式5)
其中N为采样周期中的数据点的总数,xi和xi-1是过程信号的相邻的(consecutive)值,T是xi和xi-1之间的时间间隔。进一步地,XMAX和XMIN是过程信号在采样或者修整(training)时间中相应的最大值和最小值。这些统计参数还可以使用不同的公式或算法进行计算。
而且,除了产生这些参数以外,还可产生其它类型的参数。例如,过程信号可被滤波(例如,使用低通、高通、带通等滤波器)来产生相应的参数。可以使用一个或多个滤波器,并且每个滤波器可以包括例如有限脉冲响应或无限脉冲响应滤波器。进一步地,例如可以使用模拟或数字滤波器。进一步地还可以产生相关性参数。例如,可产生过程信号与模式(pattern)之间的相关性,过程信号与过程信号的过去部分的相关性,过程信号与对应于其它过程信号的信号之间的相关性等。在一个例子中,统计参数发生器104可以包括一个或多个ADB和/或SPM功能块。
进一步地,用于产生参数的技术可以被结合在一起。例如,在产生任何一个前面论述的参数之前,过程信号可以被滤波和/或以其它方式进行处理。在一个具体的实施例中,过程信号在用于产生参数前可以被整形(trim)。例如,所述的整形包括丢弃或限制高于第一阈值或低于第二阈值的过程信号采样值。所述整形还可包括丢弃或限制高于第一范围百分比(例如,公式5)或低于第二范围百分比的过程信号采样值。过程信号整形后,在被用于产生一个或多个参数之前,过程信号可选择地可被滤波。一种现有技术中的常用技术可以包括各种其他可能技术的组合、改变和替换。
一个或多个统计参数可以提供给事件检测器108。事件检测器108还可以接收来自存储器116的名义(nominal)值112和灵敏度参数114。名义值112可以包括例如,对应于由统计参数发生器104产生的统计参数的名义的(即标准的)统计参数值。所述名义值例如可以由统计参数发生器104产生,该统计参数发生器在过程的正常运行时产生或获得(learn)名义参数或名义统计参数。这些统计参数可用于在存储器116中产生名义值112,以供将来的使用。例如,这将允许在不同的运行状态下对名义值112进行动态调节。在这个例子中,由统计参数发生器104产生的统计参数可以在用户可选时段中被监测。在另一个例子中,名义值可以在制造的时候由压力传感设备50的制造者提供,并保存在存储器116中。在又一个例子中,可通过总线18(图1)或其它通讯连接将名义值传送到实现事件检测器108的设备,从而周期性地或以其他方式更新名义值。
例如,每个灵敏度参数值114可提供可以接收的范围或关系,所述范围或关系在由计算的统计参数114与由统计参数发生器104产生的合适名义值之间的合适规则来确定。灵敏度参数值114可例如由制造者来设置,并通过总线18等接收。灵敏度参数值114可为特定的应用而进行调节。
事件检测器108可产生一个或多个与由统计参数发生器104产生的一个或多个参数相关的指示。在下文中将对事件检测器108可检测到的事件进行说明。事件检测器108还可检测除了这些事件以外的其它事件。
漂移(drift)
漂移事件的指示可产生于,例如,当过程信号由名义值随着时间而发生变化时。在一个实施例中,通过分析过程信号的平均值、平均值的名义值(mean′)、调节参数α来检测漂移事件。漂移事件检测敏感度可通过敏感度参数α来进行控制,敏感度参数α可以表示高于或低于当检测到漂移事件之前可容许的名义平均值的百分率。依据下面的示例规则,事件检测器108可以确定是否发生了漂移事件:
如果mean<mean′(1-α),则检测到负漂移事件;
如果mean>mean′(1+α),则检测到正漂移事件。
其中mean的值是由统计参数发生器104产生的过程信号的当前平均值,而mean′的值和从存储器116中获取。可选择地,mean可长时间地被监测,仅在超过一段连续采样的时间段后,才对漂移事件进行检测,所述mean从名义值偏移。平均值名义值(mean′)在过程的正常运行时,可以被子系统100获知。
偏离(hias)
偏离事件的指示可以产生于,例如,当出现了“稳定”在大于或者小于名义值的特定水平上的临时漂移时。一旦漂移停止,结果的信号就会相对于名义值出现偏离或偏差(offset)。偏离可使用或者部分地使用与上述检测漂移相同的方法被检测到。此外,平均值可在一段时间内进行监测,而如果平均值并非持续地偏离名义平均值(mean′),则可确定,所述事件为偏离事件而非漂移事件。
噪声(noise)
噪声事件的指示可以产生于当过程信号的标准偏离升高到超过阈值时。在一个例子中,通过调节敏感参数β来调节噪声监测敏感度,该敏感参数β是在噪声事件指示产生前,当前的标准偏差大于名义标准偏差(标准偏差′)的量。例如当检测者希望当过程信号是噪声名义值两倍时检测出噪声事件时,β值可取2.0。也可使用范围(△R)确定是否会产生噪声事件。例如,△R可用于将噪声从正常的信号变化中区分出来。用于判断是否产生了噪声事件的示例规则如下:
如果标准偏差>β*标准偏差′,且△R>△R′,则检测到噪声事件。
其中“标准偏差”及△R分别为由统计参数发生器104产生的当前标准偏差及当前范围,β由存储器116得出。
阻滞(stuck)
阻滞事件是指过程信号不能随时间变化而变化的情况。阻滞敏感度可以通过调节敏感度参数γ来进行控制。γ值表示为名义标准偏差(标准偏差′)的百分率,并可表现标准偏差偏离名义值的小变化是如何指示阻滞事件的。例如,当用户希望当过程信号的噪声水平为名义值一半时检测到阻滞事件时,γ值应设置为50%(0.5)。进一步地,可以使用范围(△R)来减少当检测小信号时出现的阻滞事件检测误差。一个示例规则如下:
如果(标准偏差+△R)≤γ(标准偏差′+△R′),则检测出阻滞事件。
峰值(spike)
峰值事件是过程信号在短时间内达到极值的事件。通过调节敏感度参数δ可控制过程信号中的峰值灵敏度,δ表示了在检测出峰值事件之前,过程信号中的两个连续(consecutive)数据点之间变化率的最大值(ROCMAX)。例如,如果用户想检测出具有比ROCMAX大30%的变化率(ROC)的任何峰值,则δ可置为1.30。一个示例规则如下:
如果ROC>δ*ROCMAX,则检测出峰值事件。
另一种检测峰值的方法可包括:在一定的时间段内,检测过程信号是否大于正阈值(或上阈值),或小于负阈值(或下阈值)。所述的阈值和/或时间段可对于不同的峰值灵敏度进行调节。
其它也必须检测的事件包括,表明了过程信号周期振荡的循环(cyclic)事件,和表明了过程信号不稳定行为的不稳定(erratic)事件。应该理解的是,其它的规则可以用来观察上述的这些事件和与过程信号相关的其它事件,不同的公式、方程式、计算技术等可以用来检测事件。
对事件进行检测包括,分析一个或多个统计参数发生器104产生的统计参数,并基于不同于过程信号的信号进行统计参数分析等。例如,统计参数可能由其它的现场设备(例如使用与子系统100相似的其它子系统)基于其获得的数据来产生,或可能与所述其它现场设备相关。由一个现场设备实现的事件检测器108就能够接收由一个或多个现场设备产生的一个或多个统计参数或其它类型的数据,并通过分析这些数据分析某些事件是否发生。
如一个例子中,首先确定过程信号或过程是稳定的,然后在一个选定的时间段内得出统计参数,通过这样来获得名义值。将这些统计参数值可作为名义值进行保存。所选定的时间段应与采样时间段或用来在运行中产生统计参数的时间段(block)基本相同,但是在某些例子或实施例中,所选定的时间段可与采样时间或用来在运行中产生统计参数的时间段不同(甚至显著不同)。这样的过程可以由用户启动或自动进行。
事件检测器108可以使用任何技术来实现。例如,事件检测器108可以包括一个或多个基于规则的引擎、模糊逻辑引擎、模式检测器、神经网络等。此外,前述的事件检测器108基于规则的运行,提供了关于事件是否出现的指示。应该理解的是,在其它的例子中,对应于一个事件的事件检测器108输出可能具有多个离散或连续的数值。
图3表示的是示例的反常状态检测器130的结构图,该反常状态检测器130检测了与诸如图1所示的加热器单元的加热器相关的反常状态。一般地,反常状态检测器130可以用来,基于与加热器相关的过程变量而产生的统计数据,检测与加热器单元相关的反常状态。
反常状态检测器130可以分析一个或多个统计参数,例如由一个或多个统计参数发生器104(图2)、一个或多个SPM功能块、一个或多个ADBs等产生的统计参数。此外反常状态检测器130还可分析统计事件指示,例如由一个或多个事件检测器108(图2)、一个或多个SPM功能块、一个或多个ADBs等产生的统计事件指示。而且,反常状态检测器130还可对多个与加热器相关的过程信号、控制信号等进行分析。反常状态检测器130还可以分析诸如警报(alert)、警示(alarm)、诊断数据等由加工车间中其它设备产生的数据。反常状态检测器130不需分析图3所描述的所有信号(即统计参数、统计事件标识、过程信号、控制信号等)。例如,反常状态检测器130只分析一个或多个统计参数。在另一个例子中,反常状态检测器130只分析一个或多个统计事件标识。因此,反常状态检测器130可分析图3所示的所有数据的组合以及图3没有提到的其它数据。
例如,反常状态检测器130对多个信号进行分析,从而确定是否有反常状态存在,以及是否应该对操作者发出警报或警示。当然,如果需要,如在反常状态被检测到后,除了提供或设置警示以外,反常状态检测器130的输出可以用来进行其它的动作。所述的动作例如可包括,调节或关闭给加热器的燃料,调节加热器的节流阀,关闭一个或多个过程组件,切换或调节控制参数以改变过程的控制等。
反常状态检测器130可以,至少部分地,由一个或多个与加热器单元相关的现场设备来实现。另外地或可选地,反常状态检测器130可以,至少部分地,由一些诸如一个或多个计算设备如控制器12、工作站14等其它设备来实现。进一步地,反常状态检测器130可以,至少部分地,由一个或者多个与加热器单元无关的设备(例如,现场设备、控制器、工作站等)来实现。如果反常状态检测器130,至少部分地,由除所述现场设备以外的某些设备实现,反常状态检测器130可以,至少部分地,为客户端(client)系统或客户端系统的一部分,该客户端系统或客户端系统的一部分能通过例如通讯服务器60、控制器12等从所述现场设备中读取统计参数、统计事件指示等。反常状态检测器130可以包括一个或者多个,例如,基于规则的系统,模式检测器、模糊逻辑系统、神经网络等。
反常状态检测器130产生的指示可包括,例如警报、警示等。这些指示传送给加工车间操作者或其它相关人员。如图1所示,如果反常状态检测器130由现场设备来实现,所述指示将会传送给其它如控制器12、工作站14、通讯服务器60等的设备,以便操作者了解这些指示。现场设备将这些指示作为初始值或按其它设备的请求进行传送。例如,其它的一些如控制器12、工作站14、数据通讯服务器60等设备,可以查询(poll)现场设备其是否检测到与加热器相关的反常状态。作为响应,现场设备可以通过总线18或其它的通讯线路传送指示。再如另一个例子,将指示存放在存储器内,其它的设备读取这个指示后检测出与加热器相关的反常状态。
反常状态检测器130的输出不仅传送给操作者,还可以直接影响加热器单元16或加工车间的其它部分。例如,反常状态检测器130产生的指示可被提供给一个或多个控制模模块或程序,或提供给维护系统等。例如,如果当一个或多个反常状态被检测到后,反常状态检测器130的输出可以提供给控制器12,该控制器12例如可以关闭提供给加热器单元16的燃料,调节节流阀等。
图4为反常状态检测器130的一个实施例的结构图。在该例子中,反常状态检测器130包含基于规则的系统150。一般地,基于规则的系统150可基于与过程信号相关的统计数据,检测与过程信号相关的反常状态。
基于规则的系统150包括规则引擎154,其为基于各种规则的专家引擎,还包括规则组158,其被储存于数据库中(例如,在一个或多个现场设备的存储器中、在控制器12的存储器中、在工作站14的存储器中等),其中,规则引擎154可访问所述数据库。如上所述,规则引擎154能够对上述关于图3所示的反常状态检测器130的数据进行分析。
规则引擎154将规则158应用到统计参数、统计事件指示、过程和/或控制变量、警示、警报等,根据规则158中的至少一个规则,确定是否存在反常状态并指示需要向操作者传送警报或警示。当然,在规则指示存在问题时,如果需要,规则引擎158的输出除了提供或设置警报以外,还可以用来采取其它的行动。所述行动包括例如,调节或关闭加热器单元的燃料,调节加热器单元的节流阀,关闭一个或多个过程组件,切换或调节控制参数以改变过程的控制等。
可选地,规则开发应用程序(application)或例行程序(routine)162,可以使用户能够基于统计参数模式及其联系,开发一个或多个专家系统规则(例如,用作规则158之一),从而检测出与加热器单元相关的反常状态。因此,尽管至少一些引擎154使用的规则158可提前设定或预先配置,规则开发程序162使用户能够在监视加工车间所得经验基础上创建其它的规则。例如,如果操作者知道一定的SPM参数条件或事件的组合,指示着加热器单元的某一问题,该操作者会使用程序162创建合适的规则来检测状态和/或,如果需要,在需要时可基于检测到的反常状态发出警报或警示或者进行其它动作。2004年3月3日提交的名称为“加工车间中反常状态的防止(ABNORMAL SITUATION PREVENTION IN A PROCESS PLANT)”美国临时专利申请60/549,796中描述了示例的规则开发软件和配置屏幕,其可以用来创建检测反常状态的规则和/或,如果需要,创建用来产生警示或警报,或基于检测到的反常状态进行其它的动作。相似的或不同的规则开发软件也可以用来开发规则158。美国临时专利申请60/549,796可以整体地合并于此作为引用参考。
在加工车间的运行中,规则引擎154可配置为接收统计参数、统计事件指示,(以及其他所需数据),其运用规则158来确定某些规则是否相符合。如果基于一个或多个规则158,检测到与加热器单元相关的反常状态,就会产生反常状态的指示。
规则引擎154可,至少部分地,由一个或多个与加热器相关的现场设备实现。另外地或可选地,规则引擎154可以,至少部分地,由一些诸如一个或多个控制器12、工作站14等的计算设备的其它设备来实现。此外,规则引擎154可,至少部分地,由一个或多个与加热器单元无关的设备(例如,现场设备,控制器,工作站等)实现。如果规则引擎154,至少部分地,由除现场设备以外的某些设备实现,则规则引擎154可,至少部分地,为客户端(client)系统或客户端系统的一部分,其通过例如通讯服务器60、控制器12等从现场设备中读取统计参数、统计事件指示等。
由规则引擎154产生的指示包括,例如上述与图3所示反常状态检测器130的输出相关的指示。而且,规则引擎154的输出不仅用来提示操作者,而且可以直接影响加热器单元16的控制,或如上所述的与图3所示的反常状态检测器130的输出相关的加工车间的其它部分。
图5是示例方法200的流程图,该方法200可以由图3所示的反常状态检测器130,和/或图4所示的与基于规则的系统150来实现,以检测与加热器单元相关的反常状态。例如,方法200可用来探测是否有烟尘释放(smokerelease)或火焰外溢(flame-out),将要发生或可能发生等。尽管参照图1-4对图4进行了论述,应该理解的是,方法200或相似的方法,可由不同于系统10,子系统100,反常状态检测器130,基于规则的系统150的系统来实现。
在功能块(block)204中,接收与来自所述加热器单元的过程信号相关的统计数据。例如,反常状态检测器130或规则引擎154可以接收来自统计参数发生器104的统计参数和/或事件检测器108产生的指示。总的来说,功能块204获取到的统计数据包含有与过程信号相关的一个或多个平均值,变量,标准偏差,均方根,变化率,范围,最大值及最小值。另外地或可选地,统计数据可包含一个或多个事件的指示,所述事件可以是漂移、偏离、噪声、阻滞、峰值、循环等。统计数据可包含除前面已经清楚地列出的统计测量和指示以外的,其它的统计测量或与过程变量相关的指示。如一个例子,统计数据可以包含与过程变量相关的相关数据。
在功能块208中,在功能块204中接收到的统计数据可以用来分析,以确定是否存在与加热器单元相关的反常状态。例如,反常状态检测器130或规则引擎154可分析来自统计参数发生器104和/或事件检测器108的统计参数。除了功能块204接受到的数据以外的其它数据,也可以被分析。例如一个或多个过程信号和/或控制信号将被分析。如另一个例子,其它形式的数据(例如与加热器单元相关的设备产生的警报和/或警示、诊断数据等)也可以被分析。
在功能块212中,如果未检测到反常状态则方法结束。但是,如果检测到反常状态,流程就进入功能块216。在功能块216中,将产生反常状态的指示。该指示包含例如用于提示操作者的警示或警报。如另一个例子,所述指示可以另外地或可选地包含影响控制程序或功能块的数据。
用于检测与加热器单元相关的反常状态的其它一些示例方法描述如下。尽管参照图1-4论述了这些方法,应该理解的是,这些方法或相似的方法可由不同于系统10、子系统100、反常状态检测器130和基于规则的系统150的系统来实现。
图6为示例方法300的流程图,所述方法300用于确定是否存在加热器单元相关的烟尘释放状态。方法300可以由诸如图3中的反常状态检测器130或图4中的基于规则的系统150的系统来实现。方法300可以用来检测加热器单元中的烟尘释放,以预测烟尘的释放等。
在功能块304中,功能块304接收与加热器单元的一个或多个过程变量相关的统计数据。例如,反常状态检测器130或规则引擎154接收统计数据,这些统计数据由一个或多个诸如图1中的传感器32-38,40,42,44,46,48等的传感器检测的一个或多个过程变量产生。所述过程变量包括一个或多个(或没有)燃料流量、空气流量、烟囱压力、温度、一氧化碳、氧气等。统计数据是基于单个的过程变量和/或过程变量的组合产生。如一个例子,统计数据基于不同的压力变量产生,而所述压力变量基于由多个压力传感器传感的压力变量产生,其中所述压力传感器与加热器单元16的热炉20和/或烟囱22相关。
在功能块304中接收到的统计数据包括,例如,由统计参数发生器104产生的参数,和/或来自事件检测器108的事件的指示。总的来说,功能块304接收到的统计数据是与过程信号相关的,且其中包括一个或多个平均值,方差,标准偏差,均方根,变化率,范围等。另外地或可选择地,统计数据包含一个或多个事件的指示,所述事件可为漂移、偏离、噪声、阻滞、峰值、循环等。统计数据可包含除了前面已经清楚地列出的统计测量和指示以外的,其它的统计测量或与过程变量相关的指示。如一个例子,统计数据可以包含与过程变量相关的相关数据。
在功能块308中,在功能块304中接收到的统计数据可以用来分析,以确定是否存在烟囱释放状态。例如,反常状态检测器130或规则引擎154可分析来自统计参数发生器104和/或事件检测器108的统计参数。除功能块304接受到的数据以外的其它数据由也可被分析。例如一个或多个过程信号和/或控制信号将被分析。如另一个例子,其它形式的数据(例如与加热器单元相关的设备产生的警报和/或警示、诊断数据等)也可以被分析。
如一个例子中,可通过分析压力的变化性或不同(differential)压力的变化性来确定是否有烟尘的释放。例如,可检查压力或不同压力变量的一个或多个标准偏差、方差、变化率以及范围等,以检测增长的可变性或可变性的变化。另外地或可选地,一个或多个噪声事件指示、峰值事件指示、循环指示等可以被检测出来,以判定出变化性的增加或变化性的改变。如另一个例子,温度的或不同(differential)温度的可变性可用来判定是否存在烟尘释放状态。例如,温度的或不同温度的一个或多个标准偏差、方差、变化率以及范围等,可以用来检测增长的可变性或可变性的变化。另外地或可选地,一个或多个噪声事件指示、峰值事件指示、循环指示等可被检测出来以判定出变化性的增加或变化性的改变。
在功能块312中,如果烟尘释放状态未被检测到,方法就会结束。但是,如果烟尘释放状态被检测到,流程就进入功能块316。在功能块316中,将产生烟尘释放状态的指示。该指示包含例如用于提示操作者的警示或警报。如另一个例子,所述指示可以另外地或可选地包含用于影响控制程序或功能块,调节节流阀等的数据。
图7为示例方法400的流程图,所述方法400用于确定是否存在加热器单元相关的火焰外溢状态。方法400可以由诸如图3中的反常状态检测器130或图4中的基于规则的系统150的系统来实现。方法400可以用来检测加热器单元中的火焰外溢,以预测火焰外溢等。
在功能块404中,功能块404接收与加热器单元的一个或多个过程变量相关的统计数据。例如,反常状态检测器130或规则引擎154接收统计数据,其由一个或者多个诸如图1中的传感器32-38,40,42,44,46,48等的传感器传感的一个或多个过程变量产生。所述过程变量可包括一个或多个(或没有)燃料流量、空气流量、烟囱压力、温度、一氧化碳、氧气、等。统计数据基于单个过程变量和/或过程变量的组合产生。如一个例子,统计数据基于不同压力变量产生,而所述压力变量基于由多个压力传感器(图1中未示出)传感的多个压力变量产生,其中所述压力传感器与加热器单元16的燃料供给相关。如另一个例子,统计数据基于不同的压力变量产生,而所述压力变量基于由多个压力传感器(在图1中未示出)传感的多个压力变量产生,其中所述压力传感器与加热器单元16的地面通风(draft)相关。
在功能块404中接收到的统计数据可包括例如,由统计参数发生器104产生的参数,和/或来自事件检测器108的事件的指示。总的来说,功能块404接收到的统计数据,与过程信号相关,且其中包括一个或多个平均值,方差,标准偏差,均方根,变化率,范围等。另外地或可选择地,统计数据包含一个或多个事件的指示,所述事件可为漂移、偏离、噪声、阻滞、峰值、循环等。统计数据包含除了前面已经清楚地列出的统计测量和指示以外的,其它的统计测量或与过程变量相关的指示。
在功能块408中,功能块404接收到的统计数据可以用来分析,以确定是否存在火焰外溢状态。例如,反常状态检测器130或规则引擎154可分析来自统计参数发生器104和/或事件检测器108的统计参数。除了功能块404接受到的数据以外的其它数据也可以被分析。例如一个或多个过程信号和/或控制信号将被分析。如另外的一个例子,其它形式的数据(例如与加热器单元相关的设备产生的警示或警报、诊断数据等)也可被分析。进一步地,基于其它过程变量的统计数据可以被分析,例如基于一个或多个温度变量、氧气变量、一氧化碳变量等的数据。
如一个例子,可通过分析压力的变化性来确定是否有火焰外溢的状态。例如,通过检测压力或不同压力变量的一个或多个标准偏差、方差、变化率以及范围等,可检测燃料压力和/或地面通风压力的增长的可变性或可变性的变化。另外地或可选地,一个或多个噪声事件指示、峰值事件指示、循环指示等可以被检测出来以确定变化性的增加或变化性的改变。
在功能块412中,如果火焰外溢状态未被检测到,方法就会结束。但是,如果火焰外溢状态被检测到,流程就进入功能块416。在功能块416中,将产生火焰外溢状态的指示。该指示包含例如用于提示操作者的警示或警报。如另一个例子,所述指示可以另外地或可选地包含影响控制程序或功能块,调节燃料阀等的数据。
图8是示例子系统500的结构图,子系统500用于产生与提供给热炉的燃料的压力相关的统计数据。例如,子系统500可以,至少部分地,实现为图1所示的压力传感器32的数据收集功能块的一部分。另外,子系统500的部分或全部可由多个设备,例如现场设备、控制器12、工作站14和通讯服务器60或一些其它与加工车间相关的计算设备,来实现。例如,子系统500可以实现为ADB,SPM功能块的一部分。
例如,由子系统500产生的统计数据可以用来检测火焰外溢状态。部分或所有由子系统500产生的统计数据可以提供给反常状态检测器,例如图3中的反常状态检测器130。另外地或可选地,部分或所有由子系统500产生的统计数据可以展示给操作者。操作者可以至少部分地基于子系统500产生的统计数据,来确定是否应该采取某些行动。
子系统500包括高通滤波器504,其过滤压力信号以产生滤波后的压力信号。例如,高通滤波器504利用的截止(cutoff)频率为1Hz,2Hz,3Hz,4Hz,5Hz,6Hz,7Hz,8Hz,9Hz。在一个例子中,高通滤波器504利用的截止频率是可配置的。例如,操作者可以从频率1Hz,2Hz,3Hz,4Hz,5Hz,6Hz,7Hz,8Hz,9Hz中任选一个截止频率。高通滤波器504可以采用任何数量的技术来实现。例如,高通滤波器504可包括模拟或数字滤波器。当其实现为数字滤波器时,高通滤波器504将包含一个有限脉冲响应(FIR)或无限脉冲响应(IIR)滤波器。在一个具体的例子中,高通滤波器504包括可配置的16阶(order)FIR滤波器,其具有1Hz,2Hz,3Hz,4Hz,5Hz,6Hz,7Hz,8Hz,9Hz之一作为可配置的截止频率。通常,滤波器的类型及滤波器的配置(如截止频率)取决于具体的实施和/或具体的加热器单元。
子系统500另外地包括RSM发生器508,其根据高通滤波器504产生的滤波后的压力信号,产生RSM参数。在一个例子中,RSM参数的产生可通过以下的公式:
RSM参数还可通过诸如公式2的其它公式或算法来产生。警报发生器512接受由RSM发生器508产生的RSM参数,并至少部分地根据这些参数产生警报。警报的产生还可根据其它的一些输入。在一个例子中,当RSM参数高于或低于一定的阈值一段时间后,警报发生器512就会产生HI警报,并且当RSM参数高于一定的高阈值一段时间后,会产生HIHI报警。例如,所述一段时间(时间段)可通过时间或多个采样进行测量。所述时间段可为一个或多个采样。警报发生器512将在图10中进行更加详细的论述。
另外,子系统500包括平均值发生器516和标准偏差发生器520,用于基于压力信号分别产生平均值参数及标准偏差参数。平均值发生器516根据公式1或其它公式或算法产生平均值参数。标准偏差发生器520基于公式3或其它公式或算法产生标准偏差参数。
图9所示为示例方法600的流程图。方法600与子系统500结合来产生焰火溢出状态的指示。在功能块604中,功能块604接收由子系统500产生的一个或多个平均值参数、标准偏差参数和警报等。
在功能块608中,分析在功能块604中接收到的统计数据,以确定是否存在火焰外溢状态。例如,反常状态检测器130或规则引擎154可分析接收的数据。除了功能块604接受到的数据以外,其它数据也可以被分析。例如一个或多个过程信号和/或控制信号将被分析。如另一个例子,其它形式的数据(例如与加热器单元相关的设备产生的警示或警报、诊断数据等),也可以被分析。进一步地,可以分析基于其它过程变量的统计数据,例如基于一个或多个温度变量、氧气变量、一氧化碳变量等的数据。
在功能块612中,如果火焰外溢状态未被检测到,方法就会结束。但是,如果火焰外溢状态被检测到,流程就进入功能块616。在功能块616中,将产生火焰外溢状态的指示。该指示包含例如用于提示操作者的警示或警报。如另一个例子,所述指示可以另外地或可选地包含影响控制程序或功能块,调节燃料阀等的数据。
图10为示例方法650的流程图,该方法可用于产生如图8所述的警报。在功能块654中,压力信号进行高通滤波。在功能块658中,产生经滤波后的压力信号的RMS值。在功能块662中,确定RMS值在一定时间段内是否保持大于高阈值。在一个具体的例子中,所述高阈值为0.5英寸水。若RMS值在一定时间段内保持大于该高阈值,则在功能块664产生HIHI报警。若RMS值在一定时间段内未保持大于该高阈值,则流程进行到功能块670,在其中判断RMS值在一定时间段内是否保持小于低阈值。若RMS值在一定时间段内保持小于低阈值,则在功能块674产生HI警报。在一个具体例子中,所述低阈值为0.35英寸水。若RMS值在一定时间段内未保持小于低阈值,则流程结束。所述时间段可依据,例如,时间和/或所产生RMS值的数量来测量。在一个具体的实施方案中,所述时间段为一个RMS值。而在其它的实施方案中,所述时间段可为两个或多个RMS值,时间测量值等。
虽然上文对特定阈值进行了论述,本领域的普通技术人员应该理解的是,所使用的阈值是依赖于具体的实施例和/或具体的加热器单元。因此,可使用不同的阈值。在一个例子中,上述提供为默认值的阈值可以依据需要或期望进行再配置。
如上所述,子系统500,示例方法600,和示例方法650可利用一个或多个燃料压力信号,以确定是否存在焰火溢出状态和/或确定是否产生警报。另外地或可选地,也可使用一个或多个地面通风压力信号。例如,图8所示的滤波器504可接收来自与加热器单元的地面通风压力相关的一个或多个压力传感器传感的信号。例如,子系统500可由图1所示的压力传感器37至少部分地实现为数据收集功能块的一部分。例如,压力传感器37可用来传感加热器单元16的地面通风压力。
图11所示的是示例子系统700的结构图,子系统700用于产生与热炉相关底部通风压力相关的统计数据。子系统700包括一些与图8所示子系统500中相似的功能块。例如,子系统700可以由图1所示的压力传感器37至少部分地实现为数据收集功能块的一部分。另外,部分或全部子系统700可由多个设备来实现,例如现场设备、控制器12、工作站14、通讯服务器60、或一些其它与加工车间相关的计算设备。例如,子系统700可以实现为ADB、SPM功能块的一部分。
例如,子系统700产生的统计数据可用来检测火焰溢出状态。由子系统700产生的部分或全部统计数据可以提供给诸如图3所示反常状态检测器130的反常状态检测器。另外地或可选地,由子系统700产生的部分或全部统计数据可以展示给操作者。操作者可以至少地部分基于子系统700产生的统计数据,确定是否应该采取某些行动。
子系统700可包含整形(trim)单元702,其丢弃或者限制超过上整形阈值或低于下整形阈值的压力信号的采样。所述整形阈值可为固定值,或可基于压力信号的范围。如一个例子,整形单元702可丢弃超过压力信号范围(例如,公式5)的95%的压力信号采样值,或低于压力信号范围的5%的压力信号采样值。本领域的普通技术人员将意识到的是,可以使用多种整形单元和阈值。一般地,整形单元和阈值可以基于具体应用和/或具体加热器单元而改变。
子系统700还可包含高通滤波器704,其过滤整形单元702输出以产生滤波后的压力信号。例如,高通滤波器704可具有的截止频率为1Hz,2Hz,3Hz,4Hz,5Hz,6Hz,7Hz,8Hz,9Hz。在一个例子中,高通滤波器704利用的截止频率是可配置的。例如,操作者可从频率1Hz,2Hz,3Hz,4Hz,5Hz,6Hz,7Hz,8Hz,9Hz中任选一个截止频率。高通滤波器704可采用任何技术来实现。例如,高通滤波器704可包括模拟或数字滤波器。当实现为数字滤波器时,高通滤波器704将包含有限脉冲响应(FIR)滤波器或无限脉冲响应(IIR)滤波器。在一个具体的例子,高通滤波器704包括FIR滤波器,其根据以下的公式运行:
yk=xk-Xk-1 (公式7)
其中yk为滤波器的第k次输出,xk为向滤波器的第k次输入,而Xk-1为向滤波器的第k-1次输入。本领域的普通技术人员将意识到的是,可以使用各种滤波器。总的来说,滤波器的类型及配置(例如,截止频率),是基于具体的实施和/或具体的加热器单元进行变化的。在其它的实施方式中,例如可以使用低通或带通滤波器。类似地,可以使用更高阶(order)的高通滤波器。
本领域的普通技术人员将意识到的是,示例子系统700可依照多种方式进行修改。例如,可删除功能块,可添加不同功能块,和/或可改变功能块的布置。如一个例子,功能块702和功能块704的顺序可以颠倒,使得压力信号可以先过滤再整形。
图12是示例方法750的流程图,示例方法750可用来产生图11所示的警报。示例方法750包含一些与图10所示的示例方法650中相同的功能块。在功能块752中,例如用图11所示的方式对压力信号进行整形。在功能块754中,例如用图11所示的方式对整形过的所述压力信号进行高通滤波。然后,若情况适宜,则可根据图10中的方法650产生HI警报或HIHI警报。所述HI警报和HIHI警报为反常状态的指示。换句话说,警报发生器512可以是一种反常状态检测器。而且,所述HI警报和HIHI警报可与其它可能的输入一起输入到反常状态检测器,以确定是否存在火焰外溢状态,并产生火焰外溢状态指示。例如,警报发生器512可使用除RSM发生器508输出以外的其它信息,确定是否产生HI警报和HIHI警报。另外,警报发生器512的输出可以提供给单独的反常状态检测器。
尽管以上论述了具体的阈值,本领域普通技术人员将理解的是,所使用的阈值将依具体的应用和/或具体的加热器单元而定。因此,可使用不同的阈值。在一个实施例中,上述的阈值可以提供为依据需要和期望进行再配置的默认值。
尽管上面介绍的是检测烟气释放及火焰外溢的示例系统和方法,本领域的普通技术人员将意识到的是,相似的系统和方法可以被使用来检测加热器相关的其它的反常状态。如一个例子,统计数据可用来确定是否在通过热炉传输过程流体的管道中产生了污垢(fouling)(例如,碳沉积),确定污垢的程度,和/或确定污垢是否达到了阈值水平。
图2和图3中的部分或全部的功能块,可以全部地或部分地使用软件、固件、或硬件来实现。相似地,在图4-8中描述的示例方法可以全部地或部分地使用软件、固件、或硬件来实现。如果其至少部分地使用软件程序来实现,则该程序可配置为使用处理器来执行,并可具体为存储于可存取(tangible)介质中的软件指令,所述可存取介质例如为CD-ROM、磁盘、硬盘、数字化视频光盘(DVD),或关联到处理器的存储器,但是本领域的普通技术人员容易理解的是,整个程序或部分的程序可以可选地由非处理器的设备来执行,和/或具体实现在固件中,和/或实现在已知的硬件中。另外,尽管参照图4-8对示例方法进行了说明,本领域普通技术人员容易理解的是,可选择地,可使用实现示例反常状态检测器130和规则引擎154的其它方法。例如,可改变功能块的执行顺序,和/或可改变、删除、或组合所述功能块。
尽管本发明易于进行各种修改和有选择的结构,这里在附图中对于某些描述性的实施例进行展示,并进行了详细的说明。但是,应该理解的是,本发明并不限于这些公开的特定形式,相反地,本发明涵盖了在所附权利要求的精神和保护范围之中的各种修改、可选结构和等同物。
Claims (39)
1、一种用于检测加工车间中加热器相关的反常状态的方法,包括:
接收与所述加热器相关的燃料压力可变性的指示,其中所述燃料压力可变性的指示是基于由燃料压力传感器产生的燃料压力变量计算出的;
分析至少所述燃料压力可变性的指示,以检测所述燃料压力可变性是否增加;和
基于是否检测到所述燃料压力可变性的增加,产生火焰不稳定性状态的指示。
2、如权利要求1所述的方法,其中所述的接收所述燃料压力可变性的指示,包括以下中的至少一个:
接收由至少一个传感器装置产生的统计数据;
接收由控制器产生的统计数据;
接收由服务器产生的统计数据;
接收由高级诊断功能块产生的统计数据;或
接收由统计过程监测功能块产生的统计数据。
3、如权利要求1所述的方法,进一步包括:
接收与热炉的地面通风相关的地面通风压力可变性的指示;
分析至少所述地面通风压力可变性的指示,以检测所述地面通风压力可变性是否增加;和
其中,进一步基于是否检测到所述地面通风压力可变性的增加,产生火焰不稳定性状态的指示。
4、如权利要求1所述的方法,进一步包括:计算指示了所述燃料压力可变性的统计数据,其中,分析至少所述燃料压力可变性的指示,包括分析所述统计数据。
5、如权利要求4所述的方法,其中所述计算统计数据包括:基于燃料压力信号计算至少一个统计参数,其中所述至少一个统计参数包括至少一个下述参数:过程信号的平均值、所述过程信号的标准偏差、所述过程信号的方差、所述过程信号的均方根、所述过程信号的变化率、所述过程信号的范围、所述过程信号的最大值、或所述过程信号的最小值。
6、如权利要求4所述的方法,其中所述计算统计数据包括:计算与燃料压力信号相关的统计事件的至少一个指示,其中所述统计事件的至少一个指示包括至少一个下述指示:对所述燃料压力信号中出现的尖峰的指示,对所述燃料压力信号的标准偏差大于第一阈值的指示,对所述燃料压力信号的标准偏差小于第二阈值的指示,对所述燃料压力信号包括循环振荡的指示,或对所述燃料压力信号不稳定的指示。
7、如权利要求4所述的方法,其中所述计算统计数据包括:对燃料压力信号进行滤波,并根据所述滤波后的燃料压力信号计算与所述燃料压力信号相关的统计事件的至少一个指示。
8、如权利要求7所述的方法,其中所述计算统计数据进一步包括:在对所述燃料压力信号进行滤波之前、之后、或之前和之后,对所述燃料压力信号进行整形。
9、如权利要求1所述的方法,其中所述接收与所述加热器相关的燃料压力可变性的指示包括:接收滤波后的燃料压力信号的值。
10、如权利要求1所述的方法,进一步包括:基于所述火焰不稳定性状态的指示来产生警报。
11、如权利要求1所述的方法,进一步包括:基于所述火焰不稳定性状态的指示来调节与所述加热器相关的节流阀。
12、如权利要求1所述的方法,进一步包括:基于所述火焰不稳定性状态的指示来调节与所述加热器相关的燃料供给阀。
13、如权利要求1所述的方法,其中,所述的产生火焰不稳定性状态的指示,包括产生烟尘释放状态的指示。
14、如权利要求1所述的方法,其中,所述的产生火焰不稳定性状态的指示,包括产生火焰外溢状态的指示。
15、如权利要求1所述的方法,进一步包括:基于燃料压力变量来计算燃料压力可变性的指示。
16、如权利要求15所述的方法,其中,计算燃料压力可变性的指示,包括基于过程信号来计算至少一个统计参数,其中所述至少一个统计参数包括至少一个下述参数:所述过程信号的标准偏差、所述过程信号的方差、所述过程信号的均方根、所述过程信号的变化率、和所述过程信号的范围。
17、如权利要求15所述的方法,其中,计算燃料压力可变性的指示,包括:计算与所述燃料压力相关的统计事件的至少一个指示,其中所述统计事件的至少一个指示包括至少一个下述指示:对所述燃料压力信号中出现的尖峰的指示,和对所述燃料压力的标准偏差大于第一阈值的指示。
18、如权利要求1所述的方法,其中所述燃料压力变量是燃料线中的燃料压力的指示。
19、一种用于检测加工车间中加热器相关的反常状态的系统,包括:
统计数据发生器,其基于至少燃料压力变量而产生统计数据,所述燃料压力变量由至少一个关联到所述加热器的传感器装置进行传感,所述统计数据指示燃料压力可变性,其中所述至少一个传感器装置为燃料压力传感器;和
反常状态检测器,其至少基于所述燃料压力变量的可变性是否增加来检测火焰不稳定性。
20、如权利要求19所述的系统,其中所述统计数据发生器被包括在传感器装置、过程控制器、服务器、高级诊断功能块、和统计过程监测功能块中的至少一种之中。
21、如权利要求20所述的系统,其中所述统计数据发生器包括:所述至少一个关联到所述加热器的传感器装置中的至少一个燃料压力传感器装置。
22、如权利要求19所述的系统,其中,所述统计数据进一步基于地面通风压力变量,其中,所述统计数据进一步指示地面通风压力可变性,而其中所述反常状态检测器进一步基于所述地面通风压力变量的可变性是否增加来检测火焰不稳定性。
23、如权利要求19所述的系统,其中所述统计数据包括:至少一个统计参数,所述至少一个统计参数包括至少一个下述参数:所述燃料压力变量的标准偏差、燃料压力信号的方差、所述燃料压力信号的均方根、所述燃料压力信号的变化率、或所述燃料压力信号的范围。
24、如权利要求19所述的系统,其中所述统计数据包括:统计事件的至少一个指示,其中所述统计事件的至少一个指示包括至少一个下述指示:对所述燃料压力变量中出现的尖峰的指示,对所述燃料压力变量的标准偏差大于第一阈值的指示,或对所述燃料压力变量不稳定的指示。
25、如权利要求19所述的系统,其中所述统计数据包括滤波后的所述燃料压力变量的值。
26、如权利要求19所述的系统,其中所述统计数据包括基于滤波后的燃料压力信号的值而计算出的统计数据。
27、如权利要求26所述的系统,其中所述统计数据包括:基于先整形再滤波的燃料压力信号和先滤波再整形的燃料压力信号中的至少一种燃料压力信号而计算出的统计数据。
28、如权利要求19所述的系统,其中所述反常状态检测器被配置为:如果检测到火焰不稳定,则产生火焰不稳定的指示。
29、如权利要求28所述的系统,其中所述反常状态检测器被配置为:如果检测到火焰不稳定,则产生警报。
30、如权利要求19所述的系统,其中所述反常状态检测器包括:基于规则的引擎、模式检测器、模糊逻辑系统或神经网络中的至少一种。
31、如权利要求19所述的系统,其中,所述反常状态检测器被设置为检测烟尘释放状态。
32、如权利要求19所述的系统,其中,所述反常状态检测器被设置为检测火焰溢出状态。
33、如权利要求19所述的系统,其中所述燃料压力变量是燃料线中的燃料压力的指示。
34、一种用于检测加工车间中加热器相关的反常状态的控制装置,包括:
处理器,其被设置为:
接收与所述加热器相关的燃料压力可变性的指示,其中所述燃料压力可变性的指示是基于由燃料压力传感器产生的燃料压力变量计算出的;
分析至少所述燃料压力可变性的指示,以检测所述燃料压力可变性是否增加;和
基于是否检测到所述燃料压力可变性的增加,产生火焰不稳定性状态的指示。
35、如权利要求34所述的控制装置,其中所述燃料压力变量是燃料线中的燃料压力的指示。
36、一种用于产生与加工车间中加热器相关的警报的方法,包括:
接收由关联到所述加热器的压力传感器所传感的压力变量;
使用高通滤波器对所述压力变量进行滤波;
产生所述压力变量的均方根值;
将所述均方根值与阈值进行比较;和
根据对所述均方根值与所述阈值的比较,产生警报;和
其中接收所述压力变量包括:接收至少一个燃料压力变量,所述燃料压力变量由至少一个与所述加热器的燃料供给相关的压力传感器进行传感;或接收至少一个地面通风压力变量,所述地面通风压力变量由至少一个与热炉的地面通风相关的压力传感器进行传感。
37、如权利要求36所述的方法,进一步包括:对所述压力变量整形,所述整形在滤波前、滤波后、或滤波前和滤波后进行。
38、如权利要求36所述的方法,其中所述产生警报包括:基于对所述均方根值与所述阈值的多个比较,来产生警报。
39、如权利要求38所述的方法,其中如果在一定时间段中所述均方根值大于所述阈值,则产生警报。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US57563104P | 2004-05-28 | 2004-05-28 | |
US60/575,631 | 2004-05-28 | ||
US10/944,609 | 2004-09-17 | ||
US11/079,808 | 2005-03-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1954277A CN1954277A (zh) | 2007-04-25 |
CN100524131C true CN100524131C (zh) | 2009-08-05 |
Family
ID=38059748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200580015913XA Expired - Fee Related CN100524131C (zh) | 2004-05-28 | 2005-04-28 | 用于检测加热器相关的反常状态的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20050267709A1 (zh) |
CN (1) | CN100524131C (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393735B (zh) * | 2005-04-04 | 2014-07-09 | 费舍-柔斯芒特系统股份有限公司 | 一种用于处理加工厂中收集的与过程参数有关的数据的方法 |
US8301676B2 (en) | 2007-08-23 | 2012-10-30 | Fisher-Rosemount Systems, Inc. | Field device with capability of calculating digital filter coefficients |
US7702401B2 (en) | 2007-09-05 | 2010-04-20 | Fisher-Rosemount Systems, Inc. | System for preserving and displaying process control data associated with an abnormal situation |
US8055479B2 (en) | 2007-10-10 | 2011-11-08 | Fisher-Rosemount Systems, Inc. | Simplified algorithm for abnormal situation prevention in load following applications including plugged line diagnostics in a dynamic process |
US9058029B2 (en) * | 2011-03-31 | 2015-06-16 | Brad Radl | System and method for creating a graphical control programming environment |
AU2013318020B2 (en) * | 2012-09-21 | 2017-05-04 | Rosemount Inc. | Flame instability monitoring with draft pressure and process variable |
US10152031B2 (en) * | 2013-03-15 | 2018-12-11 | Fisher-Rosemount Systems, Inc. | Generating checklists in a process control environment |
US20140295356A1 (en) * | 2013-03-29 | 2014-10-02 | Rosemount Analytical, Inc. | In situ flue gas analyzer with improved process communication |
WO2014203469A1 (ja) * | 2013-06-18 | 2014-12-24 | パナソニックIpマネジメント株式会社 | 発電システム及び発電システムの運転方法 |
US20150286222A1 (en) * | 2014-04-05 | 2015-10-08 | Kevin William Goldstein | Automatic Fluid Flow Control System |
CN104676633B (zh) * | 2015-02-10 | 2018-12-18 | 北京华清燃气轮机与煤气化联合循环工程技术有限公司 | 一种燃气轮机火焰检测系统和方法 |
JP6581833B2 (ja) * | 2015-07-30 | 2019-09-25 | アズビル株式会社 | アクチュエータ不具合検知装置、制御装置および方法 |
JP2017091258A (ja) * | 2015-11-11 | 2017-05-25 | 横河電機株式会社 | フィールド機器、フィールド機器システム、および診断方法 |
CN105405272A (zh) * | 2015-11-18 | 2016-03-16 | 吉首大学 | 一种基于ZigBee与DSP技术的炉膛火焰图像监控系统 |
US11080660B2 (en) * | 2017-03-20 | 2021-08-03 | The Boeing Company | Data-driven unsupervised algorithm for analyzing sensor data to detect abnormal valve operation |
IT201700100484A1 (it) * | 2017-09-07 | 2019-03-07 | Fosber Spa | Metodo di diagnosi predittiva per un impianto di produzione di cartone ondulato |
CN108664445B (zh) * | 2018-04-16 | 2022-11-25 | 深圳和而泰小家电智能科技有限公司 | 一种温度计算方法及电子设备 |
US11144369B2 (en) | 2019-12-30 | 2021-10-12 | Bank Of America Corporation | Preemptive self-healing of application server hanging threads |
Family Cites Families (94)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4527271A (en) * | 1982-08-17 | 1985-07-02 | The Foxboro Company | Process control system with improved fault isolation |
US4734873A (en) * | 1984-02-02 | 1988-03-29 | Honeywell Inc. | Method of digital process variable transmitter calibration and a process variable transmitter system utilizing the same |
US4657179A (en) * | 1984-12-26 | 1987-04-14 | Honeywell Inc. | Distributed environmental/load control system |
US4908746A (en) * | 1986-10-15 | 1990-03-13 | United States Data Corporation | Industrial control system |
US5541833A (en) * | 1987-03-30 | 1996-07-30 | The Foxboro Company | Multivariable feedforward adaptive controller |
US4910691A (en) * | 1987-09-30 | 1990-03-20 | E.I. Du Pont De Nemours & Co. | Process control system with multiple module sequence options |
US5006992A (en) * | 1987-09-30 | 1991-04-09 | Du Pont De Nemours And Company | Process control system with reconfigurable expert rules and control modules |
US4907167A (en) * | 1987-09-30 | 1990-03-06 | E. I. Du Pont De Nemours And Company | Process control system with action logging |
US5193143A (en) * | 1988-01-12 | 1993-03-09 | Honeywell Inc. | Problem state monitoring |
US5488697A (en) * | 1988-01-12 | 1996-01-30 | Honeywell Inc. | Problem state monitoring system |
US4944035A (en) * | 1988-06-24 | 1990-07-24 | Honeywell Inc. | Measurement of thermal conductivity and specific heat |
US5008810A (en) * | 1988-09-29 | 1991-04-16 | Process Modeling Investment Corp. | System for displaying different subsets of screen views, entering different amount of information, and determining correctness of input dependent upon current user input |
US5015934A (en) * | 1989-09-25 | 1991-05-14 | Honeywell Inc. | Apparatus and method for minimizing limit cycle using complementary filtering techniques |
US5120214A (en) * | 1989-11-13 | 1992-06-09 | Control Techtronics, Inc. | Acoustical burner control system and method |
US5187674A (en) * | 1989-12-28 | 1993-02-16 | Honeywell Inc. | Versatile, overpressure proof, absolute pressure sensor |
US5134574A (en) * | 1990-02-27 | 1992-07-28 | The Foxboro Company | Performance control apparatus and method in a processing plant |
US5018215A (en) * | 1990-03-23 | 1991-05-21 | Honeywell Inc. | Knowledge and model based adaptive signal processor |
ATE143509T1 (de) * | 1990-06-21 | 1996-10-15 | Honeywell Inc | Auf variablem horizont basierende adaptive steuerung mit mitteln zur minimierung der betriebskosten |
US5212765A (en) * | 1990-08-03 | 1993-05-18 | E. I. Du Pont De Nemours & Co., Inc. | On-line training neural network system for process control |
US5282261A (en) * | 1990-08-03 | 1994-01-25 | E. I. Du Pont De Nemours And Co., Inc. | Neural network process measurement and control |
US5197114A (en) * | 1990-08-03 | 1993-03-23 | E. I. Du Pont De Nemours & Co., Inc. | Computer neural network regulatory process control system and method |
US5121467A (en) * | 1990-08-03 | 1992-06-09 | E.I. Du Pont De Nemours & Co., Inc. | Neural network/expert system process control system and method |
US5224203A (en) * | 1990-08-03 | 1993-06-29 | E. I. Du Pont De Nemours & Co., Inc. | On-line process control neural network using data pointers |
ES2112853T3 (es) * | 1990-10-10 | 1998-04-16 | Honeywell Inc | Identificacion de sistemas de proceso. |
US5291190A (en) * | 1991-03-28 | 1994-03-01 | Combustion Engineering, Inc. | Operator interface for plant component control system |
US5189232A (en) * | 1991-06-27 | 1993-02-23 | University Of Utah | Method of making jet fuel compositions via a dehydrocondensation reaction process |
US5333298A (en) * | 1991-08-08 | 1994-07-26 | Honeywell Inc. | System for making data available to an outside software package by utilizing a data file which contains source and destination information |
ES2161696T3 (es) * | 1991-10-23 | 2001-12-16 | Honeywell Inc | Aparato para medir, sin combustion, la calidad de un gas combustible. |
US5396415A (en) * | 1992-01-31 | 1995-03-07 | Honeywell Inc. | Neruo-pid controller |
US5398303A (en) * | 1992-02-28 | 1995-03-14 | Yamatake-Honeywell Co., Ltd. | Fuzzy data processing method and data smoothing filter |
US5353207A (en) * | 1992-06-10 | 1994-10-04 | Pavilion Technologies, Inc. | Residual activation neural network |
US5332386A (en) * | 1992-07-01 | 1994-07-26 | Toyota Jidosha Kabushiki Kaisha | Combustion control method |
US5384698A (en) * | 1992-08-31 | 1995-01-24 | Honeywell Inc. | Structured multiple-input multiple-output rate-optimal controller |
US5729661A (en) * | 1992-11-24 | 1998-03-17 | Pavilion Technologies, Inc. | Method and apparatus for preprocessing input data to a neural network |
JPH08505967A (ja) * | 1992-11-24 | 1996-06-25 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 欠落および/または不完全なデータを有するニューラルネットワークを作動するための方法および装置 |
JP2952124B2 (ja) * | 1992-11-25 | 1999-09-20 | 富士写真フイルム株式会社 | 写真処理機の故障診断システム |
US5311562A (en) * | 1992-12-01 | 1994-05-10 | Westinghouse Electric Corp. | Plant maintenance with predictive diagnostics |
JP3234949B2 (ja) * | 1992-12-14 | 2001-12-04 | ハネウエル・インコーポレーテッド | プロセス制御システムにおいてレシピを作成するフレキシブルな方法 |
US5486996A (en) * | 1993-01-22 | 1996-01-23 | Honeywell Inc. | Parameterized neurocontrollers |
CA2157198A1 (en) * | 1993-03-02 | 1994-09-15 | James David Keeler | Method and apparatus for analyzing a neural network within desired operating parameter constraints |
US5390326A (en) * | 1993-04-30 | 1995-02-14 | The Foxboro Company | Local area network with fault detection and recovery |
US5909541A (en) * | 1993-07-14 | 1999-06-01 | Honeywell Inc. | Error detection and correction for data stored across multiple byte-wide memory devices |
US5486920A (en) * | 1993-10-01 | 1996-01-23 | Honeywell, Inc. | Laser gyro dither strippr gain correction method and apparatus |
US5408406A (en) * | 1993-10-07 | 1995-04-18 | Honeywell Inc. | Neural net based disturbance predictor for model predictive control |
US5596704A (en) * | 1993-11-11 | 1997-01-21 | Bechtel Group, Inc. | Process flow diagram generator |
JP2929259B2 (ja) * | 1993-12-27 | 1999-08-03 | 株式会社山武 | コントローラ |
US5533413A (en) * | 1994-06-30 | 1996-07-09 | Yokogawa Electric Corporation | Equipment diagnosis system |
US6033257A (en) * | 1995-11-20 | 2000-03-07 | The Foxboro Company | I/O connector module for a field controller in a distributed control system |
US6076124A (en) * | 1995-10-10 | 2000-06-13 | The Foxboro Company | Distributed control system including a compact easily-extensible and serviceable field controller |
US5764891A (en) * | 1996-02-15 | 1998-06-09 | Rosemount Inc. | Process I/O to fieldbus interface circuit |
US5761518A (en) * | 1996-02-29 | 1998-06-02 | The Foxboro Company | System for replacing control processor by operating processor in partially disabled mode for tracking control outputs and in write enabled mode for transferring control loops |
US7085610B2 (en) * | 1996-03-28 | 2006-08-01 | Fisher-Rosemount Systems, Inc. | Root cause diagnostics |
US6017143A (en) * | 1996-03-28 | 2000-01-25 | Rosemount Inc. | Device in a process system for detecting events |
US6907383B2 (en) * | 1996-03-28 | 2005-06-14 | Rosemount Inc. | Flow diagnostic system |
US6539267B1 (en) * | 1996-03-28 | 2003-03-25 | Rosemount Inc. | Device in a process system for determining statistical parameter |
US5828851A (en) * | 1996-04-12 | 1998-10-27 | Fisher-Rosemount Systems, Inc. | Process control system using standard protocol control of standard devices and nonstandard devices |
US5768119A (en) * | 1996-04-12 | 1998-06-16 | Fisher-Rosemount Systems, Inc. | Process control system including alarm priority adjustment |
US5877954A (en) * | 1996-05-03 | 1999-03-02 | Aspen Technology, Inc. | Hybrid linear-neural network process control |
US6047221A (en) * | 1997-10-03 | 2000-04-04 | Pavilion Technologies, Inc. | Method for steady-state identification based upon identified dynamics |
US5742513A (en) * | 1996-05-15 | 1998-04-21 | Abb Power T&D Company Inc. | Methods and systems for automatic testing of a relay |
US5918233A (en) * | 1996-05-30 | 1999-06-29 | The Foxboro Company | Methods and systems for providing electronic documentation to users of industrial process control systems |
US5715158A (en) * | 1996-05-31 | 1998-02-03 | Abb Industrial Systems, Inc. | Method and apparatus for controlling an extended process |
US5907701A (en) * | 1996-06-14 | 1999-05-25 | The Foxboro Company | Management of computer processes having differing operational parameters through an ordered multi-phased startup of the computer processes |
US6071114A (en) * | 1996-06-19 | 2000-06-06 | Meggitt Avionics, Inc. | Method and apparatus for characterizing a combustion flame |
US5892679A (en) * | 1996-09-13 | 1999-04-06 | Honeywell-Measurex Corporation | Method and system for controlling a multiple input/output process with minimum latency using a pseudo inverse constant |
US5777872A (en) * | 1996-09-13 | 1998-07-07 | Honeywell-Measurex Corporation | Method and system for controlling a multiple input/output process with minimum latency |
US5898869A (en) * | 1996-09-20 | 1999-04-27 | The Foxboro Company | Method and system for PCMCIA card boot from dual-ported memory |
US6041263A (en) * | 1996-10-01 | 2000-03-21 | Aspen Technology, Inc. | Method and apparatus for simulating and optimizing a plant model |
US5970430A (en) * | 1996-10-04 | 1999-10-19 | Fisher Controls International, Inc. | Local device and process diagnostics in a process control network having distributed control functions |
US5892939A (en) * | 1996-10-07 | 1999-04-06 | Honeywell Inc. | Emulator for visual display object files and method of operation thereof |
US5859964A (en) * | 1996-10-25 | 1999-01-12 | Advanced Micro Devices, Inc. | System and method for performing real time data acquisition, process modeling and fault detection of wafer fabrication processes |
US5909586A (en) * | 1996-11-06 | 1999-06-01 | The Foxboro Company | Methods and systems for interfacing with an interface powered I/O device |
US5905989A (en) * | 1996-11-27 | 1999-05-18 | Bently Nevada Corporation | Knowledge manager relying on a hierarchical default expert system: apparatus and method |
EP0948759B1 (en) * | 1996-12-31 | 2002-08-07 | Rosemount Inc. | Device in a process system for validating a control signal from a field device |
US6078843A (en) * | 1997-01-24 | 2000-06-20 | Honeywell Inc. | Neural network including input normalization for use in a closed loop control system |
US6067505A (en) * | 1997-04-10 | 2000-05-23 | The Foxboro Company | Method and apparatus for self-calibration of a coordinated control system for an electric power generating station |
US6055483A (en) * | 1997-05-05 | 2000-04-25 | Honeywell, Inc. | Systems and methods using bridge models to globally optimize a process facility |
US5901058A (en) * | 1997-08-22 | 1999-05-04 | Honeywell Inc. | System and methods for achieving heterogeneous data flow between algorithm blocks in a distributed control system |
US6282454B1 (en) * | 1997-09-10 | 2001-08-28 | Schneider Automation Inc. | Web interface to a programmable controller |
US6389330B1 (en) * | 1997-12-18 | 2002-05-14 | Reuter-Stokes, Inc. | Combustion diagnostics method and system |
US5909370A (en) * | 1997-12-22 | 1999-06-01 | Honeywell Inc. | Method of predicting overshoot in a control system response |
US6093211A (en) * | 1998-04-09 | 2000-07-25 | Aspen Technology, Inc. | Polymer property distribution functions methodology and simulators |
US6055810A (en) * | 1998-08-14 | 2000-05-02 | Chrysler Corporation | Feedback control of direct injected engines by use of a smoke sensor |
GB2344883B (en) * | 1998-12-16 | 2003-10-29 | Graviner Ltd Kidde | Flame monitoring methods and apparatus |
US8044793B2 (en) * | 2001-03-01 | 2011-10-25 | Fisher-Rosemount Systems, Inc. | Integrated device alerts in a process control system |
US7562135B2 (en) * | 2000-05-23 | 2009-07-14 | Fisher-Rosemount Systems, Inc. | Enhanced fieldbus device alerts in a process control system |
US7206646B2 (en) * | 1999-02-22 | 2007-04-17 | Fisher-Rosemount Systems, Inc. | Method and apparatus for performing a function in a plant using process performance monitoring with process equipment monitoring and control |
US7010459B2 (en) * | 1999-06-25 | 2006-03-07 | Rosemount Inc. | Process device diagnostics using process variable sensor signal |
US6421571B1 (en) * | 2000-02-29 | 2002-07-16 | Bently Nevada Corporation | Industrial plant asset management system: apparatus and method |
JP4160399B2 (ja) * | 2001-03-01 | 2008-10-01 | フィッシャー−ローズマウント システムズ, インコーポレイテッド | プロセスプラント内の指標の作成と表示 |
US7162534B2 (en) * | 2001-07-10 | 2007-01-09 | Fisher-Rosemount Systems, Inc. | Transactional data communications for process control systems |
US6775645B2 (en) * | 2001-11-14 | 2004-08-10 | Electric Power Research Institute, Inc. | Application of symbol sequence analysis and temporal irreversibility to monitoring and controlling boiler flames |
US7025810B2 (en) * | 2004-01-13 | 2006-04-11 | Arvin Technologies, Inc. | Method and apparatus for shutting down a fuel-fired burner of an emission abatement assembly |
US7181654B2 (en) * | 2004-09-17 | 2007-02-20 | Fisher-Rosemount Systems, Inc. | System and method for detecting an abnormal situation associated with a reactor |
-
2004
- 2004-09-17 US US10/944,609 patent/US20050267709A1/en not_active Abandoned
-
2005
- 2005-04-28 CN CNB200580015913XA patent/CN100524131C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN1954277A (zh) | 2007-04-25 |
US20050267709A1 (en) | 2005-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100524131C (zh) | 用于检测加热器相关的反常状态的系统和方法 | |
CN101014916B (zh) | 用于检测与反应器相关的异常情况的系统和方法 | |
US7536274B2 (en) | System and method for detecting an abnormal situation associated with a heater | |
EP2115608B1 (en) | Heat exchanger fouling detection | |
CN1324418C (zh) | 制炼系统内使用的气穴检测 | |
US8055479B2 (en) | Simplified algorithm for abnormal situation prevention in load following applications including plugged line diagnostics in a dynamic process | |
CA2813058C (en) | Abnormal situation prevention in a process plant | |
CA2557227C (en) | Data presentation system for abnormal situation prevention in a process plant | |
CN1926489B (zh) | 用于在加工厂中预防异常状况的数据呈现系统 | |
JP2008535106A (ja) | 異常状況の検出に用いられる統計処理方法 | |
JP2008503012A (ja) | 制御ループのプロセス利得に関連する異常状況を検出するためのシステムおよび方法 | |
CN101529354A (zh) | 焦化加热器中的异常情况预防 | |
CN101542408A (zh) | 过程控制系统中的瞬时区域的多元检测 | |
KR20140130540A (ko) | 설비들의 그룹의 조건 모니터링을 위한 방법 및 시스템 | |
JP2010505036A (ja) | 異常状況の防止に使用される流動接触分解装置における触媒損失の検出 | |
US7930136B2 (en) | Simplified algorithm for abnormal situation prevention in load following applications | |
WO2008014344A2 (en) | Model based method for detecting abnormal operation of a level regulatory control loop and associated apparatus | |
KR102320743B1 (ko) | 수처리 장치의 상태 모니터링 시스템 및 방법 | |
WO2008042759A2 (en) | On-line multivariate analysis in a distributed process control system | |
CN117193087A (zh) | 一种用于火电厂的设备状态监视方法及设备 | |
Annex | ON-LINE CALIBRATION MONITORING ACTIVITIES AT THE OECD HALDEN REACTOR PROJECT IN NORWAY |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090805 Termination date: 20110428 |