CN106567964B - 一种基于dcs数据的流量控制阀监控方法 - Google Patents

一种基于dcs数据的流量控制阀监控方法 Download PDF

Info

Publication number
CN106567964B
CN106567964B CN201610984487.0A CN201610984487A CN106567964B CN 106567964 B CN106567964 B CN 106567964B CN 201610984487 A CN201610984487 A CN 201610984487A CN 106567964 B CN106567964 B CN 106567964B
Authority
CN
China
Prior art keywords
valve
value
score
data
working condition
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
CN201610984487.0A
Other languages
English (en)
Other versions
CN106567964A (zh
Inventor
王友清
楼志江
脱建勇
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.)
Beijing University of Chemical Technology
Original Assignee
Beijing University of Chemical Technology
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 Beijing University of Chemical Technology filed Critical Beijing University of Chemical Technology
Priority to CN201610984487.0A priority Critical patent/CN106567964B/zh
Publication of CN106567964A publication Critical patent/CN106567964A/zh
Application granted granted Critical
Publication of CN106567964B publication Critical patent/CN106567964B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16K—VALVES; TAPS; COCKS; ACTUATING-FLOATS; DEVICES FOR VENTING OR AERATING
    • F16K37/00—Special means in or on valves or other cut-off apparatus for indicating or recording operation thereof, or for enabling an alarm to be given

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Flow Control (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种基于DCS数据的流量控制阀监控方法，其特征在于：包括如下步骤，步骤1：获取阀门DCS数据作为训练数据，将训练数据按照不同工况进行分类，建立多种阀门模型；步骤2：基于训练数据，确定不同工况下对应的阀门模型；步骤3：识别当前工况，确定当前工况下对应的阀门模型；步骤4：根据步骤3确定的阀门模型，预测阀门输出流量值；步骤5：根据阀门实际流量值和其对应估计值，进行故障判断。

Description

一种基于DCS数据的流量控制阀监控方法
技术领域
本发明涉及一种基于DCS数据的流量控制阀监控方法。
背景技术
流量控制阀是工业自动化生产尤其是化工生产过程中采用最多的终端控制元件之一，决定着过程控制的及时有效性，也是整个控制回路中较为重要但又是长期以来技术比较薄弱的环节。一旦控制阀出现故障，控制回路将被迫中断控制操作，有可能引发更大的系统故障，导致装置停车和造成难以估量的经济损失。 然而，在实际生产过程中，操作人员无法做到对于控制阀的实时监控，仅仅只能在计划检修时对重要的阀门进行预防性检修。这样的检修方式周期长，存在盲目性、不及时性，而且效率低下，时间、人员成本高。
数字式阀门定位器成为目前国内外设计阀门智能诊断系统的主要途径，FISHER、SAMSON、INVENSYS等各主要控制阀厂商都在着力开发数字式阀门定位器及完善各自的诊断软件。但是这些软件都与厂商的硬件紧密结合，需要安装额外的阀门定位器来获得相应的传感信号，从而可以进行故障分析。安装额外的数字式阀门定位器存在工艺上的困难，并且成本高昂。
集散控制系统（DCS）是随着现代大型工业生产自动化的不断兴起和过程控制要求的日益复杂应运而生的综合控制系统，是完成过程控制、过程管理的现代化设备，大多数工厂都已建立了完备的DCS数据库，用于记录相应的DCS数据，基于DCS数据实现流量控制阀监控目前尚属技术空白。
发明内容
本发明的发明目的在于提供一种基于DCS数据的流量控制阀监控方法，能够根据DSC数据实现对流量控制阀的实时监控，有效降低成本。
实现本发明目的的技术方案：
一种基于DCS数据的流量控制阀监控方法，其特征在于：包括如下步骤，
步骤1：获取阀门DCS数据作为训练数据，将训练数据按照不同工况进行分类，建立多种阀门模型；
步骤2：基于训练数据，确定不同工况下对应的阀门模型；
步骤3：识别当前工况，确定当前工况下对应的阀门模型；
步骤4：根据步骤3确定的阀门模型，预测阀门输出流量值；
步骤5：根据阀门实际流量值和其对应估计值，进行故障判断。
步骤1中，训练数据为阀门控制器的测量值、输出值。
步骤2中，用粒子群优化算法辨识出每种阀门模型的参数，计算每种阀门模型的偏差，选择偏差最小的阀门模型作为所在工况下的阀门模型。
步骤3中，利用不同工况下的阀门模型估计阀门的流量值，求取当前实际流量值和其估计值之间的相对误差，选取相对误差最小的工况作为当前工况。
步骤5中，计算阀门实际流量值和其对应估计值的偏差，利用该偏差值对控制阀故障程度进行评级。
步骤5中，根据阀门实际流量值和其对应估计值，可诊断内漏和脏堵故障，具体公式如下，
如果，则判断为脏堵，脏堵得分为，内漏得分为0；反之，脏堵得分为0，内漏得分为，式中M为选取的实时数据个数。
步骤5中，根据阀门实际流量值和其对应估计值，可诊断粘滞故障；利用最小二乘法进行粘滞故障评分，粘滞故障评分score_2的具体公式如下：
式中T S 是系统的采样周期，M为选取的实时数据个数。
步骤5中，根据阀门实际流量值和其对应估计值，可诊断卡死故障；卡死故障评分score_3计算公式如下：
式中M为选取的实时数据个数。
根据阀门控制器的输出值，可监测阀门的总行程，具体公式如下，
当阀门出现新工况时，将当前阀门DCS数据作为新的工况数据进行训练，获得新工况下的阀门模型。
本发明具有的有益效果：
本发明获取阀门DCS数据作为训练数据，将训练数据按照不同工况进行分类，建立多种阀门模型；基于训练数据，确定不同工况下对应的阀门模型；识别当前工况，确定当前工况下对应的阀门模型；根据确定的阀门模型，预测阀门输出流量值；根据阀门实际流量值和其对应估计值，进行故障判断。本发明仅仅利用现有DCS数据库中的控制阀DCS数据，就可实现对流量控制阀的在线故障监控，不需要额外安装阀门定位器，大幅降低了监控成本；本发明将DCS数据作为训练数据，确定不同工况下对应的阀门模型，增加人机交互和学习能力，可适用于复杂的工况，监控效果更加可靠。
本发明训练数据为阀门控制器的测量值、输出值，用粒子群优化算法辨识出每种阀门模型的参数，计算每种阀门模型的偏差，选择偏差最小的阀门模型作为所在工况下的阀门模型，获得的阀门模型更加准确。
本发明利用不同工况下的阀门模型估计阀门的流量值，求取当前实际流量值和其估计值之间的相对误差，选取相对误差最小的工况作为当前工况，可实现对当前工况的准确判断，进一步保证对流量控制阀的监控效果。
本发明根据阀门实际流量值和其对应估计值的偏差，可实现对控制阀故障程度进行评级，根据阀门实际流量值和其对应估计值之间的相对误差，可诊断阀门的内漏和脏堵故障；根据阀门实际流量值和其对应估计值，利用最小二乘法估计出阀门的反应滞后时间，可诊断阀门的粘滞故障；根据阀门实际流量值和其对应估计值之间的协方差，可诊断阀门的卡死故障，即本发明可实现对流量控制阀的各种故障类型的监控。
本发明不仅可实现对流量控制阀的故障监控，还可根据阀门控制器的输出值，监测阀门的总行程，实现对阀门的使用程度进行监控。
附图说明
图1为本发明的流程图。
具体实施方式
如图1所示，本发明基于DCS数据的流量控制阀监控方法，包括如下步骤，
步骤1：获取阀门DCS数据作为训练数据，将训练数据按照不同工况进行分类，建立多种阀门模型。
训练数据为阀门控制器的测量值、输出值，代表是阀门开度，代表是阀门的流量值，上述数据均由DCS数据库获得。
阀门模型可以根据阀门的流量特性获得，例如：对数阀的关系为
，
线性阀的关系为，也可以设定更为复杂的分层关系，如。
步骤2：基于训练数据，确定不同工况下对应的阀门模型。
用粒子群优化算法辨识出每种阀门模型的参数，计算每种阀门模型的偏差，选择偏差最小的阀门模型作为所在工况下的阀门模型。
从DCS数据库中获得个阀门控制器输出值以及阀门流量值，分别构成训练数据集和。用粒子群优化算法（PSO）计算出每种工况下的训练数据和所对应的阀门模型种类以及对应的参数和，具体过程如下：
（1） 选定粒子群优化算法的粒子数（建议值=20）和进化次数（建议值=200）；
（2）令，为每个粒子赋予随机值，P m 中的值代表所求的参数和，将代入函数。计算每个粒子的适应值
，找出20个粒子中适应值最小的粒子，把这个粒子的值设为全局最优位置，同时将每个粒子的值设定为该粒子本身的历史最优位置。设定每个粒子的初始速度。
（3）令；用以下的方法更新20个粒子的位置：
其中，和是每次进化都要重新赋值的0到1之间的随机数。重新计算每个粒子的适应值，如果，则；如果，则。
（4）如果 ，则返回（3），否则将中的值赋给参数和，且该模型的偏差为。
然后比较几种模型中最小的模型，将它记录为当前工况下该阀门的模型。当一个控制阀存在种不同工况的时候，应当为该控制阀建立个模型。
步骤3：识别当前工况，确定当前工况下对应的阀门模型。利用不同工况下的阀门模型估计阀门的流量值，求取当前实际流量值和其估计值之间的相对误差，选取相对误差最小的工况作为当前工况。
从DCS数据库中获得个阀门实时数据和进行在线监测的时候，可以将该数据代入个阀门模型，计算该数据在种不同工况模型下的相对模型偏差，选择偏差最小的工况作为该阀门目前所处的工况，用对应的工况模型进行输出预测和故障诊断。
步骤4：根据步骤3确定的阀门模型，预测阀门输出流量值；计算当前工况下的预测值，同时读取步骤3中计算出来的最小模型偏差作为当前监测数据模型偏差。
步骤5：根据阀门实际流量值和其对应估计值，进行故障判断。
（一） 故障评分
根据阀门实际流量值和其对应估计值之间的偏差，结合步骤3中所求的模型偏差来计算该阀门的故障得分，计算方法如下：
所求的故障得分为0到100，故障得分反映了当前阀门输出（输入）和理论输出（输入）的相对偏差。利用该得分进行故障分级：
分级的具体标准可根据现场实际情况进行调整。
（二） 诊断内漏和脏堵故障
根据阀门实际流量值和其对应估计值，可诊断内漏和脏堵故障，具体公式如下，
如果，则判断为脏堵，脏堵得分为，内漏得分为0；反之，脏堵得分为0，内漏得分为，式中M为选取的实时数据个数。内漏和脏堵故障评分的物理意义是当前阀门输出（输入）和理论输出（输入）的相对偏差。
（三）诊断粘滞故障
根据阀门实际流量值和其对应估计值，可诊断粘滞故障；利用最小二乘法进行粘滞故障评分，粘滞故障评分score_2的具体公式如下：
式中T S 是系统的采样周期，M为选取的实时数据个数。粘滞故障评分体现了阀门的响应时间，该值越大，表示阀门的响应时间越长。
（四）诊断卡死故障
根据阀门实际流量值和其对应估计值，可诊断卡死故障；卡死故障评分score_3计算公式如下：
式中M为选取的实时数据个数。卡死故障评分的物理意义为0到100之间的一个百分概率，概率越大，卡死的可能性越高。
本发明不仅可实现对流量控制阀的故障监控，还可根据阀门控制器的输出值，监测阀门的总行程，实现对阀门的使用程度进行监控。具体如下：
计算每个阀门前后两个采样点之间的开度差的绝对值，并累加：
类似于汽车的里程表，在一定程度上可以反映阀门的使用程度，而且任意两个时间点的之差可以表示在该段时间内的阀门开关的频繁程度，该值在工业上有很大的利用价值，不但能够用于监测阀门的运行稳定性以及评价阀门的使用程度，还能用于评价阀门控制器的控制效果。
当阀门出现新工况时，将当前阀门DCS数据作为新的工况数据进行训练，获得新工况下的阀门模型。

Claims (5)

1.一种基于DCS数据的流量控制阀监控方法，其特征在于：包括如下步骤，
步骤1：获取阀门DCS数据作为训练数据，将训练数据按照不同工况进行分类，建立多种阀门模型；
步骤2：基于训练数据，确定不同工况下对应的阀门模型；
步骤3：识别当前工况，确定当前工况下对应的阀门模型；
步骤4：根据步骤3确定的阀门模型，预测阀门输出流量值；
步骤5：根据阀门实际流量值和其对应估计值，进行故障判断；
步骤1中，训练数据为阀门控制器的测量值PV、输出值OP；
步骤2中，用粒子群优化算法辨识出每种阀门模型的参数，计算每种阀门模型的偏差，选择偏差最小的阀门模型作为所在工况下的阀门模型；
步骤3中，利用不同工况下的阀门模型估计阀门的流量值，求取当前实际流量值和其估计值之间的相对误差，选取相对误差最小的工况作为当前工况；
步骤5中，计算阀门实际流量值和其对应估计值的偏差，利用该偏差值对控制阀故障程度进行评级；
步骤5中，根据阀门实际流量值和其对应估计值可诊断内漏和脏堵故障，具体公式如下，
如果result_1≥0，则判断为脏堵，脏堵得分为score_1，内漏得分为0；反之，脏堵得分为0，内漏得分为score_1，式中M为选取的实时数据个数。
2.根据权利要求1所述的方法，其特征在于：步骤5中，根据阀门实际流量值和其对应估计值可诊断粘滞故障；利用最小二乘法进行粘滞故障评分，粘滞故障评分score_2的具体公式如下：
Θ＝(HTH)-1HTZ
式中Ts是系统的采样周期，M为选取的实时数据个数。
3.根据权利要求2所述的方法，其特征在于：步骤5中，根据阀门实际流量值和其对应估计值可诊断卡死故障；卡死故障评分score_3计算公式如下：
式中M为选取的实时数据个数。
4.根据权利要求3所述的方法，其特征在于：根据阀门控制器的输出值OP，可监测阀门的总行程sum_OP，具体公式如下，
ΔOP(l)＝OP(l)-OP(l-1)
sum_OP(l)＝sum_OP(l-1)+|ΔOP(l)| 。
5.根据权利要求4所述的方法，其特征在于：当阀门出现新工况时，将当前阀门DCS数据作为新的工况数据进行训练，获得新工况下的阀门模型。
CN201610984487.0A 2016-11-09 2016-11-09 一种基于dcs数据的流量控制阀监控方法 Active CN106567964B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610984487.0A CN106567964B (zh) 2016-11-09 2016-11-09 一种基于dcs数据的流量控制阀监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610984487.0A CN106567964B (zh) 2016-11-09 2016-11-09 一种基于dcs数据的流量控制阀监控方法

Publications (2)

Publication Number Publication Date
CN106567964A CN106567964A (zh) 2017-04-19
CN106567964B true CN106567964B (zh) 2018-10-23

Family

ID=58540746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610984487.0A Active CN106567964B (zh) 2016-11-09 2016-11-09 一种基于dcs数据的流量控制阀监控方法

Country Status (1)

Country Link
CN (1) CN106567964B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106439199B (zh) * 2016-11-09 2019-04-09 北京化工大学 一种基于dcs数据的控制阀故障监控方法
CN107728599B (zh) * 2017-09-01 2020-12-18 北京中燕信息技术有限公司 一种确定炼化装置阀门状态的方法和装置
CN109222189B (zh) * 2018-09-07 2021-04-27 龙岩烟草工业有限责任公司 阀门通流能力突变检测装置及方法、烟草回潮设备
CN112924115A (zh) * 2021-03-16 2021-06-08 中电华创(苏州)电力技术研究有限公司 高温高压管道阀门内漏监测装置和方法
CN117553161B (zh) * 2023-11-25 2024-10-01 北京嘉联优控科技有限公司 一种基于定位器给定及回讯的阀门故障诊断方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488906A (zh) * 2013-09-30 2014-01-01 中国石油大学(华东) 阀门内漏缺陷类型识别与内漏速率计算的方法
CN105095962A (zh) * 2015-07-27 2015-11-25 中国汽车工程研究院股份有限公司 一种基于bp人工神经网络的材料动态力学性能预测方法
CN105930302A (zh) * 2016-04-06 2016-09-07 东南大学 一种基于快速遗传算法和灰箱模型的磨煤机故障诊断方法
CN105974327A (zh) * 2016-06-12 2016-09-28 广州市香港科大霍英东研究院 一种基于神经网络和ukf的锂电池组soc预测方法
CN106054104A (zh) * 2016-05-20 2016-10-26 国网新疆电力公司电力科学研究院 一种基于决策树的智能电表故障实时预测方法
CN106439199A (zh) * 2016-11-09 2017-02-22 北京化工大学 一种基于dcs数据的控制阀故障监控方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488906A (zh) * 2013-09-30 2014-01-01 中国石油大学(华东) 阀门内漏缺陷类型识别与内漏速率计算的方法
CN105095962A (zh) * 2015-07-27 2015-11-25 中国汽车工程研究院股份有限公司 一种基于bp人工神经网络的材料动态力学性能预测方法
CN105930302A (zh) * 2016-04-06 2016-09-07 东南大学 一种基于快速遗传算法和灰箱模型的磨煤机故障诊断方法
CN106054104A (zh) * 2016-05-20 2016-10-26 国网新疆电力公司电力科学研究院 一种基于决策树的智能电表故障实时预测方法
CN105974327A (zh) * 2016-06-12 2016-09-28 广州市香港科大霍英东研究院 一种基于神经网络和ukf的锂电池组soc预测方法
CN106439199A (zh) * 2016-11-09 2017-02-22 北京化工大学 一种基于dcs数据的控制阀故障监控方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Nonlinear coal mill modeling and its application to model predictive control;Andrea Cortinovis et al.;《Control Engineering Practice》;20130331;第21卷(第3期);308-320 *

Also Published As

Publication number Publication date
CN106567964A (zh) 2017-04-19

Similar Documents

Publication Publication Date Title
CN106567964B (zh) 一种基于dcs数据的流量控制阀监控方法
CN111596604B (zh) 一种基于数字孪生的工程装备故障智能诊断与自愈控制系统及方法
CN113695109B (zh) 一种用于自动化喷涂过程的程序匹配和迭代优化方法
CN117128162B (zh) 智慧能源空压站节能控制系统及控制方法
CN106439199B (zh) 一种基于dcs数据的控制阀故障监控方法
CN109084971B (zh) 一种基于粒子群优化的气动调节阀故障诊断方法
CN117032120A (zh) 集成一体式空压站智能云控制系统及控制方法
CN107063663A (zh) 一种空调水系统智能诊断调节阀
CN119002375B (zh) 一种基于物联网的供暖设备故障数据处理方法及系统
TWI794907B (zh) 用於系統管理之故障預測與健康管理系統與相關方法
CN116658492A (zh) 智能动力猫道及其方法
CN117669888A (zh) 一种二次供水远程监控系统
CN114924543A (zh) 一种调节阀的故障诊断与预测方法及装置
CN117560300A (zh) 一种智能物联网流量预测与优化系统
CN119717635A (zh) 基于智能控制的机电安装工程自动化调试方法及系统
CN119417230A (zh) 基于深度学习的城市社区嵌入式服务设施运营管理方法及系统
CN107015486A (zh) 一种空调水系统调节阀故障智能诊断方法
CN113094826A (zh) 一种基于任务可靠度的多态制造系统剩余寿命预测方法
CN120086598A (zh) 基于人工智能的污水管网定线设计方法及系统
CN118655843B (zh) 一种基于数字孪生的智能生产线管控系统及其方法
CN118612093B (zh) 一种交换机运行状态在线监测系统
KR20220168269A (ko) 연합 학습을 이용한 기계설비 고장 예지 분석 시스템 및 방법
CN118482235A (zh) 一种基于大语言模型的阀门诊断方法及系统
CN108709426B (zh) 基于频谱特征双边检测法烧结机漏风故障在线诊断方法
CN118133470A (zh) 一种仿真软件界面的组态建模方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant