CN101322086B - 用于过程设备的自诊断过程控制环路 - Google Patents
用于过程设备的自诊断过程控制环路 Download PDFInfo
- Publication number
- CN101322086B CN101322086B CN200680045686XA CN200680045686A CN101322086B CN 101322086 B CN101322086 B CN 101322086B CN 200680045686X A CN200680045686X A CN 200680045686XA CN 200680045686 A CN200680045686 A CN 200680045686A CN 101322086 B CN101322086 B CN 101322086B
- Authority
- CN
- China
- Prior art keywords
- process control
- control loop
- diagnosis
- index
- adaptive
- 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
- 238000000034 method Methods 0.000 title claims abstract description 217
- 230000008569 process Effects 0.000 title claims abstract description 135
- 238000002405 diagnostic procedure Methods 0.000 title abstract 2
- 238000004886 process control Methods 0.000 claims abstract description 507
- 230000003044 adaptive effect Effects 0.000 claims abstract description 114
- 238000003745 diagnosis Methods 0.000 claims description 121
- 230000010355 oscillation Effects 0.000 claims description 29
- 230000006978 adaptation Effects 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000004092 self-diagnosis Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 241000143252 Idaea infirmaria Species 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012369 In process control Methods 0.000 claims description 2
- 238000010965 in-process control Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 5
- 238000012631 diagnostic technique Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010200 validation analysis Methods 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003534 oscillatory effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 240000004859 Gamochaeta purpurea Species 0.000 description 1
- 102000011842 Serrate-Jagged Proteins Human genes 0.000 description 1
- 108010036039 Serrate-Jagged Proteins Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0245—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 model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
- G05B23/0251—Abstraction hierarchy, e.g. "complex systems", i.e. system is divided in subsystems, subsystems are monitored and results are combined to decide on status of whole system
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种诊断适应性过程控制环路的方法包括测量过程控制环路信号数据、根据过程控制环路信号数据产生多个过程控制环路参数、以及根据所述多个过程控制环路参数中的一个或多个过程控制环路参数,评估所述适应性过程控制环路的状态。所述过程控制环路数据的产生,是由于在所述适应性过程控制环路在过程控制环境中联机连接的情况下,所述适应性过程控制环路内的一个或多个过程控制设备的常态操作的结果。一种自诊断过程控制环路包括诊断工具,所述诊断工具适合接收关于所述过程控制环路的每个元件及所述整个过程控制环路的过程控制环路参数的诊断指数。每个诊断指数由一相应的指数计算工具根据所述信号数据产生。所述诊断工具进一步适合根据一个或多个所述诊断指数来评估所述过程控制环路的状态。
Description
相关申请
本专利对在2005年12月5日提交的、临时申请序号为60/742,320的美国专利(U.S.Provisional Application Serial No.60/742,320)提出优先权要求,所述美国专利的全部内容在此通过引用,明确地被并入本专利。
技术领域
本公开总体上涉及过程设备中的过程控制系统,尤其涉及用于过程环境中的适应性过程控制环路的诊断。
背景技术
过程控制系统广泛地用于制造产品或控制过程(例如化学品制造、发电厂控制等等)的工厂及/或车间。过程控制系统也用于自然资源的开采,比如石油及天然气钻探及处理过程等等。实质上,任何制造过程、资源开采过程等等,可以通过一个或多个过程控制系统的应用而得以自动化。相信所述过程控制系统最终也将更广泛地用于农业。
过程控制系统-如那些用于化学、石油、或其他过程的过程控制系统-典型地包括一个或多个集中式或分布式过程控制器,过程控制器通过模拟通信协议、数字通信协议或模拟/数字混合总线,与至少一个主机或操作员工作站或与一个或多个过程控制及仪器设备(比如现场设备)通信连接。现场设备可能是阀、阀定位器、开关、传送器及传感器(例如温度传感器、压力传感器、及流率传感器),它们在过程中发挥功能,如开启或关闭阀及测量或过程参数。过程控制器接收现场设备所进行的或与现场设备有关的过程测量的信号及/或关于现场设备的其他信息,并使用这些信息来实施控制例程,然后产生控制信号并通过一条或多条总线或其他通信线传送至现场设备,以控制过程的操作。来自现场设备及控制器的信息通常传送到由操作员工作站执行的一种或多种应用程序,以使操作员能够针对过程执行必要的功能,比如检视过程的当前状态、更改过程的操作等等。
过程设备中的多种装置可以在物理及/或逻辑组中互连,以创建一个逻辑过程,比如一个控制环路。同样地,一个控制环路可以与其他控制环路及/或设备互连,以创建一个单元,而一个单元接着可以与其他单元互连,以创建一个区。过程设备一般包括互连区,而商业实体一般包括可以互连的过程设备。因此,一个过程设备包括带有互连资产的多级的层次,而一个企业可能包括互连过程设备。换句话说,与一个过程设备有关的资产或多个过程设备可以组合在一起,以构成在较高层次的资产。
适应性过程控制环路已经被开发来适应性地设计自调谐控制器,用于过程控制系统。一般上,适应性过程控制环路基于模型参数插补。根据所述参数插补,候选过程模型可以由一预定集合的模型定义。每个所述模型可以由多个参数表示,而对于每个模型而言,每个所述参数有一相应值,该相应值选择自一集合相应于该参数的预定初始化值。每个模型的赋值可以包括一模型方差的计算以及一标准值的计算,而该标准值得自为所述模型计算的模型方差。该标准值被赋值于在一赋值扫描中表示的模型中表示的每个参数值。由于重复模型的赋值,为每个参数值计算一累积标准值。该累积标准值是在模型赋值期间被赋值于所述参数值的所有标准值的总和。接着,为过程控制环路的每个参数计算一适应性参数值。该适应性参数值可以是赋值于各个参数的初始化值的加权平均值。该集合的适应性过程参数值接着用于重新设计适应性过程控制环路,尤其是所述适应性过程控制环路控制器。
过程控制环路性能测量及过程控制环路退化的可能原因的诊断,对过程控制人员是一项共同挑战。一般上,过程控制环路诊断涉及监测系统,监测系统进行测量并向操作员提供信息,比如过程控制环路中的每个变量的可变性、控制块模式、过程控制环路输入及输出状况等等。过程控制环路诊断帮助识别工作不适当的过程控制环路、模式不佳的过程控制环路以及状况不佳的过程控制环路。因此,有问题的过程控制环路可以被识别,而且这些过程控制环路的问题可以被识别。然而,这些问题的原因的识别一般需要各别的诊断程序。
在过程控制环路监测及诊断程序的一个范例中,过程控制环路振荡的原因在检测过程控制环路振荡后被识别。过程控制环路振荡的潜在原因被识别或归类为外界干扰,比如过程控制环路设备问题(例如阀问题)或调谐问题。然而,过程控制环路诊断经常需要对过程控制环路进行有效操纵。例如,对一过程控制环路的操纵,可能需要通过转换该过程控制环路为手动或通过改变该过程控制环路的过程控制器的调谐。此外,过程控制环路诊断经常预定在过程控制操作员或其他人员的监督之下执行。
过程控制阀的不良动作常常是过程控制环路性能不佳及过程操作不稳定的重大促使者。阀诊断经常通过手动模式的过程控制环路特别测试来执行,而且测试结果被用于计算阀分辨率及死区。更全面的诊断技术涉及测量几个阀参数,包括间隙、死时间及响应时间。然而,这些诊断技术需要应用特别测试序列及测量比常规过程控制环路中的阀操作参数来得更多的阀操作参数,包括定位器压力。
几种阀诊断技术已经被开发来检测阀分辨率、死区及迟滞。用于自动阀诊断技术的一个范例,基于开发过程变量的互相关函数及过程控制环路控制器输出,以用于自调节过程。所述函数的负相移显示无粘滞,而正相移显示阀粘滞。
在另一个范例中,通过应用过程输出阀的二阶微商的直方图形状来识别积分过程粘滞。中央的单一直方图峰显示粘滞,而两边为峰中间为谷则显示没有阀粘滞。然而,所述结果属于定性,而且在很大程度上视过程控制环路控制器调谐而定。
附加技术在阀位置不改变而过程控制环路控制器输出改变时估计时间百分比,使用过程变量的图形及控制器输出,及/或使用曲线拟合法来检测振荡控制环路中的阀粘滞。如果自调节过程的控制器输出曲线或积分过程的过程变量曲线符合三角形的程度比符合正弦曲线形的程度更紧密,则显示粘滞。所述曲线形状以一粘滞值估定。在该值大于或等于0及少于或等于0.4时,粘滞被视为不存在;在该值大于0.4及少于0.6时,粘滞被视为未定义;而在该值大于或等于0.6及少于或等于1时,粘滞被视为存在。进一步的技术假定一线性过程模型及一非线性阀模型,并使用测试数据来识别这两个模型。所识别的阀模型提供该阀的迟滞,但不区别死区及分辨率。
尽管出现上述技术,但还是需要较不复杂的技术或诊断死区及分辨率的技术。这些需求激发作者设定以简单而实用的诊断概念添加到现有方法的主要目标。此外,过程控制环路诊断对适应性过程控制环路尤其重要。例如,适应性过程控制环路的适应可能导致不稳定性,而这不是因不适当的适应导致的,而是由于过程控制环路设备问题(例如粘滞阀)或测量故障而导致的。然而,手动或半手动诊断程序并不适合适应性过程控制环路,其经常在无监督的情况下运行。
发明内容
本发明提供用于自诊断过程控制环路的系统及方法,尤其是在所述过程控制环路联机的情况下用于自诊断适应性过程控制环路的系统及方法。所述过程控制环路的每个基本元件(过程控制环路性能、过程控制环路设备、适应模型品质及过程控制环路稳定性)在常态过程控制环路操作期间被异步诊断。诊断指数为每个元件产生。过程控制环路诊断使用所述诊断指数来评估所述过程控制环路的状态。因此,所述过程控制环路诊断开发及使用指示整个过程控制环路及所述过程控制环路的每个过程控制环路设备的性能。此外,所述适应过程模型的品质被用作所述过程控制环路诊断的指示器。
所述过程控制环路诊断适用于不同层次的过程控制环路设备,包括有反馈信号(比如反算信号)的过程控制环路设备、适应性过程控制环路内的过程控制环路设备以及无过程模型或反馈信号的过程控制环路。
在一个范例中,用于适应性过程控制环路的阀诊断被提供。阀分辨率及死区在常态过程控制环路操作期间被诊断,而不是使用特别测试程序。所述阀诊断基于过程模型,并且使用基于模型的适应性控制的功能。不使用所述过程模型的进一步的技术也被开发,以用于提供反馈信号(比如提供阀杆位置作为计算反馈)予所述过程控制环路控制器的过程控制环路。
附图说明
图1为一过程设备的原理图,其显示一设备层次结构及实施于一过程设备的指令的一个范例。
图2为一原理图,其显示基于过程模型参数的插补的适应性过程控制环路及过程控制环路控制器的一个范例。
图3为一框图,其显示用于一过程控制环路的过程控制环路诊断系统的一个范例。
图4为一线图,其描绘一过程控制环路设备为响应一过程控制环路控制器输出而显示所述过程控制环路设备的分辨率的一个范例。
图5为一线图,其描绘一过程控制环路设备为响应一过程控制环路控制器输出而显示所述过程控制环路设备的分辨率及死区的一个范例。
图6为一流程图,其显示一例程范例,该例程可以被执行为一阀诊断的部分,以确定死区、分辨率及迟滞。
具体实施方式
现在参看图1,一过程设备10包括多个商业计算机系统或其他计算机系统,这些计算机系统通过一个或多个通信网络与多个控制及维护系统互联。过程设备10包括一个或多个过程控制系统12及14。过程控制系统12可以是传统的过程控制系统,比如PROVOX系统或RS3系统,或任何其他分布式控制系统(DCS),其包括一操作员界面12A,操作员界面12A连接到一控制器12B,并连接到输入/输出(I/O)卡12C,输入/输出(I/O)卡12C接着连接到多种现场设备,比如模拟现场设备及HART(可寻址远程传感器高速通道)现场设备15。过程控制系统14可以是分布式过程控制系统,比如DeltaVTM控制系统,其包括一个或多个操作员界面14A,操作员界面14A通过总线-比如以太总线-连接到一个或多个分布式控制器14B。举例而言,分布式控制器14B可以是由德克萨斯州(Texas)奥斯丁市(Austin)的费舍尔·柔斯芒特系统有限公司(Fisher Rosemount System,Inc.)出售的DeltaVTM控制器或任何符合要求的类别的控制器。分布式控制器14B通过输入/输出(I/O)设备(包括无线连接及输入/输出(I/O)设备),连接到一个或多个现场设备16,例如HART(可寻址远程传感器高速通道)现场设备或Fieldbus(现场总线)现场设备或任何其他智能或非智能现场设备,例如包括那些使用PROFIBUS(过程现场总线)协议、WORLDFIP(工厂仪表世界协议)、Device-Net(设备网)协议、AS-Interface(执行器传感器接口)协议及CAN(控制器局域网络)协议其中之一的现场设备。已知现场设备16可以提供模拟的或数字的信息到涉及过程变量以及其他设备信息的控制器14B。操作员界面14A可以存储及执行过程控制操作员可利用的工具,以控制过程的操作,例如包括控制优化器、诊断专家、神经网络、调谐器等等。
此外,维护系统,例如执行AMS(资产管理系统)应用程序-比如执行由德克萨斯州奥斯丁市(Austin,Texas)的费舍尔·柔斯芒特系统有限公司(Fisher Rosemount System,Inc.)出售的AMS Device Manager(资产管理软件设备管理器)应用程序或任何其他设备监测及通信应用程序--的计算机,可以连接到过程控制系统12及14或连接到其中的单一设备,以执行维护及监测活动。例如,一维护计算机18可以通过任何符合要求的通信线或通信网络(包括无线的或手持的设备网络)连接到控制器12B及/或连接到设备15,以和设备15通信及在有些情况下在设备15上重新配置或执行其他维护活动。同样地,维护应用程序-比如AMS应用程序-可以安装在与分布式过程控制系统14有关的一个或多个用户界面14A内,并由与分布式过程控制系统14有关的一个或多个用户界面14A执行,以执行维护和监测功能,包括采集涉及设备16的操作状况的数据。
过程设备10也包括多种旋转设备20,比如涡轮、发动机、等等,这些旋转设备通过某种永久的或暂时的通信链接(比如总线、无线通信系统、或连接到设备20以取得读数然后被拆除的手持设备)连接到一维护计算机22。维护计算机22可以存储及执行已知的监测及诊断应用程序23,例如由田纳西州的诺克斯维尔市(Knoxville,Tennessee)的CSi系统公司(CSi Systems,Inc.)出售的RBMwareTM应用程序、由德克萨斯州奥斯丁市(Austin,Texas)的费舍尔·柔斯芒特系统有限公司(Fisher Rosemount System,Inc.)出售的AMS Device Manager(资产管理软件设备管理器)应用程序或任何其他已知的、用于诊断、监测及优化旋转设备20的操作状态的应用程序。维护人员通常使用应用程序23来维护及监视设备10中的旋转设备20的性能,以确定旋转设备20存在的问题,以及确定旋转设备20在什么时候必须修理或更换或确定旋转设备20是否必须修理或更换。
同样地,发电及分配系统24具有与设备10有关的发电及分配设备25,其通过(例如)总线连接到另一台计算机26,该计算机运行并监视设备10内的发电及分配设备25的操作。计算机26可以执行已知的电能控制及诊断应用程序27,例如那些由力博特公司(Liebert)及ASCO公司或其他公司提供的电能控制及诊断应用程序,以控制及维护发电及分配设备25。
一计算机系统30通信连接到与设备10内的所述多种功能性系统有关的计算机或界面,包括与过程控制功能12及14、维护功能(比如那些在计算机18、14A、22及26内实施的功能和商业功能)有关的计算机或界面。明确地说,计算机系统30通信连接到传统过程控制系统12,及通信连接到与该控制系统有关的维护界面18,计算机系统30连接到分布式过程控制系统14的过程控制及/或维护界面14A,计算机系统30连接到旋转设备维护计算机22及连接到发电及分配计算机26,所有这些连接都是通过一总线32完成的。总线32可以使用任何符合要求的或适当的局域网(LAN)或广域网(WAN)协议,以提供通信。如图1所示,计算机30也通过相同的或另一不同的网络总线32连接到商业系统计算机及维护计划计算机35及36。计算机30也可以通过(例如)总线32连接到一设备级局域网(LAN)37、一企业级广域网(WAN)38、以及连接到一计算机系统40,使得能够从遥远位置对设备10进行远程监测或与设备10通信。可选择地或附加地,计算机系统30、过程控制系统12、分布式过程控制系统14、维护界面18、过程控制及/或维护界面14A、旋转设备维护计算机22及/或发电及分配计算机26可以通过互联网互联及通过互联网兼容协议进行通信。因此,设备10可以具有通过一个或多个远程设备来进行检视及控制的功能,以便检视及控制设备10内的多种系统、计算机及例程。
此外,远程监测设备可以通过互联网通信连接到设备10,以便提供附加分析及诊断资源存取通路。在一个范例中,设备10可以连接到一个故障防卫计划系统,该系统包括多种设备资产的分析,并根据这些设备资产对设备或对设备内的系统的重要性来优先化资产,以提供临界数据。
参看图2,其中显示在一适应性过程控制环路内用于控制一过程100的一个适应反馈/前馈(FB/FC)PID(比例积分微分)控制器的一个范例。作为一个范例,图2的适应反馈/前馈(FB/FC)PID(比例积分微分)控制器可以用作以上所述的控制器12B、14B。虽然以下描述适应反馈/前馈(FB/FC)PID(比例积分微分)控制器的一个范例,但更详细的范例见提交于2000年6月20日、标题为“适应反馈/前馈(FB/FC)PID(比例积分微分)控制器”(Adaptive Feedback/Feedforward PID Controller)的6,577,908号美国专利(U.S.Patent No.6,577,908),所述美国专利的全部内容在此通过引用,明确地被并入本专利。
所述系统可以以一反馈控制器(FBC)输入节点410、一反馈控制器(FBC)输出节点420、一过程输入节点430、一过程输出节点440、一前馈控制器(FFC)输入节点460及一误差节点450作为参考来进行描述。一过程设定点信号SP被施加到输入节点410的第一输入。FBC输入节点410的输出412连接到一PID控制器200的输入210。PID控制器200的输出220连接到FBC输出节点420的第一输入421。节点420的输出422连接到过程输入节点430的第一输入431。节点430的输出432连接到过程100的第一输入110。过程100的输出120连接到过程输出节点440的输入441。节点440的第一输出442被反馈到输入节点410的第二输入413。节点420的第二输出444连接到误差节点450的第一输入451。如图2所示,传输到过程100的输入信号称为u(t),而过程100的输出信号称为y(t)。此外,一扰动信号d出现在FFC输入节点460的输入461。所述扰动信号d从节点460的第一输出462连接到FFC300的输入310,并从节点450的第二输出454传播到过程100。
图2中显示一模型集合元件510,模型集合元件510的信号输入511及513分别连接到扰动信号d及过程输入信号u(t)。模型集合元件510的组分是过程100的一集合的数学模型。元件510的输出512连接到误差节点450的输入453。节点450的输出452连接到一模型评估元件520的输入521。模型评估元件520包括一仿真器,该仿真器按模型集合元件510传输的过程参数值的定义来仿真过程100。模型评估元件520的输出522连接到一参数插补器元件550的输入551及一管理元件530的输入531。参数插补器550的输出522连接到模型集合元件510的输入515,而参数插补器550的输出554连接到一控制器重新设计元件540的输入541。控制器重新设计元件540的第一输出542连接到FBC 200的输入230,其第二输出544连接到FFC 300的输入330。
所述适应性反馈/前馈PID控制器控制的过程由一模型集合510数学地描述。模型集合510中的每个模型由预定参数定义,而每个所述模型预定用于复制过程100。一般上,每个所述模型可以由多个参数m定义,而每个所述参数可以赋以多个值n。模型集合510中的模型总数等于N,而N=mn。
在模型评估扫描开始时或开始之前,参数插补器550向模型集合元件510提供一集合的预定初始化参数值。一般上,在适应周期开始时写到模型集合510的参数值是根据在最近的适应周期期间所计算的适应性参数值。在模型评估扫描期间,管理元件530将有顺序地选择及激活一模型Modi。在这个时候,在所述模型集合的输入511出现的所述过程输入u(t)将被施加到所述激活模型的输入。Modi的合成输出将接着出现在模型集合输出512。
模型集合510的输出512连接到误差产生器节点450的输入451。模型集合510的输出信号在图2中被标识为变量Y。同时,过程100的输出y连接到误差产生器节点450的第二输入453。误差产生器节点450的输出452-误差信号E-连接到模型评估元件520的输入521。误差信号Ei(t)是在时间为t时过程输出y(t)与模型Modi的输出之间的差。在一个范例中,模型评估元件520计算相应于每个模型Modi的模型方差,并将所述模型方差赋值于模型Modi中表示的参数值。模型评估器520的输出522被施加到参数插补器550的输入551。参数插补器550为一模型中表示的参数计算一适应性参数值。参数插补器550的输出552连接到模型集合510,而参数插补器550的输出553连接到控制器重新设计元件540的输入541。输出544被施加到PID控制器200,而输出542被施加到前馈控制器300。控制器重新设计元件540在适应周期结束时将适应性参数值给予所述控制器。
管理元件530将信号输入533、535、537分别连接到过程输入信号u、过程输出信号y及扰动信号d。管理元件530也将一输入534连接到模型评估元件520的输出。管理元件530将一第一控制输出535连接到参数插补器550、将一第二控制输出连接到模型评估元件520及将一第三控制输出连接到控制器重新设计元件540。管理元件530检测过程输出y中的变化、来自PID控制器200的过程输入u以及扰动(前馈)输入d的变化。如果任何这些信号的层次中的变化超过预定最小值或阈值水平,则管理元件530启动适应周期。模型评估可以包括下列各项:(1)模型起始及将模型输出调节至当前的过程输出;(2)根据u及/或d信号中的规格,对模型进行增量更新;(3)模型方差的计算。
明确地说,所述反馈/前馈PID的适应过程是基于应用插补技术于模型参数值,而这可以是基于模型方差技术的概念。模型方差技术为一扫描中的每个模型定义模型方差Ei(t)。所述模型方差Ei(t)赋值于模型Modi的每个参数值,状态是所述参数值在已评估Modi中表示。接着,Modi+1被评估,然后再次为该模型计算所述模型方差。由于Ei(t)在每个模型评估中被计算及被赋值于相应模型中表示的参数值,得以为每个参数值保持赋值模型方差的累积总和。所述过程继续直到所有模型i=1,...,N被评估为止。每个模型Modi被评估一次,而一相应模型方差Ei(t)被计算的一个完整的序列称为一模型扫描。由于这个序列的评估或模型扫描,每个参数值已经赋值来自曾使用这个特定参数值的所有模型的方差的和。由于这个程序,每个参数值pkl已经赋值所述标准值的累积值:
其中:
Epkl(t)为因扫描t而赋值于参数值pkl的标准值
N为模型总数,而
Xkl=1,如果参数值pkl用于Modi中;以及Xkl=0,如果参数值pkl不用于Modi中。
所述过程在下一扫描中重复,而由在该扫描期间赋值的方差的和产生的所述标准值被添加到在先前的扫描期间计算的标准值。所述集合的连续执行的模型扫描称为一个适应周期,而且在管理元件530的控制下继续,直到预定数目的扫描完成为止,或直到过程输入发生数目足够的激励为止。由于这个程序,每个参数值pkl已经赋值在一适应周期期间确定的标准值的累积值。为每个参数pk计算适应性参数值pk(a),这是所述参数的所有的值的加权平均值。多个适应性参数值定义新的模型集合。
在对每个模型输出与当前的过程输出进行比较之后,建立方差总和表。在适应周期已经完成后,为每个参数计算适应性参数值。一旦模型适应周期已经完成,及适应性参数值已经依照上述程序建立,控制器重新设计通过控制器重新设计元件540的操作实现。实质上,所述控制器重新设计元件只不过为将新近计算的适应性过程参数值映射到参数的重新设计值。
参看图3,其中描绘用于过程控制环路(尤其是用于适应性过程控制环路)的诊断系统600的一个范例。作为适应性过程控制环路的简化范例,在此参考的控制环路包括一存储器、一处理器及多个过程控制设备(包括一控制器及一阀)。然而,应该理解,过程控制环路可以是复杂得多而且其中包括数以“打”(dozens)计(或更多)的设备。此外,虽然以下范例包括将阀称为过程控制环路设备,但应该理解,所述与其有关的概念可以应用于过程控制环路的其他设备,包括但不限于现场设备15、16,旋转设备20、发电及分配设备25等等。虽然以下将诊断系统600描述为实施于适应性过程控制环路内,但应该理解,诊断系统600或起特定元件也可以实施于所述适应性过程控制环路之外。
诊断系统600包括一主诊断元件602,主诊断元件602可以实施为软件例程,软件例程存储在一存储器及由一处理器执行,比如所述过程控制环路的存储器及处理器。在所述过程控制环路联机时,过程控制环路信号数据产生及被测量。所测量的过程控制环路数据可以采集自所述过程控制环路内的任何及所有过程控制环路设备,包括其阀、控制器、传感器等等。所测量的过程控制环路数据也可以采集自所述适应性过程控制环路控制器的适应模型及元件,比如模型评估元件520。此外,也可以采集涉及所述过程控制环路的总体的过程控制环路数据测量,比如振荡测量。因此,所测量的过程控制信号数据是由所述过程控制环路的常态操作产生的数据,而不是由可能中断所述过程控制环路的常态操作的外源信号产生的数据,或由所述过程控制环路的手动控制产生的数据等等。
主诊断元件602接收来自几个诊断工具的诊断指数,以使所述适应性过程控制环路在所述过程控制环路联机时评估所述过程控制环路的状态。所述每个诊断工具使用在常态环路操作期间开发的易于获得的参数。用于过程控制环路的诊断工具的范例包括过程控制环路性能工具604、过程控制环路设备工具606、适应模型品质工具608以及过程控制环路稳定性工具610,所述每个工具使用过程控制环路信号数据,比如测量数据、位置数据、过程控制信号数据、适应模型数据、反馈数据及类似数据来产生所述诊断指数。以下提供的过程控制环路信号数据范例,以使用所述过程控制环路信号来产生分别的诊断指数的相应诊断工具作为参考。
每个诊断工具可以产生一个不同的诊断指数。每个诊断指数可以相应于一个不同的过程控制环路元件,比如过程控制环路性能及状况元件、适应性模型品质元件及过程控制环路稳定性元件。例如,过程控制环路性能工具604可以为所述过程控制环路性能及状况元件产生性能指数,过程控制环路设备工具606可以为所述过程控制环路设备元件产生过程控制环路设备诊断指数,适应模型品质工具608可以为所述适应模型品质元件产生模型品质指数,以及过程控制环路稳定性工具610可以为所述过程控制环路稳定性元件产生过程控制环路稳定性指数。应该理解,其他用于过程控制环路及其中的设备的测量及诊断工具可以用来产生诊断指数,以供主诊断元件602使用。所述每个元件可以在所述过程控制环路联机时,在所述过程控制环路的常态操作期间,由相应的诊断工具602、604、606、608异步地诊断。例如,一指数产生例程在提交于2002年2月28日、标题为“在过程设备中创建及显示指数”(Creation and Display of Indices Within a Process Plant)的6,813,532号美国专利(U.S.Patent No.6,813,532)中描述,所述美国专利的全部内容在此通过引用,明确地被并入本专利。
主诊断元件602使用来自一个或多个所述诊断工具的诊断指数。因此,每个过程控制环路元件可以在所述过程控制环路的诊断中计算,而且主诊断元件602在使用在常态环路操作期间开发的易于获得的参数的同时,评估所述过程控制环路的状态。明确地说,通过为每个过程控制环路元件定义及计算个别的诊断指数,过程控制环路诊断透明而有效。个别及分布式诊断工具异步地及独立地操作,使得所述总体过程控制环路诊断功能可以逐步地及部分地实施。此外,由于为每个过程控制环路元件异步地产生每个诊断指数,主诊断元件602能够识别环路性能不佳的原因。
除了诊断工具604、606、608、610之外,提供一报告工具612,该报告工具612起动及/或执行一功能,以响应主诊断例程602。可以根据所述过程控制器的评估状态来产生的功能的范例包括但不限于告警、讯息及纠正措施。
如以上所述,可以产生的所述诊断指数的其中之一是过程控制环路性能指数。过程控制环路性能指数可以提供整个过程控制环路的性能的指示。过程控制器性能指数可以表示为可变性指数或总过程变量标准差,它们都指示所述过程控制环路的性能。性能标准差对反映所述过程控制环路中的噪音可能也很有用。
可变性指数可以指示过程控制环路调谐状态或过程控制环路设备状态,比如阀的状态。作为一个范例,可变性指数可以以下列计算定义为百分率:
Slq为一最小标准差,比如可以以反馈控制(例如从一设备提供给一过程控制环路以用于改善过程控制的反馈信号)达到的最小标准差;Stot为一实际测得标准差;而s为一灵敏度因数,用于使计算稳定。灵敏度因数s可以由以变量尺度的0.1%计算的默认值定义。所述实际测得标准差也是总标准差,而且也可以指示过程控制环路调协状态及/或过程控制环路设备状态,比如阀的状态。
可以以反馈控制达到的最小标准Slq,可以以下列计算定义:
Scap为一估计性能标准差(即:过程理想操作时的标准差-主要的较高频率过程变化)。性能标准差指示噪音或较高频率的扰动。
所述可变性指数、总标准差或性能标准差可以用于所述环路中的过程变量(PV)滤波器的过程控制环路自调节。由于噪音可能在适应期间影响模型识别,尤其是在存在控制器微商作用时,过程变量过滤可能影响模型识别。因此,所述过程变量过滤可以施加于用于适应性过程控制环路及/或过程控制环路的控制的模型识别的数据。
过程控制环路设备诊断指数可以指示所述过程控制环路中的设备的诊断,比如阀的状态。过程控制环路设备诊断指数可以包括过程控制环路设备的分辨率、死区及迟滞的指数。一过程控制环路设备的分辨率是指从所述过程控制环路设备产生响应所需要的最小过程控制信号的测量。一过程控制环路设备的死区是指在不需要在所述过程控制环路设备中起动可观察的响应来响应过程控制信号的情况下,输入可以变动的范围的测量。迟滞是指一过程控制环路设备的位移,所述位移基于传输到所述过程控制环路设备的输入及来自所述过程控制环路设备并指示对所述输入的响应的输出(比如反馈信号)。
作为一个范例,阀诊断为分辨率(有时称为“粘性”、“粘滑”或“粘滞”这些都是分辨率的作用)、死区(有时称为“无游隙”)及迟滞提供指数。所述指数可以在所述过程控制环路中使用过程控制环路控制器的输出OUT及来自最终元件的指示阀位置的反馈信号BKCAL_IN来计算。图4中描绘一个显示分辨率及死区的阀操作的范例。参看图4,阀分辨率是导致阀动作的最小的过程控制器输出阶跃变化。阀死区显示其本身为执行器的动作方向改变时的无功动作。如图5所示,分辨率及死区有效地导致执行器特性的重大变化。
在线估计分辨率的一个范例是通过为每个评估扫描计算过程控制环路控制器输出OUT与过程控制环路设备响应(例如执行器/阀位置)之间的差异。明确地说,所述差异可以由所述过程控制环路设备提供的反算信号BKCAL_IN定义:
Δi(t)=|OUT(t-i)-BKCAL_IN(t)| (方程式4)
在一定时间跨度内平均计算的最高Δi(t)值的选择可以视为执行器死区及分辨率估计。迟滞可以计算为分辨率及死区的函数及进一步计算为所选择的最大值的函数:
h=b+δ=avg(maxΔi) (方程式5)
其中b为过程控制环路设备(例如阀)死区,δ为过程控制环路设备分辨率,maxΔi为反算信号的最大值,及i为适应性过程控制环路的模块扫描中的反算信号延迟,其中所述模块为定义环路控制的软件功能单元。作为一个范例,反算信号延迟i可以计算所述响应的阀速率(例如速度限制)。
所述过程控制环路控制器输出与所述反算信号之间的差异Δi的一个计算周期可以以是几个振荡周期。所述计算周期的估计值可能大约是几百个PID控制器积分时间。死区可以直接以方程式5计算,并在预定数目的评估扫描之后,进一步计算过程控制环路控制器输出变化对过程控制环路设备输出变化的作用。换句话说,如果:
|ΔOUT(t-i)*ΔBKCAL_IN(t)|>0 (方程式6)
则:
b=avg(maxΔi) (方程式7)
其中:
ΔOUT(t-i)=OUT(t-i)-OUT(t-i-1) (方程式8)
ΔBKCAL_IN(t)=BKCAL_IN(t)-BKCAL_IN(t-1) (方程式9)
OUT(t-i)为从所述过程控制环路控制器传送到所述过程控制设备(比如阀)的过程控制信号,而BKCAL_IN(t)为来自所述过程控制环路设备的、响应所述过程控制信号的反算信号。
所述过程控制环路设备的分辨率可以接着算得为:
δ=h-b (方程式10)
上述范例说明提供反算信号的过程控制环路设备。一般上,上述使用反算信号的方法比其他方法提供更大程度的简易性及准确性。然而,对于不提供反算信号的过程控制环路设备(比如不提供反算信号的执行器的阀诊断)而言,其分辨率、死区及迟滞还是可以确定。还是提供足够的准确性的识别分辨率、死区及迟滞的鲁棒程序的一个范例包括定义过程控制环路控制器输入上的振荡振幅Ampl(PV),及定义过程控制环路控制器输出上的振荡振幅Ampl(OUT)。所述迟滞可以接着算得为:
h=2Ampl(OUT) (方程式11)
如果所述过程控制环路增益Kp已知,则过程控制环路设备的分辨率(比如阀分辨率)可以计算为:
根据方程式10,过程控制环路设备的死区(比如阀死区)可以计算为:
b=h-δ (方程式13)
对于所述过程控制环路控制器输入及输出而言,振荡振幅被定义为信号最大值及最小值(它们可以直接检测)之间的差异的一半。可选择地,可以通过积分一设定时间间隔内的标本,然后计算相对于一个振荡的平均值的平均样本区来计算所述振荡振幅。假设过程控制环路控制器输出为锯齿形(例如三角形)而过程变量(PV)为台阶或长方形,振荡振幅可以从所述样本区计算。
上述范例说明过程控制环路增益Kp已知的情况,这对适应性过程控制尤其适用。然而,如果过程控制环路增益未知,可以应用一近似启发式公式。明确地说,来自振荡周期的分辨率可以以下列公式计算:
其中A及B是为自调节过程估计的启发式参数值,Ti为一过程控制环路控制器重设时间,而Kc为一过程控制环路控制器增益。A大于B,A大约等于6,而B大约等于2.5。根据所述过程控制环路控制器输出来定义迟滞及使用已知过程控制环路控制器增益Kc及重设时间Ti,可以从方程式14估计分辨率δ。
许多阀诊断技术已经被开发,它们计算多种类别的指数,这些指数提供间接、定性而不是定量的有关分辨率及死区的信息,其中定性信息对适应性过程控制环路的诊断可能有用,而定量信息对适应性过程控制环路的诊断可能无用或不是那么有用。
以下提供一个阀诊断概念,这个阀诊断概念适合带有基于模型的适应的过程控制环路。所述阀诊断在三个层次上开发:1)带有可用反算阀位置的阀的诊断;2)在带有适应过程模型的过程控制环路中工作的阀的诊断;及3)在没有适应过程模型及没有反算阀位置的过程控制环路中的阀诊断。
识别阀状态的两个主阀诊断参数是阀分辨率及阀死区。如以上指出的那样,分辨率是输入不换向时在输出中产生可检测变化所需要的最小输入变化。再次参看图4,阀操作示例以输入范围的百分率显示的分辨率。
再次参看图5,阀分辨率退化由被观察为“粘性”、“粘滑”或“粘滞”的增加的摩擦导致。图5也图解阀死区。如以上所述,死区可以称为在不需要起动可观察的阀位置改变的情况下,阀输入信号在换向时可以变动的范围。在于阀,死区可以显示其本身为执行器的动作方向改变时的无功动作。如图5所示,分辨率及死区有效地导致执行器特性的重大变化。死区及分辨率的联合作用产生阀输入-输出图中的位移或迟滞。
自动阀诊断容纳来自最终元件的指示阀位置的反馈信号BKCAL_IN,这使得能够计算PID块内的死区及分辨率。明确地说,先前过程控制环路控制器输出OUT(t-i)(其中在典型情况下i=1,但不总是这样)与反馈信号之间的差异被用于所述过程控制环路。
参看图6,其中显示基于利用过程控制环路控制器输出及所述反馈信号
(例如反算信号)之间的差异来计算阀迟滞、分辨率及死区的例程700的一个范例。从流程块702开始,所述例程起动所述计算周期,并设定计算周期时间Tcalc。例如,计算周期时间Tcalc可以大约等于到稳态的时间Tss的30倍,对于被控制过程(即:Tcalc≈30Tss)。到稳态的时间Tss可以计算为:
Tss=3τc+τd (方程式15)
其中τc为过程优势时间常数,而τd为过程死区时间。作为选择性范例,计算周期时间Tcalc可以大约等于过程控制环路控制器积分时间Ti的100倍(即:Tcalc≈100Ti)。
在流程块704,阀方向被设定为NONE(无)以初始化。接着为适应性过程控制环路中的每个模型评估扫描执行流程块706、708及710的功能。明确地说,在流程块706,控制环路输出中的变化OUT(t-i)及反馈信号中的变化BKCAL_IN(t)(其中i被设为1,作为一默认值,但可另外调节)根据以上方程式8及9计算。
在流程块708,阀方向根据所述控制环路控制器输出及所述反馈信号之间的差异设定。例如,阀方向被设为UP(向上),如果:
OUT(t-i)-BKCAL_IN(t)>0 (方程式16)
而阀方向被设为DOWN(向下),如果:
OUT(t-i)-BKCAL_IN(t)<0 (方程式17)
如果方程式16或17都不正确,则阀的先前方向被保留。
在流程块710,所述模型评估扫描的其他计算被跳过,如果:
|ΔOUT(t-i)|>ζ (方程式18)
或:
|ΔBKCAL_IN(t)|>ζ (方程式19)
其中ζ可以设定为3%,作为一默认值。作为进一步的条件,所述模型评估扫描的其他计算可以被跳过,如果阀方向被设定为NONE(无)。
如果未跳过所述计算,在流程块712,阀的迟滞及死区计算被更新。明确地说,如果阀方向为设定为UP(向上),及如果:
ΔOUT(t-i)≥0 (方程式20)
则在所述控制器输出OUT开启阀时(OUT>BKCAL_IN),“迟滞向上”Δh+被计算。“迟滞向上”Δh+可以计算为:
及
为j个计算的最大值。
此外,如果阀方向被设定为UP(向上)而方程式20正确,及如果:
|ΔOUT(t-i)*ΔBKCAL_IN(t)|>0 (方程式23)
则“死区向上”Δb+被计算为:
及
为j个计算的最大值。
可选择地,如果阀方向被设定为DOWN(向下),及如果:
ΔOUT(t-i)≤0 (方程式26)
则在所述控制器输出OUT关闭阀时(即:OUT<BKCAL_IN),“迟滞向下”Δh-被计算。“迟滞向下”Δh-可以计算为:
及
为j个计算的最大值。
此外,如果阀方向被设定为DOWN(向下)而方程式26正确,及如果:
|ΔOUT(t-i)*ΔBKCAL_IN(t)|>0 (方程式29)
则“死区向下”Δb-被计算为:
及
为j个计算的最大值。
在所述计算之后,周期时间Tcalc、迟滞h、死区b以及分辨率δ可以在流程块714计算如下:
h=Δh++Δh-(方程式32)
b=Δb++Δb-(方程式33)
δ=h-b(方程式34)
在流程块716,状况被更新(或设定)。例如,如果结果为ZEROS(零)及先前的结果为非零,则阀诊断状况被设为UNCERTAIN(不确定)。如果分辨率为负值,阀诊断状况被设为BAD(不佳),而如果分辨率不是负值,阀诊断状况被设为GOOD(良好)。在流程块718,例程100重新开始新的计算周期。
如以上揭示,也可以为不提供反算信号的过程控制环路设备确定分辨率、死区及迟滞。例如,不带反算信号的执行器的阀诊断是基于过程模型及最适合适应性控制环路或自动调谐环路的模型。如以上所述,来自过程变量PV的过程控制器输入信号上的振荡振幅Ampl(PV)及过程控制环路控制器输出OUT上的振荡振幅Ampl(OUT)被定义,而迟滞则根据方程式11计算。在以下范例中,由一形状因数定义的振荡形状用于识别由阀导致的振荡。噪音通过下列方程式计算:
h=h-γ*Ampl(Noise)*Gain (方程式35)
其中γ<2,而Gain(增益)为过程控制环路控制器比例增益。振荡形状通过应用一形状因数来计算:
h=h(α+factor(Shape)) (方程式36)
其中0≤factor(Shape)≤1-α,及形状因数根据过程变量PV、控制器输出OUT、振荡形状系数来定义。振荡信号PV、OUT、或o(k)的形状系数为:
其中oscil=o(k)=OUT或PV。
对于典型形状,比如锯齿振荡形状,所述系数为2。对于正弦波振荡形状,所述系数为π/2。如以上解释的那样,振荡振幅被定义为一计算周期内信号最大值及最小值(它们可以直接检测)之间的差异的一半。振荡谐波的平均值为:
对于自调节过程而言,factor(Shape)=Scale(shape(OUT)-shape(PV)。对于积分过程,factori=-factor(Shape)。形状因数-即factor(Shape)-为输出振荡的形状系数与过程变量振荡的形状系数之间的差异。形状因数可按比例测量,使其最小值为0及其最大值为1-α。最大值在控制器输出OUT上有锯齿形信号及接近长方形的过程变量PV脉冲(显示由阀死区及分辨率导致的、噪音相对小的典型振荡)时发生。形状因数的接近0的最小值,是在过程变量PV及控制器输出OUT信号的形状相似或形状接近随机信号形状,这可以在分辨率及死区与噪音水平可比较时发生。
分辨率δ及死区b可以分别根据方程式12及13计算。在计算噪音及振荡形状之后,分辨率可以计算为:
然而,如以上所述,如果过程增益Kp不可获得,则可以使用控制器增益Gain来估计分辨率:
r=2(Ampl(PV)-Ampl(Noise)(α+factor(Shape))*Gain (方程式41)
基于模型的诊断的计算周期与带反算阀位置的诊断的计算周期大约相同。过滤或平均可以用于实现稳定结果。虽然这可能减缓诊断,但其限制可能并不显著,这是由于诊断是在联机的情况下持续进行之故。
所述阀分辨率及死区诊断计算已经实施于PID适应性功能块,作为工业分布式控制系统(DCS)结构的部分。分布式控制系统(DCS)允许容易及灵活的线性及非线性过程动态学仿真。附录中的阀模型曾经用于二阶加死区时间控制过程。所述模型重建阀的稳态特性及动态响应。
作为以上阀诊断的一个范例,一带有杆位置反馈的阀经受表1中显示的参数范围的测试。
分辨率[%] | 0.02 | 0.1 | 0.25 | 0.25 | 0.5 | 0.5 | 1.0 | 1.0 | 2.0 | 2.0 |
死区[%] | 0.05 | 0.25 | 0.5 | 1.0 | 1.0 | 2.0 | 2.0 | 5.0 | 5.0 | 10.0 |
表1
对达0.5%的分辨率,施加的随机噪音为0.25%。对较大的分辨率,另外施加的随机噪音为0.5%及1.00%。所有情形的诊断结果刚好准确至小数点后二位,除了间歇的计算周期之外。所述结果不受噪音影响。
带应用过程模型及无杆位置反馈的阀分辨率及死区诊断在相同的环路中测试,虽然诊断使用适应性过程模型。代表性的特使结果显示于表2。
分辨率%(实际/诊断) | 0.1/0.13 | 0.2/0.19 | 0.5/0.41 | 0.5/0.39 | 1/0.93 | 2/1.72 | 2/1.76 |
死区%(实际/诊断) | 0.3/0.32 | 0.5/0.45 | 1/1.12 | 2/1.69 | 2/2.20 | 5/5.70 | 10/10.49 |
表2
施加的随机噪音水平与先前的测试相同。所诊断的分辨率及死区准确性视所述适应性过程模型而定。然而,诊断的阀迟滞不受适应模型影响,而是受过程噪音及扰动影响。较小的模型增益对实际过程增益,造成了诊断的分辨率高于实际。同样地,较高的过程模型增益造成了诊断的阀分辨率较小。
模型品质指数可以指示过程控制环路的适应模型的品质,而所述适应模型在过程控制环路的适应周期期间定义;以上已提供其一范例。模型品质可以以多种途径计算。在一个范例中,模型品质在模型识别期间(例如在模型评估扫描期间)定义。不佳的模型品质指示环路状态问题,这可以包括阀、测量噪音、调谐或适应的不适当设置。模型验证可以通过对最终模型输出与实际过程变量PV进行比较来执行。每评估扫描的方差是用于过程控制环路块的属性。下列用于模型验收的标准在已经为所述适应采集数据之后应用:
其中:
SqError(k)<emax (方程式44)
方差SqError(k)为来自过程控制环路的先前适应周期的误差,适应性控制器块属性。Emax为最大可接受适应模型误差。R为确认当前适应模型的验收的比例。一个大约为10的启发式值用于带有参数插补适应性模型。
在适应涉及比较几个模型时,最佳模型及最接近最佳模型的误差比例也指示模型的品质,而且可以在模型确认中考虑。一般上,所述确认被执行,以预防以新近适应模型调谐的环路的不稳定性。适应模型被定义为“良好”、
“不确定”或“不佳”。这个状态可以接着在诊断中用于过程控制环路调谐。
在一选择性的范例中,适应性过程控制环路中的模型品质的评估,可以根据诸如适应的数目、平均滤波器因数及模型主参数(增益)平均值、以及该参数的适应的最后数目n的可变性来进行。明确地说,可以为每个适应参数计算滤波器因数(FF)。用于所述滤波器因数计算的标准可以包括最大残差与最小残差的比例(RE)及用于确定所述带有中间值的模型是否有最小残差的测试。如果所述比例小,意味高噪音水平或存在相对于实际模型值的有效距离。如果所述比例高,则指示噪音水平低及/或模型参数的快速收敛。所述测试标准的满足指示正确模型值位于所述参数的低及高范围之间,而且一插补参数值应接近正确值。
模型参数的滤波器因数FF可以计算如下:
其中k=1,2,3,...,k为模型数;i=1,...n,n为样本数;s为比例因数;而A及B为根据测试而定义的可调节启发式常数,用于确定带有中间值参数值的模型是否有最小残差。如果测试被满足(即: ),则(例如)A=0.1及B=0.5。否则,A=0.05及B=0.25,虽然A及B的值可以用实验方法调节。自调节过程的比例因数s=0.33,积分过程的比例因数s=0.4。
所述定义滤波器使用所述误差比例来自动计算噪音水平及激励信号水平。随着噪音水平增高,或随着激励信号水平减低,多种参数的模型误差比例减低。按顺序为每个适应参数计算滤波器因数,然后自调节过程的模型的滤波器因数计算如下:
FF(model)=0.6*FF(gain)+0.2*FF(TC)+0.2*FF(DT) (方程式50)
对于积分过程,模型的滤波器因数计算为:
FF(model)=0.7*FF(gain)+0.3*FF(DT) (方程式51)
所述模型品质计算可以通过计算最后n个适应参数的差量(最小值及最大值)来计算,而n可以调节,但只是在n=5以下的范例中可以调节:
min{Gain(i)},max{Gain(j)} (方程式52)
其中i≥k-5及j≥k-5,而k为当前的适应数目。然后:
其中avgGain为最后过滤增益。如果模型少于五个(k<5),则:
其中i为模型数目。计算r的模型品质MQ为:
MQ=max{0.3,MQ} (方程式56)
MQ=MQ*(A+0.25*r)+sin[3.0*FF(model)]*(1-A-0.25*r) (方程式57)
其中A=0.5。方程式57可以修改,以消除正弦的计算,使得:
MQ=max{0.4,MQ} (方程式58)
系数的值可以调节,以满足特定实施的要求。
多个水平的噪音可以计算,包括模型确认及激励水平。如以上所述,模型确认通过开发随噪音而定的滤波器因数FF来计算噪音。噪音较高或激励较小时,FF较小。激励水平与噪音/扰动水平相对测试。以下噪音保护可以应用:
level(NOL)=max{stdev,stdev_cap} (方程式60)
其中stdev及stdev_cap为总标准差及性能标准差的PID控制器参数。适应的触发事件可以校验为min Delta SP>5*NOL、min DeltaOUT>5*NOL*gain(PID)、及min PULSE ampl.>7*NOL*gain(PID)。噪音可以进一步通过以随噪音而定的因数调节到稳态的时间Tss来计算:
Tss′=Tss(1+2*stdev_cap) (方程式61)
振荡指数可以指示过程控制环路的稳定性。明确地说,振荡指数是整体过程控制环路的优先级指示器,而过程控制环路的阀可以用来警戒操作员迅速地注意不稳定过程控制环路。过程控制环路中的振荡的检测及评估可以以多种适合获取振荡的振幅及周期的方式执行。振荡状态接着根据无振荡(例如“良好”)、振荡超过最小可接受振幅(例如“不确定”)及振荡超过最大可接受振幅(例如“不佳”)来定义。
主诊断例程600根据所述过程控制环路元件(例如过程控制环路性能、过程控制环路设备、适应模型品质及过程控制环路稳定性)来评估环路状态,并因所述评估而执行功能,比如起动纠正措施或设定告警。例如,为振荡过程控制环路设定告警状态,以及为过高的估计阀迟滞及低分辨率设定告警状态。
过程控制环路内的纠正措施的一个范例包括说明在模型验收期间的诊断状态。纠正措施的另一个范例包括过滤用于控制及识别的数据,以改善下一模型确认。如果所述适应模型为“不佳”,所述模型的结果被拒绝。如果结果为“不确定”,所述模型被部分地接受。换句话说,所述实际过程控制环路模型的参数被计算为适应模型及实际使用模型的加权平均值。所述模型品质指数用于所述过程变量滤波器计算。
用于控制的过程变量过滤被自动及异步地调节到所述适应性程序。滤波器值根据模型识别状况及过程模型死区时间的当前值、时间常数及由所述过程控制环路参数(例如性能标准差及总标准差)定义的噪音水平来设定。滤波器调节定期地进行,不快于每一个到稳态时间周期Tss一次。下列启发式公式可以用于滤波器时间常数计算:
其中τd为过程模型死区时间,τ为过程模型时间阐述,而为最后适应模型的品质。STDEV为总标准差,而STDEV_CAP为性能标准差。最后适应模型的品质等于0,如果最后模型状况为“良好”;其等于1,如果最后模型状况为“不确定”;其等于2,如果最后模型状况为“不佳”。为了避免激烈的滤波器变化,有效滤波器值可以应用为:
τf=0.8τfold+0.2τfnew (方程式46)
如果所述过程变量滤波器应用于模型确认及控制,在所述识别之后,模型纠正不可避免。如果用于过程变量PV,及控制器输出OUT的过程变量滤波器只是用于所述识别,则过程变量及过程控制环路控制器输出的滤波器相同,而且通过应用以上提供的程序被选择。假设不需要模型纠正,这是由于过程输入及输出数据在相同的值上延迟。
虽然以上文字对本发明的多个不同实施例作了详细描述,但应该理解,本发明包括的范围应由本专利结尾处陈述的权利要求中的文字定义。所提详细描述应被解释成仅仅作为示范,而且并未描述本发明的每种可能的实施,这是由于描述每种可能的实施将不实际的-如果不是不可能。使用目前的技术或在本专利提交日期后开发的技术,可能实施多种选择性实例,而这些选择性实例将还是属于本发明的所述权利要求包括的范围。
所述诊断系统及方法以及其他元件可以实施于软件,它们也可以实施于硬件、固件等等,而且可以由任何其他处理器实施。因此,在此描述的元件可以实施在标准多用途中央处理器(CPU)或特别设计的硬件或固件,比如专用集成电路(ASIC),或其他期望的硬连线设备。在实施于软件时,软件例程可以存储在任何计算机可读存储器,比如存储在磁盘、激光盘或其他存储媒介上、存储在计算机或处理器的随机存取存储器(RAM)或只读存储器(ROM)中、存储于任何数据库中等等。同样地,这个软件可以通过任何已知或期望的传输方法来传输到用户或过程设备,例如包括在计算机可读盘或其他可携式计算机存储装置上,或通过通信频道(比如电话线、互联网、无线通信等等)(通过通信频道的方法被视为与通过可携式存储媒介提供这样的软件的方法相同,或可与其互换)。
因此,在不偏离本发明的精神和范围的前提下,可以对在此描述及图解的技术及结构进行许多修改和变更。因此,应该理解,在此描述的方法及设备仅仅意在说明本发明的原理,而并不是对本发明的范围进行限制。
Claims (72)
1.一种用于诊断适应性过程控制环路的方法,包括:
在所述适应性过程控制环路在一过程控制环境中联机连接时,测量因所述适应性过程控制环路内的一个或多个过程控制设备的常态操作而产生的过程控制环路信号数据;
在所述适应性过程控制环路的常态操作期间,异步诊断所述适应性过程控制环路的过程控制环路性能元件、过程控制环路设备元件、适应性模型品质元件及过程控制环路稳定性元件;
使用所述过程控制环路信号数据,产生与所述适应性过程控制环路的元件的过程控制环路参数相关的诊断指数;以及
根据所述诊断指数中的一个或多个诊断指数,评估所述适应性过程控制环路的状态。
2.如权利要求1所述的方法,其中产生诊断指数的步骤包括独立地为所述适应性过程控制环路的所述元件产生诊断指数。
3.如权利要求1所述的方法,其中产生诊断指数的步骤包括:
产生代表所述适应性过程控制环路内的一个或多个过程控制设备中的每个过程控制设备的状态的诊断指数;以及
产生代表所述整个适应性过程控制环路的状态的诊断指数。
4.如权利要求1所述的方法,其中产生诊断指数的步骤包括产生指示所述适应性过程控制环路的性能的一个或多个使用指数。
5.如权利要求1所述的方法,其中产生诊断指数的步骤包括产生一个或多个包括:可变性指数、总过程变量标准差及性能标准差的组合。
6.如权利要求5所述的方法,其中产生所述可变性指数的步骤包括产生一个或多个包括:指示过程控制环路调谐的可变性指数及指示过程控制环路设备状态的组合。
7.如权利要求5所述的方法,其中产生所述总过程变量标准差的步骤包括产生一个或多个包括:指示过程控制环路调谐状态的总过程变量标准差及指示过程控制环路设备状态的总过程变量标准差的组合。
8.如权利要求1所述的方法,其中产生诊断指数的步骤包括产生指示所述适应性过程控制环路内的过程控制设备的诊断的一个或多个使用指数。
9.如权利要求1所述的方法,其中产生诊断指数的步骤包括产生一个或多个包括:所述适应性过程控制环路内的过程控制环路设备的分辨率、所述适应性过程控制环路内的过程控制环路设备的死区及所述适应性过程控制环路内的过程控制环路设备的迟滞的组合的指数。
10.如权利要求9所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的分辨率的指数的步骤包括产生指示导致所述过程控制环路设备中发生响应所需要的最小过程控制信号的测量的分辨率的指数。
11.如权利要求9所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的分辨率的指数的步骤包括计算所述过程控制环路设备的所述迟滞与所述过程控制环路设备的所述死区之间的差异。
12.如权利要求9所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的死区的指数的步骤包括产生指示在不需要所述过程控制环路设备中有可观察响应以响应过程控制信号的情况下,输入可以变动的范围的测量的死区。
13.如权利要求9所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的死区的指数的步骤包括计算所述过程控制环路设备的所述迟滞与所述过程控制环路设备的所述分辨率之间的差异。
14.如权利要求9所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的迟滞的指数的步骤包括根据传输到所述过程控制环路设备的输入及所述过程控制环路设备的输出,测量所述过程控制环路设备的位移。
15.如权利要求9所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的迟滞的指数的步骤包括计算所述过程控制环路设备的所述死区及所述过程控制环路设备的分辨率的和。
16.如权利要求9所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的迟滞的指数的步骤包括计算传输到所述过程控制环路设备的过程控制输入信号与为响应所述过程控制输入信号而指示所述过程控制环路设备的状态的响应信号之间的最大差异的平均值。
17.如权利要求9所述的方法,其中产生诊断指数的步骤包括:
确定过程控制输出信号上的振荡振幅;以及
确定过程控制输入信号上的振荡振幅。
18.如权利要求17所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的迟滞的指数的步骤包括计算过程控制设备的迟滞为常数值与所述过程控制输出信号上的所述振荡振幅的积。
19.如权利要求17所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的分辨率的指数的步骤包括计算过程控制环路设备的分辨率为所述过程控制输入信号上的所述振荡振幅与过程增益的比例,其中所述比例被量为常数值。
20.如权利要求17所述的方法,其中产生所述适应性过程控制环路内的过程控制环路设备的死区的指数的步骤包括计算所述过程控制环路设备的所述迟滞与所述过程控制环路设备的所述分辨率之间的差异。
21.如权利要求1所述的方法,其中产生诊断指数的步骤包括产生指示在所述适应性过程控制环路的适应周期期间定义的所述适应性过程控制环路的模型的品质的指数。
22.如权利要求21所述的方法,其中产生指示所述适应性过程控制环路的适应模型的品质的指数的步骤包括对最终模型输出与所述适应性过程控制环路的实际过程变量进行比较。
23.如权利要求21所述的方法,其中产生指示所述适应性过程控制环路的适应模型的品质的指数的步骤包括计算所述适应性过程控制环路的最佳模型对所述适应性过程控制环路的下一个最佳模型的误差比。
24.如权利要求21所述的方法,其中产生指示所述适应性过程控制环路的适应模型的品质的指数的步骤包括计算指示来自所述适应性过程控制环路的先前适应周期的误差的、所述适应性过程控制环路的所述适应模型的方差。
25.如权利要求1所述的方法,其中产生诊断指数的步骤包括产生指示所述适应性过程控制环路的稳定性的指数。
26.如权利要求1所述的方法,进一步包括根据所述适应性过程控制环路的评估状态来执行功能。
27.如权利要求26所述的方法,其中根据所述适应性过程控制环路的评估状态来执行功能的步骤包括设置告警。
28.如权利要求27所述的方法,其中设置告警的步骤包括为包括:振荡适应性过程控制环路、高过程控制环路设备迟滞及高过程控制环路设备分辨率值的组合的至少其中之一设置告警。
29.如权利要求26所述的方法,其中根据所述适应性过程控制环路的评估状态来执行功能的步骤包括在所述适应性过程控制环路内执行纠正措施。
30.如权利要求29所述的方法,其中执行纠正措施的步骤包括自动地调节过程变量滤波器。
31.一种用于过程控制环境中的自诊断过程控制环路,包括:
多个过程控制环路设备;
存储器,所述存储器适合存储来自所述过程控制环路的信号数据,其中所述信号数据的产生,是由于在所述过程控制环路在过程控制环境中联机连接的情况下,所述过程控制环路内的所述多个过程控制设备的常态操作的结果;以及
诊断工具,所述诊断工具适合接收关于所述过程控制环路的过程控制环路性能元件、过程控制环路设备元件、适应性模型品质元件及过程控制环路稳定性元件及整个过程控制环路的过程控制环路参数的诊断指数,其中每个诊断指数由一相应的指数计算工具根据所述信号数据产生,所述诊断工具进一步适合根据所述诊断指数来评估所述过程控制环路的状态。
32.如权利要求31所述的自诊断过程控制环路,其中所述诊断工具适合接收关于所述过程控制环路的性能的诊断指数。
33.如权利要求32所述的自诊断过程控制环路,其中所述关于所述过程控制环路的性能的所述诊断指数包括指示过程控制环路调谐状态的可变性指数。
34.如权利要求32所述的自诊断过程控制环路,其中所述关于所述过程控制环路的性能的所述诊断指数包括指示过程控制环路设备状态的可变性指数。
35.如权利要求32所述的自诊断过程控制环路,其中所述关于所述过程控制环路的性能的所述诊断指数包括指示过程控制环路调谐状态的总过程控制环路标准差。
36.如权利要求32所述的自诊断过程控制环路,其中所述关于所述过程控制环路的性能的所述诊断指数包括指示过程控制环路设备状态的总过程控制环路标准差。
37.如权利要求32所述的自诊断过程控制环路,其中所述关于所述过程控制环路的性能的所述诊断指数包括性能标准差。
38.如权利要求31所述的自诊断过程控制环路,其中所述诊断工具适合接收关于所述过程控制环路内的过程控制设备的诊断的诊断指数。
39.如权利要求38所述的自诊断过程控制环路,其中关于所述过程控制环路内的过程控制设备的诊断的诊断指数包括所述过程控制环路内的过程控制环路设备的分辨率,所述分辨率指示导致所述过程控制环路设备中发生响应所需要的最小过程控制信号。
40.如权利要求38所述的自诊断过程控制环路,其中关于所述过程控制环路内的过程控制设备的诊断的诊断指数包括所述过程控制环路内的过程控制环路设备的死区,所述死区指示在不需要所述过程控制环路设备中有可观察的响应来响应过程控制信号的情况下,输入可以变动的范围的测量。
41.如权利要求38所述的自诊断过程控制环路,其中关于所述过程控制环路内的过程控制设备的诊断的诊断指数包括所述过程控制环路内的过程控制环路设备的迟滞,所述迟滞指示根据传输到所述过程控制环路设备的输入及所述过程控制环路设备的输出的所述过程控制环路设备的位移。
42.如权利要求38所述的自诊断过程控制环路,其中所述诊断工具适合根据来自过程控制环路设备的反算信号,计算关于所述过程控制环路内的过程控制设备的诊断的诊断指数。
43.如权利要求31所述的自诊断过程控制环路,其中所述诊断工具适合接收关于在所述过程控制环路的适应周期期间定义的所述过程控制环路的适应模型的品质的诊断指数。
44.如权利要求43所述的自诊断过程控制环路,其中所述诊断工具进一步适合将所述诊断指数作为所述过程控制环路的诊断指示器使用。
45.如权利要求31所述的自诊断过程控制环路,其中所述诊断工具适合接收关于所述过程控制环路的稳定性的诊断指数。
46.如权利要求31所述的自诊断过程控制环路,其中所述诊断工具进一步适合根据所述过程控制环路的评估状态来设置告警。
47.如权利要求46所述的自诊断过程控制环路,其中所述诊断工具适合为包括:振荡适应性过程控制环路、高过程控制环路设备迟滞及高过程控制环路设备分辨率值的组合的至少其中之一设置告警。
48.如权利要求31所述的自诊断过程控制环路,其中所述诊断工具进一步适合根据所述过程控制环路的评估状态,在所述过程控制环路内起动纠正措施。
49.如权利要求48所述的自诊断过程控制环路,其中所述诊断工具适合起动纠正措施以自动地调节所述过程控制环路的适应模型。
50.如权利要求48所述的自诊断过程控制环路,其中所述诊断工具适合起动纠正措施以自动地调节过程变量滤波器。
51.如权利要求31所述的自诊断过程控制环路,其中所述多个过程控制环路设备包括阀及过程控制器。
52.如权利要求1所述的方法,进一步包括:
诊断所述过程控制环路的性能;
诊断所述过程控制环路内的过程控制环路设备的状态;
诊断所述过程控制环路的适应模型的品质;
诊断所述过程控制环路的稳定性;
其中根据所述过程控制环路信号数据产生多个过程控制环路参数包括:根据所述每个诊断,产生诊断指数;并且
其中根据所述多个过程控制环路参数中的一个或多个过程控制环路参数评估所述适应性过程控制环路的状态包括:根据一个或多个所述诊断指数,评估所述过程控制环路的状态。
53.如权利要求52所述的方法,其中“根据所述每个诊断,产生诊断指数”的步骤包括根据对所述过程控制环路的性能的评估,产生可变性指数。
54.如权利要求53所述的方法,其中“根据对所述过程控制环路的性能的评估,产生可变性指数”的步骤包括计算所述可变性指数为:
其中:
Slq=最小标准差,
Stot=实际测得标准差,
s=灵敏度因数。
55.如权利要求52所述的方法,其中“根据所述每个诊断,产生诊断指数”的步骤包括根据对所述过程控制环路的性能的评估,产生最小标准差。
56.如权利要求55所述的方法,其中“根据对所述过程控制环路的性能的评估,产生最小标准差”的步骤包括计算最小标准差为:
其中:
Scap=估计性能标准差,
Stot=实际测得标准差。
57.如权利要求52所述的方法,其中“根据所述每个诊断,产生诊断指数”的步骤包括根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的死区。
58.如权利要求57所述的方法,其中“根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的死区”的步骤包括计算过程控制环路设备的死区为:
b=avg(maxΔi)
如果
|ΔOUT(t-1)*ΔBKCAL_IN(t)|>0
其中:
Δi(t)=|OUT(t-i)-BKCAL_IN(t)|,
ΔOUT(t-1)=OUT(t-i)-OUT(t-i-1),
ΔBKCAL_IN(t)=BKCAL_IN(t)-BKCAL_IN(t-1),
OUT(t-i)=传输到所述过程控制环路设备的过程控制信号,
BKCAL_IN(t)=来自过程控制环路设备的反算信号,
i=来自过程控制环路设备的反算信号延迟。
59.如权利要求57所述的方法,其中“根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的死区”的步骤包括计算过程控制环路设备的死区为:
其中:
Ampl(OUT)=过程控制环路控制器输出OUT上的振荡振幅,
Ampl(PV)=来自过程变量PV的过程控制环路控制器输入信号上的振荡振幅,
Kp=过程增益。
60.如权利要求52所述的方法,其中“根据所述每个诊断,产生诊断指数”的步骤包括根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的迟滞。
61.如权利要求60所述的方法,其中“根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的迟滞”的步骤包括计算过程控制环路设备的迟滞为:
h=b+δ=avg(maxΔi)
其中:
b=过程控制环路设备的死区,
δ=过程控制环路设备的分辨率,
i=适应性过程控制环路的过程控制环路模块扫描中的反算信号延迟,maxΔi=反算信号的最大值。
62.如权利要求60所述的方法,其中“根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的迟滞”的步骤包括计算过程控制环路设备的迟滞为:
h=2Ampl(OUT)
其中Ampl(OUT)=过程控制输出信号上的振荡振幅。
63.如权利要求52所述的方法,其中“根据所述每个诊断,产生诊断指数”的步骤包括根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的分辨率。
64.如权利要求63所述的方法,其中“根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的分辨率”的步骤包括计算过程控制环路设备的分辨率为:
δ=h-b
其中:
b=过程控制环路设备的死区,
h=过程控制环路设备的迟滞。
65.如权利要求63所述的方法,其中“根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的分辨率”的步骤包括计算过程控制环路设备的分辨率为:
其中:
Ampl(PV)=过程控制输入信号上的振荡振幅,
Kp=过程增益。
66.如权利要求63所述的方法,其中“根据对所述过程控制环路内的过程控制环路设备的状态的评估,产生所述过程控制环路设备的分辨率”的步骤包括根据对所述过程控制环路的振荡周期的估计,计算过程控制环路设备的分辨率,其中所述估计表示为:
其中:
A及B=自调节过程的估计启发式参数值,
A大于B,
Ti=控制器重设时间,
Kc=控制器增益,
δ=过程控制环路设备的分辨率。
67.如权利要求52所述的方法,其中“根据所述每个诊断,产生诊断指数”的步骤包括根据对所述过程控制环路的所述适应模型的品质的评估,产生适应模型品质指数。
68.如权利要求67所述的方法,其中“根据对所述过程控制环路的所述适应模型的品质的评估,产生适应模型品质指数”的步骤包括计算所述适应模型的方差为:
其中:
SqError(k)<emax
SqError(k)=来自过程控制环路的先前适应周期的误差,
Emax=最大可接受适应模型误差,
R=确认当前适应模型的验收的比例。
69.如权利要求52所述的方法,其中“根据所述每个诊断,产生诊断指数”的步骤包括根据对所述过程控制环路的稳定性的评估,产生振荡指数。
70.如权利要求52所述的方法,进一步包括根据一个或多个所述诊断指数对所述过程控制环路的状态进行的评估来设置告警。
71.如权利要求52所述的方法,进一步包括根据一个或多个所述诊断指数对所述过程控制环路的状态进行的评估,自动地调节所述适应性过程控制环路的适应模型。
72.如权利要求52所述的方法,进一步包括根据一个或多个所述诊断指数对所述过程控制环路的状态进行的评估,自动地调节过程变量滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310252901.5A CN103353753B (zh) | 2005-12-05 | 2006-12-05 | 用于过程设备的自诊断过程控制环路 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US74232005P | 2005-12-05 | 2005-12-05 | |
US60/742,320 | 2005-12-05 | ||
US11/565,767 US8509926B2 (en) | 2005-12-05 | 2006-12-01 | Self-diagnostic process control loop for a process plant |
US11/565,767 | 2006-12-01 | ||
PCT/US2006/046589 WO2007067644A2 (en) | 2005-12-05 | 2006-12-05 | Self-diagnostic process control loop for a process plant |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310252901.5A Division CN103353753B (zh) | 2005-12-05 | 2006-12-05 | 用于过程设备的自诊断过程控制环路 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101322086A CN101322086A (zh) | 2008-12-10 |
CN101322086B true CN101322086B (zh) | 2013-07-24 |
Family
ID=38068747
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200680045686XA Expired - Fee Related CN101322086B (zh) | 2005-12-05 | 2006-12-05 | 用于过程设备的自诊断过程控制环路 |
CN201310252901.5A Active CN103353753B (zh) | 2005-12-05 | 2006-12-05 | 用于过程设备的自诊断过程控制环路 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310252901.5A Active CN103353753B (zh) | 2005-12-05 | 2006-12-05 | 用于过程设备的自诊断过程控制环路 |
Country Status (7)
Country | Link |
---|---|
US (2) | US8509926B2 (zh) |
EP (2) | EP2889712B1 (zh) |
JP (1) | JP5096358B2 (zh) |
CN (2) | CN101322086B (zh) |
GB (1) | GB2446344B (zh) |
HK (1) | HK1124132A1 (zh) |
WO (1) | WO2007067644A2 (zh) |
Families Citing this family (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8504341B2 (en) * | 2006-01-31 | 2013-08-06 | Landmark Graphics Corporation | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators |
CN101379271B (zh) * | 2006-01-31 | 2012-11-07 | 兰德马克绘图公司 | 使用代理仿真器的用于实时油气田生产优化的方法、系统和计算机可读介质 |
US8756039B2 (en) * | 2010-03-02 | 2014-06-17 | Fisher-Rosemount Systems, Inc. | Rapid process model identification and generation |
US9709973B2 (en) * | 2010-07-28 | 2017-07-18 | Fisher-Rosemount Systems, Inc. | Handheld field maintenance tool with improved diagnostics |
US9447963B2 (en) | 2010-08-16 | 2016-09-20 | Emerson Process Management Power & Water Solutions, Inc. | Dynamic tuning of dynamic matrix control of steam temperature |
US9335042B2 (en) | 2010-08-16 | 2016-05-10 | Emerson Process Management Power & Water Solutions, Inc. | Steam temperature control using dynamic matrix control |
US9217565B2 (en) | 2010-08-16 | 2015-12-22 | Emerson Process Management Power & Water Solutions, Inc. | Dynamic matrix control of steam temperature with prevention of saturated steam entry into superheater |
TWI515522B (zh) * | 2010-12-28 | 2016-01-01 | 萬國商業機器公司 | 測定系統情況的方法、電腦程式及電腦 |
US9163828B2 (en) | 2011-10-31 | 2015-10-20 | Emerson Process Management Power & Water Solutions, Inc. | Model-based load demand control |
US9092124B2 (en) | 2012-07-19 | 2015-07-28 | Saudi Arabian Oil Company | System and method for effective plant performance monitoring in gas oil separation plant (GOSP) |
US9146554B2 (en) * | 2012-10-16 | 2015-09-29 | Adam Hoban | Aggregate processing control system |
CN104079425B (zh) * | 2013-03-31 | 2017-09-15 | 上海贝尔股份有限公司 | 一种用于匹配设备的方法、装置和系统 |
EP3042311B1 (en) | 2013-09-04 | 2024-04-24 | Fisher-Rosemount Systems, Inc. | Bulk field device operations |
US10459418B2 (en) | 2013-09-04 | 2019-10-29 | Fisher-Rosemount Systems, Inc. | Technology for assessing and presenting field device commissioning information associated with a process plant |
US9983574B2 (en) * | 2013-09-30 | 2018-05-29 | United States Gypsum Company | Systems and methods for controlling a conveyor system during product changeovers |
US9733641B2 (en) * | 2013-10-22 | 2017-08-15 | Yokogawa Electric Corporation | Method and apparatus for performing diagnostics on a conventional control valve |
US9777937B2 (en) | 2014-04-22 | 2017-10-03 | Honeywell International Inc. | Controller and loop performance monitoring in a heating, ventilating, and air conditioning system |
CN104088842B (zh) * | 2014-06-30 | 2016-05-11 | 武汉船用机械有限责任公司 | 一种比例方向阀控制死区的自动识别及补偿方法和系统 |
EP2988186B1 (en) * | 2014-08-22 | 2018-03-14 | Siemens Aktiengesellschaft | Detection of consistent steady-state behavior in process plants |
CN106796416B (zh) * | 2014-10-09 | 2019-11-05 | 三菱电机株式会社 | 控制装置以及控制方法 |
CN105988437A (zh) * | 2015-02-10 | 2016-10-05 | 张家港市宏鑫源科技有限公司 | 一种采用分布式控制系统的多级万能轧机 |
EP3056957B1 (de) * | 2015-02-16 | 2019-03-27 | Siemens Aktiengesellschaft | Diagnoseeinrichtung und -verfahren zur Überwachung des Betriebs eines Regelkreises |
EP3065015B1 (de) | 2015-03-04 | 2018-09-26 | Siemens Aktiengesellschaft | Diagnoseeinrichtung und -verfahren zur überwachung des betriebs von regelkreisen |
US20160349726A1 (en) * | 2015-05-27 | 2016-12-01 | Honeywell International, Inc. | Apparatus and method for variable data collection of intelligent loop performance monitoring system in bandwidth-constrained dcs |
CN105005296B (zh) * | 2015-07-27 | 2018-07-24 | 浙江大学 | 一种基于相位斜率指标的控制过程非线性振荡回路定位方法 |
US10371285B2 (en) * | 2015-10-27 | 2019-08-06 | Dresser, Llc | Predicting maintenance requirements for a valve assembly |
GB2556315A (en) * | 2016-03-23 | 2018-05-30 | Univ Coventry | Control system |
US10678224B2 (en) * | 2017-06-21 | 2020-06-09 | Fisher-Rosemount Systems, Inc. | Loop interface |
US11150635B2 (en) | 2017-10-02 | 2021-10-19 | Fisher-Rosemount Systems, Inc. | Projects within a process control asset management system |
JP6923484B2 (ja) | 2018-05-15 | 2021-08-18 | ファナック株式会社 | 加工条件調整装置及び機械学習装置 |
US11714394B2 (en) | 2018-09-28 | 2023-08-01 | Fisher-Rosemount Systems, Inc | Bulk commissioning of field devices within a process plant |
TWI686615B (zh) * | 2018-10-22 | 2020-03-01 | 財團法人工業技術研究院 | 擾動源定位方法 |
GB2623651A (en) | 2019-06-10 | 2024-04-24 | Fisher Rosemount Systems Inc | Automatic load balancing and performance leveling of virtual nodes running real-time control in process control systems |
GB2589661B (en) | 2019-06-10 | 2024-06-05 | Fisher Rosemount Systems Inc | Virtualized real-time I/O in process control systems |
US11249464B2 (en) | 2019-06-10 | 2022-02-15 | Fisher-Rosemount Systems, Inc. | Industrial control system architecture for real-time simulation and process control |
US11231701B2 (en) * | 2019-06-10 | 2022-01-25 | Fisher-Rosemount Systems, Inc. | Publish/subscribe protocol for real-time process control |
US11550311B2 (en) | 2019-06-10 | 2023-01-10 | Fisher-Rosemount Systems, Inc. | Centralized virtualization management node in process control systems |
GB2589941B (en) | 2019-06-10 | 2024-03-27 | Fisher Rosemount Systems Inc | Ease of node switchovers in process control systems |
US11467543B2 (en) * | 2019-09-20 | 2022-10-11 | Fisher-Rosemount Systems, Inc. | Process controller design with process approximation and lambda tuning |
DE102020126355A1 (de) * | 2020-10-08 | 2022-04-14 | Krones Aktiengesellschaft | Verfahren zum Betreiben einer Maschine in einer Verarbeitungsanlage für Behälter und Maschine zur Behandlung von Behältern |
CN113656461B (zh) * | 2021-08-17 | 2024-03-19 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备和介质 |
CN113960922B (zh) * | 2021-12-23 | 2022-03-11 | 深圳市晨北科技有限公司 | Pid控制参数整定方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1271410A (zh) * | 1997-09-22 | 2000-10-25 | 费希尔控制产品国际公司 | 用于压力调节器的诊断装置和方法 |
US6594589B1 (en) * | 2001-05-23 | 2003-07-15 | Advanced Micro Devices, Inc. | Method and apparatus for monitoring tool health |
US6615090B1 (en) * | 1999-02-22 | 2003-09-02 | Fisher-Rosemont Systems, Inc. | Diagnostics in a process control system which uses multi-variable control techniques |
Family Cites Families (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6069702A (ja) * | 1983-09-26 | 1985-04-20 | Toshiba Corp | サンプル値プロセス制御装置 |
US5018218A (en) * | 1988-08-29 | 1991-05-21 | Raytheon Company | Confirmed boundary pattern matching |
JP2553675B2 (ja) * | 1988-11-18 | 1996-11-13 | 日本電気硝子株式会社 | プロセスの制御方法 |
US5018215A (en) | 1990-03-23 | 1991-05-21 | Honeywell Inc. | Knowledge and model based adaptive signal processor |
US5406474A (en) * | 1990-07-16 | 1995-04-11 | The Foxboro Company | Self-tuning controller |
US5394322A (en) * | 1990-07-16 | 1995-02-28 | The Foxboro Company | Self-tuning controller that extracts process model characteristics |
US5180896A (en) * | 1990-10-11 | 1993-01-19 | University Of Florida | System and method for in-line heating of medical fluid |
US5159547A (en) * | 1990-10-16 | 1992-10-27 | Rockwell International Corporation | Self-monitoring tuner for feedback controller |
US5335164A (en) * | 1991-07-31 | 1994-08-02 | Universal Dynamics Limited | Method and apparatus for adaptive control |
US5283729A (en) * | 1991-08-30 | 1994-02-01 | Fisher-Rosemount Systems, Inc. | Tuning arrangement for turning the control parameters of a controller |
JPH07502354A (ja) * | 1991-12-18 | 1995-03-09 | ハネウエル・インコーポレーテッド | 閉ループ神経ネットワーク自動同調器 |
US5453925A (en) * | 1993-05-28 | 1995-09-26 | Fisher Controls International, Inc. | System and method for automatically tuning a process controller |
US6041320A (en) * | 1993-08-23 | 2000-03-21 | Fisher Controls International, Inc. | Multi-region fuzzy logic control system with auxiliary variables |
US5461559A (en) * | 1993-10-04 | 1995-10-24 | The United States Of America As Represented By The Secretary Of The Air Force | Hierarchical control system for molecular beam epitaxy |
US5587899A (en) * | 1994-06-10 | 1996-12-24 | Fisher-Rosemount Systems, Inc. | Method and apparatus for determining the ultimate gain and ultimate period of a controlled process |
US5568378A (en) * | 1994-10-24 | 1996-10-22 | Fisher-Rosemount Systems, Inc. | Variable horizon predictor for controlling dead time dominant processes, multivariable interactive processes, and processes with time variant dynamics |
US5748467A (en) * | 1995-02-21 | 1998-05-05 | Fisher-Rosemont Systems, Inc. | Method of adapting and applying control parameters in non-linear process controllers |
US6092919A (en) * | 1995-08-01 | 2000-07-25 | Guided Systems Technologies, Inc. | System and method for adaptive control of uncertain nonlinear processes |
US6249712B1 (en) * | 1995-09-26 | 2001-06-19 | William J. N-O. Boiquaye | Adaptive control process and system |
US5966679A (en) * | 1995-10-30 | 1999-10-12 | Fisher Controls International, Inc. | Method of and apparatus for nonobtrusively obtaining on-line measurements of a process control device parameter |
US5992229A (en) * | 1996-02-05 | 1999-11-30 | Neles-Jamesbury Oy | Method and equipment for determining the performance of control valve |
JP3412384B2 (ja) * | 1996-03-13 | 2003-06-03 | 株式会社日立製作所 | 制御モデル構築支援装置 |
US7085610B2 (en) * | 1996-03-28 | 2006-08-01 | Fisher-Rosemount Systems, Inc. | Root cause diagnostics |
GB9608953D0 (en) * | 1996-04-29 | 1996-07-03 | Pulp Paper Res Inst | Automatic control loop monitoring and diagnostics |
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 |
IT1295107B1 (it) * | 1997-04-29 | 1999-04-30 | Piegatrici Macch Elettr | Sistema di piegatura perfezionato per macchine piegatrici |
US6192321B1 (en) * | 1997-09-29 | 2001-02-20 | Fisher Controls International, Inc. | Method of and apparatus for deterministically obtaining measurements |
US6466893B1 (en) * | 1997-09-29 | 2002-10-15 | Fisher Controls International, Inc. | Statistical determination of estimates of process control loop parameters |
US6804618B2 (en) * | 1997-09-29 | 2004-10-12 | Fisher Controls International, Llc | Detection and discrimination of instabilities in process control loops |
JP4738596B2 (ja) * | 1998-08-21 | 2011-08-03 | ローズマウント インコーポレイテッド | 抵抗型プロセス制御装置の診断 |
EP1055180B1 (de) | 1998-12-03 | 2011-07-20 | Siemens Aktiengesellschaft | Verfahren und anordnung zum entwurf eines technischen systems |
GB2347233B (en) | 1999-02-22 | 2003-09-10 | Fisher Rosemount Systems Inc | Diagnostics in a process control system which uses multi-variable control techniques |
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 |
US6524241B2 (en) * | 2000-02-14 | 2003-02-25 | First Opinion Corporation | Automated diagnostic system and method including multiple diagnostic modes |
US6826521B1 (en) * | 2000-04-06 | 2004-11-30 | Abb Automation Inc. | System and methodology and adaptive, linear model predictive control based on rigorous, nonlinear process model |
US6577908B1 (en) * | 2000-06-20 | 2003-06-10 | Fisher Rosemount Systems, Inc | Adaptive feedback/feedforward PID controller |
JP3965668B2 (ja) * | 2000-08-30 | 2007-08-29 | 横河電機株式会社 | 適応制御方法およびその装置 |
US6795798B2 (en) * | 2001-03-01 | 2004-09-21 | Fisher-Rosemount Systems, Inc. | Remote analysis of process control plant data |
CN100524130C (zh) * | 2001-03-01 | 2009-08-05 | 费舍-柔斯芒特系统股份有限公司 | 自动工作命令/部件命令生成和跟踪 |
US7720727B2 (en) * | 2001-03-01 | 2010-05-18 | Fisher-Rosemount Systems, Inc. | Economic calculations in process control system |
FI20011742A (fi) * | 2001-08-31 | 2003-03-01 | Metso Field Systems Oy | Menetelmä ja järjestelmä teollisuusprosessin säätöpiirin suorituskyvun analysoimiseksi |
FI114947B (fi) * | 2002-09-13 | 2005-01-31 | Metso Automation Oy | Menetelmä ja laitteisto prosessissa olevan prosessilaitteen hystereesin määrittämiseksi |
JP2004126688A (ja) * | 2002-09-30 | 2004-04-22 | Yokogawa Electric Corp | オフライン診断システム |
JP4166637B2 (ja) * | 2003-07-10 | 2008-10-15 | 株式会社東芝 | プロセス制御装置の調整方法及びその調整ツール |
US7627441B2 (en) * | 2003-09-30 | 2009-12-01 | Rosemount Inc. | Process device with vibration based diagnostics |
US7676287B2 (en) * | 2004-03-03 | 2010-03-09 | Fisher-Rosemount Systems, Inc. | Configuration system and method for abnormal situation prevention in a process plant |
US7024336B2 (en) * | 2004-05-13 | 2006-04-04 | Johnson Controls Technology Company | Method of and apparatus for evaluating the performance of a control system |
EP1787179A2 (en) * | 2004-08-31 | 2007-05-23 | Watlow Electric Manufacturing Company | Operations system distributed diagnostic system |
US7444191B2 (en) * | 2005-10-04 | 2008-10-28 | Fisher-Rosemount Systems, Inc. | Process model identification in a process control system |
SE530380C2 (sv) | 2006-10-03 | 2008-05-20 | Abb Ab | Automatisk uppskattning av glapp |
-
2006
- 2006-12-01 US US11/565,767 patent/US8509926B2/en active Active
- 2006-12-05 CN CN200680045686XA patent/CN101322086B/zh not_active Expired - Fee Related
- 2006-12-05 GB GB0810146A patent/GB2446344B/en not_active Expired - Fee Related
- 2006-12-05 EP EP15152084.8A patent/EP2889712B1/en active Active
- 2006-12-05 JP JP2008544487A patent/JP5096358B2/ja active Active
- 2006-12-05 CN CN201310252901.5A patent/CN103353753B/zh active Active
- 2006-12-05 WO PCT/US2006/046589 patent/WO2007067644A2/en active Application Filing
- 2006-12-05 EP EP06839107A patent/EP1963939A2/en not_active Withdrawn
-
2008
- 2008-12-10 HK HK08113420.5A patent/HK1124132A1/xx not_active IP Right Cessation
-
2012
- 2012-10-18 US US13/655,044 patent/US8909360B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1271410A (zh) * | 1997-09-22 | 2000-10-25 | 费希尔控制产品国际公司 | 用于压力调节器的诊断装置和方法 |
US6615090B1 (en) * | 1999-02-22 | 2003-09-02 | Fisher-Rosemont Systems, Inc. | Diagnostics in a process control system which uses multi-variable control techniques |
US6594589B1 (en) * | 2001-05-23 | 2003-07-15 | Advanced Micro Devices, Inc. | Method and apparatus for monitoring tool health |
Also Published As
Publication number | Publication date |
---|---|
HK1124132A1 (en) | 2009-07-03 |
US20130046396A1 (en) | 2013-02-21 |
CN103353753B (zh) | 2016-03-09 |
GB2446344B (en) | 2011-08-10 |
CN103353753A (zh) | 2013-10-16 |
EP2889712A2 (en) | 2015-07-01 |
WO2007067644A3 (en) | 2007-08-09 |
JP2009518749A (ja) | 2009-05-07 |
GB0810146D0 (en) | 2008-07-09 |
US8909360B2 (en) | 2014-12-09 |
EP2889712A3 (en) | 2015-07-15 |
EP1963939A2 (en) | 2008-09-03 |
EP2889712B1 (en) | 2020-02-05 |
CN101322086A (zh) | 2008-12-10 |
US8509926B2 (en) | 2013-08-13 |
GB2446344A (en) | 2008-08-06 |
US20070150079A1 (en) | 2007-06-28 |
JP5096358B2 (ja) | 2012-12-12 |
WO2007067644A2 (en) | 2007-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101322086B (zh) | 用于过程设备的自诊断过程控制环路 | |
CN107085415B (zh) | 过程控制网络中的规则构建器 | |
JP6423546B2 (ja) | 高度なデータクレンジングシステムおよび方法 | |
JP5124374B2 (ja) | プロセス性能監視とプロセス装置監視および制御への統合 | |
US7937164B2 (en) | Multivariate detection of abnormal conditions in a process plant | |
RU2607237C2 (ru) | Способ анализа и диагностики крупномасштабных автоматизированных систем управления производственными процессами | |
US8032341B2 (en) | Modeling a process using a composite model comprising a plurality of regression models | |
US7840287B2 (en) | Robust process model identification in model based control techniques | |
US7079984B2 (en) | Abnormal situation prevention in a process plant | |
JP2018515834A (ja) | 供給組成を推測するためのデータクレンジングシステムおよび方法 | |
RU2635435C2 (ru) | Система для контроля узла компонентов оборудования | |
EP3914979A1 (de) | Virtueller sensor auf einer übergeordneten maschinenplattform | |
EP2225617A1 (de) | System und verfahren zur kombinierten informationserfassung für scada-. und simulations- oder netzberechnungsanwendungen | |
US7698245B2 (en) | Applying rules to validating data for a machine arrangement | |
WO2009055967A1 (en) | Real-time model validation | |
KR20230082887A (ko) | 유지보수 이력에 기반한 학습데이터를 이용하는 장비의 고장 예측 장치 및 방법 | |
Amuthakkannan et al. | Software quality measurement and improvement for real-time systems using quality tools and techniques: a case study | |
CN105656453A (zh) | 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法 | |
Pang et al. | A simulation-based expert system for process diagnosis | |
CN117940863A (zh) | 用于改进技术设备中的生产过程的方法和系统 | |
DE102010004385A1 (de) | Verfahren und Vorrichtung zum automatischen Identifizieren von weiteren fehlerhaften Komponenten in einem Gerät | |
Družovec et al. | Qualitative model for quality control in production | |
Manivannan et al. | Software Metric Analysis Methods for Product Development/Maintenance Projects | |
Kloos | Capability of the MCDET method in the field of dynamic PSA |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130724 Termination date: 20181205 |
|
CF01 | Termination of patent right due to non-payment of annual fee |