CN109976311A - 一阶定值控制系统传感器故障诊断方法及诊断系统 - Google Patents
一阶定值控制系统传感器故障诊断方法及诊断系统 Download PDFInfo
- Publication number
- CN109976311A CN109976311A CN201910264501.3A CN201910264501A CN109976311A CN 109976311 A CN109976311 A CN 109976311A CN 201910264501 A CN201910264501 A CN 201910264501A CN 109976311 A CN109976311 A CN 109976311A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- failure
- sensor
- value
- 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.)
- Pending
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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Abstract
本发明涉及一阶定值控制系统传感器故障诊断和容错控制方法和系统,包括以下步骤:在线采集正常稳定系统的传感器输出数据并确定故障检测阈值,建立故障检测模型;在线设置加性故障和乘性故障,采集故障数据;建立故障估计模型;建立故障分离模型;实时故障诊断。本发明可广泛应用于一阶定值控制系统的传感器在线故障诊断中。
Description
技术领域
本发明涉及一种传感器故障诊断系统及其方法,尤其涉及一阶定值控制系统传感器故障诊断方法及系统,属于数据驱动领域。
背景技术
数据驱动的故障诊断研究是较为热门的研究领域,随着DCS的广泛应用,众多企业都积累相当丰富的设备运行数据。基于数据驱动的故障诊断是把系统作为一个黑箱处理,不再需要知道系统以及对象的精确的数学模型,通过系统过程运行数据分析与挖掘完成故障诊断。对于复杂且对象特性不便于掌握的被控对象,基于数据驱动的故障诊断方法有着较为明显的优势。且一阶定值控制系统是工程中常用到的控制系统,其简单且易于实现,有利于降低企业生产成本并且提高企业安全性。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种基于数据驱动的一阶定值系统传感器故障诊断方法及系统。
技术方案:为解决上述技术问题,本发明提供一种基于数据驱动的一阶定值系统传感器故障诊断方法及系统,包装有Matlab、WinCC的上位机,通过OPC技术将WinCC与MATLAB组成数据处理以及系统控制模块。PLC控制器以及相关输入输出模块组成的数据采集与传输模块。
一种基于数据驱动的一阶定值系统传感器故障诊断方法,包括如下步骤:
(1)采集一阶定值系统传感器正常工作时的运行数据;
(2)设计符合本系统的传感器故障强度,并将故障类型定性为加性故障和乘性故障,在装有MATL AB的上位机上实现故障仿真;
(3)采集一阶定值系统传感器工作在步骤(2)中所设计模型时的运行数据;
(4)利用最小二乘法对模拟故障数据进行一次曲线拟合,取一次曲线的一次项系数作为故障特征,然后采用最小二乘法对故障特征、故障强度、故障类型等进行二次拟合,得到拟合曲线方程作为故障分离模型;
(5)在投入运行后,确定传感器工作时的故障检测阈值:
假设一阶定值控制系统的响应从初始状态到稳定状态时间是ts,故障检测所需要的数据包括采用系统稳定后的时刻及其传感器输出值所构成的数据组,从第ts时刻开始的数据组为第一个数据组,数据总组数为
其中Ts为采样周期,tc为整个系统的运行总时长。
每个采样点的残差取绝对值表示为
|e(k)|=|ym(k)-ysp|,(k=1,2,3,...,n)
式中ym(k)表示传感器输出值,ysp表示系统给定值。
设系统发生故障后动态调节时间为ta,则每ta时间长度设置一个数据窗口,且每个数据窗口所包含的数据组数为
从第一组样本数据开始,每过一个采样周期向时间增长方向顺序移动一组,即数据窗顺移;一共可以顺移设置(n-Ns)个数据窗口,将每个数据窗口所包含的传感器输出值与给定值残差的绝对值求和,有
传感器正常工作的mnor(mnor≤(n-Ns))个数据窗中,计算这些数据窗的E(k)值形成新的数据集 SAE,计算SAE中E(i),(i=1,2,…,mnor)的平均值sae及标准差σ。其中,
然后,令
Vthres=sae+3σ
其中,Vthres即为检测阈值;
(6)计算所采集传感器运行数据中的控制目标变化率极值,带入故障估计模型中计算故障估计强度;加性故障强度估计公式为:A=Tsy′p,其中为Ts系统采样周期,y′p为故障发生后传感器输出的变化率极值;乘性故障强度估计公式为:为其中ysp为系统给定值;
(7)对所采集的实时运行数据利用最小二乘法做一次曲线拟合,提取故障特征将故障估计阶段的Am代入p=f1(A)得pm,将Bm代入q=f2(B)得到qm,令比较e1和e2的大小来确定故障类型;
(8)渐变故障的判断:假设每次检测出的故障强度为fau(j)(j=1,2,…,n),线性渐变故障关系为:
fau(j)=kgraj+b
其中,
表示渐变故障强度的变化速度,在几何上为该直线的斜率,fau(j)与fau(l)是系统检测出的同一类型任意两次故障强度,非线性故障关系为
fau(j)=F(j)
其中j为第j次检测出故障,该非线性关系可以用曲线拟合得到。
有益效果:本发明相对于现有技术而言具有以下优点:
1、本方法主要基于企业生产运行中所产生的历史数据以及模拟仿真数据,数据来源丰富且数据样本足够大。
2、不依赖于原有控制系统的系统模型,对于复杂的控制对象亦不需知道其数学模型,可以降低故障诊断难度。
3、本系统可以较好的整合入原有控制系统中,不需要增加额外的设备即可实现实时故障诊断功能,有利于减少生产成本,提高企业安全性。
附图说明
图1是本发明中实施例中的故障检测测试结果图;
图2是本发明中实施例中的加性故障A<0拟合曲线趋势;
图3是本发明中实施例中的加性故障A>0拟合曲线趋势;
图4是本发明中实施例中的乘性故障B<1拟合曲线趋势;
图5是本发明中实施例中的乘性故障B>1拟合曲线趋势。
具体实施方式
下面以某一阶定值液位控制系统液位传感器为例来介绍本发明提供的在线故障诊断方法的具体实施步骤。
结合图1所示流程,步骤如下:
1、设定液位给定值为10cm,采样周期Ts=0.5s,采集随时间变量同步的液位传感器测量输出数据;正常运行数据集为(Tx,Yo),加性故障运行数据集为(Tx,YA),乘性故障运行数据集为(Tx,YB)。
2、提取故障特征进而以加性故障的偏差A为自变量,一次项系数p为因变量做二次曲线拟合;当加性故障偏差A<0时,拟合结果为:
p=f11(A)=-0.0007-0.1484A-0.0303A2
r2=0.9629,RMSE=0.0098
拟合曲线趋势如附图2所示。
当加性故障偏差A>0时,拟合结果为:
p=f12(A)=-0.0170-0.2584A+0.0615A2
r2=0.9968,RMSE=0.0049
拟合曲线趋势如附图3所示。
同理,以乘性故障的增益B为自变量,对应的特征q为因变量进行一元二次回归拟合。
当乘性故障增益B<1时,拟合结果为:
q=f21(B)=1.7630-2.8810B+1.1350B2
r2=0.9706,RMSE=0.0089
拟合曲线趋势如附图4所示。
当乘性故障B>1时,拟合结果为:
q=f22(B)=6.6320-10.4200B+3.8330B2
r2=0.9874,RMSE=0.0149
拟合曲线趋势如附图5所示。
从以上拟合结果来看,r2接近于1,RMSE接近于0,说明数据对模型的拟合程度很好。
4、采集传感器带加性15%的故障状态下运行数据,计算其检测阈值为:Vthres=12.4207cm。
5、将以系统传感器存在±15%加性故障时所采集的数据为基础,计算出液位变化率极值y′p=y'm=±3cm/s,通过故障估计公式计算出故障的偏差值和系数增益。
当有
A=Tsy′p=0.5s×3cm/s=1.5cm
说明传感器发生了偏差为1.5cm或增益为1.15的故障,即传感器发生了相对于设定值偏差为15%的加性故障或增益为1.15的乘性故障。
6、将样本数据自身拟合得到带入相应的故障分离模型分别计算有 pm=f12(A)=f12(1.5)=-0.2662,qm=f22(B)=f12(1.15)=-0.2819,由此可以计算和因为e1<e2,根据故障分离方法,可以分离出传感器故障类型为加性故障;于是,我们可以得到传感器发生了相当于设定值偏差为15%的加性故障。
上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (3)
1.一阶定值控制系统传感器故障诊断和容错控制方法,其包括以下步骤:
1)在线采集系统的传感器输出数据并确定故障检测阈值,其包括装有Matlab的上位机通过OPC技术与下位控制器联网,实现下位控制器相同的控制方案,采集系统的传感器输出数据,计算确定故障检测阈值,并建立故障检测模型。
2)在线设置加性故障和乘性故障并采集故障数据,包括在上位机Matlab中分别设置不同强度的加性和乘性故障,获得在原控制方案控制下个故障状态下的传感器输出故障数据序列。
3)建立故障估计模型:加性故障强度A=Tsy′p,其中Ts为系统采样周期,y′p为故障发生后传感器输出的变化率极值;同等强度的乘性故障估计模型为其中ysp为系统给定值。
4)建立故障分离模型:故障特征提取模型为确定故障特征β1=βm;加性故障分离模型为p=f1(A),乘性故障分离模型为q=f2(B),利用最小二乘法拟合故障发生后的调节时间内的数据得到模型参数将故障估计阶段的Am代入p=f1(A)得pm,将Bm代入q=f2(B)得到qm,令 比较e1和e2的大小来确定故障类型。
5)渐变故障诊断:假设每次检测出的故障强度为fau(j)(j=1,2,…,n),线性渐变故障关系为:
fau(j)=kgraj+b
其中,
表示渐变故障强度的变化速度,在几何上为该直线的斜率,fau(j)与fau(l)是系统检测出的同一类型任意两次故障强度;非线性故障关系为
fau(j)=F(j)
其中j为第j次检测出故障,该非线性关系可以用曲线拟合得到。
2.权利要求1所述的一阶定值控制系统传感器故障诊断和容错控制方法,其特征在于:所述步骤1)中故障检测阈值的确定方法:
假设一阶定值控制系统的响应从初始状态到稳定状态时间是ts,进行故障检测所需要的数据采用系统稳定后的时刻及其传感器输出值所构成的数据组,从第ts时刻开始的数据组为第一个数据组,数据总组数为
其中Ts为采样周期,tc为整个系统的运行总时长;
每个采样点的残差取绝对值表示为
|e(k)|=|ym(k)-ysp|,(k=1,2,3,...,n)
式中ym(k)表示传感器输出值,ysp表示系统给定值;
设系统发生故障后动态调节时间为ta,则每ta时间长度设置一个数据窗口,且每个数据窗口所包含的数据组数为
从第一组样本数据开始,每过一个采样周期向时间增长方向顺序移动一组,即数据窗顺移,一共可以顺移设置(n-Ns)个数据窗口,将每个数据窗口所包含的传感器输出值与给定值残差的绝对值求和,有
传感器正常工作的mnor(mnor≤(n-Ns))个数据窗中,计算这些数据窗的E(k)值形成新的数据集SAE,计算SAE中E(i),(i=1,2,…,mnor)的平均值sae及标准差σ,其中,
然后,令
Vthres=sae+3σ
其中,Vthres即为检测阈值。
3.一阶定值控制系统传感器故障诊断系统,其特征在于:
装有Matlab、WinCC的上位机,通过OPC技术将WinCC与MATLAB组成数据处理以及系统控制模块;PLC控制器以及相关输入输出模块组成的数据采集与传输模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264501.3A CN109976311A (zh) | 2019-04-03 | 2019-04-03 | 一阶定值控制系统传感器故障诊断方法及诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264501.3A CN109976311A (zh) | 2019-04-03 | 2019-04-03 | 一阶定值控制系统传感器故障诊断方法及诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109976311A true CN109976311A (zh) | 2019-07-05 |
Family
ID=67082586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910264501.3A Pending CN109976311A (zh) | 2019-04-03 | 2019-04-03 | 一阶定值控制系统传感器故障诊断方法及诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109976311A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110609479A (zh) * | 2019-10-23 | 2019-12-24 | 中国科学院工程热物理研究所 | 基于线性变参数模型的燃气轮机传感器容错控制方法 |
CN110687885A (zh) * | 2019-09-09 | 2020-01-14 | 中国计量大学 | 一阶定值控制系统调节阀故障诊断方法及系统 |
CN113791603A (zh) * | 2021-09-07 | 2021-12-14 | 中国计量大学 | 串级定值控制系统传感器故障诊断方法 |
CN114578789A (zh) * | 2022-03-04 | 2022-06-03 | 中国计量大学 | 基于数据驱动的串级定值控制系统调节阀故障诊断方法 |
-
2019
- 2019-04-03 CN CN201910264501.3A patent/CN109976311A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687885A (zh) * | 2019-09-09 | 2020-01-14 | 中国计量大学 | 一阶定值控制系统调节阀故障诊断方法及系统 |
CN110609479A (zh) * | 2019-10-23 | 2019-12-24 | 中国科学院工程热物理研究所 | 基于线性变参数模型的燃气轮机传感器容错控制方法 |
CN110609479B (zh) * | 2019-10-23 | 2022-08-26 | 中国科学院工程热物理研究所 | 基于线性变参数模型的燃气轮机传感器容错控制方法 |
CN113791603A (zh) * | 2021-09-07 | 2021-12-14 | 中国计量大学 | 串级定值控制系统传感器故障诊断方法 |
CN114578789A (zh) * | 2022-03-04 | 2022-06-03 | 中国计量大学 | 基于数据驱动的串级定值控制系统调节阀故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109976311A (zh) | 一阶定值控制系统传感器故障诊断方法及诊断系统 | |
CN109472110B (zh) | 一种基于lstm网络和arima模型的航空发动机剩余使用寿命预测方法 | |
CN106779505B (zh) | 一种基于大数据驱动的输电线路故障预警方法及系统 | |
CN109555566B (zh) | 一种基于lstm的汽轮机转子故障诊断方法 | |
CN104573850B (zh) | 一种火电厂设备状态评估方法 | |
CN106197999B (zh) | 一种行星齿轮故障诊断方法 | |
Lindemann et al. | Anomaly detection and prediction in discrete manufacturing based on cooperative LSTM networks | |
CN104182642B (zh) | 一种基于稀疏表示的故障检测方法 | |
CN101900789B (zh) | 基于小波变换与分形维数的容差模拟电路故障诊断方法 | |
CN105003453A (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN102880170A (zh) | 基于基线模型和贝叶斯因子的系统故障早期预警方法 | |
CN113053171B (zh) | 一种民机系统风险预警方法及系统 | |
CN103499921A (zh) | 变结构模糊系统传感器故障诊断方法及其在飞控系统的应用 | |
CN102265227A (zh) | 用于在机器状况监视中创建状态估计模型的方法和设备 | |
CN204113701U (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN110222371A (zh) | 基于贝叶斯和神经网络的发动机剩余寿命在线预测方法 | |
CN105629958A (zh) | 一种基于子时段mpca-svm的间歇过程故障诊断方法 | |
CN110187696A (zh) | 基于动态趋势的一阶随动系统传感器故障诊断方法及系统 | |
CN111324110A (zh) | 一种基于多块收缩自动编码器的发酵过程故障监测方法 | |
CN111860839A (zh) | 基于多信号融合及Adam优化算法的岸桥故障监测方法 | |
CN103646013B (zh) | 一种基于协方差矩阵范数逼近的多重故障重构方法 | |
CN101539137B (zh) | 一种基于δ滤波器的航空液压泵剩余寿命灰色预测方法 | |
CN115438726A (zh) | 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统 | |
CN104142680A (zh) | 一种基于鲁棒输入训练神经网络的多传感器故障诊断系统及方法 | |
CN104569814B (zh) | 一种基于近似熵的直流牵引电机健康状态实时分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190705 |
|
WD01 | Invention patent application deemed withdrawn after publication |