CN102981493B - 用于对工业设备的故障诊断进行辅助的方法和装置 - Google Patents
用于对工业设备的故障诊断进行辅助的方法和装置 Download PDFInfo
- Publication number
- CN102981493B CN102981493B CN201210328510.2A CN201210328510A CN102981493B CN 102981493 B CN102981493 B CN 102981493B CN 201210328510 A CN201210328510 A CN 201210328510A CN 102981493 B CN102981493 B CN 102981493B
- Authority
- CN
- China
- Prior art keywords
- assembly
- technological parameter
- running status
- total
- apparatus assembly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
- G05B23/0251—Abstraction hierarchy, e.g. "complex systems", i.e. system is divided in subsystems, subsystems are monitored and results are combined to decide on status of whole system
Abstract
为了对工业设备(2)的故障诊断进行辅助,该工业设备具有多个通过管线系统(4)相连的设备组件(3),设计为:每个设备组件(3)均对应多个抽象的组件类型(5,10-15)中的一个类型,其中,每个组件类型(5,10-15)又对应于一个加权的、定向的组件图(30,40,50,60,61,70,80,90,95,96)。由起点出发沿管线系统(4)逐个组件地处理工业设备(2)的RI工艺流程图(1)。其中,在每个设备组件(3)中均访问其根据组件类型(5,10-15)所对应的组件图(30,40,50,60,61,70,80,90,95,96)。将各个单独的组件图组合成为工业设备(2)的加权的、定向的总图(140,141,142)的一个系统,总图的节点分别对应于多个单独的设备组件(3)。
Description
技术领域
本发明涉及一种用于对工业设备的故障诊断进行辅助的方法。本发明还涉及一种相应的装置。
背景技术
所述工业设备的概念在此处及后文中尤其是指化工业、饮食业、环保技术、制药产业或天然气石油工业领域中的一种过程技术设备或方法技术设备。
这种(工业)设备通常还包括多个单独的、相互连接的设备组件。其中,方法技术设备或过程技术设备的典型设备组件包括容器、反应器、管线、零配件等等。所述设备组件在原材料、尤其是流体的制造流程的过程中经过原材料的改造/加工成为由此形成的产品。
各个单独的设备组件通常均有相应的工艺参数或工作参数。其中,所述工艺参数说明各个设备组件的或者在设备组件中待加工流体的一种在流程过程中通常可以改变的状态。这些工艺参数一方面尤其包括流体的温度、压力、流量速度或者与此相对应的质量流量。另一方面,所述工艺参数也还可说明与每种设备组件相应的调节状态,例如阀位置(“打开”、“关闭”、“部分关闭”)或泵的功率或者对应的转速。
下面将上述工艺参数分为两类:即可观测到(测量技术可测)的工艺参数以及那些不可观测到的工艺参数。
可观测到的工艺参数大多(至少部分地)显示在工业设备的操作台或控制台的操作屏上。其中,所述操作屏通常会显示出设备的图解的且大多为简化的工艺流程图。其中,所述操作屏包括多个“操作对象”,其中,每个操作对象分别对应于一个设备组件。其中,所述操作对象用于显示该设备组件的实际工作数据(尤其是可观测到的工艺参数的实际值、额定值以及设计值)。若在设备运行中出现故障,工艺参数由此与给定的额定值之间的偏差大于某个特定的警告阈值,那么就通常由操作对象(以图形的方式)发出警告。
然而,由于设备大多具有的极高的复杂度以及上述操作屏的不完整性,借助这种报警发现故障原因并能够由此予以排除的工作通常非常困难并且相应地也十分耗时。但若过迟识别到故障原因,又可导致生产上的损失,因此,总是希望能够提前识别到故障发生的原因。
发明内容
因此,本发明的目的在于,简化工业设备的故障诊断。
在一种用于对故障诊断进行辅助的方法方面,上述目的根据本发明通过权利要求1所述的特征得以实现。其中,所述方法用于对工业设备的故障诊断进行辅助,该工业设备具有多个通过管线系统相连的设备组件。在所述方法的范畴中设计为,为设备创建一个定向的、加权的图形系统。为了创建所述的图形系统,每个设备组件均分别对应多个给定的、抽象的组件类型中的一种。在流程的过程中由所选定的起点出发沿其管线逐个组件地处理工业设备的RI工艺流程图(“管线-/工具-图示”)。其中,分别在到达一个组件时访问一个根据组件类型与该组件对应的组件图(也即按照组件类型)。因此,为每种特定的组件选出那些为与该组件相对应的组件类型所存储的组件图。各个单独的组件图最终组合成为一个由加权的、定向的工业设备(总)图组成的系统,其中,其节点分别对应于多个单个的设备组件或者其所属的工艺参数。
下面根据所谓的图理论借助“图”概念来表示一种示图,其表示了设备组件的各个单独的工艺参数以及存在于设备组件的各个单独的工艺参数之间的联系以及相互作用。其中,每个设备组件或者每个工艺参数均对应于一个“节点”。下面将各个单独的节点之间的连接称作“边线”。只要所述边线显示出一个独立的工艺参数对于另一个取决于它的工艺参数的一种相应的相互作用,该边线即为“定向”的。在图中用沿作用方向示出的箭头来表示定向的边线。
在本发明的范畴中始终观测“加权”的图。其中,每个边线均对应于一个数值。
在本发明的一个优选实施例中,每个工艺参数为此均对应于一个所谓的“状态(Zustand)”,其中,当所对应的工艺参数处于为其给定的有效范围内时,所述状态会被看作“0”或“正常”。若一个工艺参数偏离了该有效范围,那么,就不再属于正常状态。那么,例如若该工艺参数超出有效范围的上限,就会被赋予“正状态”或者“+”,或者若其低于有限范围的下限,就会被赋予“负状态”或者“-”。
若被观测的工艺参数的这种偏差引起另一个相关的工艺参数发生同向的偏差,那么在上述实施例中,由该工艺参数-节点指向与其相关的工艺参数的节点的边线即被正加权(“+1”)。其中,当两个工艺参数的上述状态具有相同的符号时,其偏差就会被看作为同向的。据此,在反向的变化的情况下,即当两种状态具有不同的符号时,边线被负加权(“-1”)。
此外,优选设计为,从工艺参数的有效范围来观测各个工艺参数的偏差程度大小。其中,若相关工艺参数的偏差无法通过某些情况下存在的调节回路得到调整,该偏差即被看作是“显著”的偏差,而“微弱”的偏差则可通过调节回路得以平衡。其中,优选设计为,工艺参数在显著的正或负偏差的情况下被赋予“+10”或“-10”的状态。并且,当相关的从属的工艺参数发生显著的同向或者反向变化时,边线即以“+10”或“-10”加权。然而,同样能够采用其它分级。
在根据本发明的方法的范畴中,将这一类按照种类予以详细说明的且相对于设备或者其它设备组件而言具有独特工作方式的设备组件称作“组件类型”。一种典型设备的组件类型例如尤其包括“阀”、“容器”(也被称作“储罐”)、“管线部段”、“泵”、“流量测量器”、“压力传感器”等等。
在根据本发明的方法的过程中所使用的组件图成对地对应于所设的组件类型。因此,为每种组件类型存储一种相对应的组件图。每种组件图在本发明的优选构型中均包括至少一个与设备组件的一个工艺参数相对应的第一节点,以及至少另一个与所观测的工艺参数相关的一个工艺参数相对应的其它节点。此外,所述组件图还包括至少一个定向的、加权的且连接第一节点与另一个节点的边线。其中,所述组件图会针对所观测的某种组件类型,以普遍的形式说明其中的设备组件或者说其所对应的工艺参数或其所对应的工艺参数与其它设备组件或者工艺参数之间的相互作用。
为了更好地与始终仅用于描述单独一种设备组件的上述组件图区分开来,也将那种或者每种根据本方法的、待创建的总设备或包含多个组件的一部分设备的图形称为“总图”。总图系统在简单设备中可由唯一一个总图构成。所述系统在更复杂的设备中则通常由多个分别对应于设备的一部分、尤其是其子系统或运行状态组的总图构成。下面进一步对“子系统”与“运行状态组”的概念进行说明。
优选始终将某个容器或者某个管线分支选作上述的逐个组件来处理特定设备在本方法中所用的RI工艺流程图的起点。该管线优选沿设备中待加工流体的流动方向排布。
在制作RI工艺流程图时,各个单独的组件图就几乎用作为模型(或者-在面向对象的编程的术语表中-类别),其通常可以任意地实例化,也就是说通常可以对其任意地进行访问。
那么,在根据本发明的方法的过程中所创建的总设备或一部分设备的图就可有利地用于故障原因分析,因为其会显示出设备内部的故障关联。
借助上述方法,有利地能够甚至在非常复杂的工业设备中系统地创建相对应的图形。这样也尤其能够自动地从存储的组件图中创建特定设备的各个总图。由于尤其是甚至在工业设备的设计阶段就已提供了通常用于各种工业设备的RI工业流程图,因此,上述方法有利地可用于几乎各种任意的工业设备。
根据本方法来创建某个或每个总图,尤其会在没有任何或者仅有很少的关于特定设备在其运行中的状态的经验信息的情况下简化故障原因分析。因而,尤其能在主动进行故障查找及预防时有利地应用于设备的设计阶段。
在本方法的一个优选实施例中,无论是某个或每个总图,还是组件图均分别以邻接矩阵(Adjazenzmatrix)的形式示出。各个邻接矩阵以下述方式来表示相对应的图:使得每列或每行均对应一个节点,并且阵列的各个单独的元素分别相应于在相关的行中所表示的节点与由相关的列表示的节点之间连接的定向边线。其中,输入信息自身作为数值反映了相关边线的加权。
为了确定对应于各个邻接矩阵的工艺参数,工艺参数向量均对应于每个邻接矩阵。所述工艺参数向量作为向量元素包括所有在相应的图中作为节点出现的工艺参数。其中,向量元素的顺序被转为(übertragen)矩阵的列输入信息或行输入信息的顺序。也就是说,在邻接矩阵的第i个行与第j个列中的元素相应于连接工艺参数向量的第i个向量元素(工艺参数)与第j个向量元素(工艺参数)的边线。
为了创建设备的某个或每个总图的总邻接矩阵,优选设计为,首先以相应的非特定组件的邻接矩阵的形式给出每个组件图。其中,非特定即意味着,在相应的工艺参数向量中以普遍的、而非实例化(即具体规定)的方式说明各个单独的工艺参数。
在所述方法的过程中,优选根据RI工艺流程图首先对特定设备的所有设备组件进行明确标记、尤其是编号并且由此规定。由此形成总设备或部分设备的工艺参数向量。
此外,在本方法的有利的实施方式中,根据所观测的设备工艺参数的数量为某个或每个总图创建-首先是空的、即数值未定的-总邻接矩阵。然后,逐个组件地来“填充”该总邻接矩阵。其中,-由所选定的起点出发-为每个特定的设备组件,沿着加工路线通过下述方式确定并规定(或者实例化)对应的组件邻接矩阵和对应的工艺参数向量:用特定设备对象的特定工艺参数来取代组件邻接矩阵所依据的组件类型的未定的工艺参数。例如,在规定的过程中,用特定管线部段“R01215”的特定输入压力“Pi_R01215”来取代通常以“Pi”来表示的组件类型“管线部段”的输入压力。然后,按照特定的工艺参数将组件邻接矩阵中所输入的信息转移到总邻接矩阵中。其中,沿管线逐个访问工业设备的各设备组件,直到所有设备组件的相关信息均被输入到总邻接矩阵中。
在本方法的一个尤其利于该方法自动化的设计方案中设计为,设备的RI工艺流程图尤其是以XML(“Extensible Markup Language”可扩展标记语言)格式存储在数据库中。组件邻接矩阵同样也又尤其以XML格式而存储在同一个或者另一个数据库中。
在本发明的改进方案中,设备的某个或每个总图在其创建完成后会由于不同于实体设备组件的、额外的故障原因节点得以扩展。在这些故障原因节点中存储了工业设备的一个或多个工艺参数上出现典型故障原因的后果如堵塞、泄漏、传感器或泵的失灵等。每个故障原因节点就相应地包含连接某个或每个总图中的一个或多个与实体设备组件相对应的节点的定向的、加权的边线。附有故障原因节点的总图在下文中被称为“诊断图”。
在优选实施方式中,每个故障原因节点均对应于所存储的多个故障原因类型中的一个,其中,又为每个故障原因类型尤其以XML格式存储一个其所对应的故障原因邻接矩阵。对故障原因节点的处理方法与实体设备组件所对应的节点的处理方法相同。
在确定其中一个设备组件的被观测的工艺参数与正常状态存在的差异的情况下,优选借助用于发现可能的故障原因的所谓的ESFA(“ExtendedSymptom-Fault Association(扩展型征兆-故障关联)”)方法来评估总图或诊断图,例如在D.S.Nam et al.中:,Automatic Construction of ExtendedSymptom-Fault Associations from the signed Digraph(扩展型征兆-故障关联在符号图中的自动构建)“,Computers & Chemical Engineering(电脑&化学工程),20,605-610,1996中所述。
优选以图形的方式例如在工业设备的操作屏的一个分离的显示区域上显示出这样得出的可能的故障原因。
优选借助关于设备状态的历史数据、尤其是通过SOM(“selforganising maps”自组织映射)来识别可观测到的偏差。附加的或可替换的是,可借助固定给定的警告阈值识别某个偏差,所述警告阈值被存储为与每个可观测的工艺参数相对应。
为了确保复杂设备中的总图系统尽可能清晰明了,在本方法的一个优选实施例中设计为,首先将所述RI工艺流程图分为各个子系统,其中,所述子系统可有选择性地重叠。其中,一组通过包含多个管线部段的管线系统而相互连接的设备组件即被看作子系统。因此,为每个子系统创建一个子系统图。各个单独的子系统图可以可选地作为单个总图的系统而形成过程结果(Verfahrensergebnis),或者被组合成为一个更大部分设备或者总设备的综合总图。
其中,优选这样来选定各个子系统,使其所对应的设备组件仅影响自身子系统的工艺参数并且不会与另一个子系统的设备组件或者说设备组件的工艺参数相互影响。已被证明为十分有效的是,分别选择一个容器作为用于区分两个子系统的分界组件。
在另一个易于实施的优选实施例中,将RI工艺流程图分为各个运行状态组。其中,一个运行状态组包括那些在特定的运行状态中所使用的设备组件以及串联于其间的管线部段。将设备的一种至少与另一种运行方式或运转方式有所区别的、特定的运行方式或运转方式称作运行状态。其中,为每种运行状态创建一个相对应的运行状态图,其相应地仅包括在每种运行状态中所涉及到的工艺参数作为节点。可尤其由此区分各种运行状态:即在运行状态的每种状态中,设备组件的另一个子群组正常运转,其它设备组件则停止运转。因此,在某种运行状态中处于运转的设备组件可被看作一个构成子设备的单元。其中,运行状态组可由上述子系统中的一个或多个子系统构成。相应的子系统图可以可选地被组合成为分别对应的运行状态组的运行状态图。在这种情况下,运行状态图作为总图系统就形成了过程结果。
由于在同时存在于同一个工业设备中的情况下,泵与阀之间的作用关系并不明确,在这种情况下被证明为有效的是,两次经过RI工艺流程图以创建两个总图。在第一次经过时,处理除泵以外的所有组件,其中,创建第一个总图(如下:“阀-总图”)。在第二次经过RI工艺流程图时,处理除阀以外的所有组件,其中创建设备的第二个总图(如下:“泵-总图”)。其中,不要将所述“第一个”和“第二个”的概念理解为强制性的时间顺序。在本发明的范畴中,尤其是“泵-总图”可在“阀-总图”之前或者与其同时(即并行)创建。在具有多个运行状态组的复杂设备中,运行状态组又分别由多个子系统构成,总图系统因此尤其可包括用于每个运行状态组或者甚至是用于每个运行状态组的每个子系统的一个泵-总图以及一个阀-总图。
在设备中存在的调节回路经常会给故障的识别与分析增加难度,因为表征故障的工艺参数偏差会被校正。因此,在本方法的一个优选变型中,通过以计算法来补偿调节结果的方式,在开始调节前得到通过调整参数调节的工艺参数的假定值。由此实现上述情况:即基于调整参数的实际(观测)值和被调节的工艺参数的实际值以及在将调整的作用方式纳入考虑的条件下,在调节的介入(Eingriff)前回推出工艺参数的值。
根据本发明,上述目的由一种具有权利要求14所述的特征的装置得以实现。据此,该装置包括数据库,在数据库中存储了设备的RI工艺流程图以及组件图或者与该组件图相对应的组件邻接矩阵。此外,该装置还包括创建模块,该创建模块设计为用于按照上述的根据本发明的方法来创建设备的总图系统。该装置优选还包括一个诊断单元,该诊断单元设计为用于利用源自设备的某个或每个总图的诊断图以发现故障原因。
附图说明
下面借助附图进一步阐明本发明的一个实施例。图中示出:
图1示出具有多个设备组件的(工业)设备的第一个RI工艺流程图,其中,所述多个设备组件通过管线系统相互连接;
图2示出以RI工艺流程图的形式所示出的、表示管线部段的第一个组件类型;
图3示出与如图2的组件类型相对应的组件图;
图4和图5示出在如图2或图3的图中所示出的、表示手动阀的第二个组件类型;
图6和图7示出在如图2或图3的图中所示出的、表示调节阀的第三个组件类型;
图8示出在如图3的图中所示出的、表征位于容器前的流动方向上的调节阀的第四个组件类型的组件图;
图9示出在如图3的图中所示出的、表征位于容器后的流动方向上的调节阀的第五个组件类型的组件图;
图10和图11示出在如图2或图3的图中所示出的、表示泵的第六个组件类型;
图12和图13示出在如图2或图3的图中所示出的、表示容器的第七个组件类型;
图14和图15示出在如图2或图3的图中所示出的、表示流量测量器的第八个组件类型;
图16示出在如图2的图中所示出的、表示压力测量器的第九个组件类型;
图17示出在如图3的图中所示出的、在“泵-总图”范畴内的第九个组件类型“压力测量器”;
图18示出在如图3的图中所示出的、在“阀-总图”的范畴内的第九个组件类型“压力测量器”;
图19示出一种用于借助如图1的RI工艺流程图创建定向的、加权的设备总图的系统的方法的流线图;
图20示出与第一种运行状态相对应的设备的定向的、加权的“泵-总图”;
图21示出同样与第一种运行状态相对应的设备的定向的、加权的“阀-总图”;
图22示出与第二种运行状态相对应的设备的另一个定向的、加权的“阀-总图”;
图23示出另一个(工业)设备的RI工艺流程图;
图24示出如图23的设备的一种定向的、加权的“阀-总图”;
图25示出一种用于对工业设备的故障诊断进行辅助的装置。
具体实施方式
在所有图中相对应的部件和尺寸均始终以同样的标号表示。
图1示出了第一个RI工艺流程图1,其表示第一(工业)设备2。
工艺流程图1包括表示多个组成设备2的(设备-)组件3的标记。工艺流程图1此外还包括象征设备2的管线系统4的连接线,组件3通过该管线系统相互连接。
根据工艺流程图1所示,管线系统4包括多个管线部段5,其中,每个管线部段5始终连接两个设备组件3。
因此,在工艺流程图1中会看出,哪些设备组件3在设备2中相互连接并且该连接以何种管线技术的布置实现。在工艺流程图1中,还通过箭头来存储各个单独的组件在哪个流动方向6上相互连接。
无论是设备组件3、还是管线部段5,均分别对应一个或多个工艺参数7,工艺参数说明了设备中待加工流体的流体力学的特性(即压力、质量流率等)。
每个单独的设备组件3分别对应一种抽象的“组件类型”,其表征了特定设备组件种类和分别对应的抽象的工艺参数7。
在这里所示的实施例中,设备2根据工艺流程图1包括如下组件类型的设备组件3,组件类型分别对应下述工艺参数7:
-管线部段5,其所对应的工艺参数7是质量流量M;
-手动阀10,其所对应的工艺参数7分别是阀位置V;
-调节阀11,其所对应的工艺参数7分别是可控制的阀位置S;
-压力传感器12,其所对应的工艺参数7分别是压力P;
-可控制泵13,在此为离心泵的形式,其所对应的工艺参数7是调节信号SP;
-容器14,其所对应的工艺参数7分别是液面高度L;
-流量测量器15,其所对应的工艺参数7分别是质量流量M。
从流动方向来看,设备2具体是由表1中所含的(特定的)设备组件3组成的:
表1:设备2的组件3,其所对应的组件类型以及相应的工艺参数7
其中,在图1以及表1中所列举的工艺参数的术语表基于以下规定:
工艺参数标记的第一个部分是各个组件3所对应的工艺参数7的一般的通用名称。因此,始终以“V”来表示阀10所对应的工艺参数7,以“S”来表示调节阀11所对应的工艺参数7,以“P”来表示压力传感器12所对应的工艺参数7,以“SP”来表示泵13所对应的工艺参数并且以“L”来表示容器14所对应的工艺参数。用“M”来表示管线部段5所对应的工艺参数7。
名称的第二部分为编号x或y,其中,x和y均分别为一个自然数。其中,每个容器14对应编号y,而每个管线部段5则对应编号x。
根据受到组件作用的或者作用于组件上的质量流量M对其它组件3进行编号。其中,(调节)阀10,11或者泵13所对应的工艺参数始终具有与沿流动方向后置的管线部段5的质量流量Mx相同的序数(Ordnungszahl),压力传感器12则具有与沿流动方向前置的管线部段5相同的序数。
若设备组件3对应多个用于检测相应的工艺参数7的传感器,那么就给标记添加第三名称部分以便区分,该第三名称部分用于规定基本测量原理。那么,标记“LyP”(“level y pressure”)就说明根据压力测量原理进行液面高度测量,而标记“LyU”(“level y ultrasonic”)就表示根据超声波测量原理进行液面高度测量。
此外,每个组件类型还对应于一个首先是非特定的、通用的组件图,在该组件图中存储以下信息:与各个组件类型相对应的组件3如何与其它组件3(或者说,与其所对应的质量流量特定的工艺参数7)相互作用。在组件图中-如上所述-每个所观测的工艺参数7均对应于图中的一个节点,其中,各个单独的节点之间的箭头或边线即说明了相互关系。其中,组件图中正加权的边线就表示同向的偏差变化,而负加权的边线表示反向的偏差变化。通过试验或数学模型得出非特定的(unspezifischen)组件图。
在下面的图2至图18中阐明了,上述组件类型对应于哪些相互作用或者说对应于哪些非特定的组件图。与可观测的工艺参数7相对应的节点在图2至图18中以虚线示出。此外,将标记v定义为x-1(或者说沿流动方向前置)并且将n定义为x+1(或者说沿流动方向后置)。
图2以RI工艺流程图示的形式示出了第一组件类型,通常表征其相应的质量流量为Mx的管线部段5以及其与后置的、质量流量为Mn(即M(x+1))的管线部段5之间的相互作用。
在图3中示出了与该组件类型相对应的组件图30。组件图30还包括第一节点31以及第二节点32,第一节点对应于质量流量Mx,第二节点则对应于第二质量流量Mn。正加权的(由两个相反定向的边线组成的)“双边线”33表明,在两个管线部段5之间的相互作用或者说其质量流量Mx,Mn是同向的。也就是说,根据质量守恒定律,一个质量流量的正偏差会引起另一个质量流量的正偏差,一个质量流量的负偏差则会导致另一个质量流量的负偏差。
为便于计算机中的数据处理技术控制,以工艺变量向量vRx以及相应的邻接矩阵ARx的形式表示的组件图30如GLG(方程)1所示:
其中,值为“1”的邻接矩阵ARx的外对角线-元素对应双边线33。工艺变量向量vRx表示,哪些工艺参数对应于邻接矩阵中的各个输入信息。
其中,第一行第二列中的输入信息就对应于连接工艺参数向量的第一工艺参数所对应的节点与工艺参数向量的第二工艺参数所对应的节点的边线的加权。
图4以RI工艺流程图的图示示出第二个组件类型,其通常表征相应的阀位置为Vx的手动阀10、其与前置的且质量流量为Mv的管线部段5以及与后置的且质量流量为Mx的管线部段5的相互作用。
在图5中示出了相应的组件图40。组件图40包括一个对应阀位置V的节点41、一个对应质量流量Mx的节点42以及一个对应质量流量Mv的节点43。这样来定义阀位置V,使得阀10会随着阀位置V的数值的增大而被逐渐关闭。因此,阀位置V反向地作用于设置在阀10后的管线部段5中的质量流量Mx。根据这种反向的影响作用,定向边线44由节点41起向节点42负(-1)加权。节点41对于前置的管线部段5或者说对于管线部段所对应的质量流量Mv的影响作用间接通过位于节点42与43之间的(正加权的)双边线45示出。
所对应的工艺参数向量vVx以及所对应的邻接矩阵AVx具有以下形式:
图6以RI工艺流程图的形式示出了第三组件类型,其通常表征相应的阀位置为Sx的调节阀10、其与前置的且质量流量为Mv的管线部段5以及与后置的且质量流量为Mx的管线部段5之间的相互作用。根据图7,所对应的组件图50与手动阀10的组件图40具有类似构造。
图8在组件图60中示出了第四组件类型,其说明了调节阀11与沿流动方向直接后置的容器14之间的相互作用。图9则在组件图61中示出了第五组件类型,其说明了调节阀11与沿流动方向直接前置的容器14之间的相互作用。从图8中可以看出,在调节阀11位于容器14之前的情况下,过度打开的位置(阀位置S为低)使得流体强力地流进容器14中并且由此使液面高度Ly升高。通过负加权的边线62来表示该反向的作用。从图9中可以看出,反之,若过度打开的调节阀11位于容器14之后,从容器14中流出的流体增加并由此使液面高度Ly下降。通过正加权的边线63来表示这种同向的作用方式。
分别对应的工艺参数向量vSTy(用于具有后置的容器14的调节阀11)与vTSy(用于具有前置的容器14的调节阀11)以及分别对应的邻接矩阵ASTy或ATSy具有如下形式:
图10在RI工艺流程图中示出了第六组件类型,其通常表征相应的调节信号为SPx的可控制的(离心)泵13、其与前置的且质量流量为Mv的管线部段5和与后置的且质量流量为Mx的管线部段5的相互作用、以及其与前置的压力为P_v(_v=x-1,x-2,......)的压力测量器12和与后置的压力为P_n(_n=x,x+1,x+2,......)的压力测量器12的相互作用。由相应的组件图70(图11)中可以看出,泵13或者其调节信号SPx对于任意(下游测得的)压力P_v具有反向作用,而泵13或者其调节信号SPx对于任意上游所测得的压力P_n具有同向作用。也就是说,随着泵13的泵功率增加,泵13前的压力Pv就减小(通过负加权的边线71表示),而泵功率增加则会引起在泵13后测量到的压力Px增加(通过正加权的边线72表示)。根据边线73,对于质量流量Mx和Mv的作用同样是同向的。
组件图所对应的工艺变量向量vKx以及相应的邻接矩阵AKx具有以下形式:
压力P_v和P_n的检测是可选的。相应地可缺少一个或两个压力P_v和P_n的数值。在这种情况下,去掉在向量vKx中的相应的输入信息以及在邻接矩阵AKx中的相应的行与列。
图12示出了第七组件类型,用于表征容器14、其与前置的且质量流量为Mv的管线部段5以及与后置的且质量流量为Mx的管线部段5之间的相互作用。从组件图80(图13)中可以看出在与容器14相应的液面高度Ly与质量流量Mx、Mv之间的相互作用。据此,流入的质量流量Mv会提高容器14中的液面高度Ly,如正加权的边线81所示,而从容器中流出的流体的减少则如负加权的边线82所示。此外,液面高度Ly的增加会,如正加权边线83所示,引起设置在容器14后的管线部段5中的质量流量Mx的增加。此外,从组件图80中可以看出,与沿流动方向设置在容器14后的压力传感器12相对应的压力P_n,如正加权的边线84所示,与液面高度Ly同向改变。相应的工艺参数向量vT1y以及相应的邻接矩阵AT1y具有以下形式:
图14在另一个工艺流程图部分中示出了根据类型对流量测量器15进行说明的第八组件类型。从图15所示的、与流量测量器15相对应的组件图90中可以看出,流量测量器15所对应的工艺参数(质量流量)并未作为单独的节点示出。更多的则是仅将后置的管线部段5所对应的质量流量Mx标记为可观测的(以虚线圈示出)。据此,用与GLG 1类似的方法来测定相应的工艺参数向量vMx以及相应的邻接矩阵AMx:
vMx=vRx AMx=ARx GLG6
在图16中示出了RI工艺流程图中的第九组件类型,其通常用于描述压力传感器12以及其与两个邻接的管线部段5之间的相互作用。
因为由压力传感器检测到的压力与设备(包括阀以及泵)中的质量流量之间的关系并不明确,而更多的是也取决于各个组件相对的位置,压力传感器12就具有这样的特点。这表明,随着泵功率的增加并且根据增加的质量流量,沿流动方向设置在泵后的压力传感器就会检测到增加的压力,而设置在泵前的压力传感器则检测到不断下降的压力。反之,若泵功率保持不变而质量流量由于阀的打开而提高,这就在沿流动方向设置在阀前的压力传感器上导致压力的下降,而沿流动方向设置在阀后的压力传感器则检测到压力的上升。
为了分开泵与阀的工作方式,因此为每个设备创建两个子图,其中,第一个“泵-图”包含所有组件、尤其是至少一个泵,然而不包括任何阀或调节阀,而第二个“阀-图”则包含所有组件、尤其是至少一个阀或调节阀,然而不包括任何泵。
相应地,任意一个压力传感器12也对应于两个不同的组件图95(图17)或者96(图18)。组件图95用于在泵-图范畴中示出压力传感器12或者其所对应的压力Px。组件图95包括与设置在压力传感器12前的管线部段5或者是管线部段所对应的质量流量Mx相对应的节点97,以及与由传感器12所检测到(以及由此被标记为可观测到)的压力Px相对应的节点98。其中,组件图95具有连接节点97与节点98的第一边线a,所述边线是负加权的,其中,只有当相应的传感器12沿流动方向布置在至少一个泵13前面时,该边线a才具有有效性。反之,则只有当相应的传感器12沿流动方向布置在至少一个泵13后面时,第二个正加权的边线b才具有有效性。相应的非特定的工艺参数向量vPPx以及相应的用于描述泵-图中的任意一个压力传感器12的邻接矩阵APPx具有以下形式:
用于描述阀-图中的压力传感器12的组件图96同样包括节点100(Mx)、节点101(Mn)以及标记为可观测的节点102(Px)。此外,设置与条件相关联的边线,其中,只有当与其关联的条件分别被满足时,才考虑该边线。在所示的条件中,Px表示压力传感器12的可被观测的压力,My则表示可被观测的质量流量,该质量流量与相应的质量流量Mx同向改变。其中,正加权的边线103所对应的条件基本用于推断,压力Px是否与质量流量My以及由此与设置在压力传感器12前的质量流量Mx同向改变,压力传感器12是否因此沿流动方向位于设备2的改变其阀位置V的(调节)阀10或11之后。在这种情况下,边线103与边线104均具有有效性。若压力Px相反地反向于质量流量My或Mx改变,那么就认为,压力传感器12位于改变其阀位置V的(调节)阀10,11之前。在这种情况下,负加权的边线105和边线106均具有有效性。
按照这种阀-图的后续应用,仅有那些在上述条件下存在的边线可失效。相应的工艺参数向量vPVx以及邻接矩阵APVx具有以下形式:
为了说明设备2内的各个组件3是如何相互作用的,可将各个组件图30,40,50,60,61,70,80,90,95,96组合成为一个总图。
按照借助图19所述的(创建)方法自动创建所述总图:
在程序启动110后,首先在第一个步骤111中将计数变量i、j、l分别设至1。
在第二个步骤112中,访问工业设备2的(作为XML文件的)RI工艺流程图1,其中,明确地按照前述的术语表给所有与设备2的组件3和管线部段5相对应的工艺参数7标记并编号。上述通常所用的变量x和y在步骤112中会根据下述方式被逐一编号:
首先,所有与容器14相对应的工艺参数Ly被逐一编号,其中,y是从1到t。其中,t是指在设备中所存在的容器14的数量。
然后,与所有管线部段5所对应的质量流量Mx被逐一编号,其中,x是从1到m。其中,m是指在设备中所存在的管线部段5的数量。沿流动方向在容器14后面开始编号(x=1)。若管线部段5(或者所对应的质量流量Mx)进入容器14,则
-在该容器后(若尚未纳入考虑的一部分管线从容器14中导出)或者
-在另一个容器14后(只要仍有一个尚未被纳入考虑的容器14)或者
-在管线分支上继续进行编号。
在第三个步骤113中,将设备2的组件分为b运行状态组,其中,所述运行状态组对应于计数变量i。其优选自动实现,只要自动化系统能“辨识”运行状态。为了能够实现运行状态组的自动定义,运行状态例如可被表示为Batch系统(根据ISA88)的配备步骤或者表示为SFC(SequentialFlow Chart时序流程图)的步骤,并且以计算机可读取的形式存储在自动化系统中。在这种情况下,自动化系统自动为每种运行状态预设阀位置以及泵功率。否则也可以进行手动设定。
其中,运行状态组即包括一组在一种特定运行状态中使用的设备组件3、以及虽然并非在各个运行状态中所用的、然而可影响该运行状态的其它设备组件3。
在所示示例中,设备2不是在第一种运行状态A中运转,就是在第二种运行状态B中运转。
在运行状态A中,设备2中的流体会借助泵13(以相应的工艺参数SP4)从标记有“RES1”的第一容器14中被输送进标记有“RES2”的第二容器14,其中,流体由“VT.KRE-U050”的调节阀11关闭。
据此,第一运行状态组114(图1)(i=1)就包括所有设备组件3和管线部段5,通过这些管线部段,标记有“RES1”的容器14在流动方向上与标记有“RES2”的容器14相连。
接着,在运行状态B中,流体就由标记有“RES2”的容器14加入标记有“RES1”的容器14中,其中,标记有“VT.KRE-U050”的调节阀11打开。并且,在第二运行状态B中,标记有“VT.KRC-U170”和“VT.KVL-U230”的手动阀或调节阀(具有相应的工艺参数V2或S14)关闭。
第二运行状态组115据此包括所有设备组件3和管线部段5,通过这些管线部段,标记有“RES2”的容器14在流动方向上与标记有“RES1”的容器14相连。
容器14、更准确地说即位于其中、标记为“VT.KRC-P010”或“VT.KRE-P010”和“VT.KRE-L110”的液面高度测量器,分别属于两种运行状态组114和115。
此外,标记有“VT.KRE-U050”的调节阀11也属于第一运行状态组114作为分界,该阀有时、特别是在故障情况中可影响在运行状态A中所用的组件3的工艺参数7。标记有“VT.KRC-U170”和“VT.KVL-U230”的手动阀或调节阀同样也属于第二运行状态组115作为分界,该阀有时、特别是在故障情况中可影响在运行状态B中所用的组件3的工艺参数7。
出于清晰的原因,为每个运行状态组均创建一个单独的运行状态-图,该运行状态-图又分别包含两个子图、即一个泵-图以及一个阀-图。因此,在接下来的步骤116中,就根据该组的设备组件3的类型与数量为第i个运行状态组创建两个工艺变量向量vSDG(i)V和vSDG(i)P。其中,第一向量vSDG(i)V包括第i个运行状态组中的除泵(或者泵信号SP)以外的所有组件或者所对应的工艺参数,而vSDG(i)P则如GLG 9所示包括第i个运行状态组中除阀(或者阀位置)以外的所有组件。此外,vSDG(i)V或vSVG(i)P中的每个向量均包括那些可限定运行状态组并且由此还作用于该组或者可测量运行状态组的边界条件、然而其自身在相应的运行状态中并未得以使用的设备组件。其中,在向量vSDG(i)V或vSDG(i)P中所包含的工艺参数7分别对应于待创建的图形的各个节点。
此外,在步骤116中创建两个空的邻接矩阵ASDG(i)V以及ASDG(i)P作为零矩阵,其行数和列数分别等于向量vSDG(i)V或vSDG(i)P的长。
在通常情况下,接着在另一个步骤117中将第i个运行状态组分为u子系统,其中,每个子系统又包含一部分与第i个运行状态组相应的设备组件3。其中,子系统的所有设备组件3分别通过管线部段5至少间接相互连接。其中,分别将一个容器14考虑为第一子系统与第二子系统之间的分界或分界组件。将两个子系统相互分开的容器14始终分属于两个相接的子系统。将运行状态组分为子系统通过自动化系统自动地借助存储为XML文件的RI工艺流程图实现。
然而,在如图1的示例中,在第一运行状态组中仅看到唯一一个子系统。
各子系统对应于计数变量j,其中,j从1到u,u等于在各个上级运行状态组中的子系统的数量。
在后续的步骤次序中处理包含k个设备组件3的第j个子系统。计数变量l对应于设备组件3。
其中,在步骤118中,将带有通向相关的第j个子系统的输出口的容器14选为起点或者-当不再有任何尚未被纳入考虑的容器时-将一个管线分支选为起点。在后面的步骤119中,为第l个的设备组件3根据其组件类型搜索首先是非特定的工艺参数向量以及非特定的邻接矩阵。
在接下来的步骤120中,为第l个的设备组件3确定工艺参数向量。其中一方面,使得第l个组件的工艺参数向量中的变量的非特定的名称与-步骤112中根据其明确编号的-实际名称相符。此外,在某些情况下要考虑在第j个子系统中的压力传感器12的数量和位置。
例如为图1中的工艺流程图1中的泵13规定根据GLG 4的工艺参数向量vKx作为工艺参数向量vK4以及规定GLG 4中的组件邻接矩阵AKx作为AK4:
在规定步骤中用“P2”取代“P v”以及用“P4”,“P9”和“P11”取代“P_n”。
根据规定,在下一个步骤121中将现在规定的组件邻接矩阵的输入信息转至邻接矩阵ASDG(i)V或ASDG(i)P的相应的位置上。其中,在组件邻接矩阵中、与连接第一特定工艺参数和第二特定工艺参数的边线相对应的信息被输入到邻接矩阵ASDG(i)V或ASDG(i)P中的一个同样与连接同一个第一特定工艺参数和同一个第二特定工艺参数的边线相对应的位置上。
在接下来的询问125中会询问第l个组件是否并非是容器或槽。若满足这一条件(分支y),即第l个组件不是槽,那么就在步骤126中在流动方向上沿着由第l个组件过来的管线部段5寻找下一个设备组件3,其中,在步骤128中存储根据询问127可能识别出的管线分支的位置。该分支例如可以是管线的T型件或者是三通阀。该分支相应地作为设备组件3存储。
接着在步骤129中,将计数变量l加1,由此为第j个子系统的下一个设备组件3进行步骤119至121。
若第l个组件是容器(询问125中的分支n),那么就在其后的一个询问130中验证,是否尚未涉及到第j个子系统的上一个组件k(l不等于k)。若是这样(询问130的分支y),即又在步骤131中将计数变量l加1并且寻找第j个子系统的下一个起点、即另一个容器或是一个可能被存储的管线分支。
由所述新起点起,又一直进行步骤119至126一段时间,直到到达又一个容器。
若第l个的设备组件是容器并且第j个子系统的所有组件均已处理完成(询问130的分支n),即在另一个询问132中验证,所有子系统是否尚未处理完成(j不等于u)。若j不等于u(询问132中的分支y),那么在步骤133中将j加1,并且运行用于下一个子系统的步骤118至126,直到又处理完成子系统的全部k个组件。
若已处理完全部子系统(询问132里的分支n),即在询问134中验证,是否尚未处理完所有的运行状态组。若是这种情况(分支y),那么就在步骤135中将运行变量i加1,并且从步骤116起为另一个运行状态组i创建另一对邻接矩阵ASDG(i)V或ASDG(i)P。
在本应用例中,为第二运行状态组115(其不包含任何泵)仅创建一个工艺参数向量vSDG2V以及一个空的邻接矩阵ASDG2V。
若也已处理完成所有的运行状态组b(询问134中的分支n),那么就在步骤136中考虑分开各个单独的运行状态组-在当前情况中即:阀“VT.KRE-U050”针对第一运行状态组114,阀“VT.KRC-U170”和“VT.KVL-U230”针对第二运行状态组115-。然后,在程序运行过程的终端137上创建工业设备的总图系统(由b对运行状态图组成)。
因此,对于上述应用例而言,为第一运行状态1形成在图20中所示的泵-总图140以及在图21中所示的阀-总图141。为第二运行状态相应地形成如图22所示的阀-总图142。总图140,141和142共同构成根据本方法所述的、待创建的设备2的总图系统。
根据上述规定,所述图也可以利用邻接矩阵的形式表示。
为了使得可借助ESFA方法评估某个或一个按照上述方式得出的图,在创建之后引入故障节点。出于更好的简明性的原因,下面借助进一步简化的第二个应用例进行阐明。图23相应地示出了另一个示例性的(工业)设备2'的RI工艺流程图1',该设备包括:作为组件3的第一容器14,其对应两个工艺参数L1U或L1P;调节阀11,其对应工艺参数S2;压力传感器12,其对应工艺参数P2;手动阀10,其对应工艺参数V4;流量测量器15,其对应质量流量M5作为工艺参数;以及第二容器14',其对应工艺参数L2P。各组件3通过五个管线部段5相互连接。
根据上述创建方法所得出的设备2'的阀图150如图24所示。其中的工艺参数向量VSDG1V以及相应的邻接矩阵ASDG1V可由GLG 12或13得出。
例如将管线部段5中的标记为“部分堵塞”TV的、减少了质量流量的阻塞选定为故障原因。其中,可为管线部段5的每个部段或其相应的质量流量Mx(x=1,2,...,5)分别创建一个故障原因节点151,其中,负加权的边线152分别连接表示部分堵塞TVx的节点151与相应的、表示各个质量流量Mx的节点。
相应的故障原因向量vF如下所示:
与上图相关的工艺参数向量:
(在GLG15中,出于简明性的原因,作为转置向量vT SDG(i)V示出)在合理地应用如上述的写法的情况下,相应的故障原因邻接矩阵则具有以下形式:
根据如下的表2来设置其它故障类型。
表2:故障原因总览
图25示出了用于实施对上述设备2的故障诊断进行辅助的诊断方法的装置160。
该装置160包括图形创建单元161、偏差识别单元162以及诊断单元163。
图形创建单元161包括数据库164,在该数据库中以可电子应用的形式、在此即以XML文件的形式存储针对工业设备2的设备数据。
设备数据包括工业设备2的RI工艺流程图1(图1)、组件类型数据165、故障数据166以及调节数据167。
RI工艺流程图1包括-如前面已详述过地-以下方面的相关信息:设备2包括哪些设备组件3,其对应于哪些组件类型以及各个单独的设备组件3如何并且以何种流动方向6相互连接。
对于工艺流程图1而言还存储了下述信息:相关的工业设备2可以以哪些不同的运行方式或运行状态运转。
为上述的每种组件类型分别存储一个(非特定的)定向的、加权的且如图3,5,7-9,11,13,15,17或18中之一的组件图作为组件类型-数据165。所述作为模块存在的组件图已事先由试验或数学模型中得出。组件图-如上所述地-以邻接矩阵以及相应的工艺参数向量的形式存储。
故障-数据166包括以下方面的信息:各个故障类型会如何作用于各个设备组件3或是其相应的工艺参数7。其中,为每个故障类型存储一个定向的、加权的故障图或相应的邻接矩阵。所述故障图也事先由试验或数学模型中得出。
调节-数据167包括以下方面的信息:哪些调节回路被集成在所观测的工业设备2中并且该调节回路如何起作用。上述信息以表格形式表示。
图形创建单元161还包括创建模块170,其会借助RI工艺流程图1以及借助组件类型-数据165自动创建一个定向的、加权的设备2的总图系统。其中,该系统可能分别包括用于每个运行状态的一个阀-总图以及一个泵-总图(图20至图22)。创建模块170为此自动实施上述的创建方法。其中,创建模块170尤其是指软件模块,在其中通过编程技术实施上述创建方法并且能将该方法安装在计算机上并执行。
此外,图形创建单元161还包括故障模块171,该模块会-如上所述地-将所存的故障数据以故障原因节点的形式添加到工业设备2的某个或所有总图中。图形创建单元161还包含调节回路模块172,该模块如上所述地通过推算将调节回路的信息添加到设备2的某个或所有总图中。
因此,通过图形创建单元161至少创建一个总图173,该总图与故障类型一起组合成为故障图174,并且还与调节回路信息一起组合成一个可评估的诊断图175。
在偏差识别单元162中,为工业设备2的所有工艺参数7存储相应的标准,每个工艺参数与额定状态之间的偏差若满足该标准,则被识别为是有误的。例如通过所述标准来定义围绕额定状态的有效范围。在所示实施方式中,为每个工艺参数7设计一个固定给定的警告阈值,其中,低于或超过各警告阈值均被判断为有效范围以外的偏差。在一个可选实施方案中设计为,使用并借助其自组织映射(英文:self organising maps“SOM”)记录历史工艺数据,由此可自学习地、进而灵活地识别关键的偏差。
诊断单元163包括工艺数据模块180、比较模块181以及评估模块182。工艺数据模块180至少通过信号技术与工业设备2或者其可观测的设备组件3连接,并且不断地通过测量技术获取工业设备2的相应的设备组件3的可获取的工艺参数7。工艺数据模块2将所获取的工艺参数7导入比较模块181中。比较模块181访问偏差识别单元162的分别给定极限值,为所有所获取到的工艺数据7分别计算出该工艺数据是否与其各个有效范围存在偏差。在识别到偏差的情况下,比较模块181会向评估模块182发出诊断指令。然后,评估模块182随后会访问图形创建单元161的所创建的诊断-图175,并且借助ESFA方法对其进行评估。其中,基本将所有由比较模块181得出的偏差看作为所谓的征兆。从该征兆出发并且通过对诊断-图175的边线进行逆向检查,搜索那些具有相同征兆的故障原因,从而得出这些故障原因作为可能的故障原因。
最后,评估模块182在显示器185上显示出所得出的可能的故障原因。其中,显示器185例如是独立的监控器。然而可替换地也可以考虑的是,在工业设备2的控制台的操作屏的范围内设置一个显示区域用作显示器185。
其中,可一方面通过文本图示进行说明,例如:
“发现与正常状态之间的偏差。可能的故障原因如下:
-管M10/M11部分堵塞
-调节阀VT.KVL-U210部分堵塞
-调节阀VT.KVL-U210过度关闭”。
然而也可能的是,尤其在工业设备的控制台的操作屏的范围内以图形显示出可能引起故障原因的设备组件。
为便于进行说明,仅描述了上述方法在两个示例性的设备2和2′中的具体应用。所述方法当然也还可应用于任意其它的设备。若这种设备包含与上述组件类型不相符的组件,即相应地添加所缺少的组件类型。
此外,本发明不限于该方法的上述实施例和相应的装置。并且可由专业人员借助本说明推导出本发明的其它实施变体。
Claims (22)
1.一种用于对工业设备(2)的故障诊断进行辅助的方法,所述工业设备具有多个通过管线系统(4)相连的设备组件(3),其中,每个设备组件(3)可对应于多个抽象的组件类型(5,10-15)中的一个类型,其中,每个组件类型(5,10-15)均对应于一个加权的、定向的组件图(30,40,50,60,61,70,80,90,95,96),
-其中,由起点出发沿管线系统(4)逐个组件地处理所述工业设备(2)的RI工艺流程图(1);
-其中,在每个设备组件(3)中均访问所述设备组件的根据所述组件类型(5,10-15)所对应的组件图(30,40,50,60,61,70,80,90,95,96);和
-其中,将各个单独的组件图(30,40,50,60,61,70,80,90,95,96)组合成为所述工业设备(2)的加权的、定向的总图(140,141,142)的一个系统,所述总图的节点分别对应于多个单独的设备组件(3),其中,存储故障原因的后果,和其中,将每个故障原因作为额外的故障原因节点(151)和所述故障原因的后果以至少一个加权边线(152)的形式添加到某个或每个总图(150)中,以构成定向的、加权的诊断图(175)。
2.根据权利要求1所述的方法,
-其中,以对应的组件邻接矩阵的形式设计每个组件图(30,40,50,60,61,70,80,90,95,96);
-其中,所有设备组件(3)对应于明确标记的并且由此规定的工艺参数;
-其中,根据所述设备组件(3)的被观测的工艺参数的数量创建所述工业设备(2)的某个或每个总图(140,141,142)的空的总邻接矩阵;
-其中,由起点出发逐个组件地借助明确标记所述设备组件(3)所对应的工艺参数分别为设备组件(3)规定与每个组件(3)的具体工艺参数相关的组件邻接矩阵;和
-其中,所述组件邻接矩阵中的每个元素均按照规定被转移到各个总邻接矩阵中的相应的对应位置上;
-其中,沿所述管线系统(4)一直连续地访问所述工业设备(2)的所述设备组件(3),直到对于所有设备组件(3)而言都已实现了输入到各个总邻接矩阵中。
3.根据权利要求2所述的方法,其中,所有设备组件(3)对应于编号的并且由此规定的工艺参数。
4.根据权利要求1-3中任一项所述的方法,其中,将RI工艺流程图(1)的容器(14)或管线分支选定为起点。
5.根据权利要求1至3中任一项所述的方法,其中,所述管线系统(4)沿流动方向排布。
6.根据权利要求4所述的方法,其中,所述管线系统(4)沿流动方向排布。
7.根据权利要求6所述的方法,其中,存储故障原因的后果,和其中,将每个故障原因作为额外的故障原因节点(151)和所述故障原因的后果以至少一个加权边线(152)的形式添加到某个或每个总图(150)中,以构成定向的、加权的诊断图(175)。
8.根据权利要求1所述的方法,其中,当一个设备组件(3)的可被观测的工艺参数与正常状态之间出现偏差时,运用ESFA方法对诊断图(175)进行评估,以得出可能的故障原因。
9.根据权利要求8所述的方法,其中,通过与所述工业设备(2)的历史数据的对比来识别所述偏差。
10.根据权利要求8或9所述的方法,其中,借助固定设计的警告阈值来识别所述偏差。
11.根据权利要求1至3中任一项所述的方法,其中,RI工艺流程图(1)被分为各个单独的子系统,其中,首先为每个子系统创建一个子系统图作为总图或所述总图的一部分。
12.根据权利要求10所述的方法,其中,RI工艺流程图(1)被分为各个单独的子系统,其中,首先为每个子系统创建一个子系统图作为总图或所述总图的一部分。
13.根据权利要求11所述的方法,其中,这样来选定各个单独的子系统,使得各个子系统的所述设备组件(3)不会相互影响。
14.根据权利要求13所述的方法,其中,在两个子系统之间分别使用容器(14)作为分界元件。
15.根据权利要求1至3中任一项所述的方法,其中,所述RI工艺流程图(1)被分为各个单独的运行状态组(114,115),其中,每个运行状态组(114,115)分别包括那些在对应的运行状态中所涉及的设备组件(3);和其中,为每个运行状态组(114,115)创建一个自身的运行状态图(140,141;142)作为总图,所述总图分别仅包括在各个运行状态中所涉及的、作为节点的设备组件(3)的工艺参数。
16.根据权利要求14所述的方法,其中,所述RI工艺流程图(1)被分为各个单独的运行状态组(114,115),其中,每个运行状态组(114,115)分别包括那些在对应的运行状态中所涉及的设备组件(3);和其中,为每个运行状态组(114,115)创建一个自身的运行状态图(140,141;142)作为总图,所述总图分别仅包括在各个运行状态中所涉及的、作为节点的设备组件(3)的工艺参数。
17.根据权利要求1至3中任一项所述的方法,其中,两次经过所述RI工艺流程图(1),以用于分离泵(13)与阀(10,11),其中,在第一次经过时处理除泵(13)以外的所有设备组件(3),以用于创建阀-总图,和其中,在第二次经过时则处理除阀(10,11)以外的所有设备组件(3),以用于创建泵总图。
18.根据权利要求16所述的方法,其中,两次经过所述RI工艺流程图(1),以用于分离泵(13)与阀(10,11),其中,在第一次经过时处理除泵(13)以外的所有设备组件(3),以用于创建阀-总图,和其中,在第二次经过时则处理除阀(10,11)以外的所有设备组件(3),以用于创建泵总图。
19.根据权利要求1至3中任一项所述的方法,其中,基于经过调整参数调节的工艺参数的实际值以及调整参数的实际值而回推出所述工艺参数的假定值,其中,所述工艺参数在调节的介入前具有所述假定值。
20.根据权利要求18所述的方法,其中,基于经过调整参数调节的工艺参数的实际值以及调整参数的实际值而回推出所述工艺参数的假定值,其中,所述工艺参数在调节的介入前具有所述假定值。
21.一种用于按照根据权利要求1至20中任一项所述的方法对工业设备(2)的故障诊断进行辅助的装置(160),
-具有数据库(164),在所述数据库中存储了RI工艺流程图(1)以及设备组件(3)所对应的组件图(30,40,50,60,61,70,80,90,95,96);
-具有创建模块(170),所述创建模块设计为用于实施根据权利要求1至12中任一项所述的方法。
22.根据权利要求21所述的装置(160),
-具有诊断单元(163),所述诊断单元设计为用于实施用于发现故障原因的诊断方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP11180247A EP2568348A1 (de) | 2011-09-06 | 2011-09-06 | Unterstützung der Fehlerdiagnose einer Industrieanlage |
EP11180247.6 | 2011-09-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102981493A CN102981493A (zh) | 2013-03-20 |
CN102981493B true CN102981493B (zh) | 2015-08-26 |
Family
ID=44735839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210328510.2A Expired - Fee Related CN102981493B (zh) | 2011-09-06 | 2012-09-06 | 用于对工业设备的故障诊断进行辅助的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9177398B2 (zh) |
EP (3) | EP2568348A1 (zh) |
CN (1) | CN102981493B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3029535A3 (en) * | 2014-12-03 | 2016-07-13 | Rockwell Automation Technologies, Inc. | P&ID and control system synchronization |
ES2809466T3 (es) * | 2016-08-11 | 2021-03-04 | Siemens Ag | Procedimiento para la detección mejorada de anomalías de proceso de una instalación técnica y sistema de diagnóstico correspondiente |
DE202016105686U1 (de) | 2016-10-11 | 2016-10-28 | Dürr Systems Ag | Industrielle Anlage |
DE102017102992A1 (de) * | 2017-02-15 | 2018-08-16 | Sig Technology Ag | Ein mit einer Verpackungsanlage assoziierter Graph |
EP3584657B1 (en) * | 2017-03-30 | 2021-09-22 | TLV Co., Ltd. | Risk assessment device, risk assessment method, and risk assessment program |
CN107272648B (zh) * | 2017-07-03 | 2019-05-03 | 山东科技大学 | 一种工业过程微小故障的分离方法 |
EP3690575B1 (de) | 2019-02-04 | 2022-08-24 | Siemens Aktiengesellschaft | Verfahren zur überprüfung einer konsistenten erfassung von rohrleitungen in einem projektierungssystem, projektierungssystem und steuerungsprogramm |
EP3893069A1 (de) | 2020-04-06 | 2021-10-13 | Siemens Aktiengesellschaft | Stationäre ursachenanalyse bei technischen anlagen |
EP3896545A1 (en) * | 2020-04-14 | 2021-10-20 | ABB Schweiz AG | Method for alarm handling in a processing system |
TWI749925B (zh) * | 2020-12-01 | 2021-12-11 | 英業達股份有限公司 | 製造設備製造參數調整控制系統及其方法 |
EP4063980A1 (de) | 2021-03-22 | 2022-09-28 | Siemens Aktiengesellschaft | Ursachenanalyse einer anomalie auf basis von simulierten symptomen |
EP4075223A1 (de) | 2021-04-15 | 2022-10-19 | Siemens Aktiengesellschaft | Ursachenanalyse bei anomalien beim betrieb einer technischen anlage |
US11947416B2 (en) | 2021-12-14 | 2024-04-02 | International Business Machines Corporation | Fault diagnosis in complex systems |
DE102022103029A1 (de) | 2022-02-09 | 2023-08-10 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung, Computerprogramm und computerlesbares Speichermedium zur Lokalisierung eines elektrischen Fehlers in einem elektrischen System |
CN117390896A (zh) * | 2023-12-11 | 2024-01-12 | 广东远景信息科技有限公司 | 基于数据模型的化学泄漏检测构建方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1159233A (zh) * | 1994-11-02 | 1997-09-10 | 西门子公司 | 用于技术设备的过程数据的分析方法 |
EP1377950B1 (en) * | 2001-03-06 | 2005-08-03 | Goalart AB | System, apparatus and method for diagnosing a flow system |
EP2043033A1 (de) * | 2007-09-19 | 2009-04-01 | Siemens Aktiengesellschaft | Verfahren zum Betreiben eines Infrastrukturnetzes |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE277375T1 (de) * | 2000-02-25 | 2004-10-15 | Siemens Ag | Verfahren zum betrieb und vorrichtung zur überwachung einer technischen anlage |
US6970808B2 (en) * | 2004-04-29 | 2005-11-29 | Kingsley E. Abhulimen | Realtime computer assisted leak detection/location reporting and inventory loss monitoring system of pipeline network systems |
WO2007011081A1 (en) * | 2005-07-18 | 2007-01-25 | Nuri Telecom Co., Ltd. | Remote monitoring system of pipe lines buried in the earth |
EP2440980A1 (en) | 2009-06-12 | 2012-04-18 | BAE Systems PLC | Assisting failure mode and effects analysis of a system |
-
2011
- 2011-09-06 EP EP11180247A patent/EP2568348A1/de not_active Ceased
-
2012
- 2012-08-07 EP EP12179486.1A patent/EP2587329B1/de active Active
- 2012-08-07 EP EP12179481.2A patent/EP2587328A1/de not_active Withdrawn
- 2012-09-05 US US13/604,435 patent/US9177398B2/en not_active Expired - Fee Related
- 2012-09-06 CN CN201210328510.2A patent/CN102981493B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1159233A (zh) * | 1994-11-02 | 1997-09-10 | 西门子公司 | 用于技术设备的过程数据的分析方法 |
EP1377950B1 (en) * | 2001-03-06 | 2005-08-03 | Goalart AB | System, apparatus and method for diagnosing a flow system |
EP2043033A1 (de) * | 2007-09-19 | 2009-04-01 | Siemens Aktiengesellschaft | Verfahren zum Betreiben eines Infrastrukturnetzes |
Also Published As
Publication number | Publication date |
---|---|
US9177398B2 (en) | 2015-11-03 |
EP2587329B1 (de) | 2015-01-28 |
CN102981493A (zh) | 2013-03-20 |
EP2587328A1 (de) | 2013-05-01 |
EP2587329A1 (de) | 2013-05-01 |
EP2568348A1 (de) | 2013-03-13 |
US20130235041A1 (en) | 2013-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102981493B (zh) | 用于对工业设备的故障诊断进行辅助的方法和装置 | |
Ding | Data-driven design of fault diagnosis and fault-tolerant control systems | |
Bezerra et al. | An evolving approach to unsupervised and real-time fault detection in industrial processes | |
Colledani et al. | Integrated analysis of quality and production logistics performance in manufacturing lines | |
Niggemann et al. | Learning behavior models for hybrid timed systems | |
Escobet et al. | Fault diagnosis of dynamic systems | |
Vaidhyanathan et al. | Digraph-based models for automated HAZOP analysis | |
Sainz et al. | Fault detection and isolation of the three-tank system using the modal interval analysis | |
CN106164795B (zh) | 用于分类报警的优化方法 | |
Garcia | Improving heat exchanger supervision using neural networks and rule based techniques | |
Jove et al. | A new approach for system malfunctioning over an industrial system control loop based on unsupervised techniques | |
Li et al. | The updating strategy for the safe control Bayesian network model under the abnormity in the thickening process of gold hydrometallurgy | |
Oeing et al. | Graph Learning in Machine‐Readable Plant Topology Data | |
CN114662009B (zh) | 一种基于图卷积的工业互联网工厂协同推荐方法 | |
Krivanek | Application LAMDA algorithm for fault detection and isolation | |
EP3048613B1 (en) | Method for analysis of plant disturbance propagations | |
CN105158679B (zh) | 基于传输函数的滤波电路故障诊断方法 | |
Esquivel | Capturing and Exploiting Plant Topology and Process Information as a Basis to Support Engineering and Operational Activities in Process Plants | |
Rocha et al. | Reliability analysis of sensorized stamping presses by generalized fault trees | |
US20220091594A1 (en) | Method and system to generate control logic for performing industrial processes | |
Trunzer et al. | Data-Driven Approach to Support Experts in the Identification of Operational States in Industrial Process Plants | |
Bousson et al. | A computational causal model for process supervision | |
Gonzalez et al. | Control loop diagnosis with ambiguous historical operating modes: Part 2, information synthesis based on proportional parametrization | |
Tóth et al. | A diagnostic method based on clustering qualitative event sequences | |
CN112272804A (zh) | 无需动态系统模型的工业过程在线故障定位 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150826 Termination date: 20200906 |
|
CF01 | Termination of patent right due to non-payment of annual fee |