CN101344783B - 自验证测量系统 - Google Patents
自验证测量系统 Download PDFInfo
- Publication number
- CN101344783B CN101344783B CN2008101277444A CN200810127744A CN101344783B CN 101344783 B CN101344783 B CN 101344783B CN 2008101277444 A CN2008101277444 A CN 2008101277444A CN 200810127744 A CN200810127744 A CN 200810127744A CN 101344783 B CN101344783 B CN 101344783B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- measured value
- industrial process
- subsystem
- 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.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 claims description 173
- 239000007788 liquid Substances 0.000 claims description 143
- 238000000034 method Methods 0.000 claims description 96
- 230000008569 process Effects 0.000 claims description 56
- 230000009183 running Effects 0.000 claims description 50
- 238000012795 verification Methods 0.000 abstract description 29
- 238000004886 process control Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 43
- 238000012545 processing Methods 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 21
- 239000012530 fluid Substances 0.000 description 17
- 230000006870 function Effects 0.000 description 16
- 230000003068 static effect Effects 0.000 description 13
- 230000008034 disappearance Effects 0.000 description 12
- 230000002706 hydrostatic effect Effects 0.000 description 12
- 230000009897 systematic effect Effects 0.000 description 12
- 230000009467 reduction Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 7
- 238000010200 validation analysis Methods 0.000 description 7
- 230000001737 promoting effect Effects 0.000 description 6
- 230000000630 rising effect Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 238000001739 density measurement Methods 0.000 description 2
- 238000004821 distillation Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000007791 liquid phase Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 235000015927 pasta Nutrition 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000002946 Total quality control Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007306 turnover Effects 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
- 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
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Abstract
提供了一种自验证测量系统。可以从被配置为感测过程控制系统特性的多个传感器接收传感器数据。传感器数据可以包括感测值和与该感测值相应的不确定性数据。基于从该多个传感器接收的感测值和不确定性数据,可以确定与该过程控制系统相关联的新测量值以及该新测量值的相应不确定性数据。
Description
相关申请的交叉引用
本申请要求于2007年4月27日提出的美国临时申请No.60/914,561的优先权,特此通过引用的方式将其全部并入。
技术领域
本发明涉及测量系统。
背景技术
工业过程控制领域应用于工厂自动化、过程控制应用以及其他类型的自动工业系统。在实施工业过程控制系统中,工业领域设备调整、设置、控制和/或报告现场过程变量。例如,(例如,生产化工、矿物、食物或饮料的公司)对工业过程的控制包括对诸如压力、温度、液位(level)和流量这样的过程变量的测量,以及系统中现场设备和控制器之间过程信息的交换。在现场液位上,将传感器安装在油罐、容器、管线以及配制处理工厂并且将过程变量(例如温度、压力、液位、流量等)信号提供给系统中所包含的控制器的其他区域中。传感器可以通过通信介质将传感器数据提供给控制器或其他工业现场设备,所述通信介质可以是点对点连接或者多点连接(例如,现场总线(fieldbus))。
发明内容
在一个一般方面,从第一传感器接收对应于工业过程第一特性的第一感测值,以及从第二传感器接收对应于工业过程第二特性的第二感测值。从第一传感器接收与第一感测值相关联的第一不确定性数据,以及从第二传感器接收与第二感测值相关联的第二不确定性数据。基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据,确定工业过程的测量值和该测量值的相应不确定性数据。
实施方式可以包括下面特征中的一个或多个。例如,可以读取基于模型的数据,所述基于模型的数据表示正在为其确定测量值的工业过程,并且可以基于所读取的表示正在为其确定测量值的工业过程的基于模型的数据,来计算测量值和不确定性数据。第二感测值可以对应于工业过程的第二特性,所述工业过程的第二特性不同于工业过程的第一特性,并且可以通过将第一感测值和第二感测值应用于表示工业过程的理论模型中,来计算测量值和不确定性数据。
在一些实施方式中,可以基于第二感测值和第二不确定性数据,对第二传感器发生故障进行确定。在这些实施方式中,可以读取表示工业过程的基于模型的数据,可以基于所读取的基于模型的数据来确定第二特性的估计值,并且可以基于所读取的基于模型的数据来确定与第二特性的估计值相关联的不确定性数据。基于第二特性的估计值和与第二特性的估计值相关联的不确定性数据,可以确定工业过程的测量值和与该测量值相应的不确定性数据。
可以读取与工业过程相关联的历史信息,并且可以基于所读取的历史信息来确定工业过程的测量值和与该测量值相应的不确定性数据。所读取的历史数据可以包括通过第一传感器和第二传感器在工业过程操作期间所感测的过去值。在一些例子中,可以基于第二感测值和第二不确定性数据,对第二传感器发生故障进行确定。在这些例子中,可以基于所读取的历史信息来确定第二特性的估计值,还可以确定与第二特性估计值相关联的不确定性数据。基于第二特性的估计值和与第二特性估计值相关联的不确定性数据,可以确定工业过程的测量值和该测量值的相应不确定性数据。基于第二特性的估计值和与该第二特性估计值相关联的不确定性数据。
在一些实施方式中,可以从第一传感器接收表示与第一感测值相关联的精度统计量的数据,可以从第二传感器接收到与第二感测值相关联的精度统计量。基于与第一感测值相关联的精度统计量和与第二感测值相关联的精度统计量,可以确定测量值和该测量值的相应精度统计量。在一些例子中,对应于工业过程第一特性的第一感测值可以与对应于工业过程第二特性的第二感测值相关。在该例中,可以确定测量值的精度统计量,所述测量值的精度统计量指示:该测量值比第一感测值和第二感测值更精确。
可以读取表示工业过程的基于模型的数据,并且基于该基于模型的数据可以协调与第一感测值相关联的精度统计量和与第二感测值相关联的精度统计量。可以基于调整后的与第一感测值相关联的精度统计量和调整后的与第二感测值相关联的精度统计量,来确定测量值的精度统计量。可以确定影响第一传感器精度的至少一个特性的值,并且可以基于该影响第一传感器精度的至少一个特性的值和基于模型的数据,来确定与第一感测值相关联的精度统计量。
可以接收指示第一传感器运行状态的数据和指示第二传感器运行状态的数据。可以基于第一传感器的运行状态和第二传感器的运行状态,来确定表示工业过程的结果测量值的运行状态的测量值和相应数据。可以接收表示第一传感器是正确运行、部分正确运行还是没有正确运行的数据和指示第二传感器是正确运行、部分正确运行还是没有正确运行的数据。可以基于表示第一传感器是正确运行、部分正确运行还是没有正确运行的数据和表示第二传感器是正确运行、部分正确运行还是没有正确运行的数据,对工业过程的结果测量是正确运行、部分正确运行还是没有正确运行进行确定。
在一些实施方式中,可以读取表示工业过程的基于模型的数据,可以读取与工业过程相关联的历史信息,并且可以基于所读取的基于模型的数据和所读取的历史信息,来验证第一感测值和第二感测值。可以基于所确定的测量值和相应的不确定性数据,来控制工业过程的运行。例如,在发生故障的情况下,可以通过降低当前工作范围的所需精度或减小当前的工作范围,来维持工业过程的有效性。可以从温度传感器、压力传感器、液位传感器或流量计其中之一,接收对应于温度、压力、液位或液体总流量其中之一的感测值。
在另一个一般方面,接收由与包含在工业过程控制系统中的第一子系统相关联的多个传感器产生的第一传感器数据。该第一传感器数据包括来自于与第一子系统相关联的各个传感器的感测值和与该感测值相关联的不确定性数据。基于所接收的第一传感器数据确定第一子系统测量值,基于所接收的第一传感器数据确定与第一子系统测量值相关联的第一不确定性数据。接收由与包含在工业过程控制系统的第二子系统相关联的多个传感器产生的第二传感器数据。该第二子系统与第一子系统不同,并且该第二传感器数据包括来自于与第二子系统相关联的各个传感器的感测值和与该感测值相关联的不确定性数据。基于所接收的第二传感器数据确定第二子系统测量值,基于所接收的第二传感器数据确定与第二子系统测量值相关联的第二不确定性数据。读取第一子系统测量值、与第一子系统测量值相关联的第一不确定性数据、第二子系统测量值以及与第二子系统测量值相关联的第二不确定性数据。基于所读取的第一子系统测量值、所读取的与第一子系统测量值相关联的第一不确定性数据、所读取的第二子系统测量值以及所读取的与第二子系统测量值相关联的第二不确定性数据,确定工业过程控制系统的运行状况。
实施方式可以包括下面特征中的一个或多个。例如,可以检测所读取的第一子系统测量值和所读取的第二子系统测量值之间的差异。可以确定工业过程控制系统测量的有效性。可以确定工业过程控制系统的测量值和工业过程控制系统测量值的相应不确定性数据。测量值的不确定性数据可以反映与第一子系统相关联的多个传感器以及与第二子系统相关联的多个传感器相关联的所传递的不确定性数据。
在一些实施方式中,可以读取表示由第一子系统执行的过程的基于模型的数据,可以读取与由第一子系统执行的过程相关联的历史信息,并且基于该基于模型的数据和历史信息确定第一子系统测量值。在这些实施方式中,可以对与第一子系统相关联的多个传感器中的至少一个发生故障进行确定,并且可以基于该基于模型的数据和历史信息,来估计该至少一个发生故障的传感器的值。基于该至少一个发生故障的传感器的估计值,可以确定第一子系统测量值。
所描述的技术的实施方式可以包括硬件、方法或过程或者计算机可存取介质上的计算机软件。在下面附图和说明书中,阐述了一个或多个实施方式的细节。根据说明书和附图,其他特征将会更加清楚。
附图说明
图1是示出了将测量值和与该测量值相关联的不确定性值组合的过程示例的流程图。
图2是示出了具有分级结构的工业过程控制系统示例的框图。
图3是示出了用于传送图2中所示的工业过程控制系统的系统特性的过程示例的流程图。
图4和5示出了用于执行交接的系统的示例。
图6示出了控制图4和5中所示的用于执行交接的系统的操作的过程示例。
具体实施方式
测量系统可以基于自验证初级部件(例如,传感器和激励器),其中附加信息可以由该初级部件产生并且被用于改善这种系统的性能。例如,可以将自验证(self-validation,SEVA)概念应用至用于测量和控制的仪器或系统中,在该系统中系统变量可以包括品质指标。品质指标可以包括与变量相关联的不确定性值、所测变量的状态以及测量该变量的设备的诊断状态。测量系统可以使用与所测变量相关联的品质指标来确定该系统的特性并基于该特性控制该系统。
在一些实施方式中,自验证系统可以是分级的。例如,可以由初级源(例如,传感器)的制造商基于对他们的设计、制造工艺、工厂校准的了解以及对正常和异常状况下运行的预期来验证,而不论将在其中使用该初级源的应用如何。测量子系统和系统可以使用由初级源(例如,传感器)所提供的附加信息,以及使用从对在使用初级源的具体应用的了解中得到的基于模型的验证信息对该附加信息进行更新或补充。
此外,测量子系统和系统可以组合来自若干测量仪器(例如传感器)和/或激励器的输入,并产生其他变量作为其输出。例如,特定测量子系统或系统(例如,多传感器油罐计量器(gauge)、多变量流量计、带有多传感器和/或激励器的控制环等)可以从与该测量子系统或系统相关联的多个传感器接收感测到的值以及相应的不确定性值。响应于接收该感测值和相应的不确定性值,该特定测量子系统或系统可以分析所接收的信息并且基于该分析来确定该子系统或系统的测量值以及与该子系统或系统测量值相应的不确定性值。
在一种实施方式中,特定测量子系统或系统可以包括多个传感器,其冗余地测量特定值(例如,在同一位置处测量温度的两个温度传感器)或测量相关值(例如在两个不同但靠近的位置上的温度;通过液位计(level gauge)和流体静力计(hydrostatic gauge)在同一油罐中所测量的液位)。在该例中,特定测量子系统或系统可以从多个传感器中的每一个接收感测值和与该感测值相关联的不确定性值。响应于接收传感器数据,特定测量子系统或系统可以确定子系统或系统测量值,并且可以确定与该测量值相关联的不确定性值(例如,子系统或系统的温度或液位值及与该温度或液位值相关联的不确定值)。因为该特定测量子系统或系统基于来自于相关传感器的传感器数据确定子系统或系统测量值以及相应的不确定性值,所以子系统或系统测量值的不确定性值较小(例如,测量更精确或更确定)。子系统或系统测量值可以被传递给其他子系统、系统或控制器并被用于控制该子系统或系统。
在一些配置中,测量子系统或系统在确定子系统或系统测量值以及相应的不确定性时可以考虑基于模型的计算或历史数据。通过考虑基于模型的计算或历史数据,子系统或系统测量值可以具有更低的不确定性(例如,测量值更精确或更确定),或者在传感器发生故障时,测量子系统或系统可以继续操作,虽然具有较高级别的不确定性。在传感器发生故障时,子系统或系统可以保持有效性或处于具有与子系统或系统测量值相关联的不确定性的操作中,所述子系统或系统测量值反映由传感器损耗导致的不确定性的所增加的级别。应急情况(limp-home scenario)可以考虑较高的不确定性值,并且可以用于保持系统运转或在降低特性的情况下运行。
可以在其中在线实时计算测量值的不确定性及其状态的自验证系统,可以将值补充给精度和系统有效性具有重要意义的大量应用。具体来说,工业过程控制系统(例如,化学处理系统、酿造或发酵控制系统、食品零售系统、油罐系统等)可以从提高的精度和可靠性中获益。其他系统(例如,地理信息系统、经济或金融系统等)也可以从提高的精度和可靠性中获益。
图1表示的是过程100的示例,该过程100用于确定测量值和与该测量值相关联的不确定性值。流程图100中的操作一般被描述为通过高级子系统来执行。在一些实施例中,子系统可以被包含在工业过程控制设备或系统中,并且可以被配置为控制工业过程。流程图100中的操作可以由处理器、计算机或其他类型电子设备来执行。在一些例子中,过程100中的操作可以由包含在一个或多个电子设备或系统中的多个子系统或系统来实施。
该子系统从第一传感器接收第一感测值(110)。例如,子系统可以经由电子通信从传感器接收该感测值。该电子通信可以包括与由传感器测量的物理特性或其他特性的测量值相关联的信息。物理特性或其他特性可以与工业过程相关联,并且测量值可以反映工业过程的当前状态。例如,传感器可以是温度传感器、压力传感器、液位传感器、流量计、或测量物理条件或其他条件的任意其他类型传感器,以及感测值可以为对应于传感器类型的测量值(例如,温度测量值、压力测量值、液位测量值、流量测量值等)。
子系统可以通过任何类型的有线连接或无线连接从传感器接收感测值。在一些实施例中,子系统可以通过传感器的专用有线连接从传感器接收感测值。在这些实施例中,子系统可以定位于感测该值的传感器的位置附近处或接近该位置处。
在其他实施例中,子系统可以通过任何类型的网络连接接收感测值。例如,子系统可以通过现场总线接收感测值,所述现场总线有利于包含在工业过程控制系统中的设备之间的通信。在这些实施例中,子系统可以被定位于远离感测该值的传感器处。
子系统从第一传感器接收与第一感测值相关联的第一验证值(120)。例如,子系统可以在通过有线连接或无线连接或者通过网络的电子通信中从传感器接收验证数据。子系统可以在接收感测值的同时接收该验证数据。例如,该子系统可以在一个或多个电子通信中从传感器接收验证数据,该一个或多个电子通信还包含有感测值。该子系统还可以独立于感测值并在不同的时刻接收验证数据。
该验证数据可以包括与感测值的精度(或其不确定性)相关联的信息、与感测值的状态相关联的信息、以及与传感器诊断状态相关联的信息。例如,可以由传感器的制造商根据该传感器的设计工艺、传感器的制造工艺、传感器的工厂校准以及对传感器的工作的预期对传感器进行过验证。基于验证信息,传感器可以包括与由该传感器感测的值的精度(不确定性)相关联的数据,并且传感器可以基于该数据确定当前感测值的不确定性值。传感器可以基于与感测当前值的传感器相关联的状况来动态地确定不确定性数据,或者传感器可以提供静态的不确定性值。传感器用来确定不确定性数据的验证数据可以由制造商来设置,并且在使用该传感器的应用中可以不予考虑。在其他例子中,可以根据使用传感器的应用来更新或调整传感器用来确定不确定数据的验证数据。
验证数据也可以考虑或包含与传感器状态相关联的信息。例如,验证数据可以考虑或包含与传感器是否正确运行、传感器是否被使用在该传感器所设计的条件或范围中、以及传感器的使用年限或损耗相关联的信息。例如,验证数据可以包含关于所感测的感测值是清楚的、模糊的、还是盲(blind)的信息。传感器可以指示:在传感器处于良好工作级、工作在优选设计范围以及被使用在传感器所设计用于的工艺中时,感测值是清楚的。传感器可以指示:在传感器部分损坏、工作在其设计范围之外、工作在传感器没有设计用于的工艺中或者受到其功能的失常或部分变差的影响时,感测值是模糊的。传感器可以指示:在传感器不能或者失去与传感器正在监控的过程的联系时,传感器是盲的。在传感器处于盲的状态时,其输出可以基于历史数据。验证数据可以包括其他类型的状态信息和反映传感器更多或更少情况的信息。
子系统从第二传感器接收第二感测值(130)。例如,利用类似于上面所述的关于子系统从第一传感器接收第一感测值的技术(110),子系统可以从第二传感器接收第二感测值。第二传感器是与第一传感器不同的传感器,但是可以测量与由第一传感器所测量的物理特性相关联的物理特性或其他特性。例如,第二传感器可以是与第一传感器相同类型的传感器,并且可以被定位于第一传感器附近处。在一些布置中,第一传感器和第二传感器二者均为一般定位在相同区域内的温度传感器。在这些布置中,对于单个的量,第一传感器和第二传感器提供两个测量值,以使得这两个感测值均可以被分析从而增加温度测量的精度和可靠性。
在其他布置中,第二传感器可以是与第一传感器不同类型的传感器。例如,第二传感器可以是压力传感器,第一传感器可以是液位传感器。在该例中,可以分析该两个感测值来获得另外类型的测量值,或者可以将其用来检验或增加这两个感测值其中之一的精度。例如,可以用压力感测值来检验液位的感测值,因为油罐中特定液位可以产生相应的预期压力并且该压力感测值可以与该预期值相比较。
子系统从第二传感器接收与第二感测值相关联的第二验证数据(140)。例如,子系统可以利用类似于上面所述的子系统从第一传感器接收与第一感测值相关联的第一验证数据(120)的技术从第二传感器接收与第二感测值相关联的第二验证数据。第二验证数据可以包括与第一验证数据相同类型的验证数据或可以与第一验证数据不同。
子系统基于第一感测值、第一验证数据、第二感测值以及第二验证数据确定测量值和对应于该测量值的不确定性数据(150)。例如,子系统可以分析第一感测值、第一不确定性数据、第二感测值以及第二不确定性数据,并且计算新的测量值和对于该新测量值的新不确定性数据。新测量值可以为与第一感测值和第二感测值类型均相同的测量值,可以为与第一感测值和第二感测值中之一类型相同的测量值,或者可以为与第一感测值和第二感测值类型不同的测量值。在计算新测量值和新不确定性值时,该子系统可以考虑第一和第二感测值以及第一和第二不确定性数据。新测量值可以是比由传感器所测量的物理特性或其他特性更多地反映子系统或系统的一般特性的子系统或系统测量值。
在一些实施方式中,在计算新测量值时,如果不确定性数据指示第一感测值比第二感测值更精确,则子系统能够对第一感测值赋予比第二感测值更大的权值。在这些实施方式中,子系统可以分析第一测量值的精度和第二测量值的精度,来计算新测量值的精度,以包含在与新测量值相关联的不确定性数据中。新测量值的精度可以比第一感测值和第二感测值的精度高。
在一些例子中,第一感测值的验证数据可以指示第一传感器没有正确起作用(例如,第一感测值是盲的)。在这些例子中,子系统可以在计算新测量值中不理会第一感测值,而仅仅使用第二感测值。例如,在新测量值是与第二感测值相同类型的测量值时,子系统可以使用第二感测值和第二不确定性数据作为新测量值和相应的不确定性值,因为已知第一感测值无效。使用第二感测值作为新测量值,可能导致比正常运行小的精度,但是可以允许系统在等待第一传感器被替换或修理的同时继续运行。
在另一实施方式中,基于模型的数据和计算可以被用来确定新测量值。例如,子系统可以读取用于在其中使用第一传感器和第二传感器的特定应用的基于模型的数据,以及使用该基于模型的数据来生成新测量值或实现对感测值的调整,以考虑关于该特定应用的已知特性。基于模型的数据和计算可以表示从其中正在使用传感器的具体应用中得到的知识。例如,基于模型的数据和计算可以考虑其中正在使用传感器的特定过程中的特定方面,在传感器被使用在特定应用中时,子系统可以修整制造商的一般校准或传感器的精度数据使其适应具体的过程,以便更好地反映传感器的实际精度数据。在一些例子中,基于模型的数据和计算还可以包含具有对应于第一感测值、第一不确定性数据、第二感测值以及第二不确定性数据的变量的一个或多个方程式,所述方程式对传感器在其中被使用的过程进行建模。在这些例子中,子系统可以使用这些方程式基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据来计算新测量值和该新测量值的相应不确定性数据。
在一些实施例中,子系统可以接收多于两个(也许更多)的感测值和对于感测值的相应不确定性数据。此外,利用所接收的感测值的不同组合,基于感测值和相应不确定性数据子系统可以确定一个或多个测量值。
图2表示的是工业过程控制系统200的例子。工业过程控制系统200可以实施上面参照图1所述的过程100。工业过程控制系统200包括系统230和多个子系统210、220。多个子系统210、220中的每一个分别包括多个传感器212、214和222、224。
多个子系统210和220可以是包含在系统230中的子系统。各个子系统210和220可以代表在执行系统230的操作中所使用的一个或多个物理部件。系统230的执行可以通过子系统210和220的组合操作来实现,每个子系统执行一种特定的操作。子系统210、220可以是相同类型的子系统(例如,执行相同操作、但是具有不同材料或处于过程中的不同级的子系统),或者子系统210、220可以是不同类型的子系统(例如,执行不同操作或使用不同技术执行类似操作的子系统)。
例如,系统230可以控制或监控贮油站(tank farm)。在该例子中,子系统210可以代表包含在该贮油站中的油罐或油罐计量器,子系统220可以代表包含在该贮油站中的流量计。系统230还可以是化工厂,子系统210、220可以是包含在该化工厂中的化学反应器。在另一配置中,系统230可以是炼油厂(oil refinery),子系统210、220可以为包含在该炼油厂中的油品分馏塔(oil distillation column)。
子系统210可以包括一个或多个控制和监控子系统210的操作的传感器(或其他电子部件)。该一个或多个子系统可以从多个传感器212和214接收输入,并且将这些输入组合,以便生成与子系统210的工作特性相关联的其他变量。子系统210还可以从多个传感器212、214接收不确定性数据,并且基于多个传感器212、214的不确定性数据,生成用于由子系统210执行的过程的不确定性数据。
在一些布置中,子系统210可以包括输入/输出接口,该输入/输出接口能够使子系统将变量、传感器数据、不确定性数据或其他与子系统210操作相关联的信息发送至系统230和多个传感器212、214以及从系统230和多个传感器212、214接收变量、传感器数据、不确定性数据或其他与子系统210操作相关联的信息。子系统210可以通过直接连接或者通过网络(例如现场总线)将数据发送至系统230和多个传感器212、214。在一些实施方式中,子系统210可以包含显示器和/或用户输入控制器(例如,控制按钮、键盘、鼠标等),通过这些,操作员可以感知子系统210的状态和/或控制子系统210的运作。子系统210还可以包括电子存储器(例如,盘存储器、随机存取存储器(RAM)、只读存储器(ROM)等),在其中子系统210可以存储历史数据、基于模型的数据、计算或者在监控和控制子系统210的操作中所使用的任何其他信息。
子系统220可以包括类似于在上面关于子系统210所述的电子部件或其他电子电路。子系统210、220还可以能够互相发送电子通信,从彼此公共的传感器接收传感器数据,以及使用相同或不同的网络或通信链路发送通信给系统230。
传感器212、214、222和224可以是任意类型的传感器,其被配置为感测或测量与子系统的操作相关联的物理特性或其他特性。例如,传感器212、214、222和224可以包括温度传感器、压力传感器、液位传感器、流量计或测量物理状况或其他状况的任何其他类型传感器中的一个或多个。传感器212、214、222和224可以包括通信部件,其被配置为通过有线或无线通信路径将传感器数据通信传送给子系统210、220。传感器212、214、222和224可以通过到子系统的专用连接或通过网络连接通信传送传感器数据或其他信息。
在一些实施例中,传感器212、214、222和224包括控制器或其他处理电路,通过这些,传感器212、214、222和224可以计算与感测值或由传感器212、214、222和224得到的测量值相关联的不确定性数据。该不确定性数据可以与传感器212、214、222和224的测量值精度和/或当前操作状态有关。传感器212、214、222和224还可以包括电子存储器,在其中传感器212、214、222和224可以存取传感器212、214、222和224用来计算不确定性数据的校准数据、验证数据或其他数据。在一些例子中,传感器212、214、222和224可以具有额外的感测能力或者可以从其他传感器接收数据,并且使用这些额外数据来计算不确定性数据。例如,压力传感器可以接收或感测当前温度,以便确定该压力传感器运行在优选温度工作范围内还是传感器运行在优选工作范围之外。压力传感器可以使用该温度数据来影响与由压力传感器感测的压力相关联的不确定性数据。
类似于子系统210、220,系统230可以包含一个或多个控制和监控系统230的操作的控制器(或其他电子部件)。该一个或多个控制器可以从多个子系统210、220接收输入,并且组合这些输入,以便生成与系统230的工作特性相关联的其他变量。该系统230还可从多个子系统210、220接收不确定性数据,并且基于该多个子系统210、220的不确定性数据,产生对于由系统230所执行的一个或多个过程的不确定性数据。通过使用由多个子系统210、220确定的测量值和不确定性数据,与最底层的传感器(例如,传感器212、214、222和224)相关联的不确定性数据可以被组合并且被传递给系统层。通过子系统210、220组合传感器数据以产生新的测量值和不确定性值,系统230的控制回路可以变得较不复杂,因为系统230可以接收更少的输入变量并且可以基于较少数量的输入变量来执行计算。
在一些布置中,系统230可以包括输入/输出接口,其能够使子系统将变量、传感器数据、不确定性数据、控制数据或其他与系统230操作相关联的信息发送给多级子系统210、220,以及从多级子系统210、220接收变量、传感器数据、不确定性数据、控制数据或其他与系统230操作相关联的信息。系统230可以通过直接连接或者通过网络(例如现场总线)发送数据到子系统210、220。例如,根据系统230基于子系统的测量值和不确定性值所确定的与系统230相关联的工作特性,系统230可以通过现场总线发送控制数据到子系统210、220。
在一些实施方式中,系统230可以基于系统的当前工作特性向其他设备发送诊断报告或警告。在这些实施方式中,系统230可以使用任意类型的通信媒介(例如,电子邮件、电话、即时消息、文本消息、寻呼机警报等)发送该诊断报告或警告。例如,当系统230在系统执行中检测到错误时,系统230可以发送寻呼机警报给系统的操作员。诊断报告或警告可以包含在系统230中的特定子系统专用的。
在另外的实施例中,系统230可以包括显示器和/或用户输入控制(例如,控制按钮、键盘、鼠标等),通过这些,操作者可以感知系统230的状态和/或对系统230的操作进行控制。系统230还可以包含电子存储器(例如,盘存储器、随机存取存储器(RAM)、只读存储器(ROM)等),在其中系统230可以存储历史数据、基于模型的数据、计算或者在监控和控制系统230的操作中所使用的任意其他信息。
系统230可以包含任意数量的子系统,各个子系统可以包含任意数量的传感器。此外,系统230可以直接从与系统230相关联的传感器中接收传感器数据,或者可以直接从子系统接收传感器数据,而无需由子系统对传感器数据进行处理。系统230还可以与其他系统通信,并且可以将与系统特性相关联的信息以及与这些系统特性对应的不确定性数据发送到其他系统或其他设备。
图3示出了用于确定图2中所示的工业过程控制系统的系统特性的过程300的例子。为了方便起见,在执行过程300时参考图2中所述的具体部件。然而,类似工艺可以被应用于其他实施方式中,在这些其他实施方式中不同部件被用来限定该系统的结构,或者部件之间的功能分配不同。
传感器212至214感测值(302)并确定对于该感测值的不确定性数据(304)。例如,传感器212至214感测与由子系统210执行的过程相关联的物理特性(例如,温度、压力等),并且确定该感测值的不确定性数据。传感器212至214可以基于关于传感器212至214的制造、传感器212至214的制造商校准数据或测试数据、传感器212至214正在被使用的当前工作范围以及传感器212至214是否正确运行的信息来确定不确定性数据。
传感器212至214将感测值和不确定性数据发送到子系统210(306)。例如,传感器212至214通过有线或无线通信路径的电子通信,将感测值和不确定性数据发送到子系统210。通过专用连接或者通过网络连接,传感器212至214可以将感测值和不确定性数据发送到子系统210。
子系统210从传感器212至214接收感测值和不确定性数据(308)。例如,子系统210在通过网络或专用通信路径的电子通信中接收感测值和不确定性数据。子系统210可以从电子通信中提取出感测值和不确定性数据,并且将感测值或不确定性数据转换为子系统210所使用的格式。子系统210还可以从电子通信中提取识别数据,以便将感测值和不确定性数据与产生该感测值和不确定性数据的传感器相关联。
子系统210读取基于模型的数据和历史信息(310)。例如,子系统210可以通过在通过网络或其他通信媒介的电子通信中接收基于模型的数据和历史信息,来读取基于模型的数据和历史信息。子系统210还可以从与子系统210相关联的电子存储器中读取基于模型的数据和历史信息。在对感测值和不确定性数据进行处理时,子系统210可以使用基于模型的数据和历史信息,并且可以提高子系统210计算子系统测量值的效率。基于模型的数据和历史信息还可以使子系统在传感器发生故障或功能下降时能够维持运作。
基于模型的数据可以包括涉及由对子系统210正在执行的过程进行建模的数据。例如,基于模型的数据可以包括对由子系统210执行的过程建模的方程式,或者可以包括涉及与由子系统210执行的过程相关联的预期特性的理论数据。
历史信息可以包括涉及由子系统210所执行的过程的过去的操作及感测值的信息。例如,历史信息可以包括在子系统210所执行的过程的操作期间已经发生的过去感测值和不确定性值。历史信息可以包括与实际上执行过程的子系统210相关联的信息和/或可以包括与执行类似过程的其他子系统相关联的信息。历史信息可以包括与该过程相关联的原始数据或者已处理过的数据。在一些例子中,历史信息包括统计数据,该统计数据是基于为子系统210所执行的过程所获得的感测值和不确定性数据来计算得到的。
子系统210验证传感器数据(312)。例如,子系统210可以将从多个传感器212至214接收到的值与基于模型的数据和历史信息进行比较,以确定感测值是与预期的结果一致还是与过去的结果一致。子系统210还可以将感测值互相比较,以确定这些值中的一个或多个是否与其他的不一致。基于模型的数据可以被用于确定感测值的预期值或理论值,进而基于该预期值或理论值来验证该感测值。在一些实施例中,历史信息可以存储感测值的过去值,并且基于该过去值验证该感测值。
在子系统210验证所有感测值的实施方式中,子系统210可以在进一步计算中使用所有感测值。在子系统210没有验证所有感测值的其他实施方式中,子系统210可以不考虑那些没有被验证过的感测值。例如,子系统210可以确定在验证过程期间一个具体的传感器没有正确运行,并且可以不考虑由该传感器提供的信息。在该例中,子系统可以使用基于模型的数据和/或历史信息来估计传感器的值,并且继续子系统的操作。可以在估计发生故障的传感器的值中使用其他感测值。例如,每当其他感测值与当前感测值相同或者相类似时,子系统210都可以读取与发生故障的传感器的过去值相关联的历史信息。子系统210还可以将其他感测值输入对子系统210正在执行的过程进行建模的方程式,并且计算发生故障的传感器的预期值。使用对发生故障的传感器的估计值进行的继续操作可能会精度较低,并且可能导致性能降低。
在一些实施方式中,子系统210可以发送通知消息给操作者,该通知消息指示该传感器可能发生了故障并且请求修理或替换该传感器。在传感器被修理或替换时,子系统210可以重新开始在执行的优选层上的操作。
子系统210确定至少一个子系统值(314)并且确定与所确定的子系统值相关联的不确定性数据(316)。例如,子系统210组合该感测值,以便生成与该子系统相关联的新变量或测量值,并且计算该新变量或测量值的不确定性数据。例如,子系统210可以将两个或多个相关联或冗余的测量值平均或组合,以便生成子系统210的新测量值。该子系统210可以基于与该测量值相关联的不确定性数据,对两个或多个相关联或冗余的测量值进行平均或组合。例如,子系统210可以对来自这样的传感器的感测值赋予较大权重:该传感器的不确定性数据指示该感测值比其他感测值更精确。此外,在特定传感器的不确定性数据指示该传感器发生故障(例如,盲的)时,子系统210可以不考虑来自于该特定传感器的感测值,而仅仅平均或组合其他的感测值以得到子系统值和不确定性值。可替换地,子系统210可以继续使用来自盲的传感器的感测值,但是赋予其较小的权重,所述权重对应于感测值的增加的不确定性值。
子系统210还可以对任意传感器212至214没有直接测量的量或特性计算新测量值。在一些实施方式中,子系统210可以读取对子系统210所执行的过程进行建模的方程式,并通过将感测值应用到该方程式来计算量或特性的新测量值。子系统210还可以读取用于基于感测值和与该感测值相关联的不确定性值计算子系统值的不确定性数据的方程式。在确定子系统值的不确定性数据中,子系统210可以使用基于模型的数据。
子系统值的不确定性数据可以指示子系统值的精度。该精度数据可以表明与传感器212至214相关联的精度数据,以及反映由子系统210根据基于模型的数据或历史信息所进行的对该精度数据的调整或改进。例如,传感器212至214可以基于传感器212至214的一般制造商信息来确定感测值的精度信息,并且子系统210可以调整传感器212至214所提供的精度信息,以考虑传感器212至214在特定过程中的操作。例如,在该例中,子系统210可以调整精度信息用以指示:因为传感器212至214特别适于它们正在被使用的特定过程,所以感测值更精确。可替换地,子系统210可以调整精度信息用以指示:因为传感器212至214在特定过程中的执行是从传感器212至214的通常精度缩减而来,所以感测值不太精确。在其他例子中,对于子系统210所执行的特定过程的历史信息或测试数据可以被用来调整传感器212至214的精度信息(例如,传感器212至214可以在理论上精确到一定程度,但是实际的执行结果表明:传感器212至214实际上更加精确或更加不精确)。
子系统210将子系统值和与所确定的子系统值相关联的不确定性数据发送到系统230(318)。例如,子系统210在通过有线或无线通信路径的电子通信中将子系统值和不确定性数据发送到系统230。子系统210可以通过专用连接或通过网络连接将子系统值和不确定性数据发送到系统230。例如,子系统210可以通过现场总线发送子系统值和不确定性数据到系统230。
系统230接收子系统值和子系统值的不确定性数据(320)。例如,系统230在通过网络或专用通信路径的电子通信中接收子系统值和子系统值的不确定性数据。系统230可以从电子通信中提取子系统值和不确定性数据,并可以将该子系统值和不确定性数据转换为系统230所使用的格式。系统230还可以从电子通信中提取识别数据,以将子系统值和不确定性数据与产生该子系统值和不确定性数据的子系统相关联。
尽管图3仅仅示出子系统210发送子系统值和不确定性数据到系统230,但是其他子系统、包括子系统220也可以采用类似于上面关于子系统210所述的技术将子系统值和不确定性数据发送给系统230。因此,系统230可以从多个子系统中接收子系统值和不确定性数据。各个子系统可以被包含在系统230中并且执行系统230的特定功能。多个子系统可以执行相关的操作或者可以实施不同的、不相关的操作。
系统230协调(reconcile)所接收到的子系统数据(322),并检测差异(324)。例如,系统230可以识别相关量的测量值并且确定相关量的测量值是否是一致的。系统230可以考虑与各个相关测量值相关联的不确定性值,以确定这些测量值是否一致。例如,特定子系统值一般与另一相关子系统值是不一致的,但是由于与子系统值其中之一相关联的不确定性值而使得该不一致可以由子系统值其中之一的较低精度来解释。
举例来说,在系统230为液体输送系统的实施方式中,协调子系统值并且检测差异可以被用来检测系统230中的泄漏。在这种布置中,一个子系统可以是油罐,另一子系统可以是流量计。油罐子系统可以产生指示第一特定量的液体已经被输送到油罐外面的子系统值,以及流量子系统可以产生指示第二特定量的液体已经通过流量计的子系统值。如果输送到油罐外面的液体的第一特定量与通过流量计的液体的第二特定量不对应,则系统230可以检测在油罐子系统和流量计之间的泄漏。在确定是否存在泄漏时,系统230可以考虑与油罐子系统和流量计子系统中的每一个相关联的不确定性数据。如果相同量的两个(或多个)测量值与给定界限相差太多,则无论与这两个(或多个)测量值相关联的不确定值如何,系统230都可以检测泄漏。
如果系统230检测到泄漏,则系统230可以发送通知消息给操作员:已经检测到泄漏了。该通知消息可以请求操作员识别问题并修正该问题。该系统230还可以基于检测到的泄漏控制该系统的操作。例如,系统230可以在缩减的容量处使用已经检测到泄漏的油罐子系统和流量计子系统,或者可以使将被指定为由已经检测到泄漏的油罐子系统和流量计子系统处理的液体流至其他没有检测到泄漏的子系统。在操作员指示泄漏已经被修理之后,系统230可以重新开始在其中检测到泄漏的油罐子系统和流量计子系统的正常运行。
在一些实施方式中,系统230执行在工业过程中的质量平衡。例如,第一子系统可以测量在给定时间段上进入过程的总质量。第二子系统可以测量在相同时间段上从过程出去的总质量。第三子系统可以测量在该过程中所使用的总质量。第四子系统可以测量相对于在给定时间段开始时的质量在给定时间段结束时在该过程中剩余的总质量。如果在质量子系统之间存在差异,则系统230可以分析各个物质质量的子系统值,并且检测质量的不平衡。在质量子系统之间存在差异的实施方式中,系统230可以对所检测的差异或质量不平衡进行评估、评价和校准。系统230可以使用由其子系统提供的不确定性值,以便计算出现不平衡、可能损失、泄漏的量等的概率。
基于子系统值和不确定性数据,系统230确定至少一个系统特性(326)。例如,系统230组合子系统值,以便产生与系统230相关联的新变量或测量值。系统230还可以计算新变量或测量值的不确定性数据。例如,系统230可以将两个或多个相关测量值进行平均或组合,以便产生与系统230相关联的新测量值。基于与测量值相关联的不确定性数据,系统230可以将两个或多个相关测量值进行平均或组合。例如,系统230可以为这样的子系统值赋予较大的权重:该子系统值的不确定性数据表明该子系统值比另一子系统值更精确。
系统230还可以对没有被任何子系统直接测量的量或特性计算新的测量值。在一些实施例中,系统230可以读取对由系统230所执行的过程进行建模的方程式,并通过将子系统值应用于该方程式来计算量或特性的新测量值。系统230还可以读取用于基于子系统值和与该子系统值相关联的不确定性数据来计算系统不确定性数据的方程式。在确定系统值的不确定性数据中,系统230还可以使用基于模型的数据和历史信息。
系统230输出关于系统特性的数据(328)。例如,系统230可以使用与系统230相关联的显示设备输出所确定的系统特性。在该例中,系统230可以使定位在系统230附近的显示设备上呈现当前系统特性的显示。基于所显示的系统特性,操作员可以感知当前系统的特性并且将用户的输入提供给系统230。系统230还可以通过在与系统230相关联的电子存储器中存储系统特性或将系统特性传输给其他电子设备来输出系统特性。例如,系统可以发送诊断报告或通知消息给感兴趣并且被允许查看该系统特性的用户。可以利用任何类型的通信协议,将诊断报告或通知消息发送到任何类型的电子设备。系统230可以利用电子邮件、即时消息、电话警报、寻呼机警报、更新网页等等来输出系统特性。
系统230基于系统特性控制过程(330)。例如,系统230基于所确定的系统特性在通过有线或无线通信路径的电子通信中向子系统发送控制数据。控制数据可以指示子系统调整子系统的操作方针或者控制数据可以将子系统响应的特定指令提供给子系统。例如,控制数据可以指示,将关闭特定子系统将并且将打开某一子系统。子系统可以依据使系统230能够以高效方式控制系统的指令运行。在一些实施例中,系统230可以控制系统限制那些没有正确运行的子系统所执行的操作,并且增加那些正确运行的子系统所执行的操作的数量。在特定子系统产生具有很高不确定性的数据时,系统230在确定控制数据时可以仅仅利用从包含在系统230中的子系统所接收到的值的子集。系统230可以在降低性能或降低精度的情况下维持具有高不确定性的子系统的运行。在一些实施例中,在降低性能或降低精度的情况下维持具有高不确定性的子系统的运行是有条件的:系统操作员确定这种运行是可接受的。
图4示出用于执行交接的系统400的例子(也就是将液体从当前拥有者的容器移到未来拥有者的容器的同时,液体的所有权的同时转移)。系统400包括卧式筒形油罐410、立式筒形油罐420、流量计430和控制装置450。卧式筒形油罐410、立式筒形油罐420和流量计430通过现场总线440与控制装置450通信。在这个示例系统中,油罐410和420二者均具有大量计量器,以执行对温度、密度、参考密度、液位、容量、标准容量和所包含液体的质量的测量。流量计430可以测量输送量的数量(例如,容量、质量等)以及液体温度和密度。
卧式油罐410包括温度传感器411、液位传感器412和压力传感器413。温度传感器411测量与包含在卧式筒形油罐410内的液体相关联的温度,液位传感器412测量包含在卧式筒形油罐410内的液体的液位。压力传感器413为被设置在卧式筒形油罐410下部的差分压力传感器,并且测量卧式筒形油罐410内液体的静水压头(hydrostatic head)(例如,质量)。
可以对卧式筒形油罐410加压。在正常压力下使用稳定液体时,卧式筒形油罐410可以自由排泄或者可以具有压力/真空释放阀。尽管没有应用,但可以对校正静态压力的校准参数进行规定。油罐构造可以展示油罐体和底部由于内部压力和温度的明显变形。通过基于液体校准的计算,可以去除接下来的误差,并且可以将残留误差添加到校准不确定性中。
在传感器可以感测与过程相关联的值的结构中,包含在卧式筒形油罐410内的计量器可以被构建在油罐上,或者可以被贴附在油罐上。该计量器可以由一个或若干传感器组成,这些传感器的组合对液体温度、密度、参考密度、液位、容量、标准容量和质量进行测量。在没有测量变量的情况下(例如,液位计中的密度),可以由用户制定值及其预期的不确定性的合适入口。
在图4所示的实施方式中,在卧式油罐410上,有三个计量器:液位计、部分流体静力计以及混合计量器。在卧式油罐410上没有提供完全流体静力计(full hydrostatic gauge)。这反映了这样的情况:密度测量传感器因为油罐的有限高度既是不适用的,因为安全原因也是不允许的。所有计量器可能共用一个平均温度计量器。
立式油罐420包括温度传感器421、第一压力传感器422、第二压力传感器423、第三压力传感器424和液位传感器425。温度传感器421测量与包含在立式筒形油罐420内的液体相关联的温度,而液位传感器425测量包含在立式筒形油罐420内的液体的液位。第一压力传感器422可以尽可能低地装配在油罐上,并且可以装配第三压力传感器424来测量立式油罐上的“蒸汽”压力。可以组合第一压力传感器422和第三压力传感器424的值,以便测量立式油罐420中的压力差,并且可以提供与包含在卧式油罐410上的压力传感器413相类似的信息。如果进行装配(例如,仅仅对于完全流体静力计)的话,那么第二压力传感器423可以被定位在第一压力传感器422上方大约2.5m处。在这种配置中,第二压力传感器423和第一压力传感器422的值之间的差测量差分液压头(liquid head),根据该差分液压头可以计算密度。如果没有装配第二压力传感器423,或者如果液体液位下降至第二压力传感器423以下时,则可以人工输入密度或根据历史记录导出密度。
可以将传感器安装在隔离阀上。还可以使用阀来示范传感器超量程的结果(及其随后的恢复)。在一些实施方式中,部分流体静力计(part-hydrostaticgauge)可以为计算选项,其中忽略第二压力传感器423而使用人工输入密度。
混合计量器可以组合第一及第三压力传感器422、424,并且使用用于测量体积的液位传感器425来测量静液压头(例如,质量)。可以使用来自第一及第三压力传感器422、424的感测值与来自液位传感器425的感测值的组合来测量密度。液位值可以为计算液体质量的计算选项,其中可以忽略第一及第三压力传感器422、424而使用人工输入密度。
立式油罐420可以具有固定的顶部和压力真空(PV)释放阀,以排空油罐油面上部空间(ullage)中过多的压力/真空。可以针对由于流体静力(hydrostatic force)而导致的油罐膨胀,校正(例如使用合适的不确定性量)与立式油罐420相关联的校准表。
在图4中所示的实施例中,在立式油罐上,有全部四种类型的计量器。所有计量器共用一个单点温度计量器。
在一些实施方式中,可以对立式和卧式油罐410、420进行校准。对于立式油罐420,可以使用用于估计校准不确定性的标准化程序(例如,ISO7507)。可以导出方程式来估计卧式油罐410的不确定性。
流量计430可以是多变量流量计,其测量输送量(例如,体积、质量)的数量以及液体温度和密度。流量计430可以测量在卧式油罐410和立式油罐420之间所输送的液体数量,或者流量计430可以测量液体在卧式油罐410和立式油罐420之间通过时的流速。流量计430可以是科里奥利质量流量计。
可以配置现场总线440以方便卧式筒形油罐410上的计量器、立式筒形油罐420上的计量器、流量计430以及控制装置450之间电子信息的交换。例如,卧式筒形油罐410上的计量器、立式筒形油罐420上的计量器、以及流量计430可以利用现场总线440发送感测值和不确定性给控制装置450。现场总线440可以是载波环(carrier loop),其包含载有数字信息的绞合线对(twisted pair of wires)。尽管仅仅显示了一个现场总线,但是系统可以包含多个用于通信发送电子信息的现场总线或其他有线或无线通信路径。
控制装置450包括输入/输出接口,通过该输入/输出接口从现场总线440接收电子通信。该电子通信可以从卧式筒形油罐410上的计量器、立式筒形油罐420上的计量器和流量计430发送,并且可以包含与感测值和不确定性数据相关联的信息。
控制装置450可以是个人计算机或者任意其他类型的电子设备,包括用于控制工业过程的控制电路或一个或多个处理器。控制装置450可以从所有传感器收集原始数据,执行具有添加的不确定性计算的、在发送器或传感器中正常进行的计算(例如,传感器层计算),执行包含不确定性计算的所有校准和计量计算(例如子系统层计算),基于不确定性执行测量值协调计算(例如,系统层计算),提供用户接口(例如,图形用户界面),提供用于使发送器参数化的用户输入机构(如果需要的话),提供报警或通知的消息,并且提供数据记录。
图5示出用于执行交接的系统500的示例。系统500对应于图4中所示的系统400。例如,系统500包括带有其计量器的卧式油罐510、带有其计量器的立式油罐520、流量计530、控制装置550和现场总线540。卧式油罐510、立式油罐520、流量计530、控制装置550和现场总线540对应于上面关于图4中所示和所述的卧式油罐410、立式油罐420、流量计430、控制装置450和现场总线440。
此外,卧式油罐510包括温度传感器511、液位传感器512和压力传感器513,它们对应于包含在卧式油罐410中的温度传感器411、液位传感器412和压力传感器413。类似地,立式油罐520包括温度传感器521、第一压力传感器522、第二压力传感器523、第三压力传感器524和液位传感器525,它们对应于包含在立式油罐420中的温度传感器421、第一压力传感器422、第二压力传感器423、第三压力传感器424和液位传感器425。
系统500示出了包括三层的验证系统的分级性质。例如,第一层包括初级传感器和油罐尺寸(dimension)的测量,第二层包含具有油罐计量器的校准油罐,以及第三层包括具有油罐计量器和流量计之间进行协调的贮油站(tank farm)。第一层可以包括验证传感器,例如压力传感器、温度传感器、液位传感器、校准油罐(例如,立式和卧式)和流量计。
也可以通过将部件551、552(验证过程)嵌入在第一层传感器内来实现系统500。在这种情况中,现场总线通信将发生在部件551、552的输出与部件553、554的输入之间。
也可以通过进一步将部件553、554(验证油罐计量器)嵌入在第一层传感器其中之一来实现系统500。在这种情况中,现场总线通信将发生在部件553、554的输出与部件555的输入之间。
传感器层处理部件551、552可以分别从卧式油罐510上的计量器和立式油罐520上的计量器接收第一层信息。部件551和552可以是包含在控制装置550中的物理电子部件,可以是由包含在控制装置550中的处理器所执行的程序,或者可以被嵌入在传感器中。部件551、552可以接收传感器数据(例如,原始变量)和不确定性数据,对该数据进行验证,并且基于该数据产生值和不确定性。
子系统层处理部件553、554可以接收验证后的传感器数据和不确定性数据,并基于该验证后的传感器数据和不确定性数据确定第二层数据。部件553、554可以是包含在控制装置550中的物理电子部件,可以是由包含在控制装置550中的处理器所执行的程序,或者可以被嵌入在传感器中。第二层可以包含子系统(例如,油罐计量器)。部件553、554可以被配置为确定不同的子系统值或子系统的特性。例如,利用液位传感器525和温度传感器521的验证值,部件554可以确定包含在立式油罐520内的液位。另外,该特性可以是部分流体静力学的(例如,利用来自第一、第三压力传感器522、524和温度传感器521的值),可以是流体静力学的(例如,利用来自全部三个压力传感器522-524和温度传感器521的值),还可以是混合的(例如,利用来自第一、第三压力传感器522、524、液位传感器525和温度传感器521的值)。部件553、554可以包括用于各个单个计量器的基于模型的推断。
系统层处理部件555可以接收由子系统层处理部件553、554所产生的子系统数据和不确定性数据或直接从传感器(例如,在流量计根据其自身传感器数据确定流动状况时从流量计530)接收,并且基于来自所有源的子系统数据、传感器数据和不确定性数据来确定第三层数据。部件555可以是包含在控制装置550中的物理电子部件,或者可以是由包含在控制装置550中的处理器所执行的程序。系统500的第三层可以用于系统(例如,贮油站)。第三层可以包括基于模型的推断,可以比较一个油罐上的计量器之间的验证测量值,还可以协调油罐计量器和流量计之间的验证测量值。基于验证测量值的不确定性可以确定泄漏检测和/或控制损耗。
图6示出了控制图4和图5中所示的用于执行交接的系统的操作的过程示例。为了方便起见,在执行过程600时,参考关于图4及5所述的具体部件。然而,在其他实施方式中也可以应用类似的方法,在这些实施方式中不同的部件被用来定义系统结构或者部件被分配了不同的功能。
控制装置550通过现场总线540接收来自卧式油罐510上的计量器的油罐校准数据和传感器数据、来自立式油罐520上的计量器的油罐校准数据和传感器数据、以及来自流量计530的传感器数据(610)。例如,可以在通过现场总线540的电子通信中接收传感器数据。传感器数据可以包括对油罐尺寸的测量值(例如,用于油罐校准)、压力、温度及液位传感器的测量值(例如,在油罐计量器中)以及流量的测量值(例如,来自流量计530的直接传感器数据)。
传感器层处理部件551、552可以验证传感器数据并且将验证后的传感器数据传送给上层(例如,子系统和/或系统)。例如,传感器层处理部件551、552可以将验证后的传感器数据发送给子系统层处理部件553、554。传感器层处理部件551、552可以利用基于模型的信息和历史信息对该传感器数据进行验证,并确定各个传感器是否正确运行。传感器层处理部件551、552还可以添加或更新与传感器数据相关联的不确定性数据。
对传感器数据的不确定性的计算和估计可以在所有环境下产生多个结果(例如,压力、温度、液位)。即使传感器发生故障(例如,状态为BLIND),传感器也可以基于其历史纪录提供值。单个传感器的不确定性可以从关于制造过程、工厂表征/校准的制造信息、未表征的影响(uncharacterized effect)、异常运行状况的结果、可恢复故障(例如,超范围)的结果、现场校准等等来得到。
在正常运行状况下,可以假定传感器的不确定性不是常数,而是随测量量和其他影响量的改变而变化。可以尝试对误差进行校正,并且对残留(例如,未校正的)误差进行估计,所述残留误差之后可以包含在(例如变量的)不确定性中。可以产生用于估计与传感器相关联的动态不确定性(例如,液位、温度)的函数。例如,压力传感器(例如,第三压力传感器524)的值可能受到温度的影响,压力传感器在该温度下执行测量,并且与压力传感器(例如,第三压力传感器524)相关联的不确定性数据可以基于所测量的温度(例如,由温度传感器521所测量的温度)。可以实时计算对于给定运行条件的不确定性,并且还可以产生所测量的变量的状态。
当操作在表征/校准的范围之外、顺应(follow)传感器应力的操作超出了其设计限制(这可能是永久性的或者随着时间而自愈或者随着测量变量沿其正常范围的循环而自愈的)、器件的“老化”、接触损耗等时,可能发生异常运行。在异常运行的状况下,对传感器数据的验证可以考虑这些类型的异常。例如,尽可能多地对异常的结果进行校正,对残留(例如,未校正的)误差进行估计并将其包含在不确定性中。
控制装置550基于从卧式油罐计量器510接收到的传感器数据,确定卧式油罐510的一个或多个测量值和相应的不确定性值(620),并且控制装置550基于校准表和从立式油罐520接收到的传感器数据,确定立式油罐520的一个或多个测量值和相应的不确定性值(630)。例如,子系统层处理部件553、554可以使用来自下层的验证数据(例如,来自传感器层处理部件551、552的数据),以便确定子系统测量值(例如,油罐校准表/参数、液体密度、存货或质量、体积、标准体积的输送量等)和相应的不确定性值。在下面对确定卧式油罐510和立式油罐520的测量值和相应的不确定性值的具体示例的详细计算进行描述。下面所示的计算示出了具体示例,而在其他情况中可以将类似的技术应用于其他示例。
正常运行状况可能在从传感器层接收到的所有数据为CLEAR(清楚的)或BLURRED(模糊的)时出现,所有传感器与液体接触(例如,依据油罐计量器模型),并且在油罐内液体没有分层。油罐计量器(例如,子系统层处理部件553、554)可以依据其(例如,油罐计量器)模型组合所有的输入数据(例如来自传感器层)。可以从计量器所执行的正常计算导出源的传送的不确定性(例如,来自传感器层)。
该系统还可以工作在异常运行状况下,包括存在故障的情况下。异常运行状况可以包括:立式油罐520上的密度测量压力传感器没有被覆盖(例如,不再测量密度)、任一油罐上的温度传感器没有被覆盖、立式油罐520上蒸汽压力传感器(例如,第三压力传感器524)的缺失、立式油罐520上密度测量传感器(例如,第二压力传感器523)的缺失、任一油罐上主压力传感器(例如,第一压力传感器522或压力传感器513)的缺失、任一油罐上温度传感器的缺失、任一油罐上液位传感器的缺失、任一油罐上所有主传感器的缺失、在卧式油罐510上的压力传感器513的干燥臂(dry leg)上的凝聚、从位于油罐底部的压力传感器的超范围的恢复、流量计530上的故障以及任何其他类型的异常运行状况。
在由于内部故障而导致传感器变量为BLIND(盲的)时或者在由于通信系统(例如,现场总线540)的故障传感器变量没有到达控制装置550时,可能会导致传感器的缺失(loss)。在传感器缺失的情况下,油罐计量器可以利用油罐计量器的已知模型从可选择的源中推断出输出。例如,根据带有PV释放阀的油罐上的第一压力传感器522的值可以推断第三压力传感器524的值,根据带有PV释放阀的油罐上的第三压力传感器524的值可以推断第一压力传感器522的值,利用(分层的)密度记录,根据第一压力传感器522的值可以推断第二压力传感器523的值,利用(分层的)密度记录(例如,在第二压力传感器523被覆盖时),根据第二压力传感器523的值可以推断第一压力传感器522的值,根据第一压力传感器522的值可以推断液位传感器525的值(例如,在流体静力计中使用(分层的)密度记录所计算的体积),以及根据液位传感器525的值可以推断第一压力传感器522的值(例如,在液位计中利用(分层的)密度记录所计算的质量)。通过对测量值进行推断或估计可以使贮油站系统能够继续使用,也许具有降低的、但仍然足够的精度。
子系统层处理部件553、554可以使用过程的模型(例如,使用或没有使用液体分层进行计量的油罐),以便依据合适的模型修改来自第一层(例如,来自传感器层处理部件551、552)的验证数据。依据该模型,可以对油罐计量器输出的变量、不确定性和测量值状态进行修改。测量值状态的传递可以背离常规规则。
当并且仅当所有相关输入为CLEAR(清楚的)时,正常规则将输出表示为CLEAR(清楚的)。如果其相关输入中的任何一个为BLIND(盲的),则正常规则还可以将输出表示为BLIND(盲的)。在任何其他情况下,正常规则还可以将输出表示为BLURRED(模糊的)。
该规则的例外情况在输入变量为影响量且对输出变量只有非常小的影响时出现。在这种情况中,可以使用工程判断。
尽管不存在严格的规则,但是通常可以将添加到“主”变量的变量或与“主”变量相乘的变量视为其他“过程”变量,同时将那些乘以因子、然后在应用于计算公式之前增加1的量作为“影响”量。例如,在用于立式油罐上的流体静力计的质量的方程式(1)中:
M=(P1-P3)/g*A*[1-a*(T-Tref)] (1)
P1(例如,来自第一压力传感器522的值)为“主”变量,P3(例如,来自第三压力传感器524的值)、A(例如,从其校准数据中获得的油罐的有效横截面积的值)、和g(例如,由于油罐被所处位置的重力而产生的加速值)为其他“过程”变量,T(例如,油罐外壳的温度值)为“影响”量。当a(例如,油罐外壳的热膨胀系数值)较小时,T的影响可忽略不计。
在所有状况下,对不确定性的计算和估计都可以产生用于子系统值和不确定性数据的输出(例如,对油罐中液体的体积和质量的测量)。在存在过程失常(例如,传感器没有由液体、分层所覆盖)和故障(例如,传感器缺失)时,油罐计量器(例如,子系统层)可以使用基于模型的推断以及历史数据。
利用在测量中的不确定性表示指南(the Guide to the Expression ofUncentainty of Measurements)(GUM-ISO 17025)中提供的规则,从用于变量计算的方程式中可以导出对不确定性计算的方程。也可以考虑其他标准。例如,ISO 7507提供用于立式油罐校准的不确定性的基本方程,ISO 12917提供用于卧式筒形油罐校准的基本方程,ISO 11223提供用于立式油罐上流体静力计在正常运行状况下的不确定性的一些基本方程,ISO 15169提供用于混合(和液位)计量器在正常运行状况下对库存测量的不确定性的一些基本方程。也可以导出其余方程。
使用“加权RMS”规则,可以组合不确定性。在导出单个输入不确定性的权重之前,通过忽略一些次要影响可以简化测量变量的计算方程。在需要时,可以应用合适的工程判断。
在一些例子中,温度传感器可以未被覆盖或者缺失。如果传感器预先被覆盖,则温度可以保持相同(例如,没有改变或冻结),并且当所存储的液体没有移动(例如,液位是常数)时,其不确定性可以保持不变。如果已知的是温度传感器下面的液体被分层且液体被泵出(例如,液位下降),则温度不确定性增加。可以首先对温度实施所有可能的校正,并且在校正之后,附加的不确定性可以涉及残余误差。如果不知道温度的液体被泵入(例如,液位增加),则还可能增加温度的不确定性。假定输入液体的温度在“历史数据”的范围内(例如,在先前最小温度和先前最大温度的范围内),并且不确定性可以涉及对“旧”和“新”液体的混合物的估计。例如,如方程式(2)所示,可以计算它们的不确定性:
uT=Lfr/L*uTfr+(L-Lfr)/L*(TMIN+TMAX)/(2*31/2) (2)
uT为温度不确定性值,Lfr为温度传感器没有被覆盖或温度传感器缺失处的液位值,L是当前液位值,TMIN和TMAX分别是历史记录的最小和最大温度,uTfr为温度传感器没有被覆盖或没有温度传感器时的温度不确定性值。
如果正在泵入温度Text及其不确定性uText已知的液体(例如,液位正在增加),则温度不确定性还可以增加。温度和温度不确定性可以如方程式(3)和(4)中所示进行计算:
T=Lfr/L*Tfr+(L-Lfr)/L*Text (3)
uT=sqrt{[Lfr/L*uTfr]2+[(L-Lfr)/L*uText]2} (4)
如上式,其中下标fr表示正好在故障之前的液位、温度及其不确定性的“冻结”值,因子(2*31/2)计算(TMAX-TMIN)的(绝对值)范围的标准不确定性,其中假定误差概率具有矩形分布。
如果没有预先覆盖温度传感器(例如,初始化之后、不存在“旧”液体的温度记录时),温度的不确定性可以基于历史数据。可以假定温度为历史数据的平均,以及可以假定扩展的不确定性占一半宽度的历史数据波段。
如果缺失第三压力传感器524(例如,发生故障),第三压力传感器524的历史数据可以提供用于在液体移动期间并且在带有PV释放阀的油罐中的稳态状况下从第一压力传感器522的变化中导出第三压力传感器524的值的参数。在缺失第一压力传感器522时,也可以利用类似技术从第三压力传感器524中导出第一压力传感器522的值,但是这将依赖于第三压力传感器524的单个步骤的累积精度,并且可能导致较大并不太能接受的不确定性。
在闭合PV阀时,液体进出油罐的移动会分别导致第三压力传感器524的值上升或下降。这种移动可以继续,直至在超过了其预先设置的界限时PV释放阀打开。
在PV阀打开时(例如,打开瞬间),第三压力传感器524的值将降至剩余压力/真空的值。因此,第三压力传感器524随液位的变化类似于锯齿波,锯齿波的台阶对应于PV释放阀的打开。第三压力传感器524上升/下降的速率可以对应于所述波的各个“齿”(但是可以随液体液位而变化),并且可以与第一压力传感器522上升/下降的速率相同。
在液体移动停止时,第三压力传感器524的值可以结束在正值(例如,随后的移动是IN)或负(例如,随后的移动是OUT)值。由于PV阀和/或油罐顶部中的泄漏,这些值可能衰减至零。静态条件下(例如,分别从第三压力传感器524的正值或从第三压力传感器524的负值)泄漏的速度可以与液位无关。
在一些结构中,期望第三压力传感器524的值遵循下面方程式(5)中所示的用于气体的标准方程式:
P3*V=R*N*T (5)
其中T为绝对温度(假定为常数),R为通用气体常数,V为蒸汽空间中的气体体积,P3为蒸汽空间中的绝对压力,以及N为蒸汽空间中的气体分子数,它们反过来又是蒸汽空间体积的函数N(V)。
当PV阀关闭时,分子数N(V)保持恒定,当PV阀打开时,分子数N(V)按旧体积对新体积之比成比例减小。根据在PV阀刚刚打开时的时间点处的相对体积,可以获得相对测量值(作为近似),如方程式(6)中所示:
N(Vnew)=N(Vold)*Vnew/Vold (6)
在立式油罐中,如方程式(7)中所示,计算气体体积(油罐内的蒸汽):
V=(Lmax-L)*A (7)
其中L为液体液位,Lmax为油罐顶部的(等效)液位(常数),以及A为油罐的横截面积(对于立式筒形油罐来说为常数)。
如方程式(8)中所示,可以计算蒸汽体积中的分子数(在PV阀被推动(fire)之后):
N(Vnew)=N(Vold)*(Lmax-Lnew)/(Lmax-Lold) (8)
其中Lold为在最近一次之前的那次(time-before-last)PV阀打开时的液体液位,Lnew为PV阀最近一次打开时的液体液位,以及N(Vold)为在最近一次之前的那次PV阀打开时的分子数(与体积相关)。
如方程式(9)中所示,可以计算PV阀的前面两次推动之间的液位增加(ΔLf):
ΔLf=Lnew-Lold (9)
当PV关闭时,如方程式(10)中所示,计算绝对压力P3:
P3=R*N(Vnew)*T/[(Lmax-L)*A] (10)
可以如方程式(11)中所示来计算P3随液位的变化速率;
ΔP3=δP3/δL*ΔL=ΔL*R*N*T/[(Lmax-L)2*A] (11)
其中δP3/δL为P3对液位的微分(变化速率),ΔL为液位L从最近一次推动PV阀时的液位的增量。
在下面,作为示意性例子,描述了液体被泵入(例如,上升液位)时的情况。下降液位的情况将包含类似的过程。
在推动之后,PV阀立即在液位Li-1处打开。此时,压力(P3)等于正的剩余压力(Ppr)。可以如方程式(12)中所示来计算分子数:
Ni-1=k*A*(Lmax-Li-1) (12)
其中k是(未知)常数。
在液位Li-1处推动后,在(上升)液位L处分子数N=Ni-1(阀关闭),可以如方程式(13)和(14)中所示来计算P3的变化速率和P3:
ΔP3=R*T*k*A*(Lmax-Li-1)*(L-Li-1)/[A*(Lmax-L)2] (13)
P3=Ppr+ΔP3 (14)
在液位Li处推动之前(例如,分子数N=Ni-1(阀关闭)),可以如方程式(15)中所示来计算压力差:
Ppf-Ppr=R*T*k*A*(Lmax-Li-1)*(Li-Li-1)/[A*(Lmax-Li)2]
(15)
在PV阀在液位Li处(在推动之后立即)打开时,如方程式(16)和(17)中所示,计算P3和分子数:
P3=Ppr(正的剩余压力) (16)
Ni=k*A*(Lmax-L) (17)
在液位Li处推动之后(例如,在(上升)液位L处分子数N=Ni(阀关闭)),可以如方程式(18)和(19)中所示计算P3的变化速率和P3:
ΔP3=R*T*k*A*(Lmax-L)*(L-Li)/[A*(Lmax-L)2] (18)
P3=Ppr+ΔP3 (19)
在液位Li+1处推动之前(例如,分子数N=Ni(阀关闭)),可以如方程式(20)中所示计算压力差:
Ppf-Ppr=R*T*k*A*(Lmax-Li)*(Li+1-Li)/[A*(Lmax-Li+1)2]
(20)
其中Ppf为推动之前的压力,Ppr为正的剩余压力。
假定在Li(Pli)处PV阀开启。在这种情况发生时,P3=Ppr。然后,P3以上面所示的速率上升/下降。在它达到其推动点(Pf)时,阀再次打开。这发生在液位Li+1(P1i+1)处,这时可以如方程式(21)和(22)中所示来计算推动点处的压力:
Pf=(Li+1-Li)*R*T/[(Lmax-Li+1)2*A] (21)
Pf=(P1i+1-P1i)*g*ρ*R*T/[(P1max-P1i+1)2*A] (22)
其中g为由于重力而产生的加速度的值,P1max为在油罐充满液体时的压力P1的值,其对应于液位Lmax。
在推动点(Pf)处的压力可以等于上升压力/液位的Pp(过压力),还可以等于下降压力/液位的Pv(真空)。Pp和Pv本质上不相等,但均可通过历史数据来确定。
这导出了方程式(23)至(26):
Pf*A*(Lmax-Li+1)2=R*T*(Li+1-Li) (23)
Lmax 2-2*Lmax*Li+1+Li+1 2=KL*(Li+1-Li) (24)
其中:
KL=R*T/(Pf*A) (25)
KL为PV阀推动点处液位和分子数的乘积,由方程式(25)定义。
Li+1 2-(2*Lmax+KL)*Li+1+Lmax 2+KL*Li=0 (26)
其解如方程式(27)和(28)所示:
Li+1=(Lmax+KL/2)-sqrt{(Lmax+KL/2)2-(Lmax 2+KL*Li)} (27)
Li+1=(Lmax+KL/2)-sqrt{KL*(Lmax-Li)+KL 2/4} (28)
如方程式(29)中所示,计算P3随液位的变化(如上)的速率:
δP3/δL=R*T/[(Lmax-L)2*A]=KL*Pf/(Lmax-L)2 (29)
P3对液位的变化速率可以与(Lmax-Lf)*(L-Lf)/(Lmax-L)2成比例。可以将函数ΔP3=f(L)数据回归应用于如方程式(30)中所示的函数:
ΔP3=S*(Lmax-Lf)*(L-Lf)/(Lmax-L)2+O (30)
其中Lf=最近一次打开PV阀处的液位,Lmax=油罐顶部的高度,S、O是结果(resulting)回归系数(上升和下降液位不同)。
只有在P3被重构,同时P3的状态为BLIND(盲的)时,才可以考虑这种情况:在推动PV阀时,P3回归至Prp(或Pry)而不是零。在静态模型中的数据回归假定:P3(对时间)的下降速率与P3的大小(magnitude)成比例。因此,可以使用(指数)函数来拟合该数据,如方程式(31)中所示:
ΔP3=ΔP30*exp{-τ*(t-t0)} (31)
其中τ=泄漏的时间常数-作为回归系数获得的,t=时间[秒],t0=液体移动停止(和泄漏开始)时的时刻,并且在t=t0时ΔP30=ΔP3。
在P3为BLIND(盲的)时,可以根据P1的不确定性来估计P3的不确定性,如方程式(32)中所示:
uP3=sqrt(uP1 2+uP3ad 2) (32)
其中uP1为P1的不确定性,以及uP3ad为从实验工作所确立的剩余误差得到的附加不确定性。
如上所提示的,正常运行状况可以暗含:所有输入变量的状态为CLEAR(清楚的)或BLURRED(模糊的),所有传感器与该过程相接触,并且液体是均匀的。正常运行状况还可以暗含:通信系统传送了所有测量值、它们的不确定性及状态。
在正常运行状况下,可以如方程式(33)中所示计算存货值(即,油罐中的量的测量值):
其中P1为在靠近油罐底部在高度H1处测得的压力,P3为在油罐顶部在高度H3处测得的压力,g为由于重力产生的加速度,ρv为油罐油面上部的空间中(例如,在液体和油罐顶部之间)油罐内蒸汽的密度,ρa为环境空气密度,ρ为液体密度,如下所示的计算,AE为直至液体液位的平均油罐横截面积,A1为直至液位H1(传感器P1的高度)的平均油罐横截面积,AW为直至油罐内沉淀物和/或水的液位LW的平均油罐横截面积,Eshell表示油罐壳体的热膨胀,WR为浮顶的质量(如果有的话)。
根据方程式(34)中所示的压力,可以计算观测密度ρ:
其中P2为在传感器P1上方高度H2处测量的压力。
可替换地,可以根据人工输入的参考密度和温度来计算观测密度。
在这个实施方式中,可以如方程式(35)中所示来计算不确定性:
其中高度比Hr如方程式(36)中所示进行定义:
uPi为各个压力的不确定性,uHi为压力传感器的各个高度的不确定性,uLW为油罐内沉淀物/水的液位的不确定性,uAE为油罐横截面积的不确定性,进行这样的假定:近似地AE=A1=AW(并且uAE=uA1=uAW),并且uWR为浮顶质量(如果有的话)的不确定性。假设g的不确定性可以忽略。
可以假定所有测量误差为正态分布,它们的概率密度遵循高斯曲线。因此,如果输入的不确定性等于它们各自误差分布的标准差,则输出的不确定性还表示结果(resulting)误差分布的一个标准差。
对于异常状况,规则集可以涵盖所有可能出现的失常、故障或者其组合。下面的例子表示的是在缺失第三压力传感器524(P3)(例如,状态进入BLIND(盲的)或其通信故障)时,通过油罐流体静力计对质量计算的处理。
如上所示,根据(P1-P3)波的插入值的不确定性和所检测的斜率的预期长期变化,可以估计另外的不确定性uP3ad。例如,压力P1、P2、P3的标准不确定性如方程式(37)所示:
uPi=uPizero+uPilin*Pi=14.4+0.0002*Pi[Pa] (37)
其中为uPizero为压力Pi的不确定性的零偏置,也就是在Pi=0时压力Pi(P1、P2或P3)的不确定性,Pilin为Pi的不确定性随Pi的增长的绝对值而增长处的斜率。对方程式(37)以及uPizero和uPilin的值进行估计,作为根据相关工作的近似值。
推断的压力P3的附加标准不确定性如方程式(38)所示:
uP3add=50+0.001*P1[Pa] (38)
所输送的质量的简化方程式可以基于以下假定:H1(分别为传感器P1的高度和传感器P13的底部龙头(bottom tap)的高度)以下的液体的密度和自由水位LW在输送开始和结束时是相同的(ρ0=ρc,LWo=LWc)。
对于立式油罐,可以如方程式(39)所示来计算所输送的质量:
其中假定面积AE为常数,P1o和P3o为输送打开时的压力,P1c和P3c为输送关闭时的压力。
当重力加速因子g和热膨胀的不确定性忽略不计时,可以如方程式(40)所示来计算输送质量的相对不确定性:
其中u(Pio-Pic)为分别在输送开始(打开)和结束(关闭)时的压力Pi(P1和P3)之间差值的绝对输送不确定性[Pa]。可以如方程式(41)中所示来计算绝对输送不确定性:
u(P1o-P1c)=uP1lin*P1range=uP1lin*g*ρ*(Lo-Lc)+P3range[Pa] (41)
如方程式(42)中所示,计算分别在输送开始(打开)和结束(关闭)时的压力P3之间的差值的绝对输送不确定性[Pa]:
u(P3o-P3c)=uP3lin*P3range[Pa] (42)
其中Lo和Lc分别为打开液位和关闭液位[m],uAE/AE为从油罐校准中导出的油罐有效横截面积的相对不确定性,P1range为在输送打开时的P1和关闭时P1之间的压力差,以及P3range为分别在输送打开时的P3和关闭时的P3之间的蒸汽压力差。如果没有测量P3,则P3range为最大(例如,大于PV阀的环境压力)和最小(例如,小于PV阀的环境压力)蒸汽压力[Pa]之间的差值。P1lin和P3lin如上定义。
在这个例子中,具有完全功能的P3的系统符合输送的法定计量要求(不确定性<0.5%),其中开始时和关闭时液位差近似为1米。在P3失效(fail)并且P3的值由P1推断时,当打开和关闭的液位差近似为3米时系统也可以满足相同的要求。
对于卧式油罐,可以如方程式(43)中所示来计算输送的质量:
其中输送的面积AEo(打开时)和AEc(关闭时)均为液位的函数,液位反过来又为P13和密度ρ的函数,P13为油罐底部和顶部之间的压力差值(differential pressure)。
通过忽略重力加速度因子和热膨胀的不确定性,如方程式(44)中所示,计算输送质量的不确定性:
uMx=sqrt{[uP13Z*(FQo*AEo-FQc*AEc)+uP13lin*(P13o*FQo*AEo-P13c*FQc*AEc)]2/g2+ρ2*[(Lo*uAEo)2+(Lc*uAEc)2]+uρ2*{[Vo*(FQo-1)]2+[Vc*(FQc-1)]2}}[kg] (44)
其中Lo、Lc为在输送开始和结束时的液位[m],P13o、P13c分别为输送开始和结束时的压力P13[Pa],AEo、AEc分别为输送开始和结束时油罐的平均横截面积[m2],Vo、Vc分别为在输送开始和结束时的体积[m3],FQo、FQc分别为在液位Lo和Lc处的油罐几何因子,ρ为独立测量的液体密度[kg/m3],uP13Z为压力P13的不确定性的零偏置分量(zero offset component)[Pa],uP13lin为压力P13的不确定性的线性分量[Pa/Pa],uAEo、uAEc为油罐有效横截面积的不确定性[m2],以及uρ为液体密度的不确定性[kg/m3]。
可以使用油罐几何因子来计算各种形状油罐中存储量的不确定性。可以如方程式(45)中所示,定义油罐几何尺寸因子:
对于立式筒形油罐,FQ可以等于1。因此,油罐几何因子可以在方程式中不出现。
对于卧式筒形油罐,可以如方程式(46)中所示,定义油罐几何因子:
其中Di为卧式筒形的内直径[m],L为应用该因子的液位[m]。
可以利用上述技术来确定卧式油罐(620)和立式油罐(630)的子系统值和相应不确定性数据。尽管已经描述了详细的示例,但是可以将所示的技术和计算采用并且应用至其他内容中,还可以将所示的技术和计算用来确定子系统测量值以及工作在正常和异常状况下的其他测量值的不确定性数据。
控制装置550读取卧式油罐510的测量值和相应的不确定性数据、立式油罐520的测量值和相应的不确定性数据以及流量计530的测量值和相应不确定性数据。例如,系统层处理部件555可以从子系统层处理部件553读取卧式油罐510的测量值和相应的不确定性数据,并且可以从子系统层处理部件554读取立式油罐520的测量值和相应的不确定性数据。系统层处理部件555还可以直接从流量计530读取流量计530的测量值和相应不确定性数据。例如,系统层处理部件555还可以通过现场总线来读取流量计530的测量值和相应的不确定性数据。在一些实施例中,可以由与流量计相关联的传感器直接提供流量计530的测量值和相应不确定性数据(例如,第一层数据)。在其他实施方式中,流量计530可以通过分析其自身的传感器数据,来确定流量计530的子系统值和相应的不确定性(例如,第二层数据)。
基于所读取的数据,控制装置550确定交接系统的运行状况(650)。例如,在存在测量值差异的情况下,系统层处理部件555协调所读取的卧式油罐510、立式油罐520及流量计530的测量值,以便确定这些测量值是否一致,并且检测系统500运行中的错误。控制装置550(例如,系统层处理部件555)还可以基于所读取的卧式油罐510、立式油罐520及流量计530的测量值,产生系统值和系统值的相应不确定性数据。控制装置550可以利用类似于上面所述的技术来对子系统测量值进行组合并生成新系统测量值和相应的不确定性数据。
进行系统层计算的控制装置550部分(例如,贮油站、交接系统)可以利用来自第一层和第二层的验证数据,以便(例如基于不确定性)确定从几个源(例如油罐计量器、流量计)提供给它的数据是否一致。进行系统层计算的控制装置550部分还可以估计数据中真实差异的概率(例如,油罐中或油罐间的管道中存在的泄漏/损耗)。
例如,控制装置550可以利用质量、体积或参考体积来确定输送测量值。可以利用来自于立式油罐520上的油罐计量器、卧式油罐510上的油罐计量器和流量计530的数据,进行相应量(例如,质量、体积)之间的协调。可以计算协调后的输送量,作为从立式油罐520输送的量、输送到卧式油罐510的量以及通过流量计530的输送量的加权平均值,其中单个加权值与测量值的不确定性成反比。因此,可以降低加权平均值的整体不确定性。此外,如果仪器之一发生故障或者超过了其期望的不确定性,则其余仪器可以提供测量值,以使加权平均值保持在期望的界限内。
在忽略测量误差的例子中,来自两个油罐计量器(例如,每个油罐上的)和流量计的输送量的测量值是相同的。在考虑测量误差(例如,不确定性)的实施方式中,测量值是不同的,并且各个测量值可以具有经计算的标准不确定性。
用于贮油站系统的控制装置550可以计算这样的表:该表包括三个被比较的值(从立式油罐520的输送的量、输送到卧式油罐510的量和通过流量计530的输送量),各个都具有其不确定性;对具有其不确定性的输送量的最佳估计被计算为三个值的加权平均值;以及估计系统中泄漏的存在和可能的数量(magnitude)。
例如,该协调可以产生下面结果:
来自立式油罐 通过流量计 进入卧式油罐 协调后的量
值: 34.99 35.00 35.01 34.998
标准不确定性: 0.030 0.020 0.050 0.016
可以通过立式油罐520上的流体静力计、卧式油罐510上的部分流体静力计和流量计530(例如,科里奥利力流量计),来测量上面的输送量。
控制装置550还可以检测泄漏。在过程工业中,对泄漏的检测是个重要功能,也许比增加对环境污染、盗窃等的意识更为重要。例如,在交接中,由于泄漏而造成测量量中的一个(或几个)可能是不同的。这些情况通常发生在源中或目的地存储油罐中,或油罐之间的管道中。结果可能是,从一个油罐输送出的量将不能达到其他的油罐和/或流量计,或者任一油罐中的存量的减少将不被流量计或其他油罐上的计量器记录。
泄漏可以有若干类型,譬如从系统向外泄漏(例如,泄漏至地面上)以及系统内的泄漏(例如,由于泄漏阀而导致流到另一油罐)。尽管仅仅在静态状况(例如,无输送)下可以检测到从系统向外的泄漏,但是系统内的泄漏可以显示为所测量的输送量之间的差异。泄漏可能在流量计530任一侧的管道中或者油罐510及520中存在。泄漏可以表明其自身为通过流量计530和通过两个油罐计量器中的任意一个所测量的输送量之间的差异。
从而,通过尝试协调两个或多个测量值,可以感测泄漏。在一些系统中,如果相同量的两个(或多个)测量值差异超过了给定界限,则不论测量值的不确定性可能如何,都可以检测到泄漏。然而,系统500可以将测量检测建立在单个测量值的不确定性的基础上。可以将测量值的差异与不确定性相组合,并且该系统可以计算出潜在泄漏的统计特性(例如,其大小对概率)。然后,用户可以指定在大小和概率的什么组合处用户希望发出警报和启动维护动作。
在协调从立式油罐520输送的量、输送给卧式油罐510的量以及输送通过流量计530的量时,可以做出它们数量的不平衡是否指示泄漏的决定。系统500可以允许这种决定基于测量的“实时”不确定性,并且产生指示特定数量的泄漏的概率的函数(例如,表格)。
具体地,可以计算两个独立的泄漏,作为立式油罐520上(或从它和流量计530之间的管道)的泄漏ΔTVv和卧式油罐510上(或从它和流量计530之间的管道)的泄漏ΔTVh。可以根据输送变量(TVx)来表达泄漏,所述输送变量当前被用作输送的测量值(例如,体积、参考体积或质量)。
如方程式(47)和(48)中所示,定义可能泄漏的量:
ΔTVv=|TVxv-TVxf|立式油罐上 (47)
ΔTVh=|TVxh-TVxf |卧式油罐上 (48)
其中TVxv等于输入或输出立式油罐520的量(可能包含泄漏),TVxh等于输入或输出卧式油罐510的量(可能包含泄漏),以及TVxf等于通过流量计530的输送量。
如方程式(49)和(50)中所示,计算上述泄漏的不确定性:
uΔTVv=sqrt{uTVxv 2+uTVxf 2} (49)
uΔTVh=sqrt{uTVxh 2+uTVxf 2} (50)
可以将泄漏的概率密度计算为两个测量值之间的差。根据概率分布,可以计算泄漏量位于两个界限之间的概率。例如,可以如方程式(51)中所示来计算所述量位于标度上任意两点之间的概率:
其中TVm=ΔTVmax-ΔTVmin为泄漏的绝对值并且等于ΔTVv或ΔTVh,TV为泄漏的普适值,σ为泄漏=uΔTVv或uΔTVh的标准不确定性。
基于如上面相同的数字,立式油罐和流量计之间泄漏的概率为:
平均 0.000 0.005 0.010 0.015 0.020 0.025 0.030 0.035 0.040 0.045
泄漏
[kg]:
概率:10.6% 11.2% 11.3% 10.9% 10.6% 10.1% 9.5% 8.7% 7.8% 6.9%
卧式油罐和流量计之间泄漏的概率为:
平均 0.010 0.015 0.020 0.025 0.030 0.035 0.040 0.045 0.050 0.055
泄漏
[kg]:
概率:7.7% 7.4% 7.3% 7.1% 6.9% 6.6% 6.3% 6.0% 5.6% 5.2%
可以如方程式(52)所示来计算对测量的输送值TVx(例如,体积、参考体积或质量)的估计:
TVest=∑i(wi*TVxi) (52)
其中i为指示输送值的源的下标,wi为可以如方程式(53)所示进行计算的加权因子:
其中uTVxi为单个测量值TVxi的不确定性,n为协调变量的总计数(例如,在两个油罐和一个流量计的情况下,n=3)。可以如方程式(54)所示来计算所估计的输送值的不确定性:
在计算估计值之前,系统可以确定是否有泄漏以及哪个测量值受到泄漏的影响。由没有受到泄漏影响的测量值实现协调,可以不考虑受到泄漏影响的测量值或给予受到泄漏影响的测量值较小的权重。用户可以决定声明哪个值作为输送量。例如,用户可以声明输送量为(例如,液体的)发送量,从而保留与流量计协调的“源”油罐。用户还可以声明输送量为(达到“目的地”油罐的液体的、除了泄漏量之外的)接收量、两种量以及由没有受到泄漏影响的所有量所作的最佳估计(例如,加权平均)。
即使静态条件下来自于油罐/管道的泄漏流过流量计(例如,具有零截止的接近零的流量),流量计也可能没有测量到该泄漏。油罐存量的任何长期的减少可能为没有被流量计530“看到”。
控制装置550还可以确定系统或系统部件的可用性。可用性可以用平均故障间隔时间(MTBF)这个量来表达。系统部件的MTBF可以由制造商来提供。在一个无验证系统中,可以使用所有系统部件的MTBFcomp来计算系统MTBF。可以假定任何系统部件都将导致系统故障。可以如方程式(55)所示来计算系统的MTBF:
系统500可以一直是可用的。然而,永久可用性要与系统性能平衡。为了保持系统运行,可能需要降低所需的精度或可用的工作范围。在正常运行状况下(例如,没有过程偏差、没有故障),系统在整个工作范围和影响条件下都可以保持可用性(例如,合法测量),同时整体精度保持在现有规则所要求的界限内。在故障条件下,系统仍然可以呈现可容忍的精度,也许工作范围和/或环境状况降低了。可替换地,系统可以一直工作在同一个范围内,但精度降低。
在一些系统中(例如,用于交接的系统),可能需要保持精度。为了获得这种精度,可以减小工作和/或影响变量的允许范围,同时仍然保持系统用于其目的的有效性。如下所示,该系统仍旧能够以所需的精度进行工作,即使缺失了它的一些传感器。
在系统500中,可以利用对系统行为的了解,来改变系统的(原始)MTBF。可以利用适用性(例如,合格的)MTBF来表达系统将实现性能要求的预期。适用性MTBF的部分表达可以是对范围的定义,在该范围上系统满足该要求。
用故障率/MTBF这个量定义的系统500可用性可能没有太大意义。可能这样更好:根据其输入变量的缩减范围来表征系统500,在存在故障的情况下系统在该输入变量的缩减范围上保持适用于其目的(例如,交接测量)。例如,如果将100%有效性定义为所设计(和提出)的系统的有效性,那么如方程式(56)中所示来定义降低的可用性:
AS=A100*Rlred/R1*R2red/R2*....*RNred/RN (56)
其中,AS等于存在设备故障或程序失常的情况下降低的有效性,A100等于(没有设备故障或程序失常的系统的)100%有效性,R1、R2、......、RN等于输入(运行或影响)变量的设计范围,以及R1red、R2red、......、RN red等于输入(运行或影响)变量的缩减范围。
系统可用性可以提供对系统和/或子系统性能下降的测量。变量范围的减小可以与在对输出不确定性的计算中赋予变量的权重相关联。因此,在这个例子中,缩减的幅度可反映出故障/失常的严重程度。
系统可用性可以给出系统对其目的剩余有效性的清楚反映。对于关于是连续使用还是维修介入的最终决定,可以考虑范围缩减的变量的细节(例如,液位、密度、环境温度等)。
控制装置550还可以执行有关质量平衡的计算。质量平衡通常在材料被处理的工厂中实施(例如,化工厂、炼油厂等)。用户可以测量一段时间段内进来的材料质量,并将其与相同时间段内出去的质量、相同时间段内过程中所使用的质量、该时间段开始时工厂内的质量以及目前工厂内的质量进行协调。类似于泄漏检测,可以设置一个界限,只基于独立的测量值而不管其不确定性如何,只要超出了该界限,就可以宣布质量失衡。系统500可以用类似于泄漏检测的方法,基于其不确定性来协调质量测量值。系统500可以连同其概率一起传送不平衡量的表格(或图表)。这可以为用户做出清楚的决定提供工具。
基于所确定的运行状况,控制装置550控制交接系统的运行(660)。例如,在通过有线或无线通信路径的电子通信中,基于所确定的系统特性,控制装置550发送控制数据给立式油罐520和卧式油罐510上的设备。控制数据可以指令立式油罐520和卧式油罐510上的设备调整子系统的工作策略,或者控制数据可以提供具体指令给油罐上的设备,这些油罐上的设备对该具体指令做出反应。例如,控制数据可以指令特定子系统将被关闭以及某些子系统将被打开。子系统可以依据使控制装置550能够以有效方式控制该系统的指令来运行。
控制装置550还可以给用户显示该过程的结果或者将该结果发送给可能对该结果感兴趣的另一人。在一些实施方式中,控制装置550与显示设备相关联,并且通过将运行状况的显示在显示设备上,使用户能够感知系统的运行状况。用户感知运行状况能够将用户的输入提供给控制装置550,并基于该输入来控制系统的运行。控制装置550还可以通过无线或有线连接向其他用户发送运行状况信息。例如,控制装置550可以发送电子邮件消息给用户,指示运行状况并提供通知或警报给用户。控制装置550可以以其他形式的通信(例如,电话、网页更新、文本消息、寻呼机警报等)发送运行状况信息。例如,控制装置550可以检测危险状况,并且给维护该系统的人员发送寻呼机警报,以使该人员可以处理该危险状况。
上面所述的技术可以具有大量的优点,尤其是在被应用到交接环境时。例如,许多产品的品质依赖于其组成成分。单个成分的相对量可以由配方给出,并且可以通过分批操作来传送。上面所述的技术可以使得各个量能够通过其不确定性来判断是否合格(例如,通过可接受的不确定性限制),并且整体质量控制可以基于其测量值的不确定性。
在涉及安全的系统中,一些测量可以是冗余的,以使即使其中一个系统发生故障,该系统还可以继续运行,直至其实现安全。取代现有的大多数的表决方案(例如,三个中的两个)和/或平均,上面的技术可以基于单个测量值的不确定性来估计协调后的测量值。这样可以在所有测量值是可利用的情况下产生更好的整体不确定性,以及在至少一个测量值保持CLEAR的情况下产生更好的“正常”不确定性,同时如果方便或者在方便的情况下可以对该系统制定维护计划。
甚至在其他系统中,其中冗余不是设计的预期考虑部分,可以从多于一个的源中导出测量值。尽管使用可替换的源可能导致较大的不确定性,但是系统可以使用它们,直至没有明显中断地进行维护。
所测量的量的不确定性可以是测量的重要部分。通常计量机构(agencies)审批用于交接的设备具备在系统保持“合法”的所有经审批的运行条件下必须满足的特定精度。在审批过程期间可以对条件进行限制,从而保证不确定性在界限之内。在具有多个数据源的系统中,这些限制条件可以假定最坏的情况,即错误同时发生在所有输入变量上。如果任一输入变量超过其规定界限,则可以声明该系统“不合法”。此外,为了保持该系统处于运行状态,可以迫使用户允许基于时间的检测以及频繁的重新校准,而不管这些需要与否。
用于液体的交接的测量可以经过政府机构(例如,测量协会)进行审批。在买卖散装液体(例如,石油、石油产品、化学品等)时国家可以征税。在一些情况中,还可以对库存进行征税。法定的度量衡系统通常可以对液体的标准体积或者对液体的标准质量执行静态(例如,油罐计量器)测量或者动态(例如,流量计)测量。输送量可以是两个库存(例如,输送前与输送后)的差、或者总体流速。审批过程可以保证:在运行期间,系统将提供具有比允许界限更好的整体精度的测量,例如读数的0.5%。
审批可以基于传感器的实验室测试和对系统所执行的计算的核查。对传感器的审批通常会对具体运行状况(例如,液位、温度、密度等的范围)、环境状况(例如,温度)等提出限定条件。对所提出的限定条件的任何偏离都可以将系统置于“不合法”的状态并且禁止其使用。传感器中或系统中(例如,计算)的任何故障可以导致系统同样地呈现“不合法”。在给定期限内(即使没有故障指示)或者故障之后,系统可以要求审批机构或其承包人核实或重新校准。
上面的技术可以在所有可感知状况下发送实际测量的不确定性。这样,倘若其他变量在界限内,则系统可以允许一个变量在界限外漂移。对输出变量“合法”的判决可以仅仅基于在当前条件下所计算的不确定性。在使用上述技术时,不需要实施不必要的检测和基于时间的维护,因为它们可以给出什么时候可能需要维护或重新校准的指示,例如,通过监控不确定性的“蠕变”。另外,任何中断输送情况(例如,在输送期间测量变为“不合法”时)相比现有系统可能更少。
利用上面技术对系统进行的审批可以包含对用于正常和异常运行状况以及故障状况的确认机制(例如,计算)的额外验证。然而,当这种系统被设计为计算其输出的精度(例如不确定性)时,可能就不需要基于单个变量对其运行状况进行限制。使用上面技术的对系统的要求可以集中在(输出的)整体不确定性上。例如,可以要求整体不确定性小于规定界限(例如,读数的0.5%)。在该例中,只要满足这个要求,即使是存在一些过程偏差和/或故障,也允许该系统运行。这种系统的操作可以节省大量不必要的限制条件、人的干预以及因此产生的花费。
已经描述了大量实施方案。然而,将会理解可以做出各种改变。因此,其他实施方式落入所附权利要求的范围内。
Claims (26)
1.一种确定工业过程控制系统运行状况的方法,该方法包括:
接收由与包含在工业过程控制系统中的第一子系统相关联的多个传感器产生的第一传感器数据,该第一传感器数据包括来自与第一子系统相关联的各个传感器的感测值和与该感测值相关联的不确定性数据;
基于所接收的第一传感器数据,确定第一子系统测量值;
基于所接收的第一传感器数据,确定与该第一子系统测量值相关联的第一不确定性数据;
接收由与包含在工业过程控制系统中的第二子系统相关联的多个传感器产生的第二传感器数据,该第二子系统与第一子系统不同,该第二传感器数据包括来自于与第二子系统相关联的各个传感器的感测值和与该感测值相关联的不确定性数据;
基于所接收的第二传感器数据,确定第二子系统测量值;
基于所接收的第二传感器数据,确定与第二子系统测量值相关联的第二不确定性数据;
读取第一子系统测量值、与第一子系统测量值相关联的第一不确定性数据、第二子系统测量值以及与第二子系统测量值相关联的第二不确定性数据;以及
使用一个或多个处理设备,基于所读取的第一子系统测量值、所读取的与第一子系统测量值相关联的第一不确定性数据、所读取的第二子系统测量值和所读取的与第二子系统测量值相关联的第二不确定性数据,确定工业过程控制系统的运行状况,
其中,使用一个或多个处理设备,基于所读取的第一子系统测量值、所读取的与第一子系统测量值相关联的第一不确定性数据、所读取的第二子系统测量值以及所读取的与第二子系统测量值相关联的第二不确定性数据确定工业过程控制系统的运行状况包括:使用一个或多个处理设备,检测所读取的第一子系统测量值和所读取的第二子系统测量值之间的差异。
2.如权利要求1所述的方法,其中,基于所读取的第一子系统测量值、所读取的与第一子系统测量值相关联的第一不确定性数据、所读取的第二子系统测量值以及所读取的与第二子系统测量值相关联的第二不确定性数据确定工业过程控制系统的运行状况包括:确定对于工业过程控制系统的有效性测量。
3.如权利要求1所述的方法,其中,基于所读取的第一子系统测量值、所读取的与第一子系统测量值相关联的第一不确定性数据、所读取的第二子系统测量值和所读取的与第二子系统测量值相关联的第二不确定性数据确定工业过程控制系统的运行状况包括:确定工业过程控制系统的测量值和该工业过程控制系统测量值的相应不确定性数据,测量值的不确定性数据反映关联于与第一子系统相关联的多个传感器以及与第二子系统相关联的多个传感器的所传递的不确定性数据。
4.如权利要求1所述的方法,其中,基于所接收的第一传感器数据确定第一子系统测量值包括:
读取表示由第一子系统所执行的过程的基于模型的数据;
读取与第一子系统所执行的过程相关联的历史信息;以及
基于该基于模型的数据和历史信息,确定第一子系统测量值。
5.如权利要求4所述的方法,其中,基于该基于模型的数据和历史信息确定第一子系统测量值包括:
确定与第一子系统相关联的多个传感器中的至少一个发生故障;并且
基于该基于模型的数据和历史信息,估计该至少一个发生故障的传感器的值;和
基于该至少一个发生故障的传感器的估计值,确定第一子系统测量值。
6.一种工业过程控制系统,包括:
第一子系统,其被配置为执行工业过程中的第一部分,该第一子系统包括多个传感器;
第二子系统,其被配置为执行工业过程中的第二部分,该第二子系统包括多个传感器,第二子系统不同于第一子系统,并且该工业过程中的第二部分不同于该工业过程中的第一部分;和
一个或多个处理设备,其被配置为执行以下操作,包括:
接收由与包含在工业过程控制系统中的第一子系统相关联的多个传感器产生的第一传感器数据,该第一传感器数据包括来自于与第一子系统相关联的各个传感器的感测值和与该感测值相关联的不确定性数据;
基于所接收的第一传感器数据,确定第一子系统测量值;
基于所接收的第一传感器数据,确定与第一子系统测量值相关联的第一不确定性数据;
接收由与包含在工业过程控制系统中的第二子系统相关联的多个传感器产生的第二传感器数据,该第二传感器数据包括来自于与第二子系统相关联的各个传感器的感测值和与该感测值相关联的不确定性数据;
基于所接收的第二传感器数据,确定第二子系统测量值;
基于所接收的第二传感器数据,确定与第二子系统测量值相关联的第二不确定性数据;
读取第一子系统测量值、与第一子系统测量值相关联的第一不确定性数据、第二子系统测量值和与第二子系统测量值相关联的第二不确定性数据;以及
基于所读取的第一子系统测量值、所读取的与第一子系统测量值相关联的第一不确定性数据、所读取的第二子系统测量值以及所读取的与第二子系统测量值相关联的第二不确定性数据,确定工业过程控制系统的运行状况,
其中,基于所读取的第一子系统测量值、所读取的与第一子系统测量值相关联的第一不确定性数据、所读取的第二子系统测量值以及所读取的与第二子系统测量值相关联的第二不确定性数据确定工业过程控制系统的运行状况包括:检测所读取的第一子系统测量值和所读取的第二子系统测量值之间的差异。
7.一种确定测量值的方法,该方法包括:
从第一传感器接收对应于工业过程的第一特性的第一感测值;
从第一传感器接收与第一感测值相关联的第一不确定性数据;
从第二传感器接收对应于工业过程的第二特性的第二感测值,所述工业过程的第二特性不同于所述工业过程的第一特性;
从第二传感器接收与第二感测值相关联的第二不确定性数据;
使用一个或多个处理设备,基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据,该测量值对应于所述工业过程的特性,该特性不同于所述工业过程的第一特性和所述工业过程的第二特性中的至少一个;以及
基于所确定的测量值和对应的不确定性数据控制所述工业过程的运行,
其中,基于所确定的测量值和对应的不确定性数据控制所述工业过程的运行包括:在故障状态的情况下,通过降低当前工作范围的所需精度或者减小当前工作范围来维持工业过程的有效性。
8.如权利要求7所述的方法,其中,为所述工业过程确定测量值以及与测量值对应的不确定性数据包括:为所述工业过程确定与所述工业过程的特性对应的测量值,该特性既不同于所述工业过程的第一特性,也不同于所述工业过程的第二特性。
9.如权利要求7所述的方法,其中,基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据包括:
读取表示正在为其确定测量值的工业过程的、基于模型的数据;以及
基于所读取的表示正在为其确定测量值的工业过程的、基于模型的数据,计算所述测量值和不确定性数据。
10.如权利要求9所述的方法,其中:
基于所读取的表示正在为其确定测量值的工业过程的、基于模型的数据,计算所述测量值和不确定性数据包括:通过将第一感测值和第二感测值应用于表示所述工业过程的理论模型来计算所述测量值。
11.如权利要求7所述的方法,还包括:
基于第二感测值和第二不确定性数据,确定第二传感器发生故障;
基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据包括:
读取表示正在为其确定测量值的工业过程的、基于模型的数据,
基于所读取的基于模型的数据,确定第二特性的估计值;
基于所读取的基于模型的数据,确定与第二特性的估计值相关联的不确定性数据;以及
基于第二特性的估计值和与第二特性的估计值相关联的不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据。
12.如权利要求7所述的方法,其中,基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据包括:
读取与正在为其确定测量值的工业过程相关联的历史信息;以及
基于所读取的历史信息,为所述工业过程确定测量值以及与该测量值相应的不确定性数据。
13.如权利要求12所述的方法,其中,读取与正在为其确定测量值的工业过程相关联的历史信息包括:读取包括过去值的数据,该过去值是在工业过程运行期间通过第一传感器和第二传感器感测到的。
14.如权利要求12所述的方法,还包括:
基于第二感测值和第二不确定性数据,确定第二传感器发生故障,其中
基于所读取的历史信息,为所述工业过程确定测量值以及与该测量值相应的不确定性数据包括:
基于所读取的历史信息,确定第二特性的估计值;
确定与第二特性的估计值相关联的不确定性数据;以及
基于第二特征的估计值以及与第二特性的估计值相关联的不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据。
15.如权利要求7所述的方法,其中:
从第一传感器接收与第一感测值相关联的第一不确定性数据包括:接收表示与第一感测值相关联的精度统计量的数据;
从第二传感器接收与第二感测值相关联的第二不确定性数据包括:接收表示与第二感测值相关联的精度统计量的数据;
基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据包括:确定测量值以及与该测量值相应的精度统计量。
16.如权利要求7所述的方法,其中:
从第一传感器接收与第一感测值相关联的第一不确定性数据包括:接收表示第一传感器的运行状态的数据;
从第二传感器接收与第二感测值相关联的第二不确定性数据包括:接收表示第二传感器的运行状态的数据;以及
基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据包括:确定表示工业过程的运行状态的测量值和相应数据。
17.如权利要求16所述的方法,其中:
接收表示第一传感器的运行状态的数据包括:接收表示第一传感器是在正确运行、部分地正确运行还是没有正确运行的数据;
接收表示第二传感器的运行状态的数据包括:接收表示第二传感器是在正确运行、部分正确运行还是没有正确运行的数据;
确定表示工业过程的运行状态的测量值和相应数据包括:基于表示第一传感器是正确运行、部分正确运行还是没有正确运行的数据和表示第二传感器是正确运行、部分正确运行还是没有正确运行的数据,确定工业过程的结果测量值是正确运行、部分正确运行还是没有正确运行。
18.如权利要求7所述的方法,还包括:
读取表示工业过程的基于模型的数据;
读取与工业过程相关联的历史信息;以及
基于所读取的基于模型的数据和所读取的历史信息,来验证第一感测值和第二感测值。
19.如权利要求7所述的方法,其中:
从第一传感器接收对应于工业过程的第一特性的第一感测值包括:从温度传感器、压力传感器、液位传感器或流量计其中之一,接收对应于温度、压力、液位或液体总流量其中之一的感测值;以及
从第二传感器接收对应于工业过程的第二特性的第二感测值包括:从温度传感器、压力传感器、液位传感器或流量计其中之一,接收对应于温度、压力、液位或液体总流量其中之一的感测值。
20.一种确定测量值的方法,该方法包括:
从第一传感器接收对应于工业过程的第一特性的第一感测值;
从第一传感器接收表示与第一感测值相关联的精度统计量的第一数据;
从第二传感器接收对应于工业过程的第二特性的第二感测值,所述工业过程的第二特性不同于所述工业过程的第一特性;
从第二传感器接收表示与第二感测值相关联的精度统计量的第二数据;
使用一个或多个处理设备,基于第一感测值、第一数据、第二感测值和第二数据,为所述工业过程确定测量值以及与该测量值相应的精度统计量,该测量值对应于所述工业过程的特性,该特性不同于所述工业过程的第一特性和所述工业过程的第二特性中的至少一个,
其中,对应于所述工业过程的第一特性的第一感测值与对应于所述工业过程的第二特性的第二感测值相关;以及
其中,为所述工业过程确定测量值以及与该测量值相应的精度统计量包括:确定表示该测量值比第一感测值和第二感测值更加精确的该测量值的精度统计量。
21.一种确定测量值的方法,该方法包括:
从第一传感器接收对应于工业过程的第一特性的第一感测值;
从第一传感器接收表示与第一感测值相关联的精度统计量的第一数据;
从第二传感器接收对应于工业过程的第二特性的第二感测值,所述工业过程的第二特性不同于所述工业过程的第一特性;
从第二传感器接收表示与第二感测值相关联的精度统计量的第二数据;
使用一个或多个处理设备,基于第一感测值、第一数据、第二感测值和第二数据,为所述工业过程确定测量值以及与该测量值相应的精度统计量,该测量值对应于所述工业过程的特性,该特性不同于所述工业过程的第一特性和所述工业过程的第二特性中的至少一个,
其中,确定测量值以及与该测量值相应的精度统计量包括:
读取表示正在为其确定测量值的工业过程的、基于模型的数据;
基于该基于模型的数据调整与第一感测值相关联的精度统计量;
基于该基于模型的数据调整与第二感测值相关联的精度统计量;
基于调整后的与第一感测值相关联的精度统计量以及调整后的与第二感测值相关联的精度统计量,确定所述测量值的精度统计量。
22.如权利要求21所述的方法,其中,基于所述基于模型的数据调整与第一感测值相关联的精度统计量包括:
确定影响第一传感器精度的至少一个特性的值;以及
基于该影响第一传感器精度的至少一个特性的值和所述基于模型的数据,调整与第一感测值相关联的精度统计量。
23.一种用于确定测量值的系统,该系统包括:
第一传感器,被配置为感测工业过程的第一特性;
第二传感器,被配置为感测工业过程的第二特性,所述工业过程的第二特性不同于所述工业过程的第一特性;以及
一个或多个处理设备,被配置为执行以下操作,包括:
从第一传感器接收对应于工业过程的第一特性的第一感测值;
从第一传感器接收与第一感测值相关联的第一不确定性数据;
从第二传感器接收对应于工业过程的第二特性的第二感测值,所述工业过程的第二特性不同于所述工业过程的第一特性;
从第二传感器接收与第二感测值相关联的第二不确定性数据;
基于第一感测值、第一不确定性数据、第二感测值和第二不确定性数据,为所述工业过程确定测量值以及与该测量值相应的不确定性数据,该测量值对应于所述工业过程的特性,该特性不同于所述工业过程的第一特性和所述工业过程的第二特性中的至少一个;以及
基于所确定的测量值和对应的不确定性数据控制所述工业过程的运行,
其中,基于所确定的测量值和对应的不确定性数据控制所述工业过程的运行包括:在故障状态的情况下,通过降低当前工作范围的所需精度或者减小当前工作范围来维持工业过程的有效性。
24.一种用于确定测量值的系统,该系统包括:
第一传感器,被配置为感测工业过程的第一特性;
第二传感器,被配置为感测工业过程的第二特性,所述工业过程的第二特性不同于所述工业过程的第一特性;以及
一个或多个处理设备,被配置为执行以下操作,包括:
从第一传感器接收对应于工业过程的第一特性的第一感测值;
从第一传感器接收表示与第一感测值相关联的精度统计量的第一数据;
从第二传感器接收对应于工业过程的第二特性的第二感测值,所述工业过程的第二特性不同于所述工业过程的第一特性;
从第二传感器接收表示与第二感测值相关联的精度统计量的第二数据;
基于第一感测值、第一数据、第二感测值和第二数据,为所述工业过程确定测量值以及与该测量值相应的精度统计量,该测量值对应于所述工业过程的特性,该特性不同于所述工业过程的第一特性和所述工业过程的第二特性中的至少一个,
其中,对应于所述工业过程的第一特性的第一感测值与对应于所述工业过程的第二特性的第二感测值相关;以及
其中,确定测量值以及与该测量值相应的精度统计量包括:确定表示该测量值比第一感测值和第二感测值更加精确的该测量值的精度统计量。
25.一种用于确定测量值的系统,该系统包括:
第一传感器,被配置为感测工业过程的第一特性;
第二传感器,被配置为感测工业过程的第二特性,所述工业过程的第二特性不同于所述工业过程的第一特性;以及
一个或多个处理设备,被配置为执行以下操作,包括:
从第一传感器接收对应于工业过程的第一特性的第一感测值;
从第一传感器接收表示与第一感测值相关联的精度统计量的第一数据;
从第二传感器接收对应于工业过程的第二特性的第二感测值,所述工业过程的第二特性不同于所述工业过程的第一特性;
从第二传感器接收表示与第二感测值相关联的精度统计量的第二数据;
基于第一感测值、第一数据、第二感测值和第二数据,为所述工业过程确定测量值以及与该测量值相应的精度统计量,该测量值对应于所述工业过程的特性,该特性不同于所述工业过程的第一特性和所述工业过程的第二特性中的至少一个,
其中,确定测量值以及与该测量值相应的精度统计量包括:
读取表示正在为其确定测量值的工业过程的、基于模型的数据;
基于该基于模型的数据调整与第一感测值相关联的精度统计量;
基于该基于模型的数据调整与第二感测值相关联的精度统计量;
基于调整后的与第一感测值相关联的精度统计量以及调整后的与第二感测值相关联的精度统计量,确定所述测量值的精度统计量。
26.如权利要求25所述的系统,其中,基于所述基于模型的数据调整与第一感测值相关联的精度统计量包括:
确定影响第一传感器精度的至少一个特性的值;以及
基于该影响第一传感器精度的至少一个特性的值和所述基于模型的数据,调整与第一感测值相关联的精度统计量。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US91456107P | 2007-04-27 | 2007-04-27 | |
US60/914,561 | 2007-04-27 | ||
US11/862,114 US7539593B2 (en) | 2007-04-27 | 2007-09-26 | Self-validated measurement systems |
US11/862,114 | 2007-09-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101344783A CN101344783A (zh) | 2009-01-14 |
CN101344783B true CN101344783B (zh) | 2012-12-26 |
Family
ID=39888073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101277444A Active CN101344783B (zh) | 2007-04-27 | 2008-04-28 | 自验证测量系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7539593B2 (zh) |
CN (1) | CN101344783B (zh) |
Families Citing this family (63)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7676420B1 (en) * | 2002-06-19 | 2010-03-09 | Accenture Global Services Gmbh | Electronic settlement of petroleum and gas distributions |
US8538560B2 (en) * | 2004-04-29 | 2013-09-17 | Rosemount Inc. | Wireless power and communication unit for process field devices |
US8787848B2 (en) | 2004-06-28 | 2014-07-22 | Rosemount Inc. | RF adapter for field device with low voltage intrinsic safety clamping |
US8428909B2 (en) * | 2007-09-20 | 2013-04-23 | Siemens Industry, Inc. | Use of statistics to determine calibration of instruments |
FR2922992B1 (fr) * | 2007-10-26 | 2010-04-30 | Air Liquide | Procede de determination en temps reel du niveau de remplissage d'un reservoir cryogenique |
US8192069B2 (en) * | 2008-05-12 | 2012-06-05 | Koopmans Richard J | Water supply mixing process |
EP2310918B1 (en) * | 2008-06-17 | 2014-10-08 | Rosemount, Inc. | Rf adapter for field device with variable voltage drop |
US8929948B2 (en) | 2008-06-17 | 2015-01-06 | Rosemount Inc. | Wireless communication adapter for field devices |
US8694060B2 (en) | 2008-06-17 | 2014-04-08 | Rosemount Inc. | Form factor and electromagnetic interference protection for process device wireless adapters |
US9122460B2 (en) * | 2008-08-28 | 2015-09-01 | Red Hat, Inc. | Application development using middleware platform |
US8267578B2 (en) | 2009-02-04 | 2012-09-18 | Schlumberger Technology Corporation | Methods and systems for temperature compensated temperature measurements |
US20100274528A1 (en) * | 2009-04-22 | 2010-10-28 | Rosemount Inc. | Field device with measurement accuracy reporting |
US8249829B2 (en) * | 2009-05-20 | 2012-08-21 | Honeywell International Inc. | Online condition-based monitoring for tank farms |
US8626087B2 (en) | 2009-06-16 | 2014-01-07 | Rosemount Inc. | Wire harness for field devices used in a hazardous locations |
US9674976B2 (en) * | 2009-06-16 | 2017-06-06 | Rosemount Inc. | Wireless process communication adapter with improved encapsulation |
JP5589324B2 (ja) * | 2009-08-28 | 2014-09-17 | 富士通株式会社 | 新規なセンサフュージョン手法を用いた、移動体の状態推定のための装置、方法、およびプログラム |
US11881307B2 (en) | 2012-05-24 | 2024-01-23 | Deka Products Limited Partnership | System, method, and apparatus for electronic patient care |
US10453157B2 (en) | 2010-01-22 | 2019-10-22 | Deka Products Limited Partnership | System, method, and apparatus for electronic patient care |
US11244745B2 (en) | 2010-01-22 | 2022-02-08 | Deka Products Limited Partnership | Computer-implemented method, system, and apparatus for electronic patient care |
US20110313789A1 (en) | 2010-01-22 | 2011-12-22 | Deka Products Limited Partnership | Electronic patient monitoring system |
US10242159B2 (en) | 2010-01-22 | 2019-03-26 | Deka Products Limited Partnership | System and apparatus for electronic patient care |
US11210611B2 (en) | 2011-12-21 | 2021-12-28 | Deka Products Limited Partnership | System, method, and apparatus for electronic patient care |
US10911515B2 (en) | 2012-05-24 | 2021-02-02 | Deka Products Limited Partnership | System, method, and apparatus for electronic patient care |
US11164672B2 (en) | 2010-01-22 | 2021-11-02 | Deka Products Limited Partnership | System and apparatus for electronic patient care |
US8386849B2 (en) * | 2010-01-29 | 2013-02-26 | Honeywell International Inc. | Noisy monitor detection and intermittent fault isolation |
US10207719B2 (en) * | 2010-07-19 | 2019-02-19 | Nxp Usa, Inc. | Use of multiple internal sensors for measurements validation |
US10761524B2 (en) * | 2010-08-12 | 2020-09-01 | Rosemount Inc. | Wireless adapter with process diagnostics |
US8851740B1 (en) * | 2010-10-12 | 2014-10-07 | K-Tec, Inc. | Liquid level detection and autonomous calibration for self-serve blending apparatus and methods |
CN103502949B (zh) * | 2011-05-13 | 2016-01-20 | 国际商业机器公司 | 用于在多个控制系统中检测异常的异常检测系统、装置和方法 |
US20150088281A1 (en) * | 2011-05-31 | 2015-03-26 | General Electric Company | Systems and methods to overlay behaviors on foundation fieldbus alerts |
US8706458B2 (en) * | 2011-10-05 | 2014-04-22 | International Business Machines Corporation | Traffic sensor management |
DE102011084784A1 (de) * | 2011-10-19 | 2013-04-25 | Robert Bosch Gmbh | Verfahren zur Plausibilisierung von Sensorsignalen sowie Verfahren und Vorrichtung zur Ausgabe eines Auslösesignals |
US9310794B2 (en) | 2011-10-27 | 2016-04-12 | Rosemount Inc. | Power supply for industrial process field device |
US9188355B1 (en) * | 2012-01-03 | 2015-11-17 | Digital Control Systems, Inc. | Fan array control system |
US9176060B2 (en) * | 2012-01-26 | 2015-11-03 | Pharyx, Inc. | Apparatus and methods to measure optical density |
US9720393B2 (en) | 2012-08-31 | 2017-08-01 | P.C. Automax Inc. | Automation system and method of manufacturing product using automated equipment |
US20140257752A1 (en) * | 2013-03-11 | 2014-09-11 | Timothy Andrew Mast | Analyzing measurement sensors based on self-generated calibration reports |
US11017330B2 (en) * | 2014-05-20 | 2021-05-25 | Elasticsearch B.V. | Method and system for analysing data |
BR112015016128B1 (pt) * | 2014-06-09 | 2022-06-21 | Sicpa Holding Sa | Sistema e método para a criação de dados seguros relacionados a ativos de petróleo e gás |
DE102014211503A1 (de) * | 2014-06-16 | 2015-12-17 | Bayerische Motoren Werke Aktiengesellschaft | Überwachungsvorrichtung für einen Drucktank sowie Drucktank |
US11378426B2 (en) * | 2014-06-20 | 2022-07-05 | Applied Materials, Inc. | System and method for monitoring sensor linearity as part of a production process |
CN104062986B (zh) * | 2014-07-16 | 2017-02-15 | 山东中实易通集团有限公司 | 一种制氢站液位比值控制系统及控制方法 |
CN104122904B (zh) * | 2014-07-16 | 2017-05-24 | 山东中实易通集团有限公司 | 一种具有多种功能的制氢站液位比值控制系统及方法 |
US9616876B2 (en) | 2015-06-29 | 2017-04-11 | Westinghouse Air Brake Technologies Corporation | Verification system and method for an end-of-train unit of a train and an improved end-of-train unit for a train |
KR101770588B1 (ko) * | 2015-12-30 | 2017-09-05 | 울랄라랩 주식회사 | 기계의 다양한 동작데이터를 수집하기 위한 센서 컨트롤러 및 센서 어셈블리 |
US10234353B2 (en) * | 2016-04-21 | 2019-03-19 | Honeywell International Inc. | Automatic pressure correction for level gauges in storage tanks |
CN106289421A (zh) * | 2016-07-22 | 2017-01-04 | 蚌埠大洋传感系统工程有限公司 | 一种流量传感器控制系统 |
US10816940B2 (en) * | 2016-10-17 | 2020-10-27 | Ulala Lab Inc. | Sensor controller and sensor assembly for collecting a variety of machine related operations data |
CN108151834B (zh) * | 2016-12-02 | 2020-11-20 | 重庆川然节能技术有限公司 | 一种用于工业炉、锅炉的传感器自检方法及系统 |
DE102016123699A1 (de) * | 2016-12-07 | 2018-06-07 | Endress+Hauser Conducta Gmbh+Co. Kg | Verfahren zur Bestimmung einer Messunsicherheit eines Messwerts eines Feldgeräts |
US11621969B2 (en) | 2017-04-26 | 2023-04-04 | Elasticsearch B.V. | Clustering and outlier detection in anomaly and causation detection for computing environments |
US11783046B2 (en) | 2017-04-26 | 2023-10-10 | Elasticsearch B.V. | Anomaly and causation detection in computing environments |
DE102017128566A1 (de) * | 2017-12-01 | 2019-06-06 | Endress+Hauser Flowtec Ag | Sensoranordnung zur Anordnung an einer Prozessanlage, sowie Verfahren zum Betrieb der Sensoranordnung und Prozessanlage |
JP2019100687A (ja) * | 2017-12-08 | 2019-06-24 | パナソニックIpマネジメント株式会社 | 空調制御方法及び空調制御装置 |
JP6687650B2 (ja) * | 2018-01-31 | 2020-04-28 | ファナック株式会社 | 熱変位補正装置及び機械学習装置 |
US11113168B2 (en) * | 2018-03-09 | 2021-09-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Distributed architecture for fault monitoring |
US11237550B2 (en) * | 2018-03-28 | 2022-02-01 | Honeywell International Inc. | Ultrasonic flow meter prognostics with near real-time condition based uncertainty analysis |
US10980168B2 (en) | 2018-10-16 | 2021-04-20 | Cnh Industrial Canada, Ltd. | Systems and methods for monitoring an agricultural metering system |
WO2020157582A2 (en) | 2019-01-30 | 2020-08-06 | Aeroqual Ltd. | Method for calibrating networks of environmental sensors |
EP3779620A1 (en) * | 2019-08-13 | 2021-02-17 | Siemens Aktiengesellschaft | Automatic calculation of measurement confidence in flexi-ble modular plants and machines |
EP3974738B1 (en) * | 2019-08-14 | 2024-04-03 | Samsung Electronics Co., Ltd. | Electronic device and method for controlling electronic device |
CN110586010A (zh) * | 2019-10-29 | 2019-12-20 | 中国石油化工股份有限公司 | 一种温度检测系统与加氢反应器控制方法 |
CN115308517B (zh) * | 2022-10-10 | 2023-01-24 | 杭州三海电子有限公司 | 一种元器件的老化检测方法、系统、存储介质和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5570300A (en) * | 1992-04-22 | 1996-10-29 | The Foxboro Company | Self-validating sensors |
WO2003083500A2 (en) * | 2001-10-22 | 2003-10-09 | Honeywell International Inc. | Multi-sensor information fusion technique |
CN1516814A (zh) * | 2001-06-16 | 2004-07-28 | ά˹�ض���Ƶ���ع�����˾ | 处理数据的方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4926364A (en) | 1988-07-25 | 1990-05-15 | Westinghouse Electric Corp. | Method and apparatus for determining weighted average of process variable |
US5774378A (en) | 1993-04-21 | 1998-06-30 | The Foxboro Company | Self-validating sensors |
US5586066A (en) | 1994-06-08 | 1996-12-17 | Arch Development Corporation | Surveillance of industrial processes with correlated parameters |
US5680409A (en) | 1995-08-11 | 1997-10-21 | Fisher-Rosemount Systems, Inc. | Method and apparatus for detecting and identifying faulty sensors in a process |
DE69714606T9 (de) | 1996-12-31 | 2004-09-09 | Rosemount Inc., Eden Prairie | Vorrichtung zur überprüfung eines von einer anlage kommenden steuersignals in einer prozesssteuerung |
US5850625A (en) | 1997-03-13 | 1998-12-15 | Accurate Automation Corporation | Sensor fusion apparatus and method |
DE69813040T2 (de) | 1998-08-17 | 2003-10-16 | Aspen Technology Inc | Verfahren und vorrichtung zur sensorbestätigung |
DE19934095A1 (de) | 1999-07-21 | 2001-01-25 | Abb Patent Gmbh | Verfahren und Anordnung zur automatisierten Beförderung, Sortierung und Verladung von Gepäckstücken |
GB0007065D0 (en) | 2000-03-23 | 2000-05-10 | Simsci Limited | Process monitoring and control using self-validating sensors |
DK1393136T3 (da) | 2001-04-26 | 2009-05-11 | Abb As | Fremgangsmåde til at overvåge og detektere sensorfejl i olie- og gas-produktionssystemer |
US20030167139A1 (en) | 2001-04-26 | 2003-09-04 | Mcnc | Electromagnetic emission source identification apparatus and associated method, computer device,and computer software program product |
US7107176B2 (en) * | 2001-06-25 | 2006-09-12 | Invensys Systems, Inc. | Sensor fusion using self evaluating process sensors |
-
2007
- 2007-09-26 US US11/862,114 patent/US7539593B2/en active Active
-
2008
- 2008-04-28 CN CN2008101277444A patent/CN101344783B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5570300A (en) * | 1992-04-22 | 1996-10-29 | The Foxboro Company | Self-validating sensors |
CN1516814A (zh) * | 2001-06-16 | 2004-07-28 | ά˹�ض���Ƶ���ع�����˾ | 处理数据的方法 |
WO2003083500A2 (en) * | 2001-10-22 | 2003-10-09 | Honeywell International Inc. | Multi-sensor information fusion technique |
Also Published As
Publication number | Publication date |
---|---|
CN101344783A (zh) | 2009-01-14 |
US7539593B2 (en) | 2009-05-26 |
US20080270162A1 (en) | 2008-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101344783B (zh) | 自验证测量系统 | |
Henry et al. | The self-validating sensor: rationale, definitions and examples | |
CN107430706B (zh) | 高级数据清理系统和方法 | |
CN102132138B (zh) | 用于实时增强流体输运管道的操作的方法和装置 | |
US5453944A (en) | Method and apparatus for leak detection and pipeline temperature modelling method and apparatus | |
EP1196834B1 (en) | Regulator diagnostics system and method | |
CN100472381C (zh) | 过程设备验证 | |
CN111684238B (zh) | 用于实时发现和解决湿气文丘里流量计问题的系统和方法 | |
EP2342604B1 (en) | Process control system having on-line and off-line test calculation for industrial process transmitters | |
CN112050912B (zh) | 基于超声波流量计进行水表在线校准方法、装置以及系统 | |
US20190368916A1 (en) | Systems and Methods for Cloud Based Centralized Gas Flow Monitoring and Control | |
EP2422289B1 (en) | Field device with measurement accuracy reporting | |
CN108027350A (zh) | 基于实时基于状况的监视(cbm)的超声波计(usm)精度性能检测和通知 | |
US7768530B2 (en) | Verification of process variable transmitter | |
EP3940288A1 (en) | A method and system of monitoring a meter set using a sensor | |
EP1918869A1 (en) | Dynamic safety balance monitoring | |
CN111465826B (zh) | 利用用于模拟流体参数的系统的增强流量计 | |
WO2018175223A1 (en) | Apparatus and method for creating inferential process flow measurements using other process measurements | |
US11788933B2 (en) | Method for monitoring measured variables measured on a process plant with measuring instruments | |
EP3959572B1 (en) | Method and system for fault detection using correlation of noise signals | |
Oulhadj et al. | Control Study of the Liquid Volumetric Flow using the Dynamic Metering System | |
Бушуев et al. | ALGORITHMS FOR IN-LINE PRESSURE TRANSMITTERS CONDITION MONITORING | |
Chitnis | ESD Integrity Management-An Innovation in ESD Proof Testing | |
Brown et al. | Selecting Transmitters for Safety Instrumented Systems | |
Ellul | Computer-aided pipeline facilities and control systems |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: Massachusetts, USA Patentee after: Schneider electronic systems, American Inc Address before: Massachusetts, USA Patentee before: Invensys Sys Inc. |
|
CP01 | Change in the name or title of a patent holder |