CN102393735A

CN102393735A - 用于异常情况检测中的统计处理方法

Info

Publication number: CN102393735A
Application number: CN2011103495784A
Authority: CN
Inventors: 卡迪尔·卡瓦卡里欧卢
Original assignee: Fisher Rosemount Systems Inc
Current assignee: Fisher Rosemount Systems Inc
Priority date: 2005-04-04
Filing date: 2006-04-04
Publication date: 2012-03-28
Anticipated expiration: 2026-04-04
Also published as: US20080208527A1; WO2006107933A1; CN102393735B; CN101156119B; US7680549B2; RU2007137820A; US20070010900A1; CA2603916A1; CN103777628A; JP2008535106A; EP1872184A1; ATE511128T1; BRPI0610522A2; CN101156120B; CN103777628B; CN101156120A; WO2006107952A1; JP2008535123A; US8027804B2; EP1866716A1

Abstract

本发明公开了对一或多种异常情况的检测，其利用工厂内统计过程监控块所做的对一或多项过程参数或变量测量的诸如平均值、中值、标准差之类的各种统计测量值来执行。这种检测在许多情况下通过利用专门的数据滤波器和数据处理技术而得到增强，这些技术被设计成在计算上简单，从而能够在具有有限处理能力的现场设备中被应用于以高采样速率收集到的数据。已增强的数据或测量可以用于提供更佳或更精确的数据统计测量值，可以用于修整数据以移除该数据的离群值，可以用于使该数据拟合到非线性函数，或者可以用于快速检测诸如分裂蒸馏塔和流化床催化裂化器之类的特定工厂设备内的各种异常情况的发生。

Description

用于异常情况检测中的统计处理方法

本申请是于2006年4月4日提交的申请号为200680011278.2(PCT/US2006/012445)的标题为“用于异常情况检测中的统计处理方法”的专利申请的分案申请。

相关申请的交叉引用

本申请要求已于2005年4月4日提交的名称为“Process Diagnostics(过程诊断)”的60/668,243号美国临时专利申请的权益，而且该申请用于所有目的的全部内容均通过参考特别合并于此。

技术领域

本发明总地涉及在加工厂中执行诊断和维护，更具体地说，涉及以一种减少或防止加工厂内异常情况的方式来提供加工厂内的诊断功能。

背景技术

过程控制系统，例如用于化学、石油或者其它过程中的那些过程控制系统，通常包括一或多个集中式或分布式过程控制器，这些过程控制器通过模拟总线、数字总线或者数模混合总线，与至少一个主机或者操作员工作站以及与一或多台类似现场设备这样的过程控制和仪表设备通信连接。现场设备，例如可以是阀、阀定位器、开关、变送器或者传感器(例如温度传感器、压力传感器以及流速传感器)，被设置在加工厂环境中，并且执行过程中的各项功能，例如开关阀、测量过程参数、增大或者减小流体流量等等。智能现场设备，例如符合众所周知的FOUNDATION^TM现场总线(下文中称为“现场总线(Fieldbus)”)协议或者协议的现场设备，还可以执行控制计算、告警功能以及其它通常在过程控制器中实现的控制功能。

过程控制器通常位于加工厂环境中，接收由现场设备做出的或者与现场设备相关的表示过程测量结果或者过程变量的信号和/或有关该现场设备的其它信息，并且执行控制器应用程序。控制器应用程序实现例如不同的控制模块，这些控制模块做出过程控制决策、基于收到的信息生成控制信号，以及与在诸如HART和Fieldbus现场设备的现场设备中执行的控制模块或控制块协调一致。过程控制器中的控制模块在通信线路或者信号路径上向现场设备发送控制信号，从而控制过程中的操作。

来自现场设备和过程控制器的信息通常可用于一或多台硬件设备，例如用于操作员工作站、维护工作站、个人计算机、手持设备、数据历史库、报告生成器以及集中数据库等等，以使操作员或者维护员可以执行所需要的关于该过程的功能，例如改变过程控制例程的设置、修改过程控制器或者智能现场设备中控制模块的操作，查看该过程或者加工厂中特定设备的当前状态，查看现场设备和过程控制器产生的告警，用于人员培训或者过程控制软件测试的目的而对过程的操作进行仿真，以及诊断加工厂中的问题或者硬件故障等等。

虽然典型的加工厂具有许多连接到一或多个过程控制器的过程控制和仪表设备，例如阀、变送器、传感器等等，但是同时还存在许多过程操作所必需的或者与过程操作相关的其它支持设备。举例来说，这些附加设备包括放置在典型工厂的许多地方的供电装置、发电和配电装置、以及诸如涡轮和电机之类的旋转装置等等。虽然这些附加装置并不一定产生或者使用过程变量，并且在多数情况下，也不会为了实现过程操作的目的而由过程控制器来控制，甚至也不与过程控制器连接，但是这些装置对于正确的过程操作而言仍然是重要的，并且归根结底是必需的。

所周知的是，加工厂环境中时常出现问题，特别是拥有大量现场设备和支持装置的加工厂。这些问题的形式可以是设备故障或者失灵、流体线路或导管堵塞、诸如软件例程的逻辑元件配置不当或处于不当模式、过程控制回路被不正确的调节以及加工厂的设备之间的一或多个通信故障等等。大量这样或其它的问题实际上通常导致过程工作在异常状态(即，加工厂处于异常情况)，而这些异常状态通常与加工厂的非最优性能有关。已经有许多诊断工具和应用程序被开发出来，以在一旦问题出现并且被检测到时，用于检测和确定加工厂中问题的原因，并且帮助操作员或者维护员对这些问题进行诊断和纠正。例如，通过诸如直接总线或无线总线、以太网、调制解调器、电话线之类的通信连接通常与过程控制器相连的操作员工作站，其具有适于运行软件或者固件的处理器和内存，例如由爱默生过程管理公司(EmersonProcess Management)出售的其中软件具有大量控制模块和控制回路诊断工具的DeltaV^TM和Ovation控制系统。类似地，通过与控制器应用软件相同的通信连接或者通过诸如OPC连接、手持连接之类的不同的通信连接而与例如现场设备这样的过程控制设备相连的维护工作站，其通常包括一或多个应用软件，以查看由加工厂中的现场设备生成的维护告警或者警报，测试加工厂中的设备，以及对加工厂中的现场设备和其它设备进行维护行为。类似的诊断应用程序已经被开发出来，以用于对加工厂中的支持装置的问题进行诊断。

这样，举例来说，由爱默生过程管理公司出售的资产管理解决方案(AMS)应用程序(其中的至少一部分由专利号为5,960,214且名称为“Integrated Communication Network for use in a Field Device ManagementSystem”(“用于现场设备管理系统的集成通信网络”)的美国专利所公开)，可以与现场设备通信并且保存有关现场设备的数据，从而确定并追踪现场设备的操作状态。在一些情况下，AMS应用程序可以用于与现场设备通信，来改变现场设备中的参数，使现场设备自行运行例如自校准例程或者自诊断例程这样的应用程序，以及获取现场设备的状态或健壮信息，等等。举例来说，这些信息可以包括状态信息(例如，是否发生了告警或者其它类似事件)、设备配置信息(例如，现场设备当前所处的或者可以被配置成的方式以及现场设备所用的测量单元的类型)、设备参数(例如，现场设备范围值和其它参数)，等等。当然，这些信息可以被维护员用来监控、维护、和/或诊断现场设备的问题。

类似地，许多加工厂包括装置监控和诊断应用程序，例如由CSI系统提供的RBMware软件，或者其它任何已知的用于监控、诊断以及优化各种旋转装置运行状态的应用软件。维护员通常利用这些应用软件来维护和检查工厂中旋转装置的性能，以确定旋转装置的问题，以及确定旋转装置是否和在什么时候需要修理或替换。类似地，许多加工厂包括电力控制和诊断应用软件，例如由Liebert和ASCO公司提供的那些应用软件，以控制和维护发电和配电装置。已知的还有通过在加工厂中运行控制优化应用软件，例如实时优化器(RTO+)来优化加工厂中的控制行为。这些优化应用软件通常使用复杂的算法和/或加工厂模型，以预报怎样通过改变输入来优化加工厂的操作，从而达到一些例如效益的目标优化值。

这样或者其它的诊断和优化应用程序通常在基于一或多个操作员或维护工作站的系统尺度上实现，并且可以向操作员或者维护人员提供关于加工厂或者加工厂内设备和装置的运行状态的预先配置的显示器。典型的显示器包括：告警显示器，其接收由加工厂内的过程控制器或者其它设备产生的告警；控制显示器，其表示加工厂内的过程控制器或者其它设备的运行状态；维护显示器，表示加工厂内设备的运行状态，等等。类似地，这样或者其它的诊断应用程序可以使操作员或者维护员能够重调节控制环路或者重置其它控制参数，在一或多台现场设备上运行测试以确定这些现场设备的当前状态，校准现场设备或者其它装置，或者在加工厂的设备和装置上进行其它的问题检测和纠正行为。

虽然这些各种应用程序和工具极有助于识别和纠正加工厂中的问题，但是这些诊断应用程序通常被配置为只在加工厂中已经发生问题后，也就是随之在工厂中已经存在异常情况后，才能起作用。不利的是，在被这些工具检测、识别和纠正之前，异常情况可能已经存在了一段时间，从而导致在问题被检测、识别和纠正的时间段里加工厂的非最优性能。在许多情况下，基于告警、警报或者加工厂的不良表现，控制操作员最先检测到一些问题的存在。操作员会将潜在的问题通知维护人员。维护人员可能会检测到实际发生的问题，也可能检测不到，并且在实际运行测试或者其它诊断应用程序之前可能需要更多的提示，或者进行识别实际问题所需要的其它行为。一旦问题被识别出，维护人员可能会需要整理各部分并且安排维护程序，所有这些都会导致在问题发生和问题纠正之间需要大量的时间，而在这段时间中，加工厂运行在通常与工厂的非最优操作相关的异常情况中。

此外，许多加工厂可能都经历过在相对较短时间内就对工厂造成大量开销或者破坏的异常情况。例如，一些异常情况可能导致对装置的显著破坏，对原料的浪费，或者加工厂内的长时间意外停工，即使这些异常情况仅仅存在了很短时间。这样，仅仅在工厂的问题发生之后才检测问题，无论问题被纠正得多快，都仍然可能导致加工厂中的重大损失或者破坏。因此，需要首先努力防止异常情况的出现，而不是仅仅在异常情况出现后试图对加工厂中的问题进行反应和纠正。

一种可以用于收集数据从而让用户可以在加工厂内的一些异常情况实际出现之前或者出现后立刻就预测到这些异常情况的发生的技术，其用于采取措施来在加工厂中的任何重大损失发生之前阻止所预测到的异常情况或者纠正这些异常情况。该过程由申请序列号为09/972,078且名称为“Root CauseDiagnostics”(“根本原因诊断”)的美国专利申请(部分基于申请序列号为08/623,569且专利号为6,017,143的美国专利)所公开。这些申请/专利所公开的全部内容整体在此通过引用并入。一般而言，这些技术在加工厂内许多例如现场设备这样的设备的每一台中，放入统计数据收集和处理块或者统计处理监视(SPM)块。举例来说，统计数据收集和处理块收集过程变量数据，并且确定与所收集的数据相关的统计测量结果，例如平均值、中值、标准差，等等。之后这些统计测量结果可以发送给用户界面或其它处理设备，并且被分析以辨认出暗示在实际发生或未来会发生的已知异常情况的模式。一旦检测到特定的被怀疑异常情况，就可以采取措施来纠正潜在的问题，从而首先避免异常情况或者快速纠正这种异常情况。不过，对于通常的维护操作员来说，这些数据的收集和分析可能是耗时且乏味的，尤其是在加工厂具有大量的收集这种统计数据的现场设备的情况下。而且，虽然维护员能够收集这些统计数据，但是他/她可能不知道如何最好地分析或查看这些数据，以确定这些数据可能暗示出哪些可能存在的未来异常情况。

发明内容

本发明公开了对一或多种异常情况的检测或预测，其使用工厂内统计过程监控块(SPM)所确定出的对过程参数或变量测量结果的诸如平均值、中值、标准差之类的各种统计测量值来执行。这种检测在许多情况下通过使用专门的数据滤波器和数据处理技术而得到增强，这些技术被设计成计算简单，从而能够应用于在具有有限处理能力的现场设备中以高采样速率收集到的数据。已增强的数据或测量结果可以用于提供所述过程变量或过程参数的更佳或更精确的统计测量值，可以用于修整所述数据以移除该数据的离群值(outlier)，可以用于使该数据拟合到非线性函数，或者可以用于快速检测诸如分裂蒸馏塔和炼油催化裂化器之类的特定工厂设备内各种异常情况的发生。虽然可以在加工厂内的用户界面设备或其它维护设备中执行统计数据收集和处理以及异常情况检测，但是这些方法还可以有利地用在那些首先收集所述数据的诸如类似阀、变送器的现场设备之类的设备中，从而消除集中式用户界面设备的处理负担以及消除与将所述统计数据从现场设备至用户界面设备的发送相关的通信开销。

此处所描述的方法可以应用于加工厂内许多不同情况中的若干不同类型的数据，以检测一或多种异常情况是否在工厂内出现或者是否可能正在工厂内发展。例如，所述统计数据可以包括基于由例如与分裂蒸馏塔或炼油催化裂化器单元相关的一或多个压力、液位、流量、位置和温度传感器所探测到的压力、液位、流量、位置和温度变量而产生的统计数据。当然，如果检测到异常情况，则会产生异常情况的指示，并且所述指示可以用于例如通知操作员或维护员或者影响工厂装置的控制。

附图说明

图1是具有分布式控制和维护网络的加工厂的示范性框图，该分布式控制和维护网络包括一或多个操作员和维护工作站、控制器、现场设备和支持装置；

图2是图1中加工厂的一部分的示范性框图，其示出了位于加工厂不同元件内的异常情况防止系统的各种部件之间的通信互连并且包含了对统计过程监控(SPM)块的使用；

图3是示例SPM块的框图；

图4是示出图1或图2加工厂的设备内的一组统计过程监控块的配置的显示图；

图5是示例SPM模块的框图，该SPM模块使用多个SPM块和一数据处理块以对原始数据执行信号处理从而产生增强的SPM统计数据；

图6是图5的实现多种不同类型滤波器之一的第一示例数据处理块的框图；

图7是图5的第二示例数据处理块的框图，该数据处理块包括数据修整块并实现一或多种不同类型滤波器以产生滤波并修整后数据；

图8示出已知的16阶FIR高通滤波器的传递函数的曲线；

图9示出可用于滤波SPM模块中所接收处理数据的差分滤波器的传递函数的曲线；

图10示出图9的滤波器的待应用到包括过程噪声和过渡态的一组原始压力数据的曲线；

图11示出对图10的压力数据应用图9的滤波器后的一组滤波后数据的曲线；

图12示出典型的压力信号在时域上的曲线图；

图13示出对图12的压力信号应用快速傅立叶变换后的频域表示曲线；

图14是用于炼油厂和制药厂中的典型分裂蒸馏塔的框图；

图15是示出图14的分裂蒸馏塔的分馏器各塔盘的框图；和

图16是用于炼油厂的典型流化床催化裂化器的框图。

具体实施方式

现在参照图1，在示例加工厂10中可以实现异常情况防止系统，该加工厂10包括许多通过一或多个通信网络与支持装置互连在一起的控制和维护系统。具体地说，图1的加工厂10包括一或多个过程控制系统12和14。过程控制系统12可以是传统的例如PROVOX或RS3系统的过程控制系统或者是其它任何控制系统，它包括连接至控制器12B和输入/输出(I/O)卡12C的操作员界面12A，而I/O卡12C又连接至诸如模拟和高速可寻址远程变送器(HART)现场设备15之类的各种现场设备。过程控制系统14可以是分布式过程控制系统，它包括一或多个通过诸如以太网总线之类的总线连接至一或多个分布式控制器14B的操作员界面14A。控制器14B可以是例如由德克萨斯州奥斯汀市的爱默生过程管理公司出售的DeltaV^TM控制器或者其它需要的任何类型的控制器。控制器14B通过I/O设备连接至一或多台现场设备16，例如HART或Fieldbus现场设备或者其它任何智能或非智能现场设备，它们包括例如那些使用AS-Interface和CAN协议的现场设备。如所周知地，现场设备16可以向控制器14B提供有关过程变量以及有关其它设备信息的模拟或数字信息。操作员界面14A可以保存并执行过程控制操作员用来控制过程操作的工具，包括例如控制优化器、诊断专家系统、神经网络、调谐器等等。

而且，维护系统，例如执行AMS应用程序或其它任何设备监控和通信应用程序的计算机，可以连接至过程控制系统12和14或者其中的个别设备，从而进行维护和监控行为。例如，维护计算机18可以通过任何需要的通信线路或网络(包括无线或手持设备网络)连接至控制器12B和/或设备15，以便与设备15通信并且在一些情况下对设备15重新配置或执行其它维护行为。类似地，例如AMS应用程序之类的维护应用程序可以安装在与分布式过程控制系统14相关的一或多个用户界面14A中并由它或它们来执行，从而完成包括有关设备16的运行状态的数据收集在内的维护和监控功能。

加工厂10还包括诸如涡轮、电机之类的各种旋转装置20，它们通过一些永久或暂时通信链接(例如，连接至装置20以进行读取并在随后被拆除的总线、无线通信系统或手持设备)连接至维护计算机22。维护计算机22可以保存并执行由例如CSI(爱默生过程管理一公司)提供的已知监控和诊断应用程序23或者其它任何用于诊断、监控和优化旋转装置20的运行状态的已知应用程序。维护人员通常使用应用程序23来维护并检查工厂10中旋转装置20的性能，从而确定旋转装置20的问题并且确定旋转装置20是否需要或者何时需要维修或更换。在一些情况下，外面的咨询员或维修组织可以暂时获取或测量有关装置20的数据，并且使用该数据对装置20进行分析，从而检测对装置20造成影响的故障、不良性能或其它问题。在这些情况下，运行所述分析的计算机可能不通过任何通信线路连接至系统10的其它部分，或者可能只是暂时连接至系统10的其它部分。

类似地，发电和配电系统24具有与工厂10相关的发电和配电装置25，它通过例如总线连接至另一运行并检查工厂10中发电和配电装置25的计算机26。计算机26可以执行已知的电力控制和诊断应用程序27，例如由诸如Liebert和ASCO或其它公司提供的那些应用程序，从而控制和维护发电和配电装置25。此外，在许多情况下，外面的咨询员或维修组织可以使用维修应用程序暂时获取或测量有关装置25的数据，并且使用该数据以对装置25进行分析，从而检测对装置25造成影响的故障、不良性能或其它问题。在这些情况下，运行所述分析的计算机(例如，计算机26)可能不通过任何通信线路连接至系统10的其它部分，或者可能只是暂时连接至系统10的其它部分。

如图1所示，计算机系统30实施异常情况防止系统35的至少一部分，并且具体地说，计算机系统30保存并实现配置和数据收集应用程序38、可以包括统计收集和处理块的查看或界面应用程序40、和规则引擎开发和执行应用程序42，以及另外还保存统计过程监控数据库43，该数据库43存储过程中的一些设备内产生的统计数据，例如各种过程参数的统计测量值。一般而言，配置和数据收集应用程序38配置位于加工厂10的现场设备15和16、控制器12B和14B、旋转装置20或其支持计算机22、发电装置25或其支持计算机26以及其它任何需要的设备和装置内的许多统计数据收集和分析块(在图1中未示出)中的每一个并且与它们通信，从而从这些块中的每一个收集统计数据(或者在一些情况下实际是原始过程变量数据)，以便利用这些数据来这些异常情况检测。配置和数据收集块38可以通过硬布线总线45通信连接至工厂10中的每一台计算机或设备，或者作为替代地，可以通过其它任何需要的通信连接而连接至所述每一台计算机或设备，所述通信连接包括例如无线连接、使用OPC的专用连接、诸如依靠手持设备收集数据的连接之类的间歇性连接，等等。

同样地，应用程序38可以通过诸如因特网、电话连接之类的LAN或公共连接(在图1中示作因特网连接46)获取关于加工厂10中的现场设备和装置的数据，这些数据例如由第三方业务提供商在收集。而且，应用程序38可以通过包括诸如以太网、Modbus、HTML、XML、专利技术/协议等等在内的各种技术和/或协议通信连接至工厂10中的计算机/设备。因此，尽管此处描述了使用OPC将应用程序38通信连接至工厂10中的计算机/设备的特定示例，但是本领域的普通技术人员将认识到，也可以使用其它各种将应用程序38连接至工厂10中的计算机/设备的方法。应用程序38通常可以将收集数据存储在数据库43中。

一旦收集到统计数据(或过程变量数据)，查看应用程序40就可以用于处理该数据和/或以不同的方式显示所收集或处理后统计数据(例如，存储在数据库43中的那些数据)，从而使用户例如维护员能够更好地确定异常情况的存在或预测出异常情况的未来存在，并且采取抢先或实际纠正行为。规则引擎开发和执行应用程序42可以使用保存在其中的一或多个规则以分析所收集数据，从而确定加工厂10内异常情况的存在或者预测所述异常情况的未来存在。另外，规则引擎开发和执行应用程序42可以使操作员或其它用户能够创建另外的待由规则引擎实现的规则，从而检测或预测异常情况。应该理解的是，此处所描述的对异常情况的检测包含对异常情况未来发生的预测。

为了描述与异常情况防止系统35相关的、包括位于现场设备内的各种块的部件执行统计数据收集和处理以及在一些情况下的异常情况检测的一种方式，图2示出了图1的示例加工厂10的一部分50。虽然图2示出了异常情况防止应用程序38、40和42及数据库43与HART和Fieldbus现场设备内一或多个数据收集和处理块之间的通信，但是可以理解，在异常情况防止应用程序38、40和42与加工厂10中包括图1中所示任一台设备和装置在内的其它设备和装置之间可以发生类似的通信。

图2中所示的加工厂10的部分50包括分布式过程控制系统54，该分布式过程控制系统54具有一或多个通过输入/输出(I/O)卡或设备68和70连接至一或多台现场设备64和66的过程控制器60，所述I/O卡或设备68和70可以是符合任何需要通信或控制器协议的任何需要类型的I/O设备。现场设备64被示作HART现场设备，而现场设备66被示作Fieldbus现场设备，不过这些现场设备可以使用其它任何需要的通信协议。另外，现场设备64和66可以是诸如传感器、阀、变送器、定位器之类的任何类型的设备，并且可以符合任何需要的开放式、专利性或其它通信或者编程协议，可以理解，I/O设备68和70必须兼容现场设备64和66所使用的需要协议。

在任何情况下，一或多个用户界面或计算机72和74(可以是任何类型的个人计算机、工作站等)可以由诸如配置工程师、过程控制操作员、维护人员、工厂管理者、主管人之类的工厂人员访问，并通过通信线路或总线76连接至过程控制器60，所述通信线路或总线76可以使用任何需要的硬布线或无线通信结构、并且使用诸如以太网协议之类的任何需要或适合的通信协议来实现。此外，数据库78可以连接至通信总线76以运行作数据历史库，以便收集并存储配置信息以及联线过程变量数据、参数数据、状态数据和与加工厂10内的过程控制器60和现场设备64和66相关的其它数据。因此，数据库78可以运行作配置数据库，以存储包括过程配置模块在内的当前配置以及过程控制系统54的下载到并存储在过程控制器60和现场设备64和66中的控制配置信息。同样地，数据库78可以存储历史异常情况防止数据，包括加工厂10内的现场设备64和66所收集和/或产生的统计数据，或者利用现场设备64和66所收集的过程变量确定出的统计数据。

虽然过程控制器60、I/O设备68和70以及现场设备64和66通常向下位于并分布于整个有时苛刻的工厂环境中，但是工作站72和74以及数据库78通常位于控制室、维护室或其它容易由操作员、维护人员等访问的不太苛刻的环境中。

一般而言，过程控制器60存储并执行一或多个使用许多独立执行的不同控制模块或块实现控制策略的控制器应用程序。每个所述控制模块均可以由一般所称的功能块组成，其中每个功能块是总体控制例程的一部分或子例程，并且(通过所谓的链接通信)与其它功能块结合运行，从而实现加工厂10内的过程控制环路。如众所周知地，功能块可以是面向对象编程协议中的对象，并通常执行以下功能中的一个：输入功能，例如与变送器、传感器或其它过程参数测量设备相关的输入功能；控制功能，例如与执行PID、模糊逻辑等的控制例程相关的控制功能；或者输出功能，其控制一些诸如阀之类的设备的操作以执行加工厂10内的一些物理功能。当然，也存在混合和其它类型的复杂功能块，例如模型预测控制器(MPC)、优化器，等等。应该理解，虽然Fieldbus协议和DeltaV^TM系统协议使用以面向对象编程协议设计并实现的控制模块和功能块，但是所述控制模块可以使用包括例如时序功能块、梯形逻辑等在内的任何需要的控制编程方案来设计，并且不局限于使用功能块或其它任何特定编程技术来设计。

如图2所示，维护工作站74包括处理器74A、内存74B和显示器74C。内存74B存储关于图1所论述的异常情况防止应用程序38、40和42，而且以这些应用程序可以在处理器74A上实现的方式来存储，从而通过显示器74C(或其它任何显示器，例如打印机)向用户提供信息。

另外，如图2所示，现场设备64和66中的一些(并且可能是全部)均包括数据收集和处理块80和82。虽然此处为了论述的目的，关于图2的块80和82被描述成高级诊断块(ADB)，所述ADB是已知的可以添加到Fieldbus设备以收集和处理Fieldbus设备内的统计数据的Foundation Fieldbus功能块，但是块80和82可以是或者可以包括位于过程设备内的其它任何类型的块或模块，以便收集设备数据并计算或确定此数据的一或多个统计测量值或参数，而无论这些块是否位于Fieldbus设备内或者是否符合Fieldbus协议。虽然图2的块80和82示作位于多台设备64之一中以及多台设备66之一中，但是这些或类似的块可以位于任何数目的现场设备64和66中，可以位于例如控制器60、I/O设备68和70的其它设备中，可以处于一位于工厂内并与多个传感器或变送器以及控制器60通信的间歇设备中，或者处于图1所示的任一设备中。此外，块80和82可以处于设备64和66的任意子集中。

一般而言，块80和82或这些块的子元件收集它们所处的设备中的数据，例如过程变量数据，并且为了任何数目的理由对该数据执行统计处理或分析。例如，示作与阀相关的块80可以具有阻塞阀检测例程，以便分析阀过程变量数据从而确定该阀是否处于阻塞状态。此外，块80包括一组四个的统计过程监控(SPM)块或单元SPM1-SPM4，以便可以收集所述阀内的过程变量或其它数据，并且对所收集数据执行一或多项统计计算，从而确定例如所收集数据的平均值、中值、标准差、均方根值(RMS)、变化率、范围、最小值、最大值等等和/或检测所收集数据中的诸如漂移、偏差、噪声、尖峰之类的事件。无论是所产生的具体统计数据还是数据产生所用的方法都不是紧要的。因此，除了上述具体类型之外或者代替上述具体类型，还可以产生不同类型的统计数据。此外，包括已知技术在内的各种技术可以用于产生这样的数据。术语“统计过程监控(SPM)块”此处用于描述对至少一个过程变量或其它过程参数执行统计过程监控的功能，并且可以用在进行数据收集的设备内部甚至是该设备外部的任何需要的软件、固件或硬件执行。应该理解，由于SPM通常位于进行设备数据收集的设备中，所以SPM可以获得数量上更多并且质量上更加精确的过程变量数据。结果是，较之位于进行过程变量数据收集的设备外部的块，SPM块通常能够确定关于所收集过程变量数据的更佳的统计计算。

作为另一示例，图2中示作与变送器相关的块82可以具有堵塞线路检测单元，以便分析变送器所收集的过程变量数据从而确定工厂内的线路是否堵塞。此外，块82包括一组四个的SPM块或单元SPM1-SPM4，以便可以收集变送器内的过程变量或其它数据并且对所收集数据执行一或多个统计计算，从而确定例如所收集数据的平均值、中值、标准差等等。如果需要，块80和82的潜在操作可以如以上所参照的6,017,143号美国专利中的描述那样来执行或实现。虽然块80和82示作分别包括四个SPM块，但是块80和82中可以具有其它任何数目的SPM块，以用于收集数据并且确定与该数据相关的统计测量值。同样地，虽然块80和82示作包括用于检测工厂10内特定状况的检测软件，但是它们并不需要具有这样的检测软件或者可以包括用于检测工厂内其它状况的如下所述的检测软件。而且，虽然此处所述的SPM块示作ADB的子元件，但是作为替代地，它们可以是位于设备中的独立块。同样，虽然此处所阐述的SPM块可以是已知的Foundation Fieldbus SPM块，不过术语统计过程监控(SPM)块在这里用于表示任何类型的完成下列功能的块或者元件，即收集诸如过程变量数据的数据，并且对这些数据执行一些统计处理以确定诸如平均值、标准差之类的统计测量值。其结果是，该术语意图覆盖执行这种功能的软件、固件或其它元件，而不管这些元件采用功能块的形式或者其它类型的块、程序、例程或元件的形式，也不管这些元件是否符合Foundation Fieldbus协议或者诸如PROFIBUS、WORLDFIP、Device-Net、AS-Interface、HART、CAN之类协议的一些其它协议。

图3示出SPM块90(可以是图2的块80和82中的任一SPM块)的框图，该SPM块在输入端92接收原始数据并且运行计算该数据的各种统计测量值，包括平均值、RMS值和一或多个标准差。对于给定一组原始输入数据，块90还可以确定最小值(Min)、最大值(Max)和范围。如果需要。该块可以计算数据中的具体点，例如Q25、Q50和Q75点，并且可以基于分布执行离群值移除。当然，这种统计处理可以使用任何需要或已知的处理技术来执行。

再参照图2，在一个实施例中，ADB80和82内的每个SPM块可以是现用的或者是待用的，现用的SPM块是当前在监控过程变量(或其它过程参数)的块，而待用SPM块是当前未监控过程变量的块。一般而言，SPM块默认为待用的，因此每个块通常必须被单独配置以监控一过程变量。图4示出一示例配置显示84，其可以呈现给用户、工程师等从而描述并改变设备的当前SPM配置。如显示84中所指示的，该特定设备的SPM块1、2和3均已经被配置，而SPM块4还没有被配置。已被配置的SPM块SPM1、SPM2和SPM3中的每个与设备内的特定块(如用块标签表示)、块类型、块的参数索引(即被监控的参数)、以及表示SPM块的监控功能的用户命令相关。而且，每个已配置SPM块均包括一组所确定出的统计参数待与之比较的阈值，包括例如平均值极限、高偏差极限(指定一表示信号有太大偏差的值)和低动态性(指定一表示信号有太小偏差的值)。实际上，检测平均值的变化可以表示过程在向上或向下漂移，检测高偏差可能意味着过程中的元件在经历不期望的噪声(例如由增加振动所引起的噪声)，而检测低偏差可能意味着过程信号在经受滤波或者元件在经受可疑的安静，如同例如堵塞阀的情况。而且，可以给每个SPM块设置例如平均值和标准差的基线值。这些基线值可以用于确定设备内是否已经满足或超过极限值。图4的SPM块1和3都是现用的，这是因为它们已经接收到用户命令而开始监控。另一方面，SPM块2是待用的，这时因为它处于空闲状态。而且，在该示例中，SPM功能如框86所指示的那样允许用于整个设备，并且如框88所指示的那样被设置成每5分钟进行监控或计算。当然，经授权用户可以重新配置设备中的SPM块，从而监控设备中的其它例如其它功能块的块、与设备中的这些或其它块相关的其它参数、以及从而具有其它阈值、基线值等等。

虽然在图2和图4中示出了一些统计监控块，但是可以理解，也可以或另外可以监控其它参数。例如，关于图2所论述的SPM块或ADB可以计算与过程相关的统计参数，并且可以基于这些值的变化触发一些告警。作为示例，Fieldbus类型的SPM块可以监控过程变量并且提供15种与这种监控相关的不同参数。这些参数包括块标签、块类型、平均值、标准差、平均值变化、标准差变化、基线平均值、基线标准差、高偏差极限、低动态性极限、平均值极限、状态、参数索引、时间标记和用户命令。两种最有用的参数目前认为是平均值和标准差。不过，通常使用的其它SPM参数是基线平均值、基线标准差、平均值变化、标准差变化和状态。当然，SPM块可以确定其它任何需要的统计测量值或参数，并且可以向用户或请求应用程序提供与特定块相关的其它参数。因此，SPM块不局限于此处所论述的这些。

可以理解，现场设备内SPM块(SPM1-SPM4)的参数可由外部客户端使用，例如通过总线或通信网络76和控制器60可由工作站74使用。另外或作为替换地，ADB80和82内的SPM块(SPM1-SPM4)所收集或产生的参数和其它信息可以通过例如OPC服务器89由工作站74使用。这种连接可以是无线连接、硬布线连接、间歇性连接(例如使用一或多台手持设备的连接)或者使用任何需要或适合通信协议的其它任何需要的通信连接。当然，此处所描述的任一通信连接均可以使用OPC通信服务器以将接收自不同类型设备的数据统一成共同或一致的格式。

而且，可以将SPM块放置在主机设备、除了现场设备之外的其它设备或者其它现场设备中，以执行所述收集或产生例如原始过程变量数据的原始数据的设备外部的统计过程监控。这样，例如图2的应用程序38可以包括一或多个通过例如OPC服务器收集原始过程变量数据以及计算该过程变量数据的诸如平均值、标准差之类的一些统计测量值或参数的SPM块。虽然SPM块不位于收集数据的设备中，从而由于该数据的通信需求一般不能收集同样多的过程变量数据以执行统计计算，但是这些块有助于确定不具有或不支持SPM功能的设备的统计参数或设备内的过程变量。另外，由于技术的改进，网络的可用处理量可以随着时间增加，并且不位于收集原始数据的设备中的SPM块可以收集更多的过程变量数据以执行统计计算。因此，在以下论述中可以理解，所描述的待由SPM块产生的任何统计测量值或参数，可以由例如ADB80和82中的SPM1-SPM4的SPM块产生，或者在包括其它现场设备的主机或其它设备内的SPM块中产生。而且，可以使用SPM块所处的现场设备或其它设备中的统计测量值来执行异常情况检测和其它数据处理，从而基于SPM块所产生的统计测量值的检测不局限于在例如用户界面的主机设备中进行的检测。

重要的是，上述的原始统计数据和基于该数据的各种统计测量值的计算，其最有利的用途首先大部分取决于原始或收集数据的准确性。许多数据处理功能或方法可以应用于SPM块，从而增加原始数据的准确性或有用性和/或预处理原始数据并生成SPM块的更正确或更佳的统计数据。这些数据处理功能可以在将原始或处理后数据暴露在其它现场设备和主机系统之前就应用于精处理或处理原始现场数据。而且，在一些情况下，这些数据处理功能可以用于提供对处理后数据或原始数据的诊断，从而向用户、其它现场设备和主机系统产生告警和/或警示。以下所述的数据处理功能和方法可用于诸如HART、Fieldbus、Profibus之类的所有通信协议，并且可用于诸如变送器、控制器、执行器之类的所有现场设备。

可以理解，在现场设备内执行统计和数字信号处理，提供了在工厂中使用原始数据进行任何有关修改的测量和控制之前就运行原始测量数据的功能。因此，设备中的计算信号是该设备所设置在的探测系统、机械装置和过程的状态的最佳指示。对于大多数通信系统来说，由于现场设备与主机系统之间通信协议的带宽限制，以高采样速率收集到的原始数据不能基于工厂尺度传送到主机系统。即使在未来变成现实，装载具有过多原始传送数据的网络将对该网络上的用于测量和控制的其它任务造成不利影响。因此，在第一个例子中提出，在现场设备或收集原始数据的其它设备内的SPM块或模块中提供此处所描述的一或多个数据处理方法。

如上所述，图3示出用于对原始数据执行统计过程监控计算的基本SPM块。作为示例，Rosemount 3051变送器使用图3的块的简化版，其中只计算平均值和标准差并将其传送至主机系统。不过，已经确定的是，在所有情况下，计算这些值以及信号的RMS值和范围信息不是必定产生健壮的监控和诊断信息。实际上，在一些情况下已经发现，通过将这些参数不仅与它们的过去基线相比较而且与对原始数据输入的处理后形式的评估得出的类似参数相比较，可以确定出更好的统计值。尤其是，通过使SPM块计算原始数据的统计测量值以及原始数据滤波后或处理后版本的统计测量值，并且之后比较这些计算出的统计测量值，可以获得额外的信息。例如，如图5所示，SPM模块100可以包括两个SPM块90a和90b以及一信号处理块102。原始数据可以通常在SPM块90a中被处理，以对原始数据产生各种统计测量值(例如，Min、Max、范围、平均值、RMS、标准差等等)。不过，原始数据还可以在信号处理块102中被处理，从而可以对原始数据滤波、修整原始数据以移除离群值等等。处理后原始数据之后可以提供至SPM块90b，从而确定一或多项有关处理后数据的统计测量值。原始数据统计测量值和处理后数据统计测量值之后可以互相比较，从而检测或确定关于原始数据的信息。此外，原始数据统计测量值和处理后数据统计测量值中的一或两项可以用于随后的处理中，从而执行例如异常情况检测。

因此，可以理解，图5的信号处理块102可以实现各种数据处理技术，这些技术在使用统计过程监控功能执行加工厂内监控和诊断的过程中非常有用。在这些技术中，首先就是修整原始数据的功能，这在检测并于随后消除尖峰、离群值和不良数据点的过程中很有用，以便这些数据点不会使统计参数跳动。可以基于分类整理并移除一些顶端和底部百分比处的数据以及基于使用以标准差或一些加权移动平均数为基础的阈值，来执行修整。可以从数据序列中移除修整后点，或者可以进行插入以将离群值数据用一应该在该数据之前和/或之后收集到的另一数据为基础的数据的估计值代替。

而且，信号处理块102可以执行一或多种不同类型的滤波以处理原始数据。图6示出信号处理块102a，它包括多个滤波器以使用户或配置系统的人员能够选择需要类型的滤波。在图6的块102a中，三个数字滤波器示作低通滤波器104、高通滤波器105和带通滤波器106，这三个数字滤波器可以单独或结合应用以实现许多应用程序中的优良结果以及确定精确统计数据过程中的优良性能。当然，另外或作为图6中所示滤波器的替换还可以提供其它类型和数目的滤波器。另外，无滤波器选项或块107仅传送未处理的数据通过块102a，而阻止块(offblock)108阻止数据通过块102a。在块102a的配置期间，用户可以选择滤波器104-108中的一或多个，从而将用于处理块102a中的数据滤波。当然，滤波器可以利用任何已知或可用的数字信号处理技术来实现，并且可以使用诸如滤波器的期望斜率、滤波器的通波和拒波频率之类的任何已知滤波器参数来规定或限定。

图7示出另一信号处理块102b，它可以用于对原始数据进行滤波和/或修整原始数据。信号处理块102b包括多个标准滤波器(例如可以是低通、高通和带通滤波器)110以及一自定义滤波器112。这些选项使得用户能够选择处理块102b中的许多不同的期望滤波器特性之一。数据修整块115可以放置在每个滤波器110和滤波器112之前和/或之后，从而以上述方式中的任一种或者利用任何已知或可用技术来执行数据修整。可以理解，信号处理块102b使得用户或操作员能够在一或多个对原始数据滤波(并修整)的标准滤波器以及一对原始数据滤波(并修整)的自定义滤波器之间进行选择，从而产生滤波后(并修整后)数据。将提供至SPM块的滤波及修整数据的这种配置，提供了一种可用于监控和诊断应用程序的宽频谱中的高效且通用的技术。

当然，许多不同类型的滤波器可以用于例如图5到图7中所示的那些SPM模块和数据处理块。在一个实施例中，可以使用一或多个数字高通IIR(无限脉冲响应)滤波器或FIR(有限脉冲响应)滤波器来隔离信号的噪声部分。典型的n阶FIR滤波器具有以下结构：

y_{t} = Σ_{i = 0}^{n} a_{i} * x_{t - i}

其中，y是滤波后值，x是当前/先前测量值，而a是滤波器系数。如所周知地，这些滤波器被设计成与特定的频率响应标准相匹配，从而匹配期望的滤波器传递函数。

所周知的是，FIR滤波器目前被用在已知的例如位于已知Rosemount变送器以及Rosemount AMS SNAP-ON产品中的阻塞线路诊断算法。在这些情况中，FIR滤波器采用具有图8所示传递函数的16阶FIR滤波器的形式。在该图中，频率被正规化，使得1等效于1Hz采样频率的一半。因此，如图8所示，所显示出的滤波器将阻止从DC到约1.1Hz的信号的所有部分，并将使从约3.3Hz到11Hz的部分通过。过渡带为从约1.1Hz到约3.3Hz。该滤波器的主要用途在于移除所述信号的过渡态，从而可以计算噪声的标准差。不过，该滤波器不能保证将所有的过渡态都移除，这是因为有些过渡态会具有更快的成分(即落入该滤波器的通带)。不幸的是，不可能使用FIR技术将过渡带设计地过度高于图8中所示的那样，这是因为这种过渡态会对过程噪声连同过渡态一起进行滤波。因此，总的来说，这种FIR滤波器会使一些过渡态通过或者滤掉一些噪声。此外，由于DC增益不会为零，因此滤波后信号的平均值也不会达到零，不过却会带来偏移量，这不是所期望的。而且，由于该滤波器为16阶滤波器，因此需要各个点的多次计算，这增加了所要求的处理量和/或降低了实时执行滤波的能力，尤其是在使用高采样频率的情况下。

另一滤波器为简单差分滤波器，它可以例如是实现为图7的自定义滤波器112，并且可以为了任何目的，例如为了执行阻塞线路诊断和闪光不稳定性检测而有利地用于SPM块或模块。该差分滤波器可以预先(例如，在SPM块处理之前)应用于数据测量值序列，从而评估并消除或减少测量值序列或信号中的短期变化。具体地说，所提出的这种差分滤波器又可以用于移除信号的趋势/过渡态以及隔离信号的噪声部分，并且在一个实施例中实现为如下所限定的一阶差分滤波器：

y_t＝x_t-x_t-1

其中：y_t是时刻t的滤波后数据，而

x_i是时刻t的原始数据。

当然，另外或作为替代地可以使用更高阶的差分滤波器。该滤波器的频率响应或传递函数图示在图9中，并且可以理解，该滤波器不断增强较高的频率并不断降低较低的频率。由于信号中的趋势和过渡态的频率部分是未知的，所以该滤波器需确信具有用于信号中的所有可能趋势的最优结构。作为该滤波器实际应用的示例，图10示出了由信号趋势和某些压力噪声组成的压力信号120，而图11示出了在应用上述所提出的一阶差分滤波器之后(即具有图9所示传递函数)的滤波后信号122。从这些结果中可以清楚地看出，差分滤波器可以利用最少量的计算来处理各种压力状况。

上述差分滤波器的主要优势在于，它消除了给定信号中的中频和长期变化，并且它隔离了所述信号中的有时称作“过程噪声”的短期变化。该差分滤波器的另一优势在于，它是一阶滤波器并且与上述16阶FIR滤波器所需要的17次乘法和18次加法相比，每个测量点只需要一次减法。因此，该差分滤波器在计算方面非常有效，从而相当适合于板载应用程序，即提供于现场设备以及加工厂设备的SPM块或模块中的那些应用程序。

在SPM块(以及其它地方)中进行准确及有用的统计确定的另一重要方案包括：选择适当的数据块和时长，以在该时长内计算诸如平均值、标准差之类的统计测量值。实际上，计算给定数据序列的平均值、标准差等的固有问题在于，这些统计参数很大程度上取决于时间段的长度以及从而取决于用于执行计算的数据点的数目。对所述数目的数据点使用纯统计原则作为适当的采样组通常不会很好地起作用，这是因为大多数过程并不完全符合潜在的统计假设，从而这些原则所提出的所述数目的状态点可能不能在任何特定时刻使用。

不过，一种用于计算要使用的适当块长度的方法包括：在测试阶段期间收集信号的许多测试点，其中所述测试点的数目远大于可能的块长度；基于所收集测试点确定所述信号的频率成分(例如频域)；利用所述频率成分确定主系统时间常数；以及将所述块长度设置为所述主系统时间常数的某个倍数(可以是整数倍或非整数倍)。

根据这种方法，首先确定出信号X(t)的频率成分或频域。例如，假定时域中的数据序列给定为X(t)＝x₁，x₂，x₃，...x_n，其中在时刻t₁，t₂，t₃，...t_n测量x数据点。此处，假定相应的时间点t是均匀分布的。在图12中描述了典型的压力信号130的时域表示。接下来，傅立叶变换，例如快速傅立叶变换可以应用于压力信号130，从而确定压力信号130的频率成分。示例变换后信号X(f)示出了用于图12的压力信号130的X(t)的频域，它被示作图13中的曲线132。如所周知地，信号X(t)的FFT 132示出了数据的所有周期行为均为周期频率的函数。

接下来，压力信号的角隅频率f_c可以这样确定：(1)找出FFT从其峰值下降至某一系数(例如为10的系数)的频率；以及(2)找出FFT中任何被隔离的峰值。具体地说，所期望的是在确定频降之前就消除FFT中的隔离峰值，这是因为这些峰值可以将最大的FFT值人为拉高。也就是说，角隅频率应该在忽略FFT中的隔离峰值或尖峰之后基于FFT的低频率级的频降来确定。使用FFT中的隔离峰值可能导致角隅频率(或带宽)计算出错。因此在图13的曲线中，可以将角隅频率f_c选作大约10Hz。角隅频率f_c然后可以用于开发或估计主系统时间常数T_c。在一个实施例中，T_c＝1/f_c。

然后，可以将健壮块尺寸选作主系统时间常数T_c的某一倍数。例如，10倍的主系统时间常数T_c可以用于产生任一应用程序的健壮块尺寸。不过，作为替代地，可以使用主系统时间常数T_c的其它整数或非整数倍。

在一些情况下，所期望的是使特定数据组拟合到或匹配正弦波，从而确定最适合所述数据组的正弦波，而且该正弦波提供有关数据组详细内容的信息，例如主周期频率等。一种可用于使给定数据组拟合到正弦波的方法通过使用线性最小二乘法技术实现。不过，由于正弦波为非线性形式，因此例程线性回归方法不能应用于找出正弦波参数，从而非线性曲线拟合技术必须应用以评估所述参数。不过，非线性曲线拟合技术通常需要过量的迭代计算，这需要相当大的处理时间和处理量。而且，非线性技术必须确保解的计算稳定性和收敛性，这是相当复杂的概念并且在SPM块或模块中难以实现。

为了克服这些问题，以下将描述两种使用简单线性回归技术使数据组拟合到正弦波的实用方法，所述方法可用于现场设备中的SPM块或其它块而不需要大量的处理量。

如所周知地，一般的正弦波可以表达成以下形式：

并且为了此处的论述，这也是要拟合的正弦波形式。不过，作为替换地，可以使用其它形式的正弦波。

根据第一种用于拟合该正弦波的方法，此处称作单通频拟合(one passfit)方法，首先使用简单技术来估计正弦波参数a(偏移量)和b(增益)。例如，可以将偏移量a估计为整个数据组的平均值，而将增益b估计为整个数据组的最小值和最大值之差的一半。当然，可以使用例如中值或其它统计测量值来估计偏移量a，而使用其它一些技术，例如使用均方根(RMS)值等来估计增益b。

接下来，变量变换可以用作或选作：

其中，y是测量数据点。利用这种变化，回归表达式(原始正弦波形式)变成：

明显地，该等式具有线性形式，因此简单线性回归表达式可以用于使ω和

拟合为时间的函数，从而产生每个正弦波参数的估计值(即a、b、ω和

)。具体地说，定义z的变量变换用于计算每个时刻t的变换后数据点z(t)。然后，线性回归技术可以用于选择最适合数据点组z(t)的ω和

此处称作迭代拟合方法的第二种方法使用迭代技术来确定正弦波参数a、b、ω和

在该方法中，可以使用上述的单通频拟合方法技术来估计a、b、ω和

的初始值。接下来，可以应用以下的变量变换：

利用这种变换，原始正弦波表达式(待拟合)变成：y(x)＝a+bx。

该等式具有线性形式，因此简单线性回归表达式可以用于拟合a和b。然后，这些参数可以连同定义x的变量变化一起使用，从而拟合参数ω和

这些迭代可以被执行，直到所述参数(a、b、ω和

)中的一个或全部收敛为止，即：|a_k-a_k-1|＜ε_a、|b_k-b_k-1|＜ε_b、|ω_k-ω_k-1|＜ε_ω、

其中，k为迭代步长，而ε为期望容差。以上关于所述参数的收敛标准是绝对的。不过，如果需要，所述参数也可以采用百分比式的相对测量值。

以上概述的第一种方法利用线性最小二乘拟合法给正弦曲线形状的函数提供了非常快速的单通频拟合法。另一方面，与第一种方法相结合的第二种方法虽然需要更多的计算，但是它通常仅利用两次迭代就提供达到期望精度的参数的拟合。不过，与它们的非线性对应方法相比，这两种方法在计算上都非常有效，从而带来处理、内存和存储需求上相当大的节省，并且使这些方法更加适合SPM块中的各种拟合应用程序。

一种使用SPM块的有利方法包括分裂蒸馏塔塔盘的监控以及使用该分裂蒸馏塔塔盘的统计过程监控来执行诊断。具体地说，可以使用以实际压力和差动压力读数为基础的各种诊断方法来确定分裂蒸馏塔(也称作分馏器)的健壮性。分裂蒸馏塔很可能是大多数炼油厂和制药厂中最重要的部件之一，这是因为分裂蒸馏塔负责这些工厂中大多数物理分离过程。此处所描述的方法可以在工厂内的现场设备(例如，Rosemount 3426变送器)中实现，或者作为软件在主机系统实现。这些方法的主要优势在于使用由提供高质量测量值和快速估计的现场仪表评估出的统计过程参数。

图14示出了在许多炼油厂或制药厂中均可找到的典型分裂蒸馏塔150的示意图。从图14中可以看出，分裂蒸馏塔150包括分馏器152，其中进料供给到分馏器152中。在分馏器152的底部，重型流体或“底部”物质通过阀154移除，这可以基于液位传感器156和流量传感器或变送器158来控制。有些底部物质在再沸器160中重新加热，并且返回供应到分馏器152中以进行进一步处理。在分馏塔152的顶部，蒸汽被收集并供应到冷凝器162，以便冷凝所述蒸汽并将冷凝后液体供应到回流桶164。回流桶164中的气体可以基于压力传感器168而通过阀166移除。同样地，回流桶164中的一些冷凝后液体基于液位传感器的测量结果而作为流出物通过阀170。以类似的方式，回流桶164中的一些冷凝后液体通过阀174返回供给到分馏塔152，这可以使用通过流量传感器176和温度传感器178得到的流量和温度测量结果进行控制。

图15示出了用于石油加工中的典型分馏塔152的示意图，其显示了通常用于提取各物理冷凝点处液体的各种塔盘的位置。如图15所示，已闪光原油被注入塔盘5，而重型柴油从塔盘6移除，轻质柴油从塔盘13移除，而煤油从塔盘21移除。预闪光气体和预闪光液体可以注入塔盘27和30。虽然以下所论述的用于分裂蒸馏塔中的诊断方法参照了图15中作为基线分裂蒸馏塔配置的塔盘，但是这些方法可以用于具有其它塔盘布置和结构的其它分裂蒸馏塔。

第一种处理方法确定所述塔的两个塔盘之间是否存在低压降。具体地说，如果穿过一塔盘的压降小于一低标称压力，那么这通常意味着该塔盘损坏或翻卸。在一个例子中，对于具有24英寸直径(D_n)的分裂蒸馏塔盘，该低标称压力(P_ln)为0.06psi(每平方英寸的磅数)。对于其它尺寸的塔盘直径(D)，该低标称压力P_l可以如下计算：

通过利用上述的任一种SPM块及技术，统计过程监控可以用于确定穿过塔盘的压降的基线值，然后监控状态可以用于SPM或其它块，从而检测平均压降的降低。如果测量出多个塔盘之间的差动压力，则所期望的压降就是单个塔盘的压降乘以塔盘数。因此，在使用分馏塔152内适当位置处的压力传感器(在图15中未示出)或者使用通过上述低标称压力计算建立的阈值而确定出穿过图15中分馏塔152的塔盘的基线压降之后，SPM块可以监控这些压力，从而确定每个位置处的平均压力，并且确定这些压力之间的差异。然后，如果该差异变得低于所述低标称压力(设置为阈值)，那么就发送表示该塔盘损坏、翻卸或处于将启动该过程的状况下的告警或警示。

另外，可以使用相同的技术确定穿过分裂蒸馏塔各塔盘的高压降。具体地说，如果穿过一塔盘的压降大于一高标称压力，那么这通常表示塔盘存在淤塞或者存在阻塞(例如，至少部分阻塞)。对于具有24英寸直径(D_n)的分裂蒸馏塔盘，该高标称压力(P_hn)可以为0.12psi(每平方英寸的磅数)。对于其它尺寸的塔盘，该高标称压力P_h可以如下计算：

与上述的低压降方法类似，统计过程监控可以用于确定穿过一塔盘或一组塔盘的基线平均压降，或者可以利用上述计算建立阈值，然后监控状态可以用于检测平均压降的降低。如果测量出多个塔盘之间的差动压力，则所期望的压降就是单个塔盘的压降乘以塔盘数。在任一情况下，可以理解的是在制药和炼油工业中，使用统计参数所进行的分裂蒸馏塔压降监控，提供了一种对塔盘问题快速且有效的指示。

另外，可以在流化床催化裂化器(FCC)中有利地使用统计过程监控来执行诊断。具体地说，非常有利的是，可以使用各种诊断方法来确定FCC的健壮性，这是因为FCC负责炼油厂中大多数汽油产品，且这些产品通常是炼油厂所生产的最重要且最畅销的产品，所以FCC很可能是炼油厂中最重要的部分。此处所描述的统计处理方法可以例如在Rosemount 3420变送器的现场设备中实现，或者作为软件在主机系统实现。这些方法的主要优势在于使用由提供高质量测量值和快速估计的现场仪表评估出的统计过程参数。

图16示出了可以在炼油厂找到的FCC200的示意图，该FCC200将用作在此处所描述的诊断方法中使用的基线FCC配置。不过，可以理解，这些方法还可以用于具有其它类型的FCC或具有其它配置的FCC中。具体地说，如图16所示，FCC200包括反应器202和催化剂再生器204。在运行阶段，进料和分散蒸汽被进给到提升管206中，而在提升管206中进料与再生催化剂反应。这个过程对进料进行“裂化”。在反应器202的顶部，产物和催化剂与作为反应器排出物正排出的产物分离。催化剂落入反应器202的底部，并且使用汽提蒸汽进行蒸汽去除。然后，废催化剂通过由阀208控制的导管206供给到再生器204。废催化剂输入到燃烧室中，并且与吹气机212提供的过热空气混合，该吹气机212燃烧作为反应器202中的催化反应产物而形成在催化剂上的焦炭。该过程再生催化剂。然后，该过程产生的热量以及再生催化剂通过由再生催化剂阀222控制的再生催化剂管220返回供应至反应器202的底部，从而与输入进料混合。

可以在FCC200中使用第一种统计方法来检测失灵或出故障的空气压缩机或吹气机。具体地说，出故障的空气压缩机使再生催化剂管220中产生回流，从而导致从反应器202到再生器204的流动。这种状况可以通过监控再生器204中的压力或通过监控穿过再生催化剂阀222的差动压力来检测到。具体地说，在FCC200的正常运行期间，再生器204中的压力大于反应器或提升管202中的压力，这使再生催化剂产生正方向的流动。再生器204上的压缩机212的损耗引起再生器204的压力损耗，从而导致反向的差动压力。

另外，可以使用统计方法来检测反应器到再生器的导管堵塞。具体地说，当反应器202到再生器204之间的导管206堵塞时，反应器202中充满催化剂并且催化剂进入到废物或反应器排出物中。由于导管202中的阻塞引起反应器202中催化剂液位的升高，所以以上状况可以通过使用例如液位传感器/变送器224来监控反应器202中的平均催化剂液位而检测到。利用适当的催化剂液位基线，可以通过检测反应器202中催化剂平均液位并且将其与催化剂的基线平均液位相比较，来用于检测导管206中的堵塞。第二种可以用来确定导管202堵塞的指示可以以反应器202和再生器204的压力和液位之间的互相关数为基础，这是由于导管202的堵塞会改变该相关数。也就是说，可以确定反应器202和再生器206中的平均压力和液位的基线互相关数，然后可以周期性地确定这些压力和液位之间的互相关数(或者这些压力和液位的平均值或其它统计测量值)，并且将其与基线值相比较，同时互相关数的明显变化指示出导管206的可能堵塞。

而且，可以使用统计方法来检测反应器202中的催化剂流量问题或流量不稳定性。具体地说，催化剂流量不稳定性会导致较差的产品质量，并且使催化剂进入反应器202的排出物中。由于可以理解的是流量不稳定性会引起穿过催化剂阀222的差动压力标准差的增加，所以以上状况可以利用穿过再生催化剂阀222的差动压力标准差来检测到。

还可以使用统计方法来检测是否有不足的蒸汽流量进入反应器202，该不足蒸汽流量通常导致热裂化以及焦炭形成。具体地说，检测不足蒸汽流量从而纠正此问题减少了催化剂裂化并增加了热裂化。不足蒸汽流量的存在可以通过监控反应器202中的平均温度来检测到。具体地说，反应器平均温度的增加表示存在不足蒸汽流量的问题。

还可以使用统计方法来检测反应器202中的过热分布，该过热分布导致焦炭形成并因此堵塞反应器202。过热分布可以通过测量反应器中多个点处的反应器温度来检测到。不均匀的温度会引起反应器202中的一些区域变得非常热，这会导致反应器中形成焦炭。监控这些温度以及检测与基线平均值或阈值相比具有非常高或非常低温度(或者，非常高或非常低平均温度)的区域均服从有关过热分布的诊断。

还可以使用统计方法来检测反应器202之后的排气管中的热裂化，该热裂化也导致该部分FCC200中形成焦炭。这种状况可以通过监控排气管与反应容器之间的平均温差来检测到。如果该平均温差变得大于某一阈值水平，例如华氏3度，那么在排气管中有可能发生热裂化。

有三种实现这些统计方法和检测的可能平台。具体地说，这些状况可以作为设置在FCC200的阀或变送器中的高级诊断块的部分来检测到，所述阀或变送器例如阀222、阀208、温度传感器/变送器、液位传感器/变送器、压力传感器/变送器等。具体地说，该诊断块可以被训练成用于测试或确定系统处于健壮状态时的基线压力、温度、液位以及差动压力等，并且可以在建立基线值后监控适当压力、温度、液位以及差动压力等的平均值。另一方面，可以使用变送器或具有简单阈值逻辑的其它现场设备中的SPM块来实现这种监控以及检测。也就是说，所述SPM块可以监控一或多个过程变量以确定这些变量的平均值、标准差等，并且将这些统计测量值与预先建立的阈值(可以由用户来设置或者可以基于在训练周期期间利用适当过程变量的测量结果计算出的基线统计测量值来设置)进行比较。而且，如果需要，在用户界面设备或连接至现场设备的其它设备中运行的主机级软件，例如高级诊断块管理器或专家系统，可以用于设置并监控正常以及异常压力、温度、液位和差动压力，并且基于上述概念执行异常情况检测。

诸如此处所图示及描述的SPM或ADB块的一些或所有块均可以全部或部分地使用软件、固件或硬件来实现。类似地，此处所描述的示例方法可以全部或部分地使用软件、固件或硬件来实现。如果至少部分地使用软件程序来实现，那么所述程序可以被配置成由处理器来执行，并且可以用存储在有形介质上的软件指令来具体实现，所述有形介质例如CD-ROM、软盘、硬驱动器、数字通用盘(DVD)或与处理器相关的内存。不过，本领域的普通技术人员将容易理解的是，作为替换地，全部程序或程序的部分可以利用除了处理器以外的设备来执行，并且/或者以众所周知的方式用固件和/或专用硬件来具体实现。

虽然此处已经在附图中示出并详细描述了本发明的示例性实施例，但是本发明易于进行各种修改以及替换性构造。不过，应该理解的是，此处意图并不在于将本公开内容局限于所公开的具体形式，而是与之相反，本发明意在涵盖落入由所附权利要求书限定的本公开的精神和范围之内的所有修改、替换结构及等同物。

Claims

1.一种用于处理加工厂中收集的数据的方法，包括：

使用第一组收集数据点以确定块长度，从而用于计算所述收集数据的一或多项统计测量值，其包括：

确定所述第一组收集数据点的频率成分，

利用所述频率成分确定主系统时间常数，并且

基于所述主系统时间常数设置所述块长度；并且

使用所述块长度以确定若干数据点，从而用于计算所述收集数据的一或多项统计测量值。

2.根据权利要求1所述的方法，其中所述确定频率成分的步骤包括：对所述第一组收集数据点执行傅立叶变换。

3.根据权利要求1所述的方法，其中所述设置所述块长度的步骤包括：将所述块长度选为所述主系统时间常数的倍数。

4.根据权利要求1所述的方法，其中所述确定主系统时间常数的步骤包括：利用所述频率成分确定角隅频率以及将所述主系统时间常数确定为所述角隅频率的系数。

5.根据权利要求1所述的方法，其中在执行测量以产生所述加工厂中收集数据的现场设备内，执行所述使用第一组收集数据点以确定块长度以及使用所述块长度以确定所述若干数据点从而用于计算所述收集数据的一或多项统计测量值的步骤。

6.一种用于使加工厂内收集的数据拟合到正弦波的方法，包括：

基于所述利用所述加工厂内收集的所述数据确定出的过程参数的一或多项测量值，确定第一组正弦波参数；

存储产生一具有与其相关的第二组正弦波参数的线性表达式的所述正弦波的数学表达式的变量变换；

利用所述加工厂内收集的所述数据，使用所述变量变换以产生一组变换后数据点；

执行线性回归以使所述变换后数据点拟合到所述线性表达式；并且

基于所述线性回归确定所述第二组正弦波参数。

7.根据权利要求6所述的方法，其中所述第一组正弦波参数包括偏移量和增益。

8.根据权利要求7所述的方法，其中所述确定所述第一组正弦波参数的步骤包括：将所述偏移量确定为所述加工厂内收集的所述数据的平均值以及基于所述加工厂内收集的所述数据的最小值和最大值之间的差异确定所述增益。

9.根据权利要求7所述的方法，其中所述第二组正弦波参数包括周期性频率和相位。

10.根据权利要求7所述的方法，其中所述变量变换具有以下形式：

z = \frac{{Sin}^{- 1} (y) - a}{b}

其中：z是变换后数据点；

y是收集数据点；

a是所述偏移量；和

b是所述增益，

并且其中所述线性表达式具有以下形式：

其中：z(t)是时刻t处的变换后数据点；

ω是周期性频率；和

是相位。

11.根据权利要求10所述的方法，进一步包括：应用变量变换以产生另一包括所述偏移量和所述增益的线性表达式，将线性回归应用于所述另一线性表达式以确定所述偏移量和所述增益的新的一组值，以及基于所述偏移量和所述增益的所述新的一组值确定所述周期性频率和所述相位的新的一组值。

12.根据权利要求11所述的方法，包括：迭代地确定所述正弦波偏移量、增益、周期性频率和相位的值，直到所述正弦波偏移量、增益、周期性频率和相位中的一或多项的所述变化值变得小于一或多项阈值为止。

13.根据权利要求6所述的方法，其中在收集或测量所述加工厂内收集的所述数据的设备内，执行所述确定第一组正弦波参数的步骤、所述使用变量变换的步骤、执行线性回归的步骤以及确定第二组正弦波参数的步骤。