CN102980781B - 定位器的异常诊断方法 - Google Patents

定位器的异常诊断方法 Download PDF

Info

Publication number
CN102980781B
CN102980781B CN201210320330.XA CN201210320330A CN102980781B CN 102980781 B CN102980781 B CN 102980781B CN 201210320330 A CN201210320330 A CN 201210320330A CN 102980781 B CN102980781 B CN 102980781B
Authority
CN
China
Prior art keywords
pace
change
pressure
abnormity diagnosis
manipulater
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
Application number
CN201210320330.XA
Other languages
English (en)
Other versions
CN102980781A (zh
Inventor
鹿岛亨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Azbil Corp
Original Assignee
Azbil Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Azbil Corp filed Critical Azbil Corp
Publication of CN102980781A publication Critical patent/CN102980781A/zh
Application granted granted Critical
Publication of CN102980781B publication Critical patent/CN102980781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/72—Testing of electric windings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/282—Testing of electronic circuits specially adapted for particular applications not provided for elsewhere
    • G01R31/2829—Testing of circuits in sensor or actuator systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Supply Devices, Intensifiers, Converters, And Telemotors (AREA)
  • Fluid-Pressure Circuits (AREA)

Abstract

本发明提供一种在过程运行中，对定位器内的EPM及气动放大器等模块进行简易并且正确的异常诊断的定位器的异常诊断方法。例如，将EPM2作为对象模块。对至EPM2的EPM驱动信号Duty以及来自EPM2的喷嘴背压Pn进行采样，根据此次的Duty（k）和上次的Duty（k-1）求出Duty（k）的变化速度vDuty（k），根据此次的Pn（k）和上次的Pn（k-1）求出Pn（k）的变化速度v Pn（k）。而且，仅在vDuty（k）及v Pn（k）中的哪一个都小的情况下，设权重w1（k）为1（其它情况下为0），由w1（k）为1时的Duty（k）和Pn（k）以及表示EPM2正常时的静态输入输出关系的线性近似式F1，来求出每一次采样的异常诊断指标值e1（k）。

Description

定位器的异常诊断方法
技术领域
本发明涉及对调节阀的开度进行控制的定位器的异常诊断方法。
背景技术
以往，在化学设备等中，对用于其流量过程的调节阀设定位器，通过该定位器来控制调节阀的开度。该定位器包括：求出来自上一级装置的阀开度设定值和从调节阀回馈的实际开度值之间的偏差，生成对应于该偏差的电信号作为控制输出的运算部；将该运算部生成的控制输出转换成气压信号的电空转换器；以及将该电空转换器所转换的气压信号放大作为放大气压信号输出到调节阀的操作器的气动放大器（例如，参见专利文献1）。
图41中示出了将定位器和调节阀进行组合的系统中的输入输出信号的流程。在该图中，100是定位器；200是调节阀。定位器100包括：电气模块1；EPM（电空转换模块）2；以及气动放大器（气压放大模块）3。
电气模块1将开度设定信号Iin和从调节阀200回馈的阀的开度X作为输入，生成作为控制输出的EPM驱动信号Duty。EPM2将来自电气模块1的EPM驱动信号Duty作为输入，将该EPM驱动信号Duty转换成喷嘴背压Pn。气动放大器3将来自EPM2的喷嘴背压Pn作为输入，由该喷嘴背压Pn生成操作器压力Po。调节阀200将来自定位器100的操作器压力Po作为输入，根据该操作器压力Po对其阀的开度X进行调节。
图42表示定位器100内的各模块以及调节阀200正常时的静态输入输出关系的线性近似图。图42的（a）表示电气模块1的输入输出关系（开度信号Iin与EPM驱动信号Duty的关系）；图42的（b）表示EPM2的输入输出关系（EPM驱动信号Duty与喷嘴背压Pn的关系）；图42的（c）表示气动放大器3的输入输出关系（喷嘴背压Pn与操作器压力Po的关系）；图42的（d）表示调节阀200的输入输出关系（操作器压力Po与开度X的关系）。此外，在此例中，调节阀200是阀开度会随着空气的进入而变大的正动作型（Air To Open）。
〔定位器的异常诊断〕
〔EPM的异常诊断〕
在定位器100中，有时会产生EPM2的喷嘴和挡板之间堵塞，或者固定节气门堵塞。在这种情况下，喷嘴和挡板之间堵塞的异常模式与固定节气门堵塞的异常模式用作为EPM2的输入输出信号的EPM驱动信号Duty与喷嘴背压Pn的关系如图43那样表示出来（例如，参见专利文献2）。
即，如果喷嘴和挡板之间堵塞，相对于表示正常时的静态输入输出关系的特性I，喷嘴背压Pn就将朝增高的方向变化（特性I’）；如果固定节气门堵塞，喷嘴背压Pn就将朝下降的方向变化（特性I”）。在这种情况下，要得到相同的喷嘴背压Pn所需的EPM驱动信号Duty是不同的。
由于这样的特性变化，通过将EPM驱动信号Duty与喷嘴背压Pn的关系和正常时进行比较，就能够对EPM2的异常辨别其异常模式并进行诊断。
〔气动放大器的异常诊断〕
在定位器100中，有时会发生气动放大器3的输出空气向外部泄漏，或者从内部无法放掉输出空气的情况。在这样的情况下，输出空气向外部泄漏的异常模式与输出空气无法放掉的异常模式用作为气动放大器3的输入输出信号的喷嘴背压Pn与操作器压力Po的关系如图44那样表示出来（例如，参见专利文献2）。
即，如果输出空气向外部泄漏，相对于表示正常时的静态输入输出关系的特性II，操作器压力Po就会朝下降的方向变化（特性II’）；如果输出空气无法放掉，操作器压力Po就会朝增高的方向变化（特性II”）。在这种情况下，要得到相同的操作器压力Po所需的喷嘴背压Pn是不同的。
由于这样的特性变化，通过将喷嘴背压Pn与操作器压力Po的关系和正常时进行比较，就能够对气动放大器3的异常辨别其异常模式并进行诊断。
现有技术文献
专利文献
专利文献1：日本实开昭62－28118号公报
专利文献2：日本特开平07－110003号公报
专利文献3：日本特开平07－77488号公报
专利文献4：日本特表2006－520038号公报
专利文献5：日本特表2005-538462号公报
发明内容
发明要解决的问题
但是，在上述的定位器的异常诊断方法中，当在过程运行之中要利用该过程运行中的数据对定位器内的EPM及气动放大器等模块进行异常诊断的时候，有时会产生无法很好地对该模块的异常进行诊断的情形。
例如，设想图43所示的EPM异常的情形。在这种情况下，在过程运行当中，如果使EPM快速动作，由于延迟的缘故，其输入输出关系将大大地偏离显示正常时的静态输入输出关系的特性（静态模式）I（参见图45）。因而，有时会被误诊断为EPM的异常。
另外，设想图44所示的气动放大器异常的情形。在这种情况下，在过程运行当中，如果使气动放大器迅速动作，由于延迟的缘故，其输入输出关系将大大地偏离显示正常时的静态输入输出关系的特性（静态模式）II（参见图46）。因而，有时会被误诊断为气动放大器的异常。
此外，可以考虑做成包含了EPM及气动放大器的延迟的动态模式，根据该做成的动态模式来进行异常诊断。然而，在这种方法中，需要编写运动方程式等（例如，参见专利文献3），要做成高精度的动态模式就需要费过大的劳力，且运用时计算量也增多，因而无法简易地进行异常诊断。
本发明正是为了解决这样的问题而提出的，其目的在于，提供一种在过程运行之中，能够简易并且正确地对定位器内的EPM及气动放大器等模块进行异常诊断的定位器的异常诊断方法。
解决问题的方法
为了达成上述目的，本发明的定位器的异常诊断方法，其是将对调节阀的开度进行控制的定位器内的规定模块作为对象模块，对该对象模块进行异常诊断的定位器的异常诊断方法，其特征在于，包括：对至所述对象模块的输入信号以及来自所述对象模块的输出信号定期地进行采样的步骤；求出所述采样得到的输入信号的变化速度的步骤；求出所述采样得到的输出信号的变化速度的步骤；根据预先设定的权重函数，来求出与所述输入信号的变化速度及所述输出信号的变化速度的组合相对应的权重的步骤；以及根据所述采样得到的输入信号、输出信号以及所述求出的权重，来对所述对象模块进行异常诊断的步骤。
例如，在本发明中，将对象模块作为电空转换器（EPM）的情况下，负载信号（EPM驱动信号）作为至电空转换器的输入信号被定期地采样，喷嘴背压作为来自电空转换器的输出信号被定期地采样，求出所采样的EPM驱动信号的变化速度和所采样的喷嘴背压的变化速度。而且，根据预先设定的权重函数，求出与EPM驱动信号的变化速度和喷嘴背压的变化速度的组合相对应的权重，根据所采样的EPM驱动信号和喷嘴背压以及所求出的权重进行电空转换器的异常诊断。
例如，在本发明中，如果仅在EPM驱动信号的变化速度和喷嘴背压的变化速度中的哪一个都小的情况下将权重设为1，其他情况下将权重设为0，就可以用变化速度小的EPM驱动信号和喷嘴背压来进行电空转换器的异常诊断。这样的话，就能够在过程运行当中，去除大大地偏离显示正常时静态输入输出关系的特性的数据，并进行电空转换器的异常诊断。
在本发明中，将对象模块作为气动放大器的情况下，喷嘴背压作为至气动放大器的输入信号被定期地采样，操作器压力作为来自气动放大器的输出信号定期地采样。在这种情况下，也与上述电空转换器的情况一样，例如，如果仅在喷嘴背压的变化速度和操作器压力的变化速度中的哪一个都小的情况下将权重设为1，其他情况下将权重设为0，就可以用变化速度小的喷嘴背压和操作器压力来进行气动放大器的异常诊断，就能够在过程运行中，去除大大地偏离显示正常时静态输入输出关系的特性的数据，并进行气动放大器的异常诊断。
在本发明中，虽然根据预先设定的权重函数求出与输入信号的变化速度和输出信号的变化速度的组合相对应的权重，但该权重也可以是分成为与输入信号的变化速度对应的权重成分和与输出信号的变化速度对应的权重成分的权重函数，还可以是将与输入信号的变化速度对应的权重成分和与输出信号的变化速度对应的权重成分进行合成了的权重函数。另外，该权重也不一定是0、1这两个值，只要是变化速度越小而权重则变大即可。这样，优先地利用变化速度较小的（慢慢地变动时的）输入输出信号可以对EPM及气动放大器等模块进行异常诊断。
发明效果
根据本发明，因为对至对象模块的输入信号以及来自对象模块的输出信号进行定期的采样，且求出所采样的输入信号的变化速度和所采样的输出信号的变化速度，根据预先设定的权重函数求出与输入信号的变化速度和输出信号的变化速度的组合相对应的权重，根据所采样的输入信号和输出信号及所求出的权重进行对象模块的异常诊断，所以能够在过程运行中，去除大大地偏离显示正常时静态输入输出关系的特性的输入输出信号，可以简易并且正确地对定位器内的EPM及气动放大器等模块进行异常诊断。
附图说明
图1是应用本发明所涉及的定位器的异常诊断方法进行EPM（电空转换器）的异常诊断的异常诊断装置的主要部分的结构（实施方式1）的示意图。
图2是在没有EPM的设计规格的场合等求出EPM在正常时的静态输入输出关系的方法的说明图。
图3是示出在实施方式1的异常诊断装置中使用的权重函数的一例的图。
图4是在实施方式1的异常诊断装置中CPU进行异常诊断处理的流程图。
图5是表示EPM在正常时的静态输入输出关系和此次所取得的输入输出关系的数据之间在Duty轴上的差异的示意图。
图6是由实施方式1的异常诊断装置所求出的相对于异常诊断指标值e1的第1异常诊断阈值＋e1th1和第2异常诊断阈值－e1th2的关系以及所判断的异常模式的类别的示意图。
图7是示出在实施方式1的异常诊断装置中使用的权重函数的其他实例的图。
图8是应用涉及本发明的定位器的异常诊断方法进行气动放大器的异常诊断的异常诊断装置的主要部分的结构（实施方式2）的示意图。
图9是在没有气动放大器的设计规格的场合等求出气动放大器在正常时的静态输入输出关系的方法的说明图。
图10是示出在实施方式2的异常诊断装置中使用的权重函数的一例的图。
图11是在实施方式2的异常诊断装置中CPU进行异常诊断处理的流程图。
图12是表示气动放大器在正常时的静态输入输出关系和此次所取得的输入输出关系的数据之间在Pn轴上的差异的示意图。
图13是由实施方式2的异常诊断装置所求出的相对于异常诊断指标值e2的第1异常诊断阈值＋e2th1和第2异常诊断阈值－e2th2的关系以及所判断的异常模式的类别的示意图。
图14是在实施方式2的异常诊断装置中使用的权重函数的其他实例的图。
图15是示出产生流体反作用力时的调节阀的输入输出关系的变化的图。
图16是因摩擦力而产生变化的调节阀的输入输出特性的滞后幅度的说明图。
图17是过程运行中，调节阀迅速动作的时候，由于延迟的缘故，其输入输出关系大大地偏离正常时的静态输入输出关系的状况的示意图。
图18是过程运行中，调节阀迅速动作的时候，由于延迟的缘故，所算出的输入输出特性的滞后幅度变大的状况的示意图。
图19是将流体反作用力作为异常诊断指标值对调节阀进行异常诊断的异常诊断装置的主要部分的结构（参考例1）的示意图。
图20是在没有调节阀的设计规格的场合等求出调节阀在正常时的静态输入输出关系的方法的说明图。
图21是示出在参考例1的异常诊断装置中使用的权重函数的一例的图。
图22是在参考例1的异常诊断装置中CPU进行异常诊断处理的流程图。
图23是在图22示出的流程图中求出权重w3（k）的处理的子程序的示意图。
图24是在图22示出的流程图中确定开度X（k）的所属类别的处理的子程序的示意图。
图25是在图22示出的流程图中对类别i的操作器压力的最大值、最小值进行更新的处理的子程序的示意图。
图26是在图22示出的流程图中求出每个类别i的流体反作用力的处理的子程序的示意图。
图27是在图22示出的流程图中对所有类别i的操作器压力的最大值、最小值进行初始值复位的处理的子程序的示意图。
图28是将通过权重w3（k）而被排除的数据以及作为有效数据而被抽取的数据进行分类的示意图。
图29是求出类别i的正常时的数据和表示所收集的输入输出关系的数据（代表值）之间在Po轴上的差异的状况的示意图。
图30是对于每个类别i算出的流体反作用力的示意图。
图31是示出在参考例1的异常诊断装置中使用的权重函数的其他的实例的图。
图32是将滞后的幅度作为异常诊断指针值对调节阀进行异常诊断的异常诊断装置的主要部分的结构（参考例2）的示意图。
图33是在没有调节阀的设计规格的场合等求出调节阀在正常时的静态输入输出特性的滞后幅度的方法的说明图。
图34是示出在参考例2的异常诊断装置中使用的权重函数的一例的图。
图35是在参考例2的异常诊断装置中CPU进行异常诊断处理的流程图。
图36是在图35示出的流程图中求出每个类别i的滞后幅度的处理的子程序的示意图。
图37是算出类别i的滞后幅度的状况示意图。
图38是对于每个类别i所算出的滞后幅度的示意图。
图39是对于每个类别i所算出的摩擦力的示意图。
图40是由于流体反作用力因而滞后的幅度没有大的变化的状况的示意图。
图41是将定位器与调节阀进行了组合的系统中的输入输出信号的流程的示意图。
图42是定位器内的各模块（电气模块、EPM、气动放大器）以及调节阀正常时的静态输入输出关系的线性近似图。
图43是喷嘴和挡板之间堵塞的异常模式时的输入输出关系以及固定节气门堵塞的异常模式时的输入输出关系相对于EPM的正常时的静态输入输出关系的变化的示意图。
图44是输出空气朝外部泄露的异常模式时的输入输出关系以及输出空气无法放掉的异常模式时的输入输出关系相对于气动放大器的正常时的静态输入输出关系的变化的示意图。
图45是过程运行中，EPM迅速动作的时候，由于延迟的缘故，其输入输出关系大大地偏离正常时的静态输入输出关系的状况的示意图。
图46是过程运行中，气动放大器迅速动作的时候，由于延迟的缘故，其输入输出关系大大地偏离正常时的静态输入输出关系的状况的示意图。
符号说明
1…电气模块
2…EPM（电空转换器）
3…气动放大器
4…CPU
5…存储部
6，7…接口
411…EPM驱动信号采样部
421…喷嘴背压采样部
431…EPM驱动信号变化速度算出部
441…喷嘴背压变化速度算出部
451…权重算出部
461…异常诊断指标值算出部
412…喷嘴背压采样部
422…操作器压力采样部
432…喷嘴背压变化速度算出部
442…操作器压力变化速度算出部
452…权重算出部
462…异常诊断指标值算出部
100…定位器
200…调节阀
300，400，500，600…异常诊断装置。
具体实施方式
以下，根据附图对本发明的实施方式进行详细地说明。在此，首先，以将对象模块作为定位器内的EPM，对该EPM进行异常诊断的实例作为实施方式1进行说明，其次，以将对象模块作为定位器内的气动放大器，对该气动放大器进行异常诊断的实例作为实施方式2进行说明。而且，最后，以对调节阀进行异常诊断的实例作为参考例来做说明。
〔实施方式1：EMP（对象模块）〕
图1示出了对EPM2进行异常诊断的异常诊断装置300的主要部分的结构。该异常诊断装置300包括：CPU4、ROM/RAM等存储部5、以及接口6和7。此外，该异常诊断装置300既可以设在定位器100内，也可以设在定位器100的外部。图1示出了设在定位器100的外部的实例。
在CPU4中，通过接口6分支输入有作为向EPM2的输入信号的EPM驱动信号Duty，通过接口7分支输入有作为来自EPM2的输出信号的喷嘴背压Pn。另外，CPU4依照存储于存储部5的程序PG而动作。
在存储部5中，除了存储有上述程序PG以外，还存储有表示EPM2在正常时的静态输入输出关系（EPM驱动信号Duty和喷嘴背压Pn的关系）的线性近似式F1，以及用于求出与EPM驱动信号Duty的变化速度和喷嘴背压Pn的变化速度的组合相对应的权重的权重函数G11，G12等。
〔线性近似式F1〕
在该实施方式1中，表示EPM2在正常时的静态输入输出关系的线性近似式F1通过EPM2的设计规格求出。在该例中，线性近似式F1由Pn＝a1×Duty＋b1确定（a1，b1为常数）并存储于存储部5。
此外，在没有EPM2的设计规格的场合等，在没有堵塞的状态下，例如使开度设定信号Iin在25％、50％、75％的状态下静止一定的时间，并取EPM驱动信号Duty和喷嘴背压Pn的平均值（参见图2），从3个点用最小二乘法求出即可。在这种情况下，使静止的也可以不是3个点。另外，也可以不是线性近似，而是非线性近似（多项式近似及支持向量机等非线性回归式）。
〔权重函数G11，G12〕
在该实施方式1中，用于求出与EPM驱动信号Duty的变化速度和喷嘴背压Pn的变化速度的组合相对应权重的权重函数G11，G12中的G11被确定为用于从EPM驱动信号Duty的变化速度得到第1权重成分wDuty的权重函数，G12被确定为用于从喷嘴背压Pn的变化速度得到第2权重成分wPn的权重函数。如后面所述，根据由该权重函数G11，G12所得到的权重成分wDuty，wPn，通过w1＝wDuty×wPn，求出与EPM驱动信号Duty的变化速度和喷嘴背压Pn的变化速度的组合相对应的权重w1。
图3的（a）为权重函数G11的一个示例。在该实施方式1中，如图3的（a）所示，将EPM驱动信号Duty〔％〕的变化速度设为vDuty〔％／sec〕，将该变化速度vDuty的绝对值在阈值Dth以下的范围的wDuty设为1，除此以外的设为0。
图3的（b）为权重函数G12的一个示例。在该实施方式1中，如图3的（b）所示，将喷嘴背压Pn〔kPa〕的变化速度设为vPn〔kPa／sec〕，将该变化速度vPn的绝对值为阈值Pnth以下的范围的wPn设为1，除此以外的设为0。
在此，阈值Dth，Pnth是将EPM驱动信号Duty的变化速度vDuty的允许值设定为Dth，将使EPM驱动信号Duty上升到Dth时的延迟产生的喷嘴背压Pn的变化速度vPn设定为Pnth的。此外，EPM驱动信号Duty的变化速度vDuty的允许值Dth表示不用担心因延迟而误判断为EPM异常的变化速度vDuty的允许值。该允许值Dth可以通过反复实验来求出。
〔过程运行中的异常诊断〕
在过程运行中，CPU4定期地读取输入给EPM2的EPM驱动信号Duty以及来自EPM2的喷嘴背压Pn，并对EPM2进行异常诊断。图4示出了CPU4进行异常诊断处理的流程图。
CPU4一旦在此次的采样周期（第k个采样周期）中读取EPM驱动信号Duty（k）以及喷嘴背压Pn（k）（步骤S101，S102），就从此次的EPM驱动信号Duty（k）和上次的EPM驱动信号Duty（k－1）求出EPM驱动信号Duty（k）的变化速度作为vDuty（k）（步骤S103）。另外，从此次的喷嘴背压Pn（k）和上次的喷嘴背压Pn（k－1）求出喷嘴背压Pn（k）的变化速度作为vPn（k）（步骤S104）。
在这种情况下，如果假设采样周期为T〔sec〕，则vDuty（k）〔％／sec〕可以通过下式（1）进行计算，且vPn（k）〔kPa／sec〕可以通过下式（2）进行计算。
vDuty（k）＝（Duty（k）－Duty（k－1））／T  ····(1)
vPn（k）＝（Pn（k）－Pn（k－1））／T    ····(2)
其次，CPU4根据EPM驱动信号Duty（k）的变化速度vDuty（k），依照存储于存储部5中的权重函数G11（图3的（a））求出与该变化速度vDuty（k）对应的权重成分wDuty（k）（步骤S105）。在这种情况下，如果变化速度vDuty（k）的绝对值为阈值Dth以下，则设wDuty（k）＝1；如果变化速度vDuty（k）的绝对值超过阈值Dth，则设wDuty（k）＝0。
另外，CPU4根据喷嘴背压Pn（k）的变化速度vPn（k），依照存储于存储部5中的权重函数G12（图3的（b））求出与该变化速度vPn（k）对应的权重成分wPn（k）（步骤S106）。在这种情况下，如果变化速度vPn（k）的绝对值为Pnth以下，则设wPn（k）＝1；如果变化速度vPn（k）的绝对值超过Pnth，则设wPn（k）＝0。
而且，CPU4根据由步骤S105求出的权重成分wDuty（k）和由步骤S106求出的权重成分wPn（k），通过算式w1（k）＝wDuty（k）×wPn（k）求出与EPM驱动信号Duty（k）的变化速度vDuty（k）和喷嘴背压Pn（k）的变化速度vPn（k）的组合相对应的权重w1（k）（步骤S107）。
在这种情况下，因为w1（k）是通过算式w1（k）＝wDuty（k）×wPn（k）求出的，所以仅当满足如下条件式(3)时，权重w1（k）将变成1；除此以外的情况下，权重w1（k）则为0。
If（｜vDuty（k）｜≦Dth）AND（｜vPn（k）｜≦Pnth）····（3）
即，仅当EPM驱动信号Duty（k）的变化速度vDuty（k）的绝对值为Dth以下、且喷嘴背压Pn（k）的变化速度vPn（k）的绝对值为Pnth以下时，权重w1（k）将变成1；除此以外的情况下，权重w1（k）则为0。
而且，CPU4将由步骤S101取得的EPM驱动信号Duty（k）和由步骤S102取得的喷嘴背压Pn（k）以及由步骤S107求出的权重w1（k）代入下式（4），并求出此次采样周期中的EPM2的异常诊断指标值e1（k）（步骤S108）。
e1（k）＝｛Duty（k）－（Pn（k）－b1）／a1｝×w1（k）····（4）
在上式（4）中，「Duty（k）－（Pn（k）－b1）／a1」表示由存储于存储部5中的线性近似式F1所表示的EPM2在正常时的静态输入输出关系与此次所取得的示出输入输出关系的数据之间在Duty轴上的差异。即，在图5中，当将由线性近似式F1所表示的EPM2在正常时的静态输入输出关系作为特性I，将此次所取得的示出输入输出关系的数据作为D（Duty（k），Pn（k））的时候，则表示特性I中的喷嘴背压为Pn（k）时的EPM驱动信号Duty＝（Pn（k）－b1）／a1与此次所取得的EPM驱动信号Duty（k）的差异ΔDuty（k）。
而且，在上式（4）中，通过「Duty（k）－（Pn（k）－b1）／a1」乘以w1（k），即通过Duty轴上的差异ΔDuty（k）乘以w1（k），仅当EPM驱动信号Duty（k）的变化速度vDuty（k）的绝对值为Dth以下、且喷嘴背压Pn（k）的变化速度vPn（k）的绝对值为Pnth以下时，ΔDuty（k）与w1（k）＝1相乘。而除此以外的情况下，因为ΔDuty（k）与w1（k）＝0相乘，所以异常诊断指标值e1（k）则变成为0。
由此，例如，关于图5示出的由浓的圆所描绘的数据，因为EPM驱动信号Duty或者喷嘴背压Pn的变化速度迅速，所以异常诊断指标值e1（k）将会变成0，从而被排除在异常诊断的对象之外。
CPU4在如这样求出了异常诊断指标值e1（k）之后，将这个求出的异常诊断指标值e1（k）与预先设定的第1异常诊断阈值＋e1th1进行比较（步骤S109）。在此，如果异常诊断指标值e1（k）为第1异常诊断阈值＋e1th1以下（步骤S109的否），则与第2异常诊断阈值－e1th2进行比较（步骤S110）。
图6示出了第1异常诊断阈值＋e1th1与第2异常诊断阈值－e1th2的关系。第1异常诊断阈值＋e1th1被设定为朝正方向的阈值；第2异常诊断阈值－e1th2被设定为朝负方向的阈值。
如果异常诊断指标值e1（k）超过了第1异常诊断阈值＋e1th1（步骤S109的是），CPU4则判断固定节气门发生了堵塞（步骤S111），并将该情况进行异常报警（步骤S113）。异常诊断指标值e1（k）低于第2异常诊断阈值－e1th2（步骤S110的是），CPU4则判断在喷嘴与挡板之间发生了堵塞（步骤S112），并将该情况进行异常报警（步骤S113）。
以下，同样地，CPU4重复以下这样的处理动作，即每次对EPM驱动信号Duty以及喷嘴背压Pn进行采样，都求出异常诊断指标值e1（k），如果异常诊断指标值e1（k）偏离异常诊断阈值＋e1th1或者-e1th2就进行异常报警并返回到步骤S101；如果异常诊断指标值e1（k）在异常诊断阈值＋e1th1，－e1th2的范围内就直接返回到步骤S101。
这样，在该实施方式1中，在过程运行中，可以将大大地偏离显示正常时的静态输入输出关系的特性I的数据排除在外，采用简易的静态模式，正确地进行EPM2的异常诊断。
此外，在该实施方式1中，如果异常诊断指标值e1即便1次偏离了异常诊断阈值＋e1th1或异常诊断阈值－e1th2就判断为异常，但也可以是例如，连续偏离规定的次数时，判断为异常，或者如果异常诊断指标值e1回到异常诊断阈值＋e1th1或异常诊断阈值－e1th2的范围内就中止异常报警。另外，不一定要用异常诊断阈值＋e1th1或异常诊断阈值－e1th2，还可以根据异常诊断指标值e1的变化速度等来判断EPM2的异常。
另外，在该实施方式1中，作为用于求出与EPM驱动信号Duty的变化速度和喷嘴背压Pn的变化速度的组合相对应的权重的权重函数G11，G12，虽然采用了如图3的（a），（b）所示的矩形状的权重函数，但也可以采用如图7的（a），（b）所示的三角形状的权重函数。
在图7的（a）所示的权重函数G11’中，将vDuty为0时的wDuty设为1，将vDuty的绝对值为阈值Dth以下的范围的wDuty朝着vDuty＝0逐渐地扩大，除此以外的wDuty设为0。在图7的（b）所示的权重函数G12’中，将vPn为0时的wPn设为1，将vPn的绝对值为阈值Pnth以下的范围的wPn朝着vPn＝0逐渐地扩大，除此以外的wPn设为0。
另外，例如，在图7的（a）所示的权重函数G11’中，也可以从vDuty的正方向及负方向的更加离开的位置逐渐地朝着vDuty＝0使wDuty扩大；或在图7的（b）所示的权重函数G12’中，从vPn的正方向以及负方向的更加离开的位置逐渐地朝着vPn＝0使wPn扩大。通过使用这样的权重函数G11’，G12’，并优先地利用变化速度较小（慢慢地变动时的）EPM驱动信号Duty以及喷嘴背压Pn进行EPM2的异常诊断。
另外，用于求出与EPM驱动信号Duty的变化速度和喷嘴背压Pn的变化速度的组合相对应的权重的权重函数，不一定要分成权重函数G11和G12，也可以是将G11和G12合成了的一个权重函数（三维函数）。关于三角形状的权重函数G11’和G12’，同样地也可以是将G11’和G12’合成了的一个权重函数（三维函数）。
另外，在该实施方式1中，每次对EPM驱动信号Duty以及喷嘴背压Pn进行采样都求出异常诊断指标值e1，根据该求得的异常诊断指标值e1进行每次的异常判断，但是也可以收集规定期间内的异常诊断指标值e1，根据该收集起来的异常诊断指标值e1综合地进行异常判断。
在该实施方式1的异常诊断装置300中，EPM2的异常诊断是作为依照程序PG的CPU4的处理动作来执行的，但在将进行该CPU4的处理动作的功能模块化来进行表述时，CPU4由以下部分来表示：EPM驱动信号采样部411，其定期地对至EPM2的EPM驱动信号Duty进行采样；喷嘴背压采样部421，其定期地对来自EPM2的喷嘴背压Pn进行采样；EPM驱动信号变化速度算出部431，其根据由EPM驱动信号采样部411所采样的此次的EPM驱动信号Duty（k）和上次的EPM驱动信号Duty（k－1）来求出EPM驱动信号Duty（k）的变化速度vDuty（k）；喷嘴背压变化速度算出部441，其根据由喷嘴背压采样部421所采样的此次的喷嘴背压Pn（k）和上次的喷嘴背压Pn（k－1）来求出喷嘴背压Pn（k）的变化速度vPn（k）；权重算出部451，其根据存储于存储部5中的权重函数G11，G12来求出与EPM驱动信号Duty（k）的变化速度vDuty（k）和喷嘴背压Pn（k）的变化速度vPn（k）的组合相对应的权重w1（k）；以及异常诊断指标值算出部461，其通过由EPM驱动信号采样部411所采样的EPM驱动信号Duty（k）、由喷嘴背压采样部421所采样的喷嘴背压Pn（k）、由权重算出部451求出的权重w1（k）、以及存储于存储部5中的线性近似式F1来求出EPM2的异常诊断指标e1（k）。
此外，在该实施方式1中，是根据此次的EPM驱动信号Duty（k）和上次的EPM驱动信号Duty（k－1）来求出EPM驱动信号Duty（k）的变化速度vDuty（k），根据此次的喷嘴背压Pn（k）和上次的喷嘴背压Pn（k－1）来求出喷嘴背压Pn（k）的变化速度vPn（k），但是也可以使用过去一定时间的信号用最小二乘法来进行线性近似计算，且将近似式的斜率作为变化速度。
〔实施方式2：气动放大器（对象模块）〕
图8示出了对气动放大器3进行异常诊断的异常诊断装置400的主要部分的结构。该异常诊断装置400也与实施方式1同样地包括：CPU4、ROM/RAM等存储部5、接口6及7。此外，关于该异常诊断装置400也可以设在定位器100内，还可以设在定位器100的外部。图8是设在定位器100外部的示例。
在CPU4中，通过接口6分支输入有作为至气动放大器3的输入信号的喷嘴背压Pn，通过接口7分支输入有作为来自气动放大器3的输出信号的操作器压力Po。另外，CPU4依照存储于存储部5中的程序PG而动作。
在存储部5中，除了存储有上述程序PG以外，还存储有表示气动放大器3在正常时的静态输入输出关系（喷嘴背压Pn和操作器压力Po的关系）的线性近似式F2、用于求出与喷嘴背压Pn的变化速度和操作器压力Po的变化速度的组合相对应权重的权重函数G21，G22等。
〔线性近似式F2〕
在该实施方式2中，表示气动放大器3在正常时的静态输入输出关系的线性近似式F2通过气动放大器3的设计规格求出。在该例中，线性近似式F2由Po＝a2×Pn＋b2确定（a2，b2为常数）并存储于存储部5。
此外，在没有气动放大器3的设计规格的场合等，在没有泄漏的状态下，例如使开度设定信号Iin在25％、50％、75％的状态下静止一定的时间，并取喷嘴背压Pn和操作器压力Po的平均值（参见图9），从3个点用最小二乘法求出即可。在这种情况下，使静止的也可以不是3个点。另外，也可以不是线性近似，而是非线性近似（多项式近似及支持向量机等非线性回归式）。
〔权重函数G21，G22〕
在该实施方式2中，用于求出与喷嘴背压Pn的变化速度和操作器压力Po的变化速度的组合相对应的权重的权重函数G21，G22中的G21被设定为用于从喷嘴背压Pn的变化速度得到第1权重成分wPn的权重函数，G22被设定为用于从操作器压力Po的变化速度得到第2权重成分wPo的权重函数。如后面所述，根据由该权重函数G21，G22所得到的权重成分wPn，wPo，通过w2＝wPn×wPo，求出与喷嘴背压Pn的变化速度和操作器压力Po的变化速度的组合相对应的权重w2。
图10的（a）为权重函数G21的一个示例。在该实施方式2中，如图10的（a）所示，将喷嘴背压Pn〔kPa〕的变化速度设为vPn〔kPa／sec〕，将该变化速度vPn的绝对值在阈值Pnth以下的范围的wPn设为1，除此以外的设为0。
图10的（b）为权重函数G22的一个示例。在该实施方式2中，如图10的（b）所示，将操作器压力Po〔kPa〕的变化速度设为vPo〔kPa／sec〕，将该变化速度vPo的绝对值为阈值Poth以下的范围的wPo设为1，除此以外的设为0。
在此，阈值Pnth，Poth是将喷嘴背压Pn的变化速度vPn的允许值作为Pnth，将使喷嘴背压Pn上升到Pnth时的延迟产生的操作器压力Po的变化速度vPo作为Poth的。此外，喷嘴背压Pn的变化速度vPn的允许值Pnth表示不用担心因延迟而误判断为气动放大器异常的变化速度vPn的允许值。该允许值Pnth可以通过反复实验来求出。
〔过程运行中的异常诊断〕
在过程运行中，CPU4定期地读取输入给气动放大器3的喷嘴背压Pn以及来自气动放大器3的操作器压力Po，并对气动放大器3进行异常诊断。图11示出了CPU4进行异常诊断处理的流程图。
CPU4一旦在此次的采样周期（第k个采样周期）中读取喷嘴背压Pn（k）以及操作器压力Po（k）（步骤S201，S202），就从此次的喷嘴背压Pn（k）和上次的喷嘴背压Pn（k－1）求出喷嘴背压Pn（k）的变化速度作为vPn（k）（步骤S203）。另外，从此次的操作器压力Po（k）和上次的操作器压力Po（k－1）求出操作器压力Po（k）的变化速度作为vPo（k）（步骤S204）。
在这种情况下，如果假设采样周期为T〔sec〕，则vPn（k）〔kPa／sec〕可以通过下式（5）进行计算，且vPo（k）〔kPa／sec〕可以通过下式（6）进行计算。
vPn（k）＝（Pn（k）－Pn（k－1））／T····(5)
vPo（k）＝（Po（k）－Po（k－1））／T····(6)
其次，CPU4根据喷嘴背压Pn（k）的变化速度vPn（k），依照存储于存储部5中的权重函数G21（图10的（a））求出与该变化速度vPn（k）对应的权重成分wPn（k）（步骤S205）。在这种情况下，如果变化速度vPn（k）的绝对值为阈值Pnth以下，则设wPn（k）＝1；如果变化速度vPn（k）的绝对值超过阈值Pnth，则设wPn（k）＝0。
另外，CPU4根据操作器压力Po（k）的变化速度vPo（k），依照存储于存储部5中的权重函数G22（图10的（b））求出与该变化速度vPo（k）对应的权重成分wPo（k）（步骤S206）。在这种情况下，如果变化速度vPo（k）的绝对值为Poth以下，则设wPo（k）＝1；如果变化速度vPo（k）的绝对值超过Poth，则设wPo（k）＝0。
而且，CPU4根据由步骤S205求出的权重成分wPn（k）和由步骤S206求出的权重成分wPo（k），通过算式w2（k）＝wPn（k）×wPo（k）求出与喷嘴背压Pn（k）的变化速度vPn（k）和操作器压力Po（k）的变化速度vPo（k）的组合相对应的权重w2（k）（步骤S207）。
在这种情况下，因为w2（k）是通过算式w2（k）＝wPn（k）×wPo（k）求出的，所以仅当满足如下条件式(7)时，权重w2（k）将变成1；除此以外的情况下，权重w2（k）则为0。
If（｜vPn（k）｜≦Pnth）AND（｜vPo（k）｜≦Poth）····（7）
即，仅当喷嘴背压Pn（k）的变化速度vPn（k）的绝对值为Pnth以下、且操作器压力Po（k）的变化速度vPo（k）的绝对值为Poth以下时，权重w2（k）将变成1；除此以外的情况下，权重w2（k）则为0。
而且，CPU4将由步骤S201取得的喷嘴背压Pn（k）和由步骤S202取得的操作器压力Po（k）以及由步骤S207求出的权重w2（k）代入下式（8），并求出此次采样周期中的气动放大器3的异常诊断指标值e2（k）（步骤S208）。
e2（k）＝｛Pn（k）－（Po（k）－b2）／a2｝×w2（k）····（8）
在上式（8）中，「Pn（k）－（Po（k）－b2）／a2」表示由存储于存储部5中的线性近似式F2所表示的气动放大器3在正常时的静态输入输出关系与显示此次所取得的输入输出关系的数据之间在Pn轴上的差异。即，在图12中，当将由线性近似式F2所表示的气动放大器3在正常时的静态输入输出关系作为特性II，将显示此次所取得的输入输出关系的数据作为D（Pn（k），Po（k））的时候，则表示特性II中的喷嘴背压为Po（k）时的喷嘴背压Pn＝（Po（k）－b2）／a2与此次所取得的喷嘴背压Pn（k）的差异ΔPn（k）。
而且，在上式（8）中，通过「Pn（k）－（Po（k）－b2）／a2」乘以w2（k），即通过Pn轴上的差异ΔPn（k）乘以w2（k），仅当喷嘴背压Pn（k）的变化速度vPn（k）的绝对值为Pnth以下、且操作器压力Po（k）的变化速度vPo（k）的绝对值为Poth以下时，使ΔPn（k）与w2（k）＝1相乘。而除此以外的情况下，因为ΔPn（k）与w2（k）＝0相乘，所以异常诊断指标值e2（k）则变成为0。
由此，例如，关于图12示出的由浓的圆所描绘的数据，因为喷嘴背压Pn或者操作器压力Po的变化速度迅速，所以异常诊断指标值e2（k）将会变成0，从而被排除在异常诊断的对象之外。
CPU4在如这样求出了异常诊断指标值e2（k）之后，将这个求出的异常诊断指标值e2（k）与预先设定的第1异常诊断阈值＋e2th1进行比较（步骤S209）。在此，如果异常诊断指标值e2（k）为第1异常诊断阈值＋e2th1以下（步骤S209的否），则与第2异常诊断阈值－e2th2进行比较（步骤S210）。
图13示出了第1异常诊断阈值＋e2th1与第2异常诊断阈值－e2th2的关系。第1异常诊断阈值＋e2th1被设定为朝正方向的阈值，第2异常诊断阈值－e2th2被设定为朝负方向的阈值。
如果异常诊断指标值e2（k）超过了第1异常诊断阈值＋e2th1（步骤S209的是），CPU4则判断为发生了输出空气泄漏（步骤S211），并将该情况进行异常报警（步骤S213）。异常诊断指标值e2（k）低于第2异常诊断阈值－e2th2（步骤S210的是），CPU4则判断为发生了输出空气排气异常（输出空气无法放掉）（步骤S212），并将该情况进行异常报警（步骤S213）。
以下，同样地，CPU4重复以下这样的处理动作，即每次对喷嘴背压Pn以及操作器压力Po进行采样，都求出异常诊断指标值e2（k），如果异常诊断指标值e2（k）偏离异常诊断阈值＋e2th1或者－e2th2就进行异常报警并返回到步骤S201，如果异常诊断指标值e2（k）在异常诊断阈值＋e2th1，－e2th2的范围内就直接返回到步骤S201。
这样，在该实施方式2中，在过程运行中，可以将大大地偏离显示正常时的静态输入输出关系的特性II的数据排除在外，采用简易的静态模式，正确地进行气动放大器3的异常诊断。
此外，在该实施方式2中，如果异常诊断指标值e2即便1次偏离了异常诊断阈值＋e2th1或异常诊断阈值－e2th2就判断为异常，但也可以是例如，连续偏离规定的次数时，判断为异常，或者如果异常诊断指标值e2回到异常诊断阈值＋e2th1或异常诊断阈值－e2th2的范围内就中止异常报警。另外，不一定要用异常诊断阈值＋e2th1或异常诊断阈值－e2th2，还可以根据异常诊断指标值e2的变化速度等来判断气动放大器3的异常。
另外，在该实施方式2中，作为用于求出与喷嘴背压Pn的变化速度和操作器压力Po的变化速度的组合相对应的权重的权重函数G21，G22，虽然采用了如图的10（a），（b）所示的矩形状的权重函数，但也可以采用如图14（a），（b）所示的三角形状的权重函数。
在图14的（a）所示的权重函数G21’中，将vPn为0时的wPn设为1，将vPn的绝对值为阈值Pnth以下的范围的wPn朝着vPn＝0逐渐地扩大，除此以外的wPn设为0。在图14的（b）所示的权重函数G22’中，将vPo为0时的wPo设为1，将vPo的绝对值为阈值Poth以下的范围的wPo朝着vPn＝0逐渐地扩大，除此以外的wPo设为0。
另外，例如，在图14的（a）所示的权重函数G21’中，也可以从vPn的正方向及负方向的更加离开的位置逐渐地朝着vPn＝0使wPn扩大，或在图14的（b）所示的权重函数G22’中，从vPo的正方向以及负方向的更加离开的位置逐渐地朝着vPo＝0使wPo扩大。通过使用这样的权重函数G21’，G22’，并优先地利用变化速度较小（慢慢地变动时的）喷嘴背压Pn以及操作器压力Po进行气动放大器3的异常诊断。
另外，用于求出与喷嘴背压Pn的变化速度和操作器压力Po的变化速度的组合相对应的权重的权重函数，不一定要分成权重函数G21和G22，也可以采用将G21和G22合成了的一个权重函数（三维函数）。关于三角形状的权重函数G21’和G22’，同样地也可以是将G21’和G22’合成了的一个权重函数（三维函数）。
另外，在该实施方式2中，每次对喷嘴背压Pn以及操作器压力Po进行采样都求出异常诊断指标值e2，根据该求出的异常诊断指标值e2进行每次的异常判断，然而也可以收集规定期间内的异常诊断指标值e2，根据该收集起来的异常诊断指标值e2综合地进行异常判断。
在该实施方式2的异常诊断装置400中，气动放大器3的异常诊断是作为依照程序PG的CPU4的处理动作来进行的，对进行该CPU4的处理动作的功能模块化并进行表述时，CPU4由以下部分来表示：喷嘴背压采样部412，其定期地对至气动放大器3的喷嘴背压Pn进行采样；操作器压力采样部422，其定期地对来自气动放大器3的操作器压力Po进行采样；喷嘴背压变化速度算出部432，其通过由喷嘴背压采样部412所采样的此次的喷嘴背压Pn（k）和上次的喷嘴背压Pn（k－1）来求出喷嘴背压Pn（k）的变化速度vPn（k）；操作器压力变化速度算出部442，其根据由操作器压力采样部422所采样的此次的操作器压力Po（k）和上次的操作器压力Po（k－1）来求出操作器压力Po（k）的变化速度vPo（k）；权重算出部452，其根据存储于存储部5中的权重函数G21，G22来求出与喷嘴背压Pn（k）的变化速度vPn（k）和操作器压力Po（k）的变化速度vPo（k）的组合相对应的权重w2（k）；以及异常诊断指标值算出部462，其通过由喷嘴背压采样部412所采样的喷嘴背压Pn（k）、由操作器压力采样部422所采样的操作器压力Po（k）、由权重算出部452求出的权重w2（k）、以及存储于存储部5中的线性近似式F2来求出气动放大器3的异常诊断指标e2（k）。
此外，在该实施方式2中，根据此次的喷嘴背压Pn（k）和上次的喷嘴背压Pn（k－1）来求出喷嘴背压Pn（k）的变化速度vPn（k），根据此次的操作器压力Po（k）和上次的操作器压力Po（k－1）来求出操作器压力Po（k）的变化速度vPo（k），但是也可以使用过去的一定时间的信号用最小二乘法来进行线性近似计算，且将近似式的斜率作为变化速度。
〔参考例〕
其次，作为参考例1，对根据调节阀的输入输出信号（操作器压力Po，开度X）求出流体反作用力作为异常诊断指标值，并进行异常诊断的实例进行说明；作为参考例2，对根据调节阀的输入输出信号（操作器压力Po，开度X）求出滞后的幅度作为异常诊断指标值，并进行异常诊断的实例进行说明。
〔调节阀的异常诊断〕
在调节阀200中，根据操作器压力Po和开度X的关系，可以检测出作用于阀轴的流体反作用力（过程流体所产生的力）。图15示出了产生流体反作用力时的调节阀200的输入输出关系的变化。在该图中，III为表示正常时的静态输入输出关系的特性（无负载时的特性），由于产生了流体反作用力因而其输入输出关系由特性III’所示发生了变化。
无负载时，操作器压力Po和开度X的关系表现为弹簧力和气压所产生的力的平衡。由于产生流体反作用力其平衡将产生差异。因此，可以通过与没有产生流体反作用力的状态（无负载时）进行比较，检测出操作器压力Po的差异。通过对该差异进行监视，能够检测出使用范围以外的流体压力。
另外，可以根据操作器压力Po和开度X的关系，检测出作用于阀轴的摩擦力的异常情况（例如，参见专利文献4、专利文献5）。图16的（a）示出了正常时的操作器压力Po和开度X的输入输出关系的滞后特性。使操作器压力Po朝上升方向变化时以及朝下降方向变化时，输入输出关系不一样，在上升方向的特性与下降方向的特性之间将产生滞后的幅度W。该滞后的幅度W如图16的（b）所示，因摩擦力而发生变化。因此，可以通过将该滞后的幅度W与正常时进行比较来判断异常与否。此外，如果将滞后的幅度W的1／2乘以操作器隔膜面积就变成静摩擦力，也可以将该静摩擦力作为异常判断的指标值。
但是，在过程运行中，要利用该过程运行中的数据来进行调节阀的异常诊断的时候，有时会产生无法顺利地对调节阀的异常进行诊断的情况。
例如，考虑图15示出的调节阀的异常（流体反作用力较大）的情形。在这种情况下，在过程运行中，如果使调节阀快速动作，由于延迟的缘故，其输入输出关系就会大大地偏离表示正常时的静态输入输出关系的特性III（静态模式）（参见图17）。因而，有时会被误诊断为调节阀的异常。
另外，考虑图16的调节阀异常（摩擦力较大）的情形。在这种情况下，在专利文献4和专利文献5所示的技术中，也可利用开度X和操作器压力Po的某一个或者两者快速动作时的数据。如果这样的数据增加，即使实际上摩擦力没有变化，算出的滞后的幅度W也将会变大（参见图18）。因而，有时会被误诊断为调节阀的异常。
此外，可以考虑做成包含调节阀的延迟的动态模式，根据该做成的动态模式来进行异常诊断。但是，在该方法中，编写运动方程式等（例如，参见专利文献3）、做成高精度的动态模式需要花费过大的力气，运用时的计算量也将增多，无法简易地进行异常诊断。在以下说明的参考例1，2中，解决上述调节阀中的异常诊断时的问题。
〔参考例1〕
图19示出了将流体反作用力作为异常诊断指标值对调节阀200进行异常诊断的异常诊断装置500的主要部分的结构。该异常诊断装置500包括：CPU4、ROM/RAM等存储部5、以及接口6及7。
在CPU4中，通过接口6分支输入有作为至调节阀200的输入信号的操作器压力Po，通过接口7分支输入有作为来自调节阀200的输出的开度X。另外，CPU4依照存储于存储部5中的程序PG而动作。
在存储部5中，除了存储有上述程序PG以外，还存储有表示调节阀200在正常时的静态输入输出关系（操作器压力Po和开度X的关系（无负载时））的线性近似式F3、以及用于求出与操作器压力Po的变化速度和开度X的变化速度的组合相对应的权重的权重函数G31，G32。
〔线性近似式F3〕
在该参考例1中，表示调节阀200在正常时的静态输入输出关系的线性近似式F3通过调节阀200的设计规格求出。在该例中，弹簧范围为80～240kPa、开度为0～100％时的线性近似式F3由X＝a3×Po＋b3确定（a3＝0．625，b3＝－50）并存储于存储部5。
此外，在没有调节阀200的设计规格的场合等，在刚进行过维修保养后等的状态下，例如使开度设定信号Iin在25％、50％、75％的状态下静止一定的时间，并取操作器压力Po和开度X的平均值（参见图20），从3个点用最小二乘法求出即可。在这种情况下，使静止的也可以不是3个点。另外，也可以不是线性近似，而是非线性近似（多项式近似及支持向量机等非线性回归式）。
〔权重函数G31，G32〕
在该参考例1中，用于求出与操作器压力Po的变化速度和开度X的变化速度的组合相对应的权重的权重函数G31，G32中的G31被设定为用于从操作器压力Po的变化速度得到第1权重成分wPo的权重函数，G32被设定为用于从开度X的变化速度得到第2权重成分wX的权重函数。如后面所述，根据由该权重函数G31，G32所得到的权重成分wPo，wX，通过w3＝wPo×wX，求出与操作器压力Po的变化速度和开度X的变化速度的组合相对应的权重w3。
图21的（a）为权重函数G31的一个示例。在该参考例1中，如图21的（a）所示，将操作器压力Po〔kPa〕的变化速度设为vPo〔kPa／sec〕，将该变化速度vPo的绝对值在阈值Poth以下的范围的wPo设为1，除此以外的设为0。
图21的（b）为权重函数G32的一个示例。在该参考例1中，如图21的（b）所示，将开度X〔％〕的变化速度设为vX〔％／sec〕，将该变化速度vX的绝对值为阈值Xth以下的范围的wX设为1，除此以外的设为0。
在此，阈值Poth，Xth是将操作器压力Po的变化速度vPo的允许值作为Poth，将使操作器压力Po上升到Poth时的延迟产生的开度X的变化速度vX作为Xth的。此外，操作器压力Po的变化速度vPo的允许值Poth表示不用担心因延迟而误判断为调节阀异常的变化速度vPo的允许值。该允许值Poth可以通过反复实验来求出。
〔过程运行中的异常诊断〕
在过程运行中，CPU4定期地读取至调节阀200的操作器压力Po以及来自调节阀200的开度X，并对调节阀200进行异常诊断。图22示出了CPU4进行异常诊断处理的主流程图。
CPU4一旦读取操作器压力Po（k）以及开度X（k），就求出其读取操作器压力Po的变化速度和开度X的变化速度，且求出与其求得的操作器压力Po的变化速度和开度X的变化速度的组合相对应的权重w3（k）（步骤S301）。图23示出了步骤S301所进行处理的子程序。
CPU4一旦在此次的采样周期（第k个采样周期）中读取操作器压力Po（k）以及开度X（k）（步骤S401，S402），就从此次的操作器压力Po（k）和上次的操作器压力Po（k－1）求出操作器压力Po（k）的变化速度作为vPo（k）（步骤S403）。另外，从此次的开度X（k）和上次的开度X（k－1）求出开度X（k）的变化速度作为vX（k）（步骤S404）。
在这种情况下，如果假设采样周期为T〔sec〕，则vPo（k）〔kPa／sec〕可以通过下式（9）进行计算，且vX（k）〔％／sec〕可以通过下式（10）进行计算。
vPo（k）＝（Po（k）－Po（k－1））／T····(9)
vX（k）＝（X（k）－X（k－1））／T····(10)
其次，CPU4根据操作器压力Po（k）的变化速度vPo（k），依照存储于存储部5中的权重函数G31（图21的（a））求出与该变化速度vPo（k）对应的权重成分wPo（k）（步骤S405）。在这种情况下，如果变化速度vPo（k）的绝对值为阈值Poth以下，则设wPo（k）＝1，如果变化速度vPo（k）的绝对值超过阈值Poth，则设wPo（k）＝0。
另外，根据开度X（k）的变化速度vX（k），依照存储于存储部5中的权重函数G32（图21的（b））求出与该变化速度vX（k）对应的权重成分wX（k）（步骤S406）。在这种情况下，如果变化速度vX（k）的绝对值为Xth以下，则设wX（k）＝1；如果变化速度vX（k）的绝对值超过阈值Xth，则设wX（k）＝0。
而且，CPU4从由步骤S405求出的权重成分wPo（k）和由步骤S406求出的权重成分wX（k），通过算式w3（k）＝wPo（k）×wX（k）求出与操作器压力Po（k）的变化速度vPo（k）和开度X（k）的变化速度vX（k）的组合相对应的权重w3（k）（步骤S407）。
在这种情况下，因为w3（k）是通过算式w3（k）＝wPo（k）×wX（k）求出的，所以仅当满足如下条件式(11)时，权重w3（k）将变成1，除此以外的情况下，权重w3（k）则为0。
If（｜vPo（k）｜≦Poth）AND（｜vX（k）｜≦Xth）····（11）
即，仅当操作器压力Po（k）的变化速度vPo（k）的绝对值为Poth以下、且开度X（k）的变化速度vX（k）的绝对值为Xth以下时，权重w3（k）将变成1，除此以外的情况下，权重w3（k）则为0。
〔w3（k）＝0的情况下〕
其次，CPU4对权重w3（k）是否为1进行检查（步骤S302（图22）），如果权重w3（k）不是1（步骤S302的否），就对k进行增量（步骤S305），并在确认还未到达预先设定的算出单位期间（异常诊断判断期间）之后（步骤S306的否），返回到步骤S301。此外，在该例中，将步骤S306中的异常诊断判断期间设为1天。
〔w3（k）＝1的情况下〕
如果权重w3（k）是1（步骤S302的是），CPU4就确定开度X（k）所属的类别i（步骤S303）。图24示出了步骤S303所进行处理的子程序。
CPU4首先检查开度X（k）是否为X（k）≧100％（步骤S501）。在此，如果开度X（k）为100％以上（步骤S501的是），就将类别i设为i＝20（步骤S502）。如果开度X（k）不是100％以上（步骤S501的否），则将类别i设为i＝X（k）／5＋1（步骤S503）。式中，i＝X（k）／5＋1的算出值中的小数点后将被舍去。由此，如果假定开度X（k）取0～100％中的值，0～100％就将以5％的开度之幅度被分为20个类别。
其次，CPU4在开度X（k）所属的类别i中，对操作器压力Po的最大值和最小值进行更新（步骤S304（图22））。图25示出了步骤S304所进行处理的子程序。此外，在该子程序中，Max_p〔i〕表示类别i内的操作器压力Po的最大值；Min_p〔i〕表示类别i内的操作器压力Po的最小值。关于Max_p〔i〕及Min_p〔i〕的初始值将在后面予以叙述。
CPU4首先检查操作器压力Po（k）是否为Po（k）＞Max_p〔i〕（步骤S601）。在此，如果Po（k）大于Max_p〔i〕（步骤S601的是），就将Po（k）设为新的Max_p〔i〕（步骤S603）。如果Po（k）在Max_p〔i〕以下（步骤S601的否），则检查是否Po（k）＜Min_p〔i〕（步骤S602）。在此，如果Po（k）小于Min_p〔i〕（步骤S602的是），就将Po（k）设为新的Min_p〔i〕（步骤S604）。如果Po（k）为Max_p〔i〕以下并且为Min_p〔i〕以上（步骤S602的否），则不进行Max_p〔i〕及Min_p〔i〕的更新。
而且，CPU4在进行该Max_p〔i〕及Min_p〔i〕的更新处理后，对k进行增量（步骤S305（图22）），并在确认还未到达异常诊断判断期间之后（步骤S306的否），返回到步骤S301。
通过重复该步骤S301～S306，权重w3（k）为0时的操作器压力Po（k）以及开度X（k）被排除在外，仅权重w3（k）为1时的操作器压力Po（k）以及开度X（k）被抽取（参见图28），将该抽取的数据作为有效的数据（抽取对象数据），对每个类别i，求出该类别i内的操作器压力Po的最大值Max_p〔i〕及最小值Min_p〔i〕。
〔达到了异常诊断判断期间的情况下〕
如果达到异常诊断判断期间（步骤S306的是），即如果显示步骤S305中的k的增量值到达了异常诊断判断期间，CPU4就对每个类别i求出流体反作用力作为异常诊断指标值（步骤S307）。图26示出了步骤S307所进行的处理的子程序。
CPU4首先设i＝1（步骤S701）。而且，将Fq〔i〕设为第i＝1个类别的流体反作用力，将该类别i中的操作器压力Po的最大值Max_p〔i〕及最小值Min_p〔i〕代入下式（12）中，算出第i＝1个类别的流体反作用力Fq〔i〕（步骤S702）。其中，Xi＝2．5＋（i－1）×5。
Fq〔i〕＝（Xi－b3）／a3－（Max_p〔i〕＋Min_p〔i〕）／2····（12）
上式（12）表示：由存储于存储部5中的线性近似式F3所示的调节阀200在正常时的静态输入输出关系与显示类别i中的被收集的输入输出关系的数据（代表值）之间在Po轴上的差异。即，将类别i中操作器压力Po的最大值Max_p〔i〕与最小值Min_p〔i〕之间的中间值（（Max_p〔i〕＋Min_p〔i〕）／2）作为类别i内的操作器压力Po的代表值，将类别i的开度范围的中间值（Xi）作为类别i内的开度X的代表值，表示该代表值与正常时的数据之间在Po轴上的差异（参见图29）。算出该差异作为类别i的流体反作用力Fq〔i〕。此外，Fq〔i〕的单位虽然是压力〔kPa〕，但是通过乘以操作器隔膜面积〔m2〕×10-3，可以将单位由压力〔kPa〕转换成力〔N〕。
CPU4在算出第i＝1个类别的流体反作用力Fq〔i〕之后，直到i＝20为止（步骤S703的是），一面对i进行增量（步骤S704），一面重复进行步骤S701～S704的处理动作。由此，对所有的类别i，算出该类别i的流体反作用力Fq〔i〕（参见图30）。
而且，CPU4在算出每个类别i的流体反作用力Fq〔i〕之后，将该求得的每个类别i的流体反作用力Fq〔i〕作为异常诊断指标值，将该流体反作用力Fq〔i〕与预先设定的阈值进行比较（步骤S308（图22）），只要有一个该流体反作用力Fq〔i〕超过阈值（步骤S308的是），就进行异常报警（步骤S309）。
CPU4在步骤S309中的异常报警后、或者根据步骤S308中的否，对所有类别i的操作器压力Po的最大值Max_p〔i〕和最小值Min_p〔i〕进行初始值复位（步骤S310），且返回步骤S301的处理，重复进行同样的处理动作。
图27示出了步骤S310所进行的处理的子程序。CPU4首先设i＝1（步骤S801）。而且，设Max_p〔i〕＝－INF、Min_p〔i〕＝INF。此外，INF设为操作器压力Po超过通常能够取得的范围的非常大的值（正值）。由此，Min_p〔i〕被设为操作器压力Po超过通常能够取得的范围的正值（初始值），Max_p〔i〕被设为与Min_p〔i〕相反的负值（初始值）。
CPU4将第i＝1个类别的Max_p〔i〕及最小值Min_p〔i〕设为初始值之后，直到i＝20为止（步骤S803的是），一面对i进行增量（步骤S804），一面重复进行步骤S801～S804的处理动作。由此，对于所有的类别i，该类别i的Max_p〔i〕及最小值Min_p〔i〕被设为初始值。
在步骤S309中，通过对所有的类别i，将该类别i的Max_p〔i〕设为－INF（负值），将最小值Min_p〔i〕设为INF（正值），在下一步骤S304中，当进行Max_p〔i〕及最小值Min_p〔i〕的更新处理时，不论操作器压力Po（k）变为怎样的值，Max_p〔i〕、Min_p〔i〕都将被更新为Po（k）。
此外，当到达异常诊断判断期间时，第i个类别的Max_p〔i〕，Min_p〔i〕一次也没有被更新时，即在还保留着初始化时的值的情况下，步骤S307中的流体反作用力的计算不进行，第i个类别的流体反作用力视为不能算出并且不进行阈值判定。
这样，在该参考例1中，在过程运行之中，可以将大大地偏离显示正常时的静态输入输出关系的特性III的数据排除在外，用简易的静态模式，正确地进行调节阀200的异常诊断。
此外，在该参考例1中，作为用于求出与操作器压力Po的变化速度和开度X的变化速度的组合相对应的权重的权重函数G31，G32，采用了如图的21（a），（b）所示的矩形状的权重函数，但是也可以采用如图31的（a），（b）所示的三角形状的权重函数。
在图31的（a）所示的权重函数G31’中，将vPo为0时的wPo设为1，将vPo的绝对值为阈值Poth以下的范围的wPo朝着vPo＝0逐渐地扩大，除此以外的wPo设为0。在图31的（b）所示的权重函数G32’中，将vX为0时的wX设为1，将vX的绝对值为阈值Xth以下的范围的wX朝着vX＝0逐渐地扩大，除此以外的wX设为0。
另外，例如，在图31的（a）所示的权重函数G31’中，也可以从vPo的正方向及负方向的更加离开的位置逐渐地朝着vPo＝0使wPo扩大，或在图31（b）所示的权重函数G32’中，从vX的正方向以及负方向的更加离开的位置逐渐地朝着vX＝0使wX扩大。
另外，用于求出与操作器压力Po的变化速度和开度X的变化速度的组合相对应的权重的权重函数，不一定要分成权重函数G31和G32，也可以采用将G31和G32合成了的一个权重函数（三维函数）。关于三角形状的权重函数G31’和G32’，同样地也可以是将G31’和G32’合成了的一个权重函数（三维函数）。
〔参考例2〕
图32示出了将滞后的幅度作为异常诊断指标值来对调节阀200进行异常诊断的异常诊断装置600的主要部分的结构。该异常诊断装置600也和参考例1同样地包括：CPU4、ROM/RAM等存储部5、以及接口6及7。
在CPU4中，通过接口6分支输入有作为至调节阀200的输入信号的操作器压力Po，通过接口7分支输入有作为来自调节阀200的输出的开度X。另外，CPU4依照存储于存储部5中的程序PG而动作。
在存储部5中，除了存储有上述程序PG以外，还存储有表示调节阀200在正常时的输入输出关系的特性（操作器压力Po和开度X的滞后特性）中的滞后的幅度W1，以及用于求出与操作器压力Po的变化速度和开度X的变化速度的组合相对应的权重的权重函数G41，G42。
〔滞后的幅度W1〕
在该参考例2中，调节阀200在正常时的滞后的幅W1通过调节阀200的设计规格求出，且存储于存储部5中。此外，当没有调节阀200的设计规格时，也可以在刚进行了维修保养等的正常状态下，如图33的（a）所示，在全开度范围内往返地向定位器100给予低速斜坡输入，如图33的（b）所示，取得操作器压力Po和开度X的数据，根据该结果来求出正常时的滞后的幅度W1。
〔权重函数G41，G42〕
在该实施方式中，如图34的（a），（b）所示，因为权重函数G41，G42使用的是与参考例1中所示的权重函数G31，G32（图21的（a），（b））相同的函数，所以在此省略其说明。
〔过程运行中的异常诊断〕
在过程运行之中，CPU4定期地读取给调节阀200的操作器压力Po以及来自调节阀200的开度X，对调节阀200进行异常诊断。图35示出了CPU4进行异常诊断处理的主流程图。
在该流程图中，因为步骤S311～S316的处理与参考例1中说明的步骤S301～S306（图22）的处理相同，故其说明予以省略。
〔达到了异常诊断判断期间的情况下〕
如果达到异常诊断判断期间（步骤S316的是），CPU4就对每个类别i求出滞后的幅度作为异常诊断指标值（步骤S317）。图36示出了步骤S317所进行的处理的子程序。
CPU4首先设i＝1（步骤S711）。而且，将Ft〔i〕作为第i＝1个类别的滞后的幅度，将该类别i中的操作器压力Po的最大值Max_p〔i〕及最小值Min_p〔i〕代入下式（13），并算出第i＝1个类别的滞后的幅度Ft〔i〕（步骤S712、参见图37）。
Ft〔i〕＝Max_p〔i〕－Min_p〔i〕····（13）
CPU4在算出第i＝1个类别的滞后的幅度Ft〔i〕之后，直到i＝20为止（步骤S713的是），一边对i进行增量（步骤S714），一边重复进行步骤S711～S714的处理动作。由此，对所有的类别i，算出该类别i的滞后的幅度Ft〔i〕（参见图38）。
而且，CPU4在算出每个该类别i的滞后的幅度Ft〔i〕之后，读出存储于存储部5中的正常时的滞后的幅度W1，且把规定值α加上该滞后的幅度W1的值作为阈值，将该阈值与每个类别i的滞后的幅度Ft〔i〕进行比较（步骤S318（图35）），只要有一个该滞后的幅度Ft〔i〕超过阈值（步骤S318的是），就进行异常报警（步骤S319）。
CPU4在步骤S319的异常报警后、或者根据步骤S318中的否，对所有类别i的操作器压力Po的最大值Max_p〔i〕和最小值Min_p〔i〕进行初始值复位（步骤S320），且返回步骤S301的处理，重复地进行同样的处理动作。步骤S320中的对初始值的复位因为与参考例1中的步骤S310（图22（图27））中的处理动作相同，故在此其说明予以省略。
这样，在该参考例2中，在过程运行之中，可以将大大地偏离正常时的滞后的幅度的数据排除在外，用滞后的幅度来正确地对调节阀200进行异常诊断。
此外，如参考例1所示，在运行中，由于阀轴接受流体的反作用力，操作器压力Po和开度X的关系将发生变化。但是，滞后的幅度W依存于摩擦力，如图40所示，不会因为流体反作用力而产生大的变化。因此，即使在流体压力的影响下，参考例2的有效性也不会失去。
另外，在该参考例2中，在步骤S317中，虽然通过Ft〔i〕＝Max_p〔i〕－Min_p〔i〕求出每个类别i的滞后的幅度，但是也可以通过Ft〔i〕＝（Max_p〔i〕－Min_p〔i〕）／2来求出每个类别i的摩擦力（参见图39）。
当将Ft〔i〕作为摩擦力的时候，在步骤S318中，读出存储于存储部5中的正常时的滞后的幅度W1，求出该滞后的幅度W1的半值（W1／2），把规定值β加上该滞后的幅度W1的半值（W1／2）的值作为阈值，将该阈值与摩擦力Ft〔i〕进行比较即可。或者，预先将正常时的滞后的幅W1的半值（W1／2）存储于存储部5，把规定值β加上该正常时的滞后的幅度W1的半值（W1／2）的值作为阈值，将该阈值与摩擦力Ft〔i〕进行比较即可。虽然在这种情况下的Ft〔i〕的单位为压力〔kPa〕，但是通过乘以操作器隔膜面积〔m2〕×10-3，可以将单位由压力〔kPa〕转换成力〔N〕。
另外，在上述参考例中，虽然对调节阀200进行异常诊断的情形做了说明，但也可以将组合了定位器100和调节阀200的系统整体视为一个调节阀，与上述同样地进行异常诊断。在这种情况下，作为给定位器100的输入信号的开度设定信号Iin相当于给调节阀的输入信号，用该开度设定信号Iin和阀开度X来进行系统整体（调节阀）的异常诊断。
另外，在上述实施方式1，2中，也可以与参考例2同样地求出滞后的幅度W，且将该滞后的幅度W作为异常诊断指标值进行EPM2及气动放大器3的异常诊断。
[产业上的可利用性]
本发明的定位器的异常诊断方法可以作为对调节阀的开度进行控制的定位器的异常诊断方法，应用于该定位器内的EPM及气动放大器等模块的异常诊断。

Claims (6)

1.一种定位器的异常诊断方法，其是将对调节阀的开度进行控制的定位器内的规定模块作为对象模块，对该对象模块进行异常诊断的定位器的异常诊断方法，其特征在于，包括：
对至所述对象模块的输入信号以及来自所述对象模块的输出信号定期地进行采样的步骤；
求出所述采样得到的输入信号的变化速度的步骤；
求出所述采样得到的输出信号的变化速度的步骤；
根据预先设定的权重函数，来求出与所述输入信号的变化速度及所述输出信号的变化速度的组合相对应的权重的步骤；以及
根据所述采样得到的输入信号、输出信号以及所述求出的权重，来对所述对象模块进行异常诊断的步骤。
2.根据权利要求1所述的定位器的异常诊断方法，其特征在于，
进行所述异常诊断的步骤为，根据所述采样得到的输入信号、输出信号、所述求出的权重以及所述对象模块正常时的静态输入输出关系求出在进行所述对象模块的异常诊断时所使用的异常诊断指标值。
3.根据权利要求1所述的定位器的异常诊断方法，其特征在于，
所述权重函数为在所述输入信号的变化速度以及所述输出信号的变化速度小的情况下将权重设为大的值的函数。
4.根据权利要求1所述的定位器的异常诊断方法，其特征在于，
所述权重函数为将所述输入信号的变化速度以及所述输出信号的变化速度的绝对值为阈值以下的范围的权重设为大的值的函数。
5.根据权利要求1所述的定位器的异常诊断方法，其特征在于，
所述对象模块为电空转换器，
所述输入信号为负载信号，
所述输出信号为喷嘴背压。
6.根据权利要求1所述的定位器的异常诊断方法，其特征在于，
所述对象模块为气动放大器，
所述输入信号为喷嘴背压，
所述输出信号为操作器压力。
CN201210320330.XA 2011-09-02 2012-08-31 定位器的异常诊断方法 Active CN102980781B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011-191312 2011-09-02
JP2011191312A JP5696006B2 (ja) 2011-09-02 2011-09-02 ポジショナの異常診断方法および装置

Publications (2)

Publication Number Publication Date
CN102980781A CN102980781A (zh) 2013-03-20
CN102980781B true CN102980781B (zh) 2015-04-15

Family

ID=47753757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210320330.XA Active CN102980781B (zh) 2011-09-02 2012-08-31 定位器的异常诊断方法

Country Status (3)

Country Link
US (1) US20130060388A1 (zh)
JP (1) JP5696006B2 (zh)
CN (1) CN102980781B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6671202B2 (ja) 2016-03-23 2020-03-25 アズビル株式会社 ポジショナ
CN107766299B (zh) * 2017-10-24 2021-05-18 携程旅游信息技术（上海）有限公司 数据指标异常的监控方法及其系统、存储介质、电子设备
JP7000125B2 (ja) * 2017-11-07 2022-01-19 アズビル株式会社 バルブメンテナンス支援装置および方法
JP6818200B2 (ja) * 2018-04-27 2021-01-20 株式会社木内計測 制御弁システムの異常部位検出装置
JP7284024B2 (ja) * 2019-07-31 2023-05-30 アズビル株式会社 バルブ異常検出装置および方法
CN111520535B (zh) * 2020-04-29 2022-02-01 浙江工业大学 一种气动调节阀定位器松动故障的在线诊断方法
CN113358345A (zh) * 2021-04-30 2021-09-07 广东韶钢工程技术有限公司 一种气动调节阀故障的检查与解决方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1278930A (zh) * 1997-09-29 2001-01-03 费希尔控制产品国际公司 非侵入获得过程控制设备参数的在线测量结果的方法和装置
CN1851442A (zh) * 2006-05-22 2006-10-25 杭州电子科技大学 执行器故障诊断方法
CN101245871A (zh) * 2008-01-31 2008-08-20 浙江大学 数字电气阀门定位器及其方法
CN102032985A (zh) * 2009-10-05 2011-04-27 株式会社山武 粘滑检测装置及检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58184380A (ja) * 1982-04-19 1983-10-27 Mitsubishi Heavy Ind Ltd 空気作動式調節弁
JPS63199986A (ja) * 1987-02-14 1988-08-18 Toshiba Corp 調節弁監視装置
JPH0185583U (zh) * 1987-11-30 1989-06-07
JP3289381B2 (ja) * 1993-04-06 2002-06-04 横河電機株式会社 電空変換器
JP2852596B2 (ja) * 1993-09-07 1999-02-03 株式会社山武 摩擦力の計測装置
JP3054794B2 (ja) * 1993-10-12 2000-06-19 株式会社山武 電空変換器
JP3383968B2 (ja) * 1995-02-09 2003-03-10 横河電機株式会社 バルブポジショナ
JPH11125448A (ja) * 1997-10-22 1999-05-11 Ntt Power And Building Facilities Inc 熱負荷予測装置
FI114947B (fi) * 2002-09-13 2005-01-31 Metso Automation Oy Menetelmä ja laitteisto prosessissa olevan prosessilaitteen hystereesin määrittämiseksi
JP5466068B2 (ja) * 2010-03-31 2014-04-09 アズビル株式会社 電空ポジショナおよび電空変換器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1278930A (zh) * 1997-09-29 2001-01-03 费希尔控制产品国际公司 非侵入获得过程控制设备参数的在线测量结果的方法和装置
CN1851442A (zh) * 2006-05-22 2006-10-25 杭州电子科技大学 执行器故障诊断方法
CN101245871A (zh) * 2008-01-31 2008-08-20 浙江大学 数字电气阀门定位器及其方法
CN102032985A (zh) * 2009-10-05 2011-04-27 株式会社山武 粘滑检测装置及检测方法

Also Published As

Publication number Publication date
JP2013053652A (ja) 2013-03-21
US20130060388A1 (en) 2013-03-07
CN102980781A (zh) 2013-03-20
JP5696006B2 (ja) 2015-04-08

Similar Documents

Publication Publication Date Title
CN102980781B (zh) 定位器的异常诊断方法
CN103064400B (zh) 调节阀的异常诊断方法
CN100543628C (zh) 利用控制环路操作控制阀并对该控制环路执行诊断的方法和装置
KR102072349B1 (ko) 가스 터빈용 자동 테스팅 시스템
EP1790838B1 (en) Model-based iterative estimation of gas turbine engine component qualities
US6598195B1 (en) Sensor fault detection, isolation and accommodation
US7200520B2 (en) Device and method for monitoring an electric power station
MXPA06014518A (es) Metodos de control de realimentacion y aparato para sistemas de control electro-neumaticos.
CN107111286A (zh) 用于诊断和控制的自动化功能测试
CN102449290A (zh) 确定旨在用于涡轮增压器的旁路执行机构的位置设定点的方法
CN102110187A (zh) 一种基于pca和人工免疫系统的流程工业混合故障诊断方法和系统
CN114035537B (zh) 一种燃气轮机控制系统综合诊断平台及方法
CN108138761B (zh) 气动系统运行控制装置和控制方法
KR101797558B1 (ko) 데이터베이스 기반 인공지능형 스마트 밸브 제어 시스템
EP3539872B1 (en) Method for fuselage leak monitoring and detection by an integrated apu-ecs-cpcs system
Jouin et al. Joint particle filters prognostics for PEMFC power prediction at constant current solicitation.
An et al. Leakage fault identification in a hydraulic positioning system using extended Kalman filter
US20130238137A1 (en) Parameter acquiring device and method
US6767178B2 (en) Response time of a steam turbine speed-control system
KR101765859B1 (ko) 발전소용 유압 액추에이터의 성능 진단장치 및 이의 성능 진단방법
CN107203151B (zh) 电空制动系统的仿真控制方法
CN108278325B (zh) 大型高精度被动气浮式隔振平台集成控制柜
Sankararaman et al. Uncertainty in steady-state diagnostics of a current-pressure transducer: How confident are we in diagnosing faults?
KR20010036423A (ko) 일반 회귀 신경망을 이용한 고장 검출 방법 및 장치
JP2020008036A (ja) 調節弁の異常診断方法および装置

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