CN111989630A - 异常检测和基于异常的控制 - Google Patents
异常检测和基于异常的控制 Download PDFInfo
- Publication number
- CN111989630A CN111989630A CN201980027845.0A CN201980027845A CN111989630A CN 111989630 A CN111989630 A CN 111989630A CN 201980027845 A CN201980027845 A CN 201980027845A CN 111989630 A CN111989630 A CN 111989630A
- Authority
- CN
- China
- Prior art keywords
- difference
- plant
- runtime
- control
- stability radius
- 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
- 238000001514 detection method Methods 0.000 title description 17
- 230000036541 health Effects 0.000 claims abstract description 193
- 230000009471 action Effects 0.000 claims abstract description 154
- 230000003595 spectral effect Effects 0.000 claims abstract description 128
- 230000008859 change Effects 0.000 claims description 113
- 238000000034 method Methods 0.000 claims description 101
- 230000005856 abnormality Effects 0.000 claims description 29
- 239000013643 reference control Substances 0.000 claims description 26
- 239000000446 fuel Substances 0.000 description 29
- 230000006870 function Effects 0.000 description 28
- 230000015654 memory Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 19
- 239000007788 liquid Substances 0.000 description 16
- 230000000007 visual effect Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000000926 separation method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 239000000872 buffer Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 241000700605 Viruses Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000001010 compromised effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 101100460704 Aspergillus sp. (strain MF297-2) notI gene Proteins 0.000 description 1
- 241000597800 Gulella radius Species 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 108010025037 T140 peptide Proteins 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
-
- 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
- G05B23/0254—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 quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32191—Real time statistical process monitoring
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32222—Fault, defect detection of origin of fault, defect of product
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
设备控制系统包括设备系统和控制所述设备系统的控制系统。接收设备控制系统的操作点的运行时条件。运行时条件包括设备系统的运行时状态、设备系统的运行时输出以及应用于设备系统的运行时控制动作。确定对应于操作点的参考点的参考条件。计算状态差异、输出差异和控制动作差异的稳定性半径度量。基于输出差异的稳定性半径度量、状态差异的稳定性半径度量和控制动作差异的稳定性半径度量中的两个之间的相应频谱相关性,确定可观察性异常指标、健康可观察性指标、跟踪性能异常指标、跟踪性能健康指标、可控性异常指标和可控性健康指标中的一个或多个。
Description
优先权声明
本申请要求于2018年2月27日提交的美国专利申请第15/906,924号的优先权,特此将该美国专利申请的全部内容通过引用并入。
背景技术
典型地,控制器综合和分析工作是在对控制器进行编程之前提前完成的。要求典型地包括以下各项中一项或多项的规范:操作包络、操作条件、传感器不确定性、致动器不确定性、设备动态、稳定性和性能(跟踪)、稳定性和性能鲁棒性、计算负担(以拟合目标硬件)、冗余、指定故障的检测和避免。
典型地,在综合和分析之后,执行各种测试,诸如硬件在回路(HiL)、软件在回路(SiL)、模型在回路(MiL)、X在回路(XiL)(其中X是将在回路中测试的系统的任何部分的通用表示)测试,以验证控制器和被控制的装备正确地工作、继之以现场评估。一旦产品发布并操作,控制器的架构典型地就是固定的(或在预定的架构之间切换),这可能是不够的。
例如,由控制器控制的涡轮燃料阀可能在现场中表现出鲁棒性问题,从而引起涡轮停机,或者引起操作者将故障阀返回给制造商进行检查。制造商在受控条件下进行检查时,阀可能没有示出任何异常,并且通过生产线末端(EOL)合格测试,表面看起来返回的阀没有任何问题。该问题后来可能被发现是由摩擦引起的,在阀的设计期间,该摩擦的值远在正常的预期范围之外。初始控制算法可以假设特定的摩擦值在预期范围的中间。然而,当摩擦变得非常低或非常高时,控制器实际上倾向于激发机械共振模式,并实际上成为问题的一部分,而不是继续使阀稳定。这是当设备或装备物理特性显著偏离标准或假设范围时的控制器问题的示例。
鲁棒控制理论可以通过不假设标称设备来修正上述问题,使得不要求设备(或装备)在操作期间保持接近标称。为了修正上述问题,一种非常严格的算法被设计成尽可能对摩擦干扰不敏感。使用鲁棒控制方法的特定工业实现方式,允许摩擦范围是从零到阀的最大扭矩能力。
尽管鲁棒控制器很好,但如果阀(或其它装备)的基本机电物理特性由于例如未检测到的定位传感器失灵、未检测到的熔断电子组件或网络攻击而改变或看起来改变,则与所有其它控制器一样,鲁棒控制器可能混淆(例如,难以提供稳定性和控制)。存在一长列可能使控制器混淆的事件。混淆的控制器是不再作为稳定和跟踪解决方案的一部分的一个控制器。混淆的控制器也可能经常成为问题的一部分——即在控制动作实际上造成不稳定性的情况下。
混淆的控制器在运行时很难标识,直到存在主要的可见或明显的损坏。混淆的控制器典型地无法对其混淆进行自我检查。它们可以检测到的是I/O中的模式或代码段是否与已知的已标识模式或模型匹配或失配。然而,该经典故障检测方法不能防范未预料到或未检测到的失灵,包括由网络攻击引起的那些失灵。
发明内容
本公开描述了用于控制器的异常检测以及对系统(例如,网络物理系统)的基于异常的控制。
在一种实现方式中,例如,在第一实现方式中,设备控制系统包括:包括一件或多件装备的设备系统;和控制所述设备系统的控制系统。所述控制系统包括一个或多个计算机和一个或多个计算机存储器装置,所述一个或多个计算机存储器装置与所述一个或多个计算机可互操作地耦合并且具有存储一个或多个指令的有形的、非暂时性的机器可读介质,所述一个或多个指令当由所述一个或多个计算机执行时,执行一个或多个以下操作。
接收设备控制系统的操作点的运行时条件。操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出以及应用于设备系统的运行时控制动作。确定对应于操作点的参考点的参考条件。参考点的参考条件包括设备系统的参考状态、设备系统的参考输出以及应用于设备系统的参考控制动作。参考点与操作点之间的差异是基于参考条件和运行时条件计算的。所述差异包括:设备系统的运行时状态与参考状态之间的状态差异,设备系统的运行时输出与参考输出之间的输出差异,以及应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异。计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量。
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第一频谱相关性来确定可观察性异常指标。在第一频率范围之上计算第一频谱相关性。可观察性异常指标指示在设备控制系统中在可观察性方面出现异常的可能性。可观察性指示控制系统基于设备系统的测量输出来估计设备系统的状态的能力。
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第二频谱相关性来确定可观察性健康指标。在第二频率范围之上计算第二频谱相关性。可观察性健康指标指示设备控制系统在可观察性方面正常操作的可能性。第二频率范围不同于第一频率范围。
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第三频谱相关性来确定跟踪性能异常指标。在第三频率范围之上计算第三频谱相关性。跟踪性能异常指标指示在设备控制系统中在跟踪性能方面出现异常的可能性。跟踪性能测量控制系统跟踪设定点的能力。
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第四频谱相关性来确定跟踪性能健康指标。在第四频率范围之上计算第四频谱相关性。跟踪性能健康指标指示设备控制系统在跟踪性能方面正常操作的可能性。第四频率范围不同于第三频率范围。
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第五频谱关系来确定可控性异常指标。第五频谱相关性是在第五频率范围之内计算的,其中可控性异常指标指示在设备控制系统中在可控性方面出现异常的可能性。可控性指示控制系统影响设备系统状态的能力。
可控性健康指标是基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第六频谱关系来确定的。在第六频率范围之上计算第六频谱相关性。可控性健康指标指示设备控制系统在可控性方面正常操作的可能性。第五频率范围不同于第六频率范围。
所描述的主题的实现方式、包括先前描述的实现方式可以使用如下各项来实现:计算机实现的方法;存储计算机可读指令以执行计算机实现的方法的非暂时性计算机可读介质;以及包括一个或多个计算机存储器装置的计算机实现的系统,所述一个或多个计算机存储器装置与一个或多个计算机可互操作地耦合,并且具有存储指令的有形的、非暂时性的机器可读介质,所述指令当由所述一个或多个计算机执行时,执行存储在非暂时性计算机可读介质上的计算机实现的方法/计算机可读指令。
本说明书中描述的主题可以以特定实现方式来实现,以便实现以下优点中的一个或多个。首先,所公开的技术可以防范未预料到或未检测到的失灵,同时仅要求运行时实况数据。例如,无需承担从机群进行收集、整合和深度学习的成本。这与例如向监控系统提供数据相比,有利于试图通过向其装置添加智能功能性来捕获值的装置制造商和供应商,所述监控系统不允许他们捕获从这样的数据中生成的许多值。
第二,所公开的技术可以允许所有学习、甚至人工学习在每个智能系统、子系统或系统分区内部实况发生。这与分布式控制、产品和系统兼容。
第三,所公开的技术可以降低计算复杂性,尤其是对于具有许多组件、组件间具有显著非线性关系的复杂系统。所公开的技术允许系统检测异常并应用校正动作,而没有不得不考虑大量的故障排列和标识这些故障的原因和影响的复杂性。
第四,所公开的技术允许不要求系统标识的基于异常的适配。因此,无需为了学习设备响应而扰乱设备。扰乱有漏洞或被损坏的设备可能使控制器成为问题的一部分,而不是解决方案。
第五,所公开的技术可以被实现为嵌入在智能装置中的专用电子电路或组件。除了能够将组件放置在物理屏障后面受保护的安全位置之外,这还可以带来计算优势。照此,为检测漏洞或损坏而添加的组件本身被保护免受漏洞或损坏。对于本领域普通技术人员而言,其它优势将是显而易见的。
在具体实施方式、权利要求和随附附图中阐述了本说明书主题的一种或多种实现方式的细节。根据具体实施方式、权利要求和随附附图,本主题的其它特征、方面和优势将变得显而易见。
附图说明
图1是图示了根据本公开的实现方式的示例设备控制系统的框图;
图2是图示了根据本公开的实现方式的设备状态、设备输出和设备输入的稳定性半径与设备控制系统的可观察性、可控性和跟踪性能间的示例关系的框图;
图3是图示了根据本公开的实现方式的用于异常检测和基于异常的控制的计算机实现的方法的示例的流程图;
图4A是图示了根据本公开的实现方式的在正常操作下示例设备状态(供应滑轨压力P1)的实际和参考运行时值的数据图表;
图4B是图示了根据本公开的实现方式的在正常操作下示例设备输入或控制动作(LQ25旁通阀1215的定位)的实际和参考运行时值的数据图表;
图4C是图示了根据本公开的实现方式的示例设备输出(喷嘴燃料流率)的实际和参考运行时值的数据图表;
图5A是图示了根据本公开的实现方式的在从1至20 Hz的频率范围内稳定性半径的无因次改变率的带通计算的数据图表;
图5B是图示了根据本公开的实现方式的在20 Hz以上的频率范围内稳定性半径的无因次改变率的高通计算的数据图表;
图6A是图示了根据本公开的实现方式的用于计算可观察性健康签名(signature)的高频范围(20~100 Hz)中的频谱相关性的数据图表;
图6B是图示了根据本公开的实现方式的用于计算可观察性异常签名的低频范围(1~20Hz)中的频谱相关性的数据图表;
图7A是图示了根据本公开的实现方式的用于计算跟踪性能健康签名的低频范围(1~20Hz)中的频谱相关性的数据图表;
图7B是图示了根据本公开的实现方式的用于计算跟踪性能异常签名的高频范围(20~100 Hz)中的频谱相关性的数据图表;
图8A是图示了根据本公开的实现方式的用于计算可控性健康签名的低频范围(1~20Hz)中的频谱相关性的数据图表;
图8B是图示了根据本公开的实现方式的用于计算可控性异常签名的高频范围(20~100Hz)中的频谱相关性的数据图表;
图9A是图示了根据本公开的实现方式的在阀粘着的操作条件下相对于正常操作下的可观察性异常指标的计算的视觉表示的数据图表;
图9B是图示了根据本公开的实现方式的在阀粘着的操作条件下相对于正常操作下的可观察性健康指标的计算的视觉表示的数据图表;
图10A是图示了根据本公开的实现方式的在阀粘着的操作条件下相对于正常操作的跟踪性能健康指标的计算的视觉表示的数据图表;
图10B是图示了根据本公开的实现方式的在阀粘着的操作条件下相对于正常操作下的跟踪性能异常指标的计算的视觉表示的数据图表;
图11A是图示了根据本公开的实现方式的在阀粘着的操作条件下相对于正常操作下的可控性健康指标的计算的视觉表示的数据图表;
图11B是图示了根据本公开的实现方式的在阀粘着的操作条件下相对于正常操作下的可控性异常指标的计算的视觉表示的数据图表;
图12是图示了根据本公开的实现方式的示例液体燃料滑轨系统的框图;
图13是图示了根据本公开的实现方式的由图1中的示例设备控制系统100表示的示例基于模型的控制架构的框图;
图14是图示了根据本公开的实现方式的图12中的示例液体燃料滑轨系统1200的示例分布式架构的框图;
图15是图示了根据本公开的实现方式的实现基于异常的自适应控制的示例架构的框图;
图16是图示了根据本公开的实现方式的用于提供与所描述的算法、方法、功能、处理、流程和程序相关联的计算功能性的计算机实现的系统的示例的框图;
各个附图中相同的参考标号和名称指示相同的元件。
具体实施方式
以下详细描述描述了异常检测和基于异常的控制,并且被呈现为使得本领域的任何技术人员能够制作和使用在一种或多种特定实现方式的上下文中所公开的主题。在不脱离本公开的范围的情况下,可以对所公开的实现方式进行各种修改、变更和排列并且它们对于本领域普通技术人员而言是显而易见的,并且所定义的一般原理可以应用于其它实现方式和应用。在一些实例中,已经省略了对于获得对所描述的主题的理解所不必要的细节,以便不会利用不必要的细节来模糊一个或多个所描述的实现方式,并且因为这样的细节在本领域普通技术人员的技能范围内。本公开不旨在限于所描述或图示的实现方式,而是要符合与所描述的原理和特征一致的最宽范围。
如今的大多数控制理论适用于在开发期间进行综合和分析的工具和技术。在运行时或操作中,目前存在很少来自控制理论的支持。因此,现有的控制理论假设系统架构是固定的,或者在运行时在所有操作点处是合理地众所周知的。如果违反该假设,则现有的控制理论并不提供太多来保持系统稳定或良好执行。在一些实现方式中,控制器可能成为稳定性和性能问题的一部分,而不是对它的解决方案。
因为控制哲学、理论和工具在运行时不处置运行时偏差,因此在其中网络或物理攻击、事件或劣化使系统不稳定的情景出现。例如,运行涡轮和引擎阀的高级鲁棒控制对摩擦、流体质量、温度或压力中的有界变化不敏感。然而,该控制理论不具有可以标识未知安全漏洞、传感器故障、致动器故障或设备物理特性或架构中的改变的运行时量度。
解决该问题的一种方式是从阀、涡轮滑轨或涡轮机群等收集大量历史操作和实况数据,并且然后利用统计和深度学习算法对它们进行分析,以提取故障和健康的签名或模型,并将它们编程到鲁棒控制器中。收集包含健康签名和所有感兴趣的故障的现场数据具有许多实际障碍。此外,即使为“已知”故障花费了资源和时间,一种全新的病毒也将要求付出附加的努力来收集数据并分析。
公开了用于异常检测和基于异常的控制的示例技术。所描述的技术可以执行面向控制的异常检测,其检测可能由磨损、物理故障、网络攻击或其它的源导致的异常,而不要求大量的历史和实况数据。所描述的技术可以提供稳定性、性能、鲁棒性、可控性、可观察性等的运行时度量。
异常与故障不同。故障典型地是从大量数据中学习到的已知错误或模式。例如,数据可以包括来自组件、系统和机群的历史和实况数据,或者从它们中提取的(物理)模型。例如,多学科和领域专家手中的人工智能(AI)和深度学习算法可能能够从数据中生成对故障的解决方案,但典型地要求大量专家利用大型基础设施的才能成功。在一些实现方式中,要求及时检测、预测并且避免组件故障的代价高昂的后果。在一些实现方式中,智能阀的监控和嵌入式控制算法然后可以检测并潜在地避免一组实际的先前标识的或已知的故障的代价高昂的后果。在复杂系统中,防范故障的每一种可能的排列和组合或不利的动态影响通常是不切实际的。例如,当原因是未知病毒或网络攻击时,不清楚哪个传感器、致动器或者监控或嵌入式控制算法片段已经被损害。当原因是传感器、致动器、阀爆裂、阀泄漏、阀粘着的物理特性或行为方面的未知改变或外部物理损坏时,现有技术可能无法有效检测或响应未知原因。
异常可能包括这样的未知的影响或故障,其不同于具有已知的已标识行为模式或足迹(例如,存储在存储器中)的故障。基于异常的控制不要求知道失灵的根本原因。它们可能是由网络攻击、系统不正确操作、人为错误、故障或物理事故或任何其它的源引起的。具有运行时度量就足够了,所述运行时度量反映控制器的主要属性(诸如可观察性、可控性和跟踪性能)的健康或异常程度。
基于异常的控制不要求在运行时即时标识设备。在一些实现方式中,基于异常的控制仅要求设备的典型或正常激励以及运行时可用的对应设备输出。这与现有的自适应控制器形成对比,现有的自适应控制器需要在运行时标识设备模型,以便能够适配或修改控制算法来进行匹配。与现有的自适应控制器不同,基于异常的控制不要求去往设备的输入足够丰富或者包含激励所有或大部分动态响应的频率范围以便正确标识。基于异常的控制不要求有意地以各种频率扰乱输入,或者故意将设备扰乱得远离正常的命令响应来在运行时学习新的设备响应。
在一些实现方式中,通过将焦点移向影响实时控制回路的异常而不是故障,所描述的技术提供了从大量历史和实况数据中进行收集、通信、存储、挖掘以及学习以便执行异常检测中的解脱。在一些实现方式中,所描述的技术仅依赖于典型地嵌入在智能装置中的实况数据的子集,所述智能装置诸如是电子控制阀(具有嵌入式传感器和控制软件)、分布式控制器或用于燃气涡轮的智能燃料加注滑轨。
所描述的技术可以用在诸如网络安全、物联网(IoT)和分布式控制之类的各种领域中。例如,所描述的技术可以以高效且有效的方式实现网络威胁检测和抵抗、组件的感测、致动和控制逻辑方面的健康和异常的独立测量以及其它功能性,而不要求在收集历史或现场数据或深度学习或基于主要(物理特性)的模型方面的投资。所描述的技术允许智能或分布式控制组件的制造商或供应商向IoT装置(例如,智能装置)中添加实现上述功能性中的一个或多个的一个或多个组件(例如,具有嵌入式控制和异常检测软件的硬件)。所描述的技术允许制造商和/或供应商交付、创建和捕获许多有利的特征,而没有在IoT时代的装置的巨大互连中处理爆炸式增长的数据量的成本和复杂性。例如,所描述的技术可以被实现为用于异常检测的智能装置的嵌入式软件。在一些实现方式中,所描述的技术仅要求实况或运行时数据来检测作为例如网络安全漏洞的结果的实况异常。照此,所描述的技术可以创建新的防御层来抵御仍然通过现有的硬件和软件门的病毒或黑客。
在一些实现方式中,所描述的技术在运行时检测控制回路的可控性、可观察性和跟踪性能的健康和异常,而不要求历史数据或预先记录的签名。由于控制系统可以由一组控制系统——每个控制系统包含致动、感测、控制逻辑、输入、输出和其它组件——构成,因此在一些实现方式中,所描述的技术也可以递归地深入探讨以检测控制系统的组件的异常。
图1是图示了根据本公开的实现方式的示例设备控制系统100的框图。设备控制系统100可以是控制具有不确定性的设备的鲁棒控制器。如所图示的,设备控制系统100包括由控制系统或控制器K 120控制的设备系统P 110。示例设备控制系统100可以在具有如下目的的情况下形成示例鲁棒控制器架构:设计控制器K 120,使得设备系统P 110的稳定性和性能在面对合理有界的设备不确定性130时保持平稳或鲁棒。
如图1中所示,U表示对设备系统P 110的控制动作、需求或输入;Y表示设备输出,例如设备系统P 110的所测量的输出;并且X表示设备状态。X可以包括设备系统P 110的直接测量的状态或者控制器K 120内部的设备系统P 110的状态的表示。在示例标称闭合回路T 140中,设备系统P 110可以接收从控制器K 120输出的控制动作U,并返回被馈送到控制器K 120中的输出Y,以向设备系统P 110生成更新的控制动作U。
Z表示设备系统P 110的性能度量。在一些实现方式中,Z可以包括运行时的性能度量——可控性、可观察性和跟踪性能。可观察性是控制器从所测量的设备输出Y和控制动作U估计设备状态X的能力。该能力与感测路径(例如,实际测量或感测到之物)和设备的(物理)架构有关。
可控性是控制器达到、影响或改变设备状态X的值的能力的度量。该能力与致动路径(例如,控制器致动或移动之物)和设备的(物理)架构有关。
对于已标识或已知的设备P和控制器K,可以基于教科书中众所周知的控制理论容易地计算可观察性、可控性和跟踪性能。然而,当设备系统P和/或控制器K中存在异常或未标识的故障时(诸如被病毒渗透的真实系统可能发生的情况),上述三个属性不再能够通过纯粹查看K中的可用信息来分析或统计地计算。这是因为控制器内部没有传感器、致动器、模型或代码段可以被假设为正确运作或反映何为真实。因此,本公开提供了一种方法,用于从运行时数据独立地计算可控性、可观察性和跟踪性能三个属性的健康和异常的指标(例如,概率),而不必实际计算可控性、可观察性、跟踪性能或故意扰乱设备输入以用于进行设备标识。
图2是图示了根据本公开的实现方式的设备状态、设备输出和设备输入的稳定性半径与设备控制系统的可观察性、可控性和跟踪性能间的示例关系的框图200。在一些实现方式中,设备输入U、输出Y和状态X的参考值和实际值中的运行时或实况差异可以由下式表示:
其中ref指示参考值,该参考值可以包括与设备和控制器的当前操作条件相关联的命令、预期、期望或标称值。例如,可以从查找表或更多统计或预定传递函数中计算参考值。等式(1)-(3)示出了分别由设备输入U、输出Y和状态X的参考值来归一化的运行时差异。在一些实现方式中,设备输入U、输出Y和状态X的运行时差异可以以另外的方式、诸如以非归一化的形式计算。标量100是要将结果转换成百分比。在一些实现方式中,标量是可选的,或者可以使用一些其它标量。
动态变量α的稳定性半径(写作)是动态变量α离静止、稳定平衡或静止不动状态有多远的瞬时度量。可以定义为超立方体的对角线大小,该超立方体的侧面由(α相对于参考值的改变)以及的偏微分定义,其中n是表征α的动态运动的动态的阶:
或者
作为示例,如果正在增加,则α正趋向于远离平衡并朝向不稳定移动;如果正在减小,则α正趋向于朝向平衡并远离不稳定移动。注意到,改变的值是α的稳定性/不稳定性趋势的指示,而不是关于α的稳定性的绝对结论。即使不存在异常,完美稳定的动态系统在运行时也表现出这两种趋势的各种模式。原则上,n是捕获α实际表示之物的感兴趣动态所要求的最大阶。例如,如果α测量汽车重心的定位,那么通常只有当人们对汽车作为集中质量的运动感兴趣时,才应该选取n = 2。如果α没有直接的物理意义,或者如果不确定要选取的阶,那么选取n = 2典型地是好的开始,因为它典型地捕获大多数(如果不是全部的话)感兴趣的影响。
在基于异常的控制中,可以考虑三个感兴趣的稳定性半径:设备状态的稳定性半径、设备输出的稳定性半径和设备输入的稳定性半径。三个稳定性半径中的每一个都可以根据等式(4)或(5)来计算。注意到,、和单独并不使得能够实现关于健康或异常的结论。然而,、和之间相关性(或相干性)的存在或不存在包含关于设备控制系统的三个主要属性——可观察性、可控性和跟踪性能——的健康和异常状态的必要和充分的信息。
如图2中所示,顶点215、225和235可以分别表示稳定性半径、和。双向箭头210、220和230分别表示稳定性半径、和对中每对之间的成对关系(例如,频谱相关性)。两个稳定性半径之间的成对频谱相关性可以用于检测每个控制属性的健康和异常。例如,设备状态的稳定性半径 215与设备输出的稳定性半径 225之间的频谱相关性可以用于检测可观察性的健康和异常的概率。设备状态的稳定性半径 215与设备输入的稳定性半径 235之间的频谱相关性可以用于检测可控性的健康和异常的概率。设备输出的稳定性半径225与设备输入的稳定性半径235的频谱相关性可以用于检测跟踪性能的健康和异常的概率。
在一些实现方式中,计算频谱相关性的一种示例方式是幅值平方相干性。这是具有在0与1之间的值的频率的函数,该函数指示信号x在每个频率下多么好地对应于信号y。信号A与B之间的幅值平方相干性(例如mscohere函数)是a和b的功率谱密度Paa(f)和Pbb(f)以及a和b的交叉功率谱密度Pab(f)的函数,给定bb:
例如可以使用标准功率谱密度函数(例如,MATLAB函数)来获得Paa(f)和Pbb(f)以及Pab(f)。作为示例,相干性可以通过分别利用设备状态的稳定性半径 215和设备输出的稳定性半径 225代入等式(6)中的a和b来计算。类似地,相干性可以通过分别利用设备输入的稳定性半径 235和设备状态的稳定性半径 215代入等式(6)中的a和b来计算。可以通过分别利用设备输出的稳定性半径 225和设备输入的稳定性半径 235代入等式(6)中的a和b来计算。在一些实现方式中,可以使用相干性或其它函数的变型来计算频谱相关性。
在一些实现方式中,由于缩放和其它实际的数值问题,计算稳定性半径要求许多缩放“技巧”,诸如不同阶偏导数的调谐、加权或重新缩放。当将基于异常的控制应用于新的应用时,每次都将需要重复该附加工作。该问题可以通过使用稳定性半径的无因次导数来解决。
例如,设备状态X的稳定性半径的无因次改变率可以近似为:
可以应用类似的近似以分别获得设备输出和设备输入的稳定性半径的无因次改变率、。除了使用单位加权因子之外,上述近似示例仅保留上至二阶项。在一些实现方式中,近似可以包括更高阶或更低阶项以及其它加权因子或变型。稳定性半径的无因次改变率可以使得在不(过度)调谐的情况下开发对广泛应用起作用的算法更加容易。稳定性半径的无因次改变率也可以用作稳定性半径的替代,以计算用于可观察性、可控性和跟踪性能属性的健康概率和异常概率的量度。照此,图2的顶点可以表示稳定性半径(例如,、或)或稳定性半径的无因次改变率(例如,、或)或它们的组合。
表1示出了用于使用相干函数(例如,、、)来计算三个控制属性——可观察性、可控性和跟踪性能——的瞬时健康概率和异常概率量度的示例数学公式。为了标记的简单性,表示稳定性半径和之间的相干性,或稳定性半径和的无因次改变率之间的相干性。相干性和也是如此。在一些实现方式中,可以基于一些变型或以另外的方式来计算可观察性、可控性和跟踪性能的健康概率和异常概率。
如表1中所示,对于三个控制属性中的每一个,健康概率和异常概率是独立计算的。换言之,健康概率和异常概率的总和不一定是1。对于三个控制属性中的每一个,健康概率和异常概率具有相应的频率范围(分别由和以及和定义)。例如,可以基于特定于应用的控制问题或控制器要求的规范来确定相应的频率范围。作为示例,对于滑轨系统(例如,图12中的液体燃料滑轨系统1200),如果在1至20 Hz的范围内具有良好的压力可控性和跟踪性能是合期望的,则具有良好可观察性的期望频率范围可以是20至100 Hz。
在一些实现方式中,健康概率和异常概率的频率范围是分离的而不是重叠的。对于图12中的液体燃料滑轨系统1200的示例,用于计算可观察性的健康概率的频率范围是从20至100 Hz;而用于计算可观察性的异常概率的频率范围是从1至20Hz。用于计算可控性的健康概率的频率范围是从1至20 Hz;而用于计算可控性的异常概率的频率范围是从20至100 Hz。用于计算跟踪性能的健康概率的频率范围是从1至20Hz;而用于计算跟踪性能的异常概率的频率范围是从20至100 Hz。在一些实现方式中,可以配置并使用相应频率范围的其它值来计算健康概率和异常概率。
在一些实现方式中,执行频谱分离以标识用于计算可观察性、可控性和跟踪性能的相应健康概率和异常概率的相关频率范围。在一些实现方式中,对信号直接微分可能对信号噪声和数值影响非常敏感。照此,微分使信噪比恶化。在一些实现方式中,在频谱分离之前计算相干性可以降低信噪比。在一些实现方式中,可以实现高效的频率分离或滤波技术,使得用于滤波的状态或信号也直接表示(对数导数)稳定性半径等式(例如,等式(7))中的微分项。
图3是图示了根据本公开的实现方式的用于异常检测和基于异常的控制的计算机实现的方法300的示例的流程图。为了呈现的清楚性,随后的描述在本描述的其它图的上下文中一般地描述了方法300。然而,应当理解,方法300可以视情况例如由任何系统、环境、软件和硬件或者系统、环境、软件和硬件的组合来执行。在一些实现方式中,方法300的各种步骤可以并行、组合、循环或以任何顺序运行。
在302处,接收设备控制系统的操作点的一个或多个运行时操作条件。设备控制系统可以包括如图1中所示的示例设备控制系统100。设备控制系统可以包括设备系统和控制所述设备系统的控制系统。例如,设备控制系统可以包括飞行控制系统,其中设备系统是飞机并且控制系统控制飞机。在一些其它实现方式中,设备系统可以包括例如电力生成设备、载具(例如飞行器、船舶或汽车)、涡轮系统(例如陆地或海洋燃气涡轮系统)或其任何子系统(例如飞行器的燃料、空气或燃烧系统)。
控制系统可以包括计算机实现的系统(包括基于软件的系统)、机械系统、电子系统或其组合。例如,控制系统可以包括一个或多个计算机和一个或多个计算机存储器装置,所述一个或多个计算机存储器装置与所述一个或多个计算机可互操作地耦合并且具有存储一个或多个指令的有形的、非暂时性的机器可读介质,所述一个或多个指令当由所述一个或多个计算机执行时,执行示例方法300的一个或多个操作。控制系统可以例如通过向一个或多个致动器发送指令以致动与设备系统的一件或多件装备关联地操作的阀来控制设备系统。在一些实现方式中,控制系统可以在没有任何用户输入的情况下实现自动控制。在一些实现方式中,控制系统可以包括或接收用户输入,并允许用户反馈或干预。例如,控制系统可以实现为嵌入式控制系统或与设备系统分离的单独的控制系统。
设备系统可以包括与阀组合地操作的一种或多种类型的装备,诸如马达、换能器、传感器或其它物理装置。设备系统还可以包括一个或多个致动器,其移动、驱动、控制、致动或以其它方式改变所述一种或多种类型的装备的操作。作为示例,致动器可以例如通过致动(例如,打开、关闭或移动)设备系统的阀,来改变所述一种或多种类型的装备的操作。致动器可以接收例如来自控制系统的控制信号。控制信号可以是电的、机械的、热的、磁的、气动的或液压的、手动的或它们的组合。例如,控制信号可以是从来自计算机实现的控制系统的指令中导出的电压或电流。致动器也可以具有能量源。当接收到控制信号时,致动器可以通过如下方式响应:将能量转换成运动(例如,机械运动),以通过致动(例如,打开、关闭或移动)阀来改变相关联装备的操作。在一些实现方式中,设备系统可以包括基于IoT技术的一个或多个智能装置、以及例如基于电或液压控制信号动态地改变所述一个或多个智能装置的操作的一个或多个智能致动器。例如,飞行控制系统可以使用智能致动器来致动飞行器上的多个智能装置。
在一些实现方式中,操作点的一个或多个运行时条件可以包括设备系统的运行时状态(例如,X)、设备系统的运行时输出(例如,Y)和应用于设备系统的运行时控制动作(例如,U)的实际运行时值。在一些实现方式中,操作点的运行时操作条件可以包括其它参数,诸如海拔、前传速度的当前值,以及操作环境条件(诸如压力、温度和控制器设定点)等。
图12是图示了根据本公开的实现方式的示例液体燃料滑轨系统1200的框图。示例液体燃料滑轨系统1200是设备控制系统的示例。示例液体燃料滑轨系统1200包括设备系统、涡轮燃料滑轨系统和控制系统——中央滑轨控制器,其例如通过执行示例方法300来控制涡轮燃料滑轨系统。示例液体燃料滑轨系统1200包括供应滑轨1210、管道子系统1220、外部歧管1230、先导歧管1240和内部歧管1250。示例液体燃料滑轨系统1200被配置为将准确的燃料流输送到分别如箭头1232、1242和1252所标示那样供给燃烧室(未示出)的三个分离的歧管(或喷嘴环)、外部歧管1230、先导歧管1240和内部歧管1250。供应滑轨1210负责经由LQ25旁通阀1215的定位来控制闭合供应压力P1(例如,由P1传感器1205测量)回路。在供应滑轨1210与计量滑轨之间存在大的容积(即,长的管道1220长度),计量滑轨使用三个LQ25节流阀1235、1245和1255来控制输送到三个歧管1230、1240和1250的流,所述歧管1230、1240和1250连接到依次供给燃烧室的燃料喷嘴环。
已经开发了一种可以模拟以下正常和异常操作条件的仿真:(1)P1传感器1205中的10 psi噪声;(2)以正常“健康”界限工作的所有组件;(3)P1控制回路中的显著死区时间;(4)粘性旁通阀1215;(5) P1传感器1205漂移失灵;以及(6)滑轨容积改变、损坏或泄漏。
为了简单性,该仿真考虑了在每个操作条件下供应滑轨1210的单个输入或控制动作(例如,Valve,LQ25旁通阀1215的定位)、单个输出(例如,P1m,由P1传感器1205测量的供应滑轨压力)和单个状态(例如,P1m,由P1传感器1205测量的供应滑轨压力)。注意到,在这种情况下,为了简单性,设备输出和设备状态是相同的。一般而言,设备输出可以是若干个设备状态的函数。例如,如果设备系统是汽车,则设备状态可以包括每分钟转数(RPM)、歧管压力、速度等。例如,设备输出可以包括每加仑英里数,其是所有这些设备状态的函数。可以考虑附加的或不同的参数作为设备输入或控制动作、设备状态和设备输出。回去参考图3,方法300从302前进到304。
在304处,确定对应于操作点的参考点的参考条件。参考点的参考条件可以包括设备系统的参考状态(例如Xref)、设备系统的参考输出(例如Yref)和应用于设备系统的参考控制动作(例如Uref)。参考点的参考条件可以包括与设备和控制器的当前操作条件相关联的命令、预期、期望或标称值。例如,可以从查找表或更复杂的统计或预定传递函数中计算参考值。
对于图12中的液体燃料滑轨系统1200的示例,应用于设备系统的参考控制动作可以是ValveCmd,其表示LQ25旁通阀1215的命令(或设定点)值。设备系统的参考输出可以是P1m,其表示供应滑轨压力的测量值(例如,由P1传感器1205测量)。设备系统的参考状态可以是P1est,其表示供应滑轨压力的估计值(例如,通过理想传递函数或观察器估计)。
图4A是图示了根据本公开的实现方式的在正常操作下示例设备状态(供应滑轨压力P1)的实际和参考运行时值的数据图表410。横轴表示时间(以秒(s)为单位),并且纵轴表示压力(以psi为单位)。曲线412示出了设备状态(例如,P1传感器的命令供应压力)的参考运行时值。曲线414示出了设备状态P1的实际运行时值。注意到,在正常操作下,实际P1响应(由曲线414表示)与参考P1压力(由曲线412表示)不等同,但合理地接近。图4A还示出了由曲线416表示的涡轮引擎中的压缩机排气压力(CDP)。
图4B是图示了根据本公开的实现方式的在正常操作下示例设备输入或控制动作(LQ25旁通阀1215的定位)的实际和参考运行时值的数据图表420。横轴表示时间(以秒(s)为单位),并且纵轴表示阀定位(以%为单位)。曲线422示出了阀定位的参考或命令运行时值ValveCmd。曲线424示出了阀定位的实际运行时值ValvePos。注意到,在正常操作期间,对应的LQ25旁通阀命令(由曲线422表示)和响应(由曲线424表示)也不等同。
图4C是图示了根据本公开的实现方式的示例设备输出(喷嘴燃料流率)的实际和参考运行时值的数据图表430。横轴表示时间(以秒(s)为单位),并且纵轴表示喷嘴燃料流率除以最小流下的燃料流率(以%为单位)。在一些实现方式中,燃料流率以磅每小时为单位进行测量。图4A至4C示出了相互关联的不同变量。例如,跨喷嘴的压力差可以确定通过喷嘴的流率。曲线432示出了喷嘴燃料流率的参考或命令运行时值。曲线434示出了喷嘴燃料流率的实际运行时值或响应。回去参考图3,方法300从304前进到306。
在306处,基于参考条件和运行时条件计算参考点与操作点之间的差异。差异可以包括运行时差异,运行时差异包括例如设备系统的运行时状态与参考状态之间的状态差异(例如)、设备系统的运行时输出与参考输出之间的输出差异(例如)、以及应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异(例如)。运行时差异可以例如根据等式(1)-(3)或以另外的方式来计算。
对于图12中的液体燃料滑轨系统1200的示例,三个运行时差异可以通过将对应的值代入等式(1)-(3)中来计算:
其中下标分别表示每个参数的单位。
图4D是图示了根据本公开的实现方式的设备系统的示例运行时相对状态差异(以%为单位) 442、输出差异(以%为单位) 444和控制动作差异(以%为单位) 446的数据图表440。横轴表示时间(以秒(s)为单位),并且纵轴表示三个相对差异,其中400%和1200psi的值分别用于阀定位和P1的参考值。回去参考图3,方法300从306前进到308。
在308处,计算稳定性半径度量。稳定性半径度量是测量系统离稳定平衡有多远(或多近)的运行时量度,它是从相关动态变量的运行时差异及其改变率计算的。稳定性半径度量可以包括状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量。稳定性半径度量可以包括稳定性半径、无因次导数或稳定性半径的对数导数改变率、类似量度或它们的组合中的一个或多个。在一些实现方式中,可以根据等式(4)或(5)或它们的变型来计算稳定性半径。稳定性半径的无因次改变率可以根据等式(7)或其变型来计算。
例如,状态差异的稳定性半径度量可以包括状态差异的稳定性半径(例如)和状态差异的稳定性半径的无因次改变率(例如)中的一个或两个。状态差异的稳定性半径可以包括状态差异的稳定性半径的一阶或多阶改变率,例如,如等式(4)或(5)中所示。在一些实现方式中,状态差异的稳定性半径可以包括状态差异的稳定性半径的两阶或更多阶改变率的加权平均。
控制动作差异的稳定性半径度量可以包括控制动作差异的稳定性半径(例如)和控制动作差异的稳定性半径的无因次改变率(例如)中的一个或两个。状态差异的稳定性半径可以包括控制动作差异的稳定性半径的一阶或多阶改变率。
在一些实现方式中,稳定性半径和稳定性半径的无因次改变率是频率分离的。例如,等式(5)- (7)的输出的低通、带通或带阻滤波可以用于计算δY、δU和δX的稳定性半径度量的频率分离的运行时值。在一些实现方式中,滤波器的状态可以用于直接表示稳定性半径及其无因次改变率。
图5A是图示了根据本公开的实现方式的在从1至20 Hz的频率范围内稳定性半径的无因次改变率的带通计算的数据图表510。横轴表示时间(以秒(s)为单位),并且纵轴表示U、Y和X的稳定性半径的无因次改变率的运行时频率分离值。具体地,曲线512表示控制动作差异的稳定性半径的无因次改变率;曲线514表示设备输出差异的稳定性半径的无因次改变率;并且曲线516表示设备状态差异的稳定性半径的无因次改变率。
图5B是图示了根据本公开的实现方式的在20 Hz以上(即,20 Hz至100 Hz)的频率范围内稳定性半径的无因次改变率的高通计算的数据图表520。横轴表示时间(以秒(s)为单位),并且纵轴表示U、Y和X的稳定性半径的无因次改变率的运行时频率分离值。具体地,曲线522表示控制动作差异的稳定性半径的无因次改变率;曲线524表示设备输出差异的稳定性半径的无因次改变率;并且曲线526表示设备状态差异的稳定性半径的无因次改变率。
回去参考图3,方法300从308前进到310。
在310处,创建用于存储稳定性半径度量的频率分离值的运行时轨迹的缓冲区。稳定性半径度量可以包括X、Y和U的稳定性半径ρ及其因次率中的一个或多个。轨迹可以包括变量的时间序列。在一些实现方式中,可以在曲线图中关于时间轴绘制轨迹。例如,图4A-4D和图5A-5B示出了稳定性半径度量的频率分离值的示例运行时轨迹。在一些实现方式中,缓冲区可以被实现为队列或另外的数据结构。在一些实现方式中,例如可以在运行时在312处接收缓冲参数,该缓冲参数控制采样时间、缓冲区大小、排队方法以及如何对数据采样等。照此,可以在运行时相应地适配样本数据、采样时间、缓冲区大小和排队方法。方法300从310前进到314、316和318,用于计算感兴趣的频谱关系的三个示例,所述感兴趣的频谱关系包括三个控制属性的信息或签名。感兴趣的频谱关系的三个示例可以是图2中控制三角形的三个顶点215、225和235中的两个之间的相应频谱关系。
在314处,基于设备输出的稳定性半径度量(例如,、)相对于设备状态的稳定性半径度量(例如,、)的频谱关系,计算可观察性签名。频谱关系可以包括例如根据众所周知的mscohere()函数计算的相干性。可观察性签名可以包括反映可观察性的一个或多个参数或函数。示例可观察性签名可以包括根据等式(6)定义的幅值平方相干性、其变型或以另外的方式定义的相干性。在一些实现方式中,可观察性签名可以基于稳定性半径度量的每个轨迹来计算,该轨迹包含例如关于表1所描述的可观察性的相应健康和异常指标(例如,健康和异常概率)的相应预定义频率范围内的信号。
图6A是图示了根据本公开的实现方式的用于计算可观察性健康签名(即,包含可观察性的健康信息的签名)的高频范围(20~100 Hz)中的频谱相关性的数据图表610。可以根据表1针对上述六种操作场景计算可观察性健康签名。图6B是图示了根据本公开的实现方式的用于计算可观察性异常签名(即,包含可观察性的异常信息的签名)的低频范围(1~20 Hz)中的频谱相关性的数据图表620。可以根据表1针对上述六种操作场景计算可观察性异常签名。回去参考图3,方法300从314前进到322。
在322处,基于可观察性签名确定独立的可观察性异常和健康指标。可观察性异常指标指示在设备控制系统中在可观察性方面出现异常的可能性。可观察性健康指标指示设备控制系统在可观察性方面正常操作的可能性。可观察性异常和健康指标可以分别包括可观察性的健康和异常概率。可以基于分离的频率范围(例如,根据关于表1描述的技术)来计算可观察性异常和健康指标。例如,可观察性异常指标可以基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第一频谱相关性来计算。在第一频率范围之上计算第一频谱相关性。可观察性健康指标可以基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第二频谱相关性来计算。在第二频率范围之上计算第二频谱相关性。第二频率范围不同于第一频率范围。
图9A是图示了根据本公开的实现方式的在阀粘着的操作条件下相对于正常操作下的可观察性异常指标(例如,可观察性异常概率)计算的视觉表示的数据图表910。在数据图表910中,阀粘着的操作条件和正常条件下的可观察性异常签名分别由曲线915和925表示。阀粘着的操作条件下的可观察性异常概率可以由两个签名曲线915和925之间的变暗区域935相对于正常操作签名曲线925下的区域945的大小比率来表示。
图9B是图示了根据本公开的实现方式的在阀粘着的操作条件下相对于正常操作下的可观察性健康指标(例如,可观察性健康概率)计算的视觉表示的数据图表920。在数据图表920中,阀粘着的操作条件下和正常条件下的可观察性健康签名分别由曲线916和926表示。在阀粘着的操作条件下,可观察性健康缺乏的指标(例如,1-可观察性健康概率)可以由两个签名曲线916和926之间的变暗区域936相对于正常操作签名曲线926下的区域946的大小比率来表示。回去参考图3,方法300从322前进到330。
类似地,在316处,基于设备输出的稳定性半径度量(例如,、)相对于控制动作的稳定性半径度量(例如,、)的频谱关系,计算跟踪性能签名。频谱关系可以包括例如根据众所周知的mscohere()函数计算的相干性。跟踪性能签名可以包括反映跟踪性能的一个或多个参数或函数。示例跟踪性能签名可以包括根据等式(6)定义的幅值平方相干性、其变型或以另外的方式定义的相干性。在一些实现方式中,跟踪性能签名可以基于稳定性半径度量的每个轨迹来计算,该轨迹包含例如关于表1所描述的跟踪性能的相应健康和异常指标(例如,健康和异常概率)的相应预定义频率范围内的信号。
图7A是图示了根据本公开的实现方式的用于计算跟踪性能健康签名(即,包含跟踪性能的健康信息的签名)的低频范围(1~20 Hz)中的频谱相关性的数据图表710。可以根据表1针对上述六种操作场景计算跟踪性能健康签名。图7B是图示了根据本公开的实现方式的用于计算跟踪性能异常签名(即,包含跟踪性能的异常信息的签名)的高频范围(20~100 Hz)中的频谱相关性的数据图表720。可以根据表1针对上述六种操作场景计算跟踪性能异常签名。回去参考图3,方法300从316前进到324。
在324处,基于跟踪性能签名确定独立的跟踪性能异常和健康指标。跟踪性能异常指标指示在设备控制系统中在跟踪性能方面出现异常的可能性。跟踪性能健康指标指示设备控制系统在跟踪性能方面正常操作的可能性。跟踪性能异常和健康指标可以分别包括跟踪性能的健康和异常概率。可以基于分离的频率范围(例如,根据关于表1描述的技术)来计算跟踪性能异常和健康指标。例如,跟踪性能异常指标可以基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第三频谱相关性来计算。可以在第三频率范围之上估算第三频谱相关性。跟踪性能健康指标可以基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第四频谱相关性来计算。可以在第四频率范围之上估算第四频谱相关性。第四频率范围不同于第三频率范围。
图10A是图示了根据本公开的实现方式的在阀粘着的操作条件下相比于正常操作下的跟踪性能健康指标(例如,跟踪性能健康概率)计算的视觉表示的数据图表1010。在数据图表1010中,阀粘着的操作条件下和正常条件下的跟踪性能健康签名分别由曲线1015和1025表示。在阀粘着的操作条件下,跟踪性能健康缺乏的指标(例如,1 -跟踪性能健康概率)可以由两个签名曲线1015和1025之间的变暗区域1035相对于正常操作签名曲线1025下的区域1045的大小比率来表示。
图10B是图示了根据本公开的实现方式的在阀粘着的操作条件下相比于正常操作下的跟踪性能异常指标(例如,跟踪性能异常概率)计算的视觉表示的数据图表1020。在数据图表1020中,阀粘着的操作条件下和正常条件下的跟踪性能异常签名分别由曲线1016和1026表示。阀粘着的操作条件下的跟踪性能异常概率可以由两个签名曲线1016和1026之间的变暗区域1036相对于正常操作签名曲线1026下的区域1046的大小比率来表示。回去参考图3,方法300从324前进到330。
类似地,在318处,基于控制动作的稳定性半径度量(例如,、)相对于设备状态的稳定性半径度量(例如,、)的频谱关系来计算可控性签名。频谱关系可以包括例如根据众所周知的mscohere()函数计算的相干性。可控性签名可以包括反映可控性的一个或多个参数或函数。示例可控性签名可以包括根据等式(6)定义的幅值平方相干性、其变型或以另外的方式定义的相干性。在一些实现方式中,可控性签名可以基于稳定性半径度量的每个轨迹来计算,该轨迹包含例如关于表1所描述的可控性的相应健康和异常指标(例如,健康和异常概率)的相应预定义频率范围内的信号。
图8A是图示了根据本公开的实现方式的用于计算可控性健康签名(即,包含可控性的健康信息的签名)的低频范围(1~20 Hz)中的频谱相关性的数据图表810。可以根据表1针对上述六种操作场景计算可控性健康签名。图8B是图示了根据本公开的实现方式的用于计算可控性异常签名(即,包含可控性的异常信息的签名)的高频范围(20~100 Hz)中的频谱相关性的数据图表820。可以根据表1针对上述六种操作场景计算可控性异常签名。回去参考图3,方法300从318前进到326。
在326处,基于可控性签名确定独立的可控性异常和健康指标。可控性异常指标指示在设备控制系统中在可控性方面出现异常的可能性。可控性健康指标指示设备控制系统在可控性方面正常操作的可能性。可控性异常和健康指标可以分别包括可控性的健康和异常概率。可以基于分离的频率范围(例如,根据关于表1描述的技术)来计算可控性异常和健康指标。例如,可控性异常指标可以基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第五频谱关系来计算。可以在第五频率范围之上估算第五频谱相关性。可控性健康指标可以基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第六频谱关系来计算。可以在第六频率范围之上估算第六频谱相关性。第五频率范围不同于第六频率范围。
图11A是图示了在阀粘着的操作条件下相对于正常操作下的可控性健康指标(例如,可控性健康概率)计算的视觉表示的数据图表1110。在数据图表1110中,阀粘着的操作条件下和正常条件下的可控性健康签名分别由曲线1115和1125表示。在阀粘着的操作条件下,健康缺乏的指标(例如,1-可控性健康概率)可以由两个签名曲线1115和1125之间的变暗区域1135相对于正常操作签名曲线1125下的区域1145的大小比率来表示。
图11B是图示了在阀粘着的操作条件下相比于正常操作下的可控性异常指标(例如,可控性异常概率)计算的视觉表示的数据图表1120。在数据图表1120中,阀粘着的操作条件和正常条件下的可控性异常签名分别由曲线1116和1126表示。阀粘着的操作条件下的可控性异常概率可以由两个签名曲线1116和1126之间的变暗区域1136相对于正常操作签名曲线1126下的区域1146的大小比率来表示。回去参考图3,方法300从326前进到330。
表2示出了如上所述的六个示例操作条件中的每一个的示例运行时健康和异常概率。如表2中所示,有噪声的P1传感器不会影响跟踪,但是在高频下估计压力实际值的可观察性或能力是低的。差的P1传感器(例如,不可控且间歇地漂移的传感器)也由于闭合回路控制器而不会对跟踪有太大影响,但是控制P1或估计P1的能力受到严重损害。除了控制P1压力之外,粘着的阀还损害估计P1压力实际值的控制器能力。然而,闭合回路控制器仍在对其进行补偿,因此跟踪性能是可接受的。滑轨容积改变确实对量度有一点不利影响,但它不会严重影响控制器的三个主要功能。
在这些示例操作条件下,每个场景的根本原因可能是网络攻击、物理故障等。每次稳定性半径的缓冲区和它们的对数导数被更新时,概率被更新。如上所示,基于异常的控制不需要知道失灵的根本原因,无论它们是由网络攻击、系统的不正确操作、人为错误、故障还是物理事故引起的。具有运行时度量就足够了,其反映控制器的主要属性健康或异常至何种程度。控制器可以对控制器内的实况低信噪比数据进行操作,但仍然可以量化控制器的主要功能有多健康或异常。
在一些实现方式中,可以存储或输出一个或多个操作条件的运行时异常和健康概率。例如,一个或多个操作条件的总体运行时异常和健康概率可以经由用户界面以表格、曲线图、图表、绘图或另外的表示的形式显示。在一些实现方式中,可以使用颜色编码或其它技术来帮助突显健康和异常情形。方法300从330前进到340。
表2.针对多种操作条件的示例运行时异常和健康概率
操作条件 | 跟踪性能健康 | 跟踪性能异常 | 可控性健康 | 可控性异常 | 可观察性健康 | 可观察性异常 |
10 PSI P1 噪声 | 96% | 14% | 45% | 24% | 65% | 50% |
正常操作 | 100% | 0% | 100% | 0% | 100% | 0% |
回路死区 | 89% | 14% | 84% | 34% | 80% | 32% |
阀粘着 | 87% | 31% | 0% | 49% | 66% | 100% |
差的 P1传感器 | 90% | 17% | 0% | 42% | 79% | 100% |
滑轨容积问题 | 95% | 27% | 87% | 39% | 79% | 21% |
在340处,基于健康和异常指标,确定一个或多个校正动作并将其应用于设备控制系统。所述一个或多个校正动作可以包括一个或多个异常适配或避免机制,包括例如切换控制策略、适配控制器增益、向异常监视系统示意进行校正动作。
在一些实现方式中,设备系统包括一个或多个致动器,所述致动器可操作以通过致动(例如,打开、关闭或移动)一个或多个阀来改变一件或多件装备的操作。应用一个或多个校正动作可以包括向一个或多个致动器发送指令,以基于可观察性异常指标、可观察性健康指标、跟踪性能异常指标、跟踪性能健康指标、可控性异常指标或可控性健康指标中的至少一个来动态地改变所述一件或多件装备的操作。例如,设备系统可以包括一个或多个阀;所述一个或多个致动器可以包括致动所述一个或多个阀的阀致动器;并且向所述一个或多个致动器发送指令以动态地改变一件或多件装备的操作包括:向设备系统的(多个)阀致动器发送指令以动态地改变设备系统的一个或多个阀的定位。
在一些实现方式中,可以确定健康和异常指标中的一个或多个的目标或期望操作范围。在一些实现方式中,一个或多个控制回路(例如,比例-积分-微分控制器(PID控制器))可以用于修改控制器内部的增益,以便将健康和异常指标控制或保持在目标上。照此,可以生成指令并将其发送到一个或多个致动器,以动态地改变一件或多件装备的操作,从而将健康和异常指标控制或保持在目标上。例如,指令可以引起设备系统的(多个)致动器动态地改变设备系统的操作,以减小可观察性异常指标,增加可观察性健康指标,或者两者兼有。例如,可以通过直接调整或修改状态观察器的一个或多个内部参数(例如,观察器增益或观察器极点的值)来生成这样的指令。在一些实现方式中,指令可以引起设备系统的致动器动态地改变设备系统的操作,以减小跟踪性能异常指标,增加跟踪性能健康指标,或者两者兼有。例如,可以通过直接调整或修改参考模型的一个或多个内部参数(例如,参考模型增益或参考模型极点的值)来生成这样的指令。在一些实现方式中,指令可以引起设备系统的(多个)致动器动态地改变设备系统的操作,以减小可控性异常指标,增加可控性健康指标,或者两者兼有。例如,可以通过直接调整或修改状态反馈的一个或多个内部参数(例如,状态反馈增益或状态反馈极点的值)来生成这样的指令。可以生成附加的或不同的指令,并将其发送到一个或多个致动器,以动态地改变一件或多件装备的操作,从而将健康和异常指标控制或保持在目标上。在一些实现方式中,一个或多个校正动作可以帮助设备控制系统在运行时实现基于异常的自适应控制,例如,如下面关于图15更详细描述的。在340之后,方法300停止。
图13是图示了根据本公开的实现方式的由图1中的示例设备控制系统100表示的控制器K 1300的示例基于模型的控制架构的框图。控制器K 1300的基于模型的控制架构可以包括状态观察器1310、状态反馈1320、参考或目标模型1330和设备输出估计模块1340。
状态观察器1310可以接收控制器的观察器增益或参数Kobs 1315、感测或测量的设备输出Y2和U2。基于所接收的输入,状态观察器1310可以输出估计的或滤波的设备状态Xest。状态观察器1310可以实现为用于估计设备状态的软件或硬件模块。
参考或目标模型1330可以接收设定点或命令或已知干扰W2和参考增益或参数Kref 1335。基于接收到的输入,参考或目标模型1330可以例如基于统计或预定的函数或模型输出设备状态的参考(或目标、目的或理想)值Xref。
状态反馈1320可以接收估计的或滤波的设备状态Xest、设备状态的参考值Xref以及状态反馈增益或参数Kfdbk 1325。基于接收到的输入,状态反馈1320可以输出控制输出U2,该控制输出U2可以充当要应用于设备系统的控制动作或输入。
在一些实现方式中,控制输出U2和估计的或滤波的设备状态Xest可以由设备输出估计模块1340处理,以例如基于统计的或预定的传递函数或模型来计算估计的设备输出Yest。在一些实现方式中,估计的设备输出Yest可以充当用于计算设备状态Y的运行时差异的参考设备状态Yref。
在一些实现方式中,为了获得更精细的异常和健康信息,基于模型的控制架构1200可以被递归地分区成更小的子系统和组件。分区可以是虚拟的,或者它可以匹配设备的实际架构(即,设备系统到子系统和组件的实际分解)。例如,设备控制系统可以有意地通过串联或并联的组件互连而构成,其中每个组件可以由图1中的设备控制系统100来表示。在这种情况下,设备控制系统的每个组件可以被视为单独的控制节点,该节点根据上述技术在内部计算其健康和异常。因此,这样的结构与分布式控制架构良好拟合。
图14是图示了根据本公开的实现方式的图12中的示例液体燃料滑轨系统1200的示例分布式架构1400的框图。图12中的示例液体燃料滑轨系统1200被分区成五个子系统或组件:供应滑轨1210、管道子系统1220、外部歧管1230、先导歧管1240和内部歧管1250。示例液体燃料滑轨系统1200的子系统中的每个可以由类似于图1中的设备控制系统100的相应设备控制系统来表示。所述子系统中的每个可以根据上述技术单独执行异常检测和基于异常的控制。例如,示例液体燃料滑轨系统1200的分布式架构1400包括分别对应于图12中的示例液体燃料滑轨系统1200的供应滑轨1210、管道子系统1220、外部歧管1230、先导歧管1240和内部歧管1250的示例设备控制系统1410、1420、1430、1440和1450。
在一些实现方式中,将总体设备分区成分布式架构可以获得更精细的健康和异常信息,这使得能够实现组件级别的异常标识或检测。在一些实现方式中,每个分区具有其自己的分离的控制器,以便实现分布式控制。照此,可以实现诸如最小化布线、改进的性能、模块化开发和升级等优势。在一些实现方式中,每个分布式控制器可以被设置为在运行时适配健康和异常改变以减小异常的影响,而不必确切知道异常是什么。在一些实现方式中,它还允许向远离中央控制器或者中央或监督控制算法的智能子系统和组件添加功能性。因此,可以实现附加的或不同的优势。
图15是图示了根据本公开的实现方式的实现基于异常的自适应控制的示例架构1500的框图。具有可控性、可观察性和跟踪性能的运行时度量的一个优势是,存在实况反馈来调整或适配控制器的高级的基于模型的控制架构的三个主要组件(例如,如图13中所示的控制器1300的状态观察器1310、状态反馈1320和参考模型1330)中的每一个。在一些实现方式中,状态反馈增益适配器1520、观察器增益适配器1530或参考增益适配器1540中的一个或多个可以使用PID控制器来实现,以修改控制器1300内部的增益,以便将健康和异常指标控制或保持在目标上。
如图15中所示,运行时健康和异常度量或指标1510可以分别包括可控性、可观察性和跟踪性能的运行时健康和异常度量。运行时健康和异常度量1510可以包括例如根据示例方法300获得的健康和异常概率。
状态反馈增益适配器1520可以接收可控性的运行时健康和异常度量1512以及可控性健康和异常目的1522(例如,目标值或容限范围)。基于这两个输入,状态反馈增益适配器1520可以确定对状态反馈1320的增益和参数的一个或多个调整,并将它们作为Kfdbk1325馈送回状态反馈1320。
观察器增益适配器1530可以接收可观察性的运行时健康和异常度量1514以及可观察性健康和异常目的1534(例如,目标或容限范围)。基于这两个输入,观察器增益适配器1530可以确定对状态观察器1310的增益和参数的一个或多个调整,并将它们作为Kobs 1315馈送回状态观察器1310。
参考增益适配器1540可以接收跟踪性能的运行时健康和异常度量1516以及跟踪性能健康和异常目的1542(例如,目标或容限范围)。基于这两个输入,参考增益适配器1540可以确定对参考或目标模型1330的增益和参数的一个或多个调整,并将它们作为Kref 1335馈送回参考或目标模型1330。
图16是图示了根据本公开的实现方式的用于提供与所描述的算法、方法、功能、处理、流程和程序相关联的计算功能性的计算机实现的系统1600的示例的框图。在图示的实现方式中,系统1600包括计算机1602和网络1630。
图示的计算机1602旨在涵盖任何计算装置,诸如服务器、台式计算机、膝上型/笔记本计算机、无线数据端口、智能电话、个人数据助理(PDA)、平板计算机、这些装置内的一个或多个处理器、另外的计算装置、或者计算装置的组合(包括计算装置的物理或虚拟实例,或计算装置的物理或虚拟实例的组合)。附加地,计算机1602可以包括可以接受用户信息的输入装置(诸如小键盘、键盘、触摸屏、另外的输入装置或输入装置的组合),以及在图形类型用户界面(UI)(或GUI)或其它UI上传达与计算机1602的操作相关联的信息的输出装置,所述信息包括数字数据、视觉、音频、另外的类型的信息或各类型信息的组合。例如,在一些实现方式中,在GUI或其它GUI(无论是否图示)中呈现的(诸如,在图4A-4D、图5A-5B、图6A-6B、图7A-7B、图8A-8B、图9A-9B、图10A-10B和图11A-11B中)图示的数据本质上可以是交互式的,并且被配置为准许执行用户动作(诸如,触发消息或对数据的请求以改变、修改或增强图示的数据或者基于图示的数据执行动作)。
计算机1602可以在分布式计算系统中充当客户端、网络组件、服务器、数据库或另外的持久体(persistency)的角色、另外的角色或用于执行本公开中描述的主题的角色的组合。图示的计算机1602与网络1630可通信地耦合。在一些实现方式中,计算机1602的一个或多个组件可以被配置为在环境中操作,所述环境包括基于云计算的环境、本地环境、全球环境、另外的环境或环境的组合。
在高级别处,计算机1602是可操作来接收、传输、处理、存储或管理与所描述的主题相关联的数据和信息的电子计算装置。根据一些实现方式,计算机1602还可以包括服务器或与服务器可通信地耦合,所述服务器包括应用服务器、电子邮件服务器、web服务器、高速缓存服务器、流数据服务器、另外的服务器或服务器的组合。
计算机1602可以通过网络1630(例如,从在另一计算机1602上执行的客户端软件应用)接收请求,并通过使用软件应用或软件应用的组合处理接收到的请求来响应接收到的请求。此外,还可以从内部用户(例如,从命令控制台或通过另外的内部访问方法)、外部或第三方、或其它实体、个体、系统或计算机向计算机1602发送请求。
计算机1602的组件中的每个可以使用系统总线1603进行通信。在一些实现方式中,计算机1602的任何或所有组件(包括硬件、软件或硬件和软件的组合)可以使用应用编程接口(API)1612、服务层1613或API 1612和服务层1613的组合通过系统总线1603接合。API 1612可以包括针对例程、数据结构和对象类的规范。API 1612可以是独立于计算机语言的或依赖于计算机语言的,并且它指代完整的接口、单个功能、或者甚至是一组API。服务层1613向计算机1602或可通信地耦合到计算机1602的其它组件(无论是否图示)提供软件服务。计算机1602的功能性对于使用该服务层的所有服务消费者而言是可访问的。软件服务(诸如由服务层1613提供的那些软件服务)通过定义的接口提供可重用的、经定义的功能性。例如,接口可以是以JAVA、C++、另外的计算语言或计算语言的组合编写的软件,该软件以可扩展标记语言(XML)格式、另外的格式或格式的组合提供数据。虽然被图示为计算机1602的集成组件,但是替代实现方式可以将API 1612或服务层1613图示为与计算机1602的其它组件或可通信地耦合到计算机1602的其它组件(无论是否图示)相关的独立组件。此外,在不脱离本公开的范围的情况下,API 1612或服务层1613的任何或所有部分可以被实现为另外的软件模块、企业应用或硬件模块的子级或子模块。
计算机1602包括接口1604。尽管在图16中被图示为单个接口1604,但是根据计算机1602的特定需要、期望或特定实现方式,可以使用两个或更多个接口1604。计算机1602使用接口1604以用于与分布式环境中通信链接到网络1630的另外的计算系统(无论是否图示)通信。一般地,接口1604可操作来与网络1630通信,并且包括以软件、硬件或软件和硬件的组合编码的逻辑。更具体地,接口1604可以包括支持与通信相关联的一个或多个通信协议的软件,使得网络1630或接口的硬件可操作来在所图示的计算机1602内和外部传送物理信号。
计算机1602包括处理器1605。尽管在图16中被图示为单个处理器1605,但是根据计算机1602的特定需要、期望或特定实现方式,可以使用两个或更多个处理器。一般地,处理器1605执行指令并操控数据来执行计算机1602的操作以及如本公开中描述的任何算法、方法、功能、处理、流程和程序。
计算机1602还包括数据库1606,该数据库1606可以保存用于计算机1602、通信地链接到网络1630的另外的组件(无论是否图示)或计算机1602和另外的组件的组合的数据。例如,数据库1606可以是存储与本公开一致的数据的存储器内、常规或另外的类型的数据库。在一些实现方式中,根据计算机1602的特定需要、期望或特定实现方式以及所描述的功能性,数据库1606可以是两种或更多种不同数据库类型的组合(例如,混合存储器内数据库和常规数据库)。尽管在图16中被图示为单个数据库1606,但是根据计算机1602的特定需要、期望或特定实现方式以及所描述的功能性,可以使用类似或不同类型的两个或更多个数据库。虽然数据库1606被图示为计算机1602的整合组件,但是在替代的实现方式中,数据库1606可以在计算机1602的外部。如所图示的,数据库1606保存先前描述的运行时健康和异常度量1616。
计算机1602还包括存储器1607,该存储器1607可以保存用于计算机1602、通信地链接到网络1630的另外一个或多个组件(无论是否图示)、或者计算机1602和另外的组件的组合的数据。存储器1607可以存储与本公开一致的任何数据。在一些实现方式中,根据计算机1602的特定需要、期望或特定实现方式以及所描述的功能性,存储器1607可以是两种或更多种不同类型的存储器的组合(例如,半导体和磁存储装置的组合)。尽管在图16中被图示为单个存储器1607,但是根据计算机1602的特定需要、期望或特定实现方式以及所描述的功能性,可以使用两个或更多个存储器1607,或者类似或不同的类型。虽然存储器1607被图示为计算机1602的整合组件,但是在替代的实现方式中,存储器1607可以在计算机1602的外部。
应用1608是算法软件引擎,其根据计算机1602的特定需要、期望或特定实现方式,特别是关于本公开中描述的功能性来提供功能性。例如,应用1608可以充当一个或多个组件、模块或应用。进一步地,尽管被图示为单个应用1608,但是应用1608可以被实现为计算机1602上的多个应用1608。此外,尽管被图示为整合到计算机1602,但是在替代的实现方式中,应用1608可以在计算机1602的外部。
计算机1602还可以包括电源1614。电源1614可以包括可再充电或不可再充电的电池,其可以被配置为用户可更换或用户不可更换的。在一些实现方式中,电源1614可以包括功率转换或管理电路(包括再充电、待机或另外的功率管理功能性)。在一些实现方式中,电源1614可以包括电源插头,以允许计算机1602插入墙壁插座或另外的电源中,从而例如给计算机1602供电或对可再充电电池进行再充电。
可以存在与包含计算机1602的计算机系统相关联或者在该计算机系统外部的任何数量的计算机1602,每个计算机1602通过网络1630通信。进一步地,在不脱离本公开的范围的情况下,术语“客户端”、“用户”或其它适当的术语可以视情况可互换地使用。此外,本公开设想许多用户可以使用一个计算机1602,或者一个用户可以使用多个计算机1602。
在一些实现方式中,所描述的方法可以被配置为向计算机实现的控制器、数据库或其它计算机实现的系统发送消息、指令或其它通信,以动态地对另一个计算机实现的系统发起控制、进行控制或者引起该另一个计算机实现的系统执行计算机实现的或其它的功能/操作。例如,基于数据、操作、输出或与GUI的交互的操作可以被传输,以引起与计算机、数据库、网络或其它基于计算机的系统相关联的操作执行动态或自适应控制、高效存储、数据检索或与本公开一致的其它操作。在另一个示例中,与任何图示的GUI的交互可以自动导致从GUI传输的一个或多个指令,所述指令用以触发对数据的请求、数据的存储、数据的分析或与本公开一致的其它操作。
在一些实例中,传输的指令可以导致关于一件有形的、现实世界的机械、电子、计算或其它类型的装备的控制、操作、修改、增强或其它操作。例如,所描述的控制器可以发送指令来打开、关闭或以其它方式修改阀的定位;发送指令来开启或节流马达;发送请求来减慢或加速计算机数据库、磁盘/光盘驱动器,激活/去激活计算系统,引起网络接口装置变为启用/禁用或节流,增加跨网络连接允许的数据带宽,或者发出听觉/视觉警报(诸如,机械警报/发光装置)作为关于与所描述方法相关联的(多个)计算系统或同与所描述方法相关联的(多个)计算系统交互的结果、行为、确定或分析的通知。
在一些实现方式中,所描述的方法的输出可以用于动态地影响、引导、控制、影响或管理与汽车、船舶、飞行器、涡轮系统或智能致动系统的控制有关的有形的现实世界装备,或者用于与本公开一致的其它目的。在一些实现方式中,所描述的方法可以被集成为动态的计算机实现的控制系统的一部分,以控制、影响与在本公开中明确提到的或与本公开一致的任何有形的现实世界装备或供其使用。
主题的所描述的实现方式可以单独或组合地包括一个或多个特征。
例如,在第一实现方式中,设备控制系统包括:包括一件或多件装备的设备系统;和控制所述设备系统的控制系统。所述控制系统包括一个或多个计算机和一个或多个计算机存储器装置,所述一个或多个计算机存储器装置与所述一个或多个计算机可互操作地耦合并且具有存储一个或多个指令的有形的、非暂时性的机器可读介质,所述一个或多个指令当由所述一个或多个计算机执行时,执行一个或多个以下操作。
接收设备控制系统的操作点的运行时条件。操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出以及应用于设备系统的运行时控制动作。确定对应于操作点的参考点的参考条件。参考点的参考条件包括设备系统的参考状态、设备系统的参考输出以及应用于设备系统的参考控制动作。参考点与操作点之间的差异是基于参考条件和运行时条件计算的。所述差异包括:设备系统的运行时状态与参考状态之间的状态差异,设备系统的运行时输出与参考输出之间的输出差异,以及应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异。计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量。
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第一频谱相关性来确定可观察性异常指标。在第一频率范围之上计算第一频谱相关性。可观察性异常指标指示在设备控制系统中在可观察性方面出现异常的可能性。可观察性指示控制系统基于设备系统的所测量的输出来估计设备系统的状态的能力。
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第二频谱相关性来确定可观察性健康指标。在第二频率范围之上计算第二频谱相关性。可观察性健康指标指示设备控制系统在可观察性方面正常操作的可能性。第二频率范围不同于第一频率范围。
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第三频谱相关性来确定跟踪性能异常指标。在第三频率范围之上计算第三频谱相关性。跟踪性能异常指标指示在设备控制系统中在跟踪性能方面出现异常的可能性。跟踪性能测量控制系统跟踪设定点的能力。
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第四频谱相关性来确定跟踪性能健康指标。在第四频率范围之上计算第四频谱相关性。跟踪性能健康指标指示设备控制系统在跟踪性能方面正常操作的可能性。第四频率范围不同于第三频率范围。
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第五频谱关系来确定可控性异常指标。第五频谱相关性是在第五频率范围之内计算的,其中可控性异常指标指示在设备控制系统中在可控性方面出现异常的可能性。可控性指示控制系统影响设备系统状态的能力。
可控性健康指标是基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第六频谱关系来确定的。在第六频率范围之上计算第六频谱相关性。可控性健康指标指示设备控制系统在可控性方面正常操作的可能性。第五频率范围不同于第六频率范围。
前述和其它所描述的实现方式可以每个可选地包括以下特征中的一个或多个:
第一特征,可与以下特征中的任一个组合,其中设备系统进一步包括可操作来改变一件或多件装备的操作的一个或多个致动器,并且所述操作进一步包括向所述一个或多个致动器发送指令,以基于可观察性异常指标、可观察性健康指标、跟踪性能异常指标、跟踪性能健康指标、可控性异常指标或可控性健康指标中的至少一个来动态地改变所述一件或多件装备的操作。
第二特征,可与以下特征中的任一个组合,其中:设备系统包括阀;所述一个或多个致动器包括对阀进行致动的阀致动器;以及向所述一个或多个致动器发送指令以动态地改变所述一件或多件装备的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
第三特征,可与以下特征中的任一个组合,其中状态差异的稳定性半径度量包括状态差异的稳定性半径和状态差异的稳定性半径的无因次改变率中的一个或两个,并且其中状态差异的稳定性半径包括状态差异的稳定性半径的一阶或多阶改变率。
第四特征,可与以下特征中的任一个组合,其中输出差异的稳定性半径度量包括输出差异的稳定性半径和输出差异的稳定性半径的无因次改变率中的一个或两个,其中输出差异的稳定性半径包括输出差异的稳定性半径的一阶或多阶改变率。
第五特征,可与以下特征中的任一个组合,其中控制动作差异的稳定性半径度量包括控制动作差异的稳定性半径和控制动作差异的稳定性半径的无因次改变率中的一个或两个,其中状态差异的稳定性半径包括控制动作差异的稳定性半径的一阶或多阶改变率。
第六特征,可与以下特征中的任一个组合,其中频谱相关性包括相干性。
第七特征,可与以下特征中的任一个组合,其中设备控制系统是具有分布式控制架构的全局系统的子系统,并且全局系统包括串联或并联的至少两个子系统,并且其中操作由所述至少两个子系统中的每一个在内部执行。
在第二实现方式中,一种控制方法包括:由包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的控制系统接收设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;由控制系统确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;由控制系统基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:设备系统的运行时状态与参考状态之间的状态差异,以及设备系统的运行时输出与参考输出之间的输出差异;计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第一频谱相关性来确定可观察性异常指标,其中第一频谱相关性是在第一频率范围之上计算的,其中可观察性异常指标指示在设备控制系统中在可观察性方面出现异常的可能性,其中可观察性指示控制系统基于设备系统的所测量的输出来估计设备系统的状态的能力;基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第二频谱相关性来确定可观察性健康指标,其中第二频谱相关性是在第二频率范围之上计算的,其中可观察性健康指标指示设备控制系统在可观察性方面正常操作的可能性,并且其中第二频率范围不同于第一频率范围;以及基于可观察性异常指标和可观察性健康指标向设备系统的致动器发送指令以动态地改变设备系统的操作。
前述和其它的所描述的实现方式可以每个可选地包括以下特征中的一个或多个:
第一特征,可与以下特征中的任一个组合,其中可控性异常指标和可控性健康指标彼此独立。
第二特征,可与先前或以下特征中的任一个组合,其中:设备系统包括阀;致动器包括对阀进行致动的阀致动器;以及向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
第三特征,可与以下特征中的任一个组合,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小可观察性异常指标,增加可观察性健康指标,或者两者兼有。
在第三实现方式中,一种控制方法包括:由包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的控制系统接收设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统和控制所述设备系统的控制系统,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:设备系统的运行时输出与参考输出之间的输出差异,以及应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异;计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第三频谱相关性来确定跟踪性能异常指标,其中第三频谱相关性是在第三频率范围之上计算的,其中跟踪性能异常指标指示在设备控制系统中在跟踪性能方面出现异常的可能性,并且其中跟踪性能测量控制系统跟踪设定点的能力;基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第四频谱相关性来确定跟踪性能健康指标,其中第四频谱相关性是在第四频率范围之上计算的,其中跟踪性能健康指标指示设备控制系统在跟踪性能方面正常操作的可能性,并且其中第四频率范围不同于第三频率范围;以及基于跟踪性能异常指标和跟踪性能健康指标来向设备系统的致动器发送指令以动态地改变设备系统的操作。
前述和其它的所描述的实现方式可以每个可选地包括以下特征中的一个或多个:
第一特征,可与以下特征中的任一个组合,其中跟踪性能异常指标和跟踪性能健康指标彼此独立。
第二特征,可与先前或以下特征中的任一个组合,其中:设备系统包括阀;致动器包括对阀进行致动的阀致动器;以及向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
第三特征,可与以下特征中的任一个组合,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小跟踪性能异常指标,增加跟踪性能健康指标,或者两者兼有。
在第四实现方式中,一种存储一个或多个指令的非暂时性计算机可读介质,所述一个或多个指令可由控制系统的计算机系统执行以执行包括以下各项的操作,所述操作包括:接收包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:设备系统的运行时状态与参考状态之间的状态差异,以及应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异;计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第五频谱关系来确定可控性异常指标,其中第五频谱相关性是在第五频率范围之内计算的,其中可控性异常指标指示在设备控制系统中在可控性方面出现异常的可能性,并且其中可控性指示控制系统影响设备系统的状态的能力;基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第六频谱关系来确定可控性健康指标,其中第六频谱相关性是在第六频率范围之上计算的,其中可控性健康指标指示设备控制系统在可控性方面正常操作的可能性,并且其中第五频率范围不同于第六频率范围;以及基于可控性异常指标和可控性健康指标来向设备系统的致动器发送指令以动态地改变设备系统的操作。
前述和其它的所描述的实现方式可以每个可选地包括以下特征中的一个或多个:
第一特征,可与以下特征中的任一个组合,其中可控性异常指标和可控性健康指标彼此独立。
第二特征,可与先前或以下特征中的任一个组合,其中:设备系统包括阀;致动器包括对阀进行致动的阀致动器;以及向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
第三特征,可与以下特征中的任一个组合,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小可控性异常指标,增加可控性健康指标,或者两者兼有。
本说明书中描述的主题和功能操作的实现方式可以在数字电子电路中、在有形体现的计算机软件或固件中、在包括本说明书中公开的结构及其结构等同物的计算机硬件中、或者在它们中的一个或多个的组合中实现。所描述的主题的软件实现方式可以被实现为一个或多个计算机程序,即编码在有形的、非暂时性的计算机可读介质上以用于由计算机或计算机实现的系统执行或控制计算机或计算机实现的系统的操作的计算机程序指令的一个或多个模块。可替代地或附加地,程序指令可以被编码在人工生成的传播信号中/上,所述信号例如机器生成的电、光或电磁信号,所述信号被生成以编码用于传输到接收器仪器以用于由计算机或计算机实现的系统执行的信息。计算机存储介质可以是机器可读存储装置、机器可读存储衬底、随机或串行存取存储器装置或计算机存储介质的组合。配置一个或多个计算机意味着所述一个或多个计算机已经安装了硬件、固件或软件(或硬件、固件和软件的组合),使得当软件由所述一个或多个计算机执行时,执行特定的计算操作。
术语“实时”、“实时地”、“实时的”、“(快速)实时(RFT)”、“(几)近乎实时(NRT)”、“准实时”或类似术语(如本领域普通技术人员所理解的)意味着动作和响应在时间上是接近的,使得个体感知到动作和响应基本上同时发生。例如,在个体访问数据的动作之后,响应数据显示(或显示发起)的时间差异可以小于1毫秒(ms)、小于1秒(s)或小于5 s。虽然不需要瞬时地显示(或针对显示发起)所请求的数据,但是考虑到所描述的计算系统的处理限制和例如汇集、准确测量、分析、处理、存储或传输数据所要求的时间,显示(或针对显示发起)所请求的数据,而没有任何有意的延迟。
术语“数据处理仪器”、“计算机”或“电子计算机装置”(或本领域普通技术人员所理解的等同术语)指代数据处理硬件,并且涵盖用于处理数据的所有种类的仪器、装置和机器,作为举例包括可编程处理器、计算机或多个处理器或计算机。计算机也可以是或进一步包括专用逻辑电路,例如中央处理单元(CPU)、FPGA(现场可编程门阵列)或ASIC(专用集成电路)。在一些实现方式中,计算机或计算机实现的系统或专用逻辑电路(或者计算机或计算机实现的系统以及专用逻辑电路的组合)可以是基于硬件或软件的(或基于硬件和软件两者的组合)。计算机可以可选地包括为计算机程序创建执行环境的代码,例如,构成处理器固件、协议栈、数据库管理系统、操作系统或执行环境的组合的代码。本公开设想使用具有某种类型的操作系统(例如LINUX、UNIX、WINDOWS、MAC OS、ANDROID、IOS、另外的操作系统或操作系统的组合)的计算机或计算机实现的系统。
计算机程序——其也可以被称为或描述为程序、软件、软件应用、单元、模块、软件模块、脚本、代码或其它组件——可以以包括编译或解释语言、或者声明或过程语言的任何形式的编程语言编写,并且其可以以包括例如作为在计算环境中使用的独立程序、模块、组件或子例程的任何形式部署。计算机程序可以但不需要对应于文件系统中的文件。程序可以存储在保存其它程序或数据的文件的一部分中,例如,在标记语言文档中存储的一个或多个脚本,存储在专用于所讨论程序的单个文件中,或者存储在多个协同文件(例如,存储一个或多个模块、子程序或代码的部分的文件)中。计算机程序可以被部署为在一个计算机上或者在位于一个站点处或跨多个站点分布并通过通信网络互连的多个计算机上执行。
虽然在各图中图示的程序部分可以被图示为使用各种对象、方法或其它处理来实现所描述的特征和功能性的单独组件(诸如单元或模块),但是程序可以替代的视情况包括多个子单元、子模块、第三方服务、组件、库和其它组件。相反,各种组件的特征和功能性可以视情况组合成单个组件。用于进行计算确定的阈值可以静态地、动态地或者既静态地又动态地确定。
所描述的方法、处理或逻辑流程表示与本公开一致的功能性的一个或多个示例,并且不旨在将本公开限制于所描述或图示的实现方式,而是要符合与所描述的原理和特征一致的最宽范围。所描述的方法、处理或逻辑流程可以由一个或多个可编程计算机来执行,所述可编程计算机执行一个或多个计算机程序,以通过对输入数据进行操作并生成输出数据来执行功能。方法、处理或逻辑流程也可以由专用逻辑电路来执行,并且计算机也可以被实现为专用逻辑电路,所述专用逻辑电路例如CPU、FPGA或ASIC。
用于计算机程序执行的计算机可以基于通用或专用微处理器、这两者或另外的类型的CPU。一般而言,CPU将从存储器接收指令和数据,并向存储器写入指令和数据。计算机的必要元件是用于实行或执行指令的CPU,以及用于存储指令和数据的一个或多个存储器装置。一般而言,计算机还将包括或操作性地耦合到用于存储数据的一个或多个大容量存储装置,从其接收数据或向其传递数据或者两者兼有,所述大容量存储装置例如磁盘、磁光盘或光盘。然而,计算机不需要具有这样的装置。此外,计算机可以嵌入在另一个装置中,所述另一个装置例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏控制台、全球定位系统(GPS)接收器或便携式存储器存储装置。
用于存储计算机程序指令和数据的非暂时性计算机可读介质可以包括所有形式的永久性/非永久性或易失性/非易失性存储器、介质和存储器装置,作为示例包括:半导体存储器装置,例如随机存取存储器(RAM)、只读存储器(ROM)、相变存储器(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)和闪速存储器装置;磁装置,例如磁带、卡盘、盒式磁带、内部/可移除磁盘;磁光盘;以及光学存储器装置,例如数字多功能/视频光盘(DVD)、致密盘(CD)-ROM、DVD+/-R、DVD-RAM、DVD-ROM、高清晰度/密度(HD)-DVD和BLU-RAY/BLU-RAY DISC(BD)以及其它光学存储器技术。存储器可以存储各种对象或数据,包括高速缓存、类、框架、应用、模块、备份数据、作业、网页、网页模板、数据结构、数据库表、存储动态信息的储存库、或其它适当的信息(包括任何参数、变量、算法、指令、规则、约束或引用)。附加地,存储器可以包括其它适当的数据,诸如日志、策略、安全或访问数据或报告文件。处理器和存储器可以由专用逻辑电路来补充或并入专用逻辑电路中。
为了提供与用户的交互,在本说明书中描述的主题的实现方式可以在计算机上实现,所述计算机具有:用于向用户显示信息的显示装置,例如CRT(阴极射线管)、LCD(液晶显示器)、LED(发光二极管)或等离子监视器;以及键盘和定点装置,例如鼠标、轨迹球或轨迹板,用户可以通过它们向计算机提供输入。也可以使用触摸屏向计算机提供输入,所述触摸屏诸如具有压力敏感度的平板计算机表面、使用电容或电传感的多点触摸屏或另外的类型的触摸屏。可以使用其它类型的装置来与用户交互。例如,提供给用户的反馈可以是任何形式的感官反馈(诸如,视觉、听觉、触觉或反馈类型的组合)。可以以任何形式接收来自用户的输入,包括听觉、语音或触觉输入。此外,计算机可以通过向用户使用的客户端计算装置发送文档和从该客户端计算装置接收文档(例如,通过响应于从web浏览器接收的请求而向用户的移动计算装置上的web浏览器发送网页)来与用户交互。
术语“图形用户界面”或“GUI”可以以单数或复数形式使用以描述一个或多个图形用户界面以及特定图形用户界面的每个显示。因此,GUI可以表示任何图形用户界面,包括但不限于web浏览器、触摸屏或处理信息并向用户高效地呈现信息结果的命令行界面(CLI)。一般而言,GUI可以包括一些或全部与web浏览器相关联的许多用户界面(UI)元素,诸如交互字段、下拉列表和按钮。这些和其它UI元素可以与web浏览器的功能相关或表示web浏览器的功能。
本说明书中描述的主题的实现方式可以在计算系统中实现,所述计算系统包括后端组件(例如作为数据服务器),或者包括中间件组件(例如应用服务器),或者包括前端组件(例如具有图形用户界面或Web浏览器的客户端计算机,用户可以通过该图形用户界面或Web浏览器与本说明书中描述的主题的实现方式进行交互),或者一个或多个这样的后端、中间件或前端组件的任何组合。系统的组件可以通过任何形式或介质的有线或无线数字数据通信(或数据通信的组合)、例如通信网络进行互连。通信网络的示例包括局域网(LAN)、无线接入网(RAN)、城域网(MAN)、广域网(WAN)、用于微波接入的全球互通(WIMAX)、使用例如802.11 a/b/g/n或802.20(或802.11x和802.20的组合或与本公开一致的其它协议)的无线局域网(WLAN)、互联网的全部或一部分、另外的通信网络或通信网络的组合。通信网络可以与例如互联网协议(IP)分组、帧中继帧、异步传输模式(ATM)信元、声音、视频、数据或网络节点之间的其它信息进行通信。
计算系统可以包括客户端和服务器。客户端和服务器一般彼此远离,并且典型地通过通信网络进行交互。客户端和服务器的关系凭借运行在相应计算机上且彼此具有客户端-服务器关系的计算机程序产生。
虽然本说明书包含许多具体的实现细节,但是这些不应该被解释为对任何发明的范围或对可以要求保护的内容的范围的限制,而是可以作为对特定发明的特定实现方式所特有的特征的描述。本说明书中在单独实现方式的上下文中描述的某些特征也可以在单个实现方式中组合实现。相反,在单个实现方式的上下文中描述的各种特征也可以在多个实现方式中单独地或者以任何子组合实现。此外,尽管先前描述的特征可以被描述为在某些组合中起作用,并且甚至最初被如此要求保护,但是在一些情况下,来自所要求保护的组合的一个或多个特征可以从该组合中删除,并且所要求保护的组合可以针对子组合或子组合的变型。
已经描述了主题的特定实现方式。如对本领域技术人员来说将显而易见的,所描述的实现方式的其它实现方式、变更和排列在以下权利要求的范围内。虽然在附图或权利要求中以特定顺序描绘了操作,但是这不应当被理解为要求以所示的特定顺序或以依次顺序执行这样的操作,或者要求执行所有图示的操作(一些操作可以被认为是可选的),以实现合期望的结果。在某些情况下,多任务或并行处理(或多任务和并行处理的组合)可能是有利的,并在认为适当时执行。
此外,先前描述的实现方式中的各种系统模块和组件的分离或集成不应该被理解为在所有实现方式中都要求这样的分离或集成,并且应该理解,所描述的程序组件和系统一般可以一起集成在单个软件产品中或者封装到多个软件产品中。
因此,先前描述的示例实现方式不定义或约束本公开。在不脱离本公开的精神和范围的情况下,其它改变、代替和变更也是可能的。
更进一步地,任何要求保护的实现方式都被认为至少适用于:计算机实现的方法;存储计算机可读指令以执行计算机实现的方法的非暂时性计算机可读介质;以及包括与硬件处理器可互操作地耦合的计算机存储器的计算机系统,所述硬件处理器被配置为执行计算机实现的方法或存储在非暂时性计算机可读介质上的指令。
方面1.一种设备控制系统,包括:
包括一件或多件装备的设备系统;和
控制所述设备系统的控制系统,所述控制系统包括一个或多个计算机和一个或多个计算机存储器装置,所述一个或多个计算机存储器装置与所述一个或多个计算机可互操作地耦合并且具有存储一个或多个指令的有形的、非暂时性的机器可读介质,所述一个或多个指令当由所述一个或多个计算机执行时,执行包括以下各项的操作:
接收设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;
确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;
基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:
设备系统的运行时状态与参考状态之间的状态差异,
设备系统的运行时输出与参考输出之间的输出差异,以及
应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异;
计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第一频谱相关性来确定可观察性异常指标,其中第一频谱相关性是在第一频率范围之上计算的,其中可观察性异常指标指示在设备控制系统中在可观察性方面出现异常的可能性,其中可观察性指示控制系统基于设备系统的所测量的输出来估计设备系统的状态的能力;
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第二频谱相关性来确定可观察性健康指标,其中第二频谱相关性是在第二频率范围之上计算的,其中可观察性健康指标指示设备控制系统在可观察性方面正常操作的可能性,并且其中第二频率范围不同于第一频率范围;以及
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第三频谱相关性来确定跟踪性能异常指标,其中第三频谱相关性是在第三频率范围之上计算的,其中跟踪性能异常指标指示在设备控制系统中在跟踪性能方面出现异常的可能性,并且其中跟踪性能测量控制系统跟踪设定点的能力。
方面2.方面1所述的设备控制系统,进一步包括:
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第四频谱相关性来确定跟踪性能健康指标,其中第四频谱相关性是在第四频率范围之上计算的,其中跟踪性能健康指标指示设备控制系统在跟踪性能方面正常操作的可能性,并且其中第四频率范围不同于第三频率范围。
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第五频谱关系来确定可控性异常指标,其中第五频谱相关性是在第五频率范围之内计算的,其中可控性异常指标指示在设备控制系统中在可控性方面出现异常的可能性,并且其中可控性指示控制系统影响设备系统的状态的能力;以及
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第六频谱关系来确定可控性健康指标,其中第六频谱相关性是在第六频率范围之上计算的,其中可控性健康指标指示设备控制系统在可控性方面正常操作的可能性,并且其中第五频率范围不同于第六频率范围。
方面3.任一前述方面所述的设备控制系统,其中设备系统进一步包括可操作来改变一件或多件装备的操作的一个或多个致动器,并且所述操作进一步包括向所述一个或多个致动器发送指令,以基于可观察性异常指标、可观察性健康指标、跟踪性能异常指标、跟踪性能健康指标、可控性异常指标或可控性健康指标中的至少一个来动态地改变所述一件或多件装备的操作。
方面4.任一前述方面所述的设备控制系统,其中:
设备系统包括阀;
所述一个或多个致动器包括对阀进行致动的阀致动器;并且
向所述一个或多个致动器发送指令以动态地改变所述一件或多件装备的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
方面5.任一前述方面所述的设备控制系统,其中状态差异的稳定性半径度量包括状态差异的稳定性半径和状态差异的稳定性半径的无因次改变率中的一个或两个,并且其中状态差异的稳定性半径包括状态差异的稳定性半径的一阶或多阶改变率。
方面6.任一前述方面所述的设备控制系统,其中输出差异的稳定性半径度量包括输出差异的稳定性半径和输出差异的稳定性半径的无因次改变率中的一个或两个,其中输出差异的稳定性半径包括输出差异的稳定性半径的一阶或多阶改变率。
方面7.任一前述方面所述的设备控制系统,其中控制动作差异的稳定性半径度量包括控制动作差异的稳定性半径和控制动作差异的稳定性半径的无因次改变率中的一个或两个,其中状态差异的稳定性半径包括控制动作差异的稳定性半径的一阶或多阶改变率。
方面8.任一前述方面所述的设备控制系统,其中频谱相关性包括相干性。
方面9.任一前述方面所述的设备控制系统,其中设备控制系统是具有分布式控制架构的全局系统的子系统,并且全局系统包括串联或并联的至少两个子系统,并且其中操作由所述至少两个子系统中的每一个在内部执行。
方面10.一种控制方法包括:
由包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的控制系统接收设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;
由控制系统确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;
由控制系统基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:
设备系统的运行时状态与参考状态之间的状态差异,和
设备系统的运行时输出与参考输出之间的输出差异;
计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第一频谱相关性来确定可观察性异常指标,其中第一频谱相关性是在第一频率范围之上计算的,其中可观察性异常指标指示在设备控制系统中在可观察性方面出现异常的可能性,其中可观察性指示控制系统基于设备系统的所测量的输出来估计设备系统的状态的能力;
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第二频谱相关性来确定可观察性健康指标,其中第二频谱相关性是在第二频率范围之上计算的,其中可观察性健康指标指示设备控制系统在可观察性方面正常操作的可能性,并且其中第二频率范围不同于第一频率范围;以及
基于可观察性异常指标和可观察性健康指标向设备系统的致动器发送指令以动态地改变设备系统的操作。
方面11.方面10所述的控制方法,其中可控性异常指标和可控性健康指标彼此独立。
方面12.方面10或方面11所述的控制方法,其中:
设备系统包括阀;
致动器包括对阀进行致动的阀致动器;并且
向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
方面13.方面10-12中的一个所述的控制方法,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小可观察性异常指标,增加可观察性健康指标,或者两者兼有。
方面14.一种控制方法,包括:
由包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的控制系统接收设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统和控制所述设备系统的控制系统,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;
确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;
基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:
设备系统的运行时输出与参考输出之间的输出差异,和
应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异;
计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第三频谱相关性来确定跟踪性能异常指标,其中第三频谱相关性是在第三频率范围之上计算的,其中跟踪性能异常指标指示在设备控制系统中在跟踪性能方面出现异常的可能性,并且其中跟踪性能测量控制系统跟踪设定点的能力;
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第四频谱相关性来确定跟踪性能健康指标,其中第四频谱相关性是在第四频率范围之上计算的,其中跟踪性能健康指标指示设备控制系统在跟踪性能方面正常操作的可能性,并且其中第四频率范围不同于第三频率范围;以及
基于跟踪性能异常指标和跟踪性能健康指标向设备系统的致动器发送指令以动态地改变设备系统的操作。
方面15.方面14所述的控制方法,其中跟踪性能异常指标和跟踪性能健康指标彼此独立。
方面16.方面14或方面15所述的控制方法,其中:
设备系统包括阀;
致动器包括对阀进行致动的阀致动器;并且
向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
方面17.方面14-16中的一个所述的控制方法,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小跟踪性能异常指标,增加跟踪性能健康指标,或者两者兼有。
方面18.一种存储一个或多个指令的非暂时性计算机可读介质,所述一个或多个指令可由控制系统的计算机系统执行以执行包括以下各项的操作,所述操作包括:
接收包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;
确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;
基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:
设备系统的运行时状态与参考状态之间的状态差异,和
应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异;
计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第五频谱关系来确定可控性异常指标,其中第五频谱相关性是在第五频率范围之内计算的,其中可控性异常指标指示在设备控制系统中在可控性方面出现异常的可能性,并且其中可控性指示控制系统影响设备系统的状态的能力;
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第六频谱关系来确定可控性健康指标,其中第六频谱相关性是在第六频率范围之上计算的,其中可控性健康指标指示设备控制系统在可控性方面正常操作的可能性,并且其中第五频率范围不同于第六频率范围;以及
基于可控性异常指标和可控性健康指标向设备系统的致动器发送指令以动态地改变设备系统的操作。
方面19.方面18所述的非暂时性计算机可读介质,其中可控性异常指标和可控性健康指标彼此独立。
方面20.方面18或方面19所述的非暂时性计算机可读介质,其中:
设备系统包括阀;
致动器包括对阀进行致动的阀致动器;并且
向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
方面21.方面18-20中的一个所述的非暂时性计算机可读介质,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小可控性异常指标,增加可控性健康指标,或者两者兼有。
Claims (21)
1.一种设备控制系统,包括:
包括一件或多件装备的设备系统;和
控制所述设备系统的控制系统,所述控制系统包括一个或多个计算机和一个或多个计算机存储器装置,所述一个或多个计算机存储器装置与所述一个或多个计算机可互操作地耦合并且具有存储一个或多个指令的有形的、非暂时性的机器可读介质,所述一个或多个指令当由所述一个或多个计算机执行时,执行包括以下各项的操作:
接收设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;
确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;
基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:
设备系统的运行时状态与参考状态之间的状态差异,
设备系统的运行时输出与参考输出之间的输出差异,以及
应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异;
计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第一频谱相关性来确定可观察性异常指标,其中第一频谱相关性是在第一频率范围之上计算的,其中可观察性异常指标指示在设备控制系统中在可观察性方面出现异常的可能性,其中可观察性指示控制系统基于设备系统的所测量的输出来估计设备系统的状态的能力;
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第二频谱相关性来确定可观察性健康指标,其中第二频谱相关性是在第二频率范围之上计算的,其中可观察性健康指标指示设备控制系统在可观察性方面正常操作的可能性,并且其中第二频率范围不同于第一频率范围;以及
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第三频谱相关性来确定跟踪性能异常指标,其中第三频谱相关性是在第三频率范围之上计算的,其中跟踪性能异常指标指示在设备控制系统中在跟踪性能方面出现异常的可能性,并且其中跟踪性能测量控制系统跟踪设定点的能力。
2.根据权利要求1所述的设备控制系统,进一步包括:
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第四频谱相关性来确定跟踪性能健康指标,其中第四频谱相关性是在第四频率范围之上计算的,其中跟踪性能健康指标指示设备控制系统在跟踪性能方面正常操作的可能性,并且其中第四频率范围不同于第三频率范围,
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第五频谱关系来确定可控性异常指标,其中第五频谱相关性是在第五频率范围之内计算的,其中可控性异常指标指示在设备控制系统中在可控性方面出现异常的可能性,并且其中可控性指示控制系统影响设备系统的状态的能力;以及
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第六频谱关系来确定可控性健康指标,其中第六频谱相关性是在第六频率范围之上计算的,其中可控性健康指标指示设备控制系统在可控性方面正常操作的可能性,并且其中第五频率范围不同于第六频率范围。
3.根据任一前述权利要求所述的设备控制系统,其中设备系统进一步包括可操作来改变一件或多件装备的操作的一个或多个致动器,并且所述操作进一步包括向所述一个或多个致动器发送指令,以基于可观察性异常指标、可观察性健康指标、跟踪性能异常指标、跟踪性能健康指标、可控性异常指标或可控性健康指标中的至少一个来动态地改变所述一件或多件装备的操作。
4.根据任一前述权利要求所述的设备控制系统,其中:
设备系统包括阀;
所述一个或多个致动器包括对阀进行致动的阀致动器;并且
向所述一个或多个致动器发送指令以动态地改变所述一件或多件装备的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
5.根据任一前述权利要求所述的设备控制系统,其中状态差异的稳定性半径度量包括状态差异的稳定性半径和状态差异的稳定性半径的无因次改变率中的一个或两个,并且其中状态差异的稳定性半径包括状态差异的稳定性半径的一阶或多阶改变率。
6.根据任一前述权利要求所述的设备控制系统,其中输出差异的稳定性半径度量包括输出差异的稳定性半径和输出差异的稳定性半径的无因次改变率中的一个或两个,其中输出差异的稳定性半径包括输出差异的稳定性半径的一阶或多阶改变率。
7.根据任一前述权利要求所述的设备控制系统,其中控制动作差异的稳定性半径度量包括控制动作差异的稳定性半径和控制动作差异的稳定性半径的无因次改变率中的一个或两个,其中状态差异的稳定性半径包括控制动作差异的稳定性半径的一阶或多阶改变率。
8.根据任一前述权利要求所述的设备控制系统,其中频谱相关性包括相干性。
9.根据任一前述权利要求所述的设备控制系统,其中设备控制系统是具有分布式控制架构的全局系统的子系统,并且全局系统包括串联或并联的至少两个子系统,并且其中操作由所述至少两个子系统中的每一个在内部执行。
10.一种控制方法,包括:
由包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的控制系统接收设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;
由控制系统确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;
由控制系统基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:
设备系统的运行时状态与参考状态之间的状态差异,和
设备系统的运行时输出与参考输出之间的输出差异;
计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第一频谱相关性来确定可观察性异常指标,其中第一频谱相关性是在第一频率范围之上计算的,其中可观察性异常指标指示在设备控制系统中在可观察性方面出现异常的可能性,其中可观察性指示控制系统基于设备系统的所测量的输出来估计设备系统的状态的能力;
基于输出差异的稳定性半径度量与状态差异的稳定性半径度量之间的第二频谱相关性来确定可观察性健康指标,其中第二频谱相关性是在第二频率范围之上计算的,其中可观察性健康指标指示设备控制系统在可观察性方面正常操作的可能性,并且其中第二频率范围不同于第一频率范围;以及
基于可观察性异常指标和可观察性健康指标向设备系统的致动器发送指令以动态地改变设备系统的操作。
11.根据权利要求10所述的控制方法,其中可控性异常指标和可控性健康指标彼此独立。
12.根据权利要求10或权利要求11所述的控制方法,其中:
设备系统包括阀;
致动器包括对阀进行致动的阀致动器;并且
向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
13.根据权利要求10-12中的一项所述的控制方法,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小可观察性异常指标,增加可观察性健康指标,或者两者兼有。
14.一种控制方法,包括:
由包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的控制系统接收设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统和控制所述设备系统的控制系统,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;
确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;
基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:
设备系统的运行时输出与参考输出之间的输出差异,和
应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异;
计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第三频谱相关性来确定跟踪性能异常指标,其中第三频谱相关性是在第三频率范围之上计算的,其中跟踪性能异常指标指示在设备控制系统中在跟踪性能方面出现异常的可能性,并且其中跟踪性能测量控制系统跟踪设定点的能力;
基于输出差异的稳定性半径度量与控制动作差异的稳定性半径度量之间的第四频谱相关性来确定跟踪性能健康指标,其中第四频谱相关性是在第四频率范围之上计算的,其中跟踪性能健康指标指示设备控制系统在跟踪性能方面正常操作的可能性,并且其中第四频率范围不同于第三频率范围;以及
基于跟踪性能异常指标和跟踪性能健康指标向设备系统的致动器发送指令以动态地改变设备系统的操作。
15.根据权利要求14所述的控制方法,其中跟踪性能异常指标和跟踪性能健康指标彼此独立。
16.根据权利要求14或权利要求15所述的控制方法,其中:
设备系统包括阀;
致动器包括对阀进行致动的阀致动器;并且
向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
17.根据权利要求14-16中的一项所述的控制方法,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小跟踪性能异常指标,增加跟踪性能健康指标,或者两者兼有。
18.一种存储一个或多个指令的非暂时性计算机可读介质,所述一个或多个指令可由控制系统的计算机系统执行以执行包括以下各项的操作,所述操作包括:
接收包括设备系统和控制所述设备系统的控制系统在内的设备控制系统的操作点的运行时条件,操作点的运行时条件包括设备系统的运行时状态、设备系统的运行时输出和应用于设备系统的运行时控制动作;
确定对应于操作点的参考点的参考条件,参考点的参考条件包括设备系统的参考状态、设备系统的参考输出和应用于设备系统的参考控制动作;
基于参考条件和运行时条件计算参考点与操作点之间的差异,所述差异包括:
设备系统的运行时状态与参考状态之间的状态差异,和
应用于设备系统的运行时控制动作与参考控制动作之间的控制动作差异;
计算状态差异的稳定性半径度量、输出差异的稳定性半径度量和控制动作差异的稳定性半径度量;
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第五频谱关系来确定可控性异常指标,其中第五频谱相关性是在第五频率范围之上计算的,其中可控性异常指标指示在设备控制系统中在可控性方面出现异常的可能性,并且其中可控性指示控制系统影响设备系统的状态的能力;
基于控制动作差异的稳定性半径度量与状态差异的稳定性半径之间的第六频谱关系来确定可控性健康指标,其中第六频谱相关性是在第六频率范围之上计算的,其中可控性健康指标指示设备控制系统在可控性方面正常操作的可能性,并且其中第五频率范围不同于第六频率范围;以及
基于可控性异常指标和可控性健康指标向设备系统的致动器发送指令以动态地改变设备系统的操作。
19.根据权利要求18所述的非暂时性计算机可读介质,其中可控性异常指标和可控性健康指标彼此独立。
20.根据权利要求18或权利要求19所述的非暂时性计算机可读介质,其中:
设备系统包括阀;
致动器包括对阀进行致动的阀致动器;并且
向设备系统的致动器发送指令以动态地改变设备系统的操作包括向设备系统的阀致动器发送指令以动态地改变设备系统的阀的定位。
21.根据权利要求18-20中的一项所述的非暂时性计算机可读介质,其中所述指令引起设备系统的致动器动态地改变设备系统的操作,以减小可控性异常指标,增加可控性健康指标,或者两者兼有。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/906924 | 2018-02-27 | ||
US15/906,924 US10642262B2 (en) | 2018-02-27 | 2018-02-27 | Anomaly detection and anomaly-based control |
PCT/US2019/018536 WO2019168711A1 (en) | 2018-02-27 | 2019-02-19 | Anomaly detection and anomaly-based control |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111989630A true CN111989630A (zh) | 2020-11-24 |
Family
ID=65686941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980027845.0A Pending CN111989630A (zh) | 2018-02-27 | 2019-02-19 | 异常检测和基于异常的控制 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10642262B2 (zh) |
EP (1) | EP3759559B1 (zh) |
CN (1) | CN111989630A (zh) |
WO (1) | WO2019168711A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11947671B2 (en) | 2021-09-15 | 2024-04-02 | Nanotronics Imaging, Inc. | Method, systems and apparatus for intelligently emulating factory control systems and simulating response data |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6682411B2 (ja) * | 2016-09-16 | 2020-04-15 | 横河電機株式会社 | プラント状態表示装置、プラント状態表示システム、及びプラント状態表示方法 |
US10642262B2 (en) | 2018-02-27 | 2020-05-05 | Woodward, Inc. | Anomaly detection and anomaly-based control |
CN109143868B (zh) * | 2018-09-28 | 2021-08-31 | 东南大学 | 一种针对电子节气门系统的非线性抗干扰控制方法及装置 |
US11440677B2 (en) * | 2018-11-16 | 2022-09-13 | Rolls-Royce Corporation | Secured backup feature for an embedded system |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK143994A (da) * | 1993-12-17 | 1995-06-18 | Kobe Steel Ltd | Fremgangsmåder til detektering af abnormalitet, bestemmelse af stabilitetsgrad og driftsstyring, til brug ved mekanisk udstyr |
SE9704787D0 (sv) * | 1997-12-19 | 1997-12-19 | Volvo Constr Equip Components | Metod för att analysera tillståndet hos en apparat |
GB0916172D0 (en) * | 2009-09-15 | 2009-10-28 | Bombardier Transp Gmbh | Suspension failure detection in a rail vehicle |
US20110144657A1 (en) * | 2009-12-11 | 2011-06-16 | Fish Jeffrey M | Systems and methods for determining the likelihood of endocardial barotrauma in tissue during ablation |
CN104390776A (zh) * | 2014-12-10 | 2015-03-04 | 北京航空航天大学 | 一种多余度副翼作动器故障检测、诊断与性能评估方法 |
WO2015139709A1 (en) * | 2014-03-19 | 2015-09-24 | Northern Vo Aps | Method and system for monitoring a vehicle |
DE102014103688A1 (de) * | 2014-03-18 | 2015-09-24 | Khs Gmbh | Vorrichtung sowie Verfahren zur Fehlererkennung in Maschinen |
US20160330225A1 (en) * | 2014-01-13 | 2016-11-10 | Brightsource Industries (Israel) Ltd. | Systems, Methods, and Devices for Detecting Anomalies in an Industrial Control System |
JP2017102620A (ja) * | 2015-11-30 | 2017-06-08 | オムロン株式会社 | 監視装置、監視システム、監視プログラムおよび記録媒体 |
DK179018B1 (en) * | 2016-03-14 | 2017-08-21 | Ventus Eng Gmbh | Method of condition monitoring one or more wind turbines and parts thereof and performing instant alarm when needed |
US20170269562A1 (en) * | 2016-03-15 | 2017-09-21 | Honeywell International Inc. | Remote data analytics to predict system components or device failure |
US20180016983A1 (en) * | 2015-02-03 | 2018-01-18 | Mitsubishi Hitachi Power Systems, Ltd. | State determining device, operation controlling device, gas turbine, and state determining method |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3958109A (en) | 1975-01-20 | 1976-05-18 | The United States Of America As Represented By The Secretary Of The Navy | Universal modularized digital controller |
US5043863A (en) | 1987-03-30 | 1991-08-27 | The Foxboro Company | Multivariable adaptive feedforward controller |
US5394322A (en) | 1990-07-16 | 1995-02-28 | The Foxboro Company | Self-tuning controller that extracts process model characteristics |
US5869945A (en) | 1996-02-06 | 1999-02-09 | Raytheon Ti Systems, Inc. | Infrared scanner |
KR19990033511A (ko) | 1997-10-24 | 1999-05-15 | 전주범 | 가상 현실 운동 재현기의 구동 제어 장치 |
BR0205088A (pt) * | 2001-04-20 | 2003-06-17 | Honda Motor Co Ltd | Sistema de controle para planta |
US8041436B2 (en) | 2002-04-18 | 2011-10-18 | Cleveland State University | Scaling and parameterizing a controller |
US7266426B2 (en) | 2002-12-16 | 2007-09-04 | Rockwell Automation Technologies, Inc. | Autonomous control unit-based control system capable of active diagnostics |
US6941177B2 (en) * | 2002-12-17 | 2005-09-06 | Xerox Corporation | System and method for implementing real-time applications based on stochastic compute time algorithms |
WO2005063006A1 (en) | 2003-12-19 | 2005-07-14 | Teletrol Systems, Inc. | System and method for monitoring and controlling an aquatic environment |
US7502715B1 (en) | 2004-09-21 | 2009-03-10 | Asml Netherlands B.V | Observability in metrology measurements |
US20060101402A1 (en) * | 2004-10-15 | 2006-05-11 | Miller William L | Method and systems for anomaly detection |
EP2447792A1 (en) * | 2005-09-19 | 2012-05-02 | Cleveland State University | Controllers, observer, and applications thereof |
US7818276B2 (en) | 2006-02-03 | 2010-10-19 | Recherche 2000 Inc. | Intelligent monitoring system and method for building predictive models and detecting anomalies |
US7966104B2 (en) | 2007-03-26 | 2011-06-21 | Siemens Corporation | Apparatus and method for the control of the indoor thermal environment having feed forward and feedback control using adaptive reference models |
US7756593B2 (en) | 2007-08-14 | 2010-07-13 | International Business Machines Corporation | Anomaly anti-pattern |
CN101599803B (zh) | 2008-06-05 | 2012-08-29 | 昂纳信息技术(深圳)有限公司 | 一种光放大器的自适应前馈控制装置和方法 |
US8200347B2 (en) | 2009-01-22 | 2012-06-12 | Mitsubishi Electric Research Laboratories, Inc. | Method and apparatus for hybrid resetting states proportional-integral-derivative and lag controllers |
US10277683B2 (en) * | 2009-03-16 | 2019-04-30 | Apple Inc. | Multifunctional devices as virtual accessories |
US9372774B2 (en) * | 2013-05-22 | 2016-06-21 | GM Global Technology Operations LLC | Redundant computing architecture |
US9404426B2 (en) * | 2013-12-31 | 2016-08-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US10481565B2 (en) | 2014-11-11 | 2019-11-19 | Applied Brain Research Inc. | Methods and systems for nonlinear adaptive control and filtering |
ES2906411T3 (es) * | 2015-06-29 | 2022-04-18 | Suez Groupe | Procedimiento de detección de anomalías en un sistema de distribución de agua |
EP3449323A4 (en) * | 2016-04-28 | 2020-04-01 | Veritone Alpha, Inc. | USE OF PREDICTIONS TO CONTROL TARGET SYSTEMS |
US20180284746A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for data collection optimization in an industrial internet of things environment |
US10534328B2 (en) * | 2016-06-21 | 2020-01-14 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
WO2018049426A1 (en) * | 2016-09-12 | 2018-03-15 | Sitime Corporation | Frequency-modulating sensor array |
US10642262B2 (en) | 2018-02-27 | 2020-05-05 | Woodward, Inc. | Anomaly detection and anomaly-based control |
-
2018
- 2018-02-27 US US15/906,924 patent/US10642262B2/en active Active
-
2019
- 2019-02-19 EP EP19709601.9A patent/EP3759559B1/en active Active
- 2019-02-19 WO PCT/US2019/018536 patent/WO2019168711A1/en unknown
- 2019-02-19 CN CN201980027845.0A patent/CN111989630A/zh active Pending
- 2019-10-25 US US16/664,289 patent/US10921798B2/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK143994A (da) * | 1993-12-17 | 1995-06-18 | Kobe Steel Ltd | Fremgangsmåder til detektering af abnormalitet, bestemmelse af stabilitetsgrad og driftsstyring, til brug ved mekanisk udstyr |
SE9704787D0 (sv) * | 1997-12-19 | 1997-12-19 | Volvo Constr Equip Components | Metod för att analysera tillståndet hos en apparat |
GB0916172D0 (en) * | 2009-09-15 | 2009-10-28 | Bombardier Transp Gmbh | Suspension failure detection in a rail vehicle |
US20110144657A1 (en) * | 2009-12-11 | 2011-06-16 | Fish Jeffrey M | Systems and methods for determining the likelihood of endocardial barotrauma in tissue during ablation |
US20160330225A1 (en) * | 2014-01-13 | 2016-11-10 | Brightsource Industries (Israel) Ltd. | Systems, Methods, and Devices for Detecting Anomalies in an Industrial Control System |
DE102014103688A1 (de) * | 2014-03-18 | 2015-09-24 | Khs Gmbh | Vorrichtung sowie Verfahren zur Fehlererkennung in Maschinen |
WO2015139709A1 (en) * | 2014-03-19 | 2015-09-24 | Northern Vo Aps | Method and system for monitoring a vehicle |
CN104390776A (zh) * | 2014-12-10 | 2015-03-04 | 北京航空航天大学 | 一种多余度副翼作动器故障检测、诊断与性能评估方法 |
US20180016983A1 (en) * | 2015-02-03 | 2018-01-18 | Mitsubishi Hitachi Power Systems, Ltd. | State determining device, operation controlling device, gas turbine, and state determining method |
JP2017102620A (ja) * | 2015-11-30 | 2017-06-08 | オムロン株式会社 | 監視装置、監視システム、監視プログラムおよび記録媒体 |
DK179018B1 (en) * | 2016-03-14 | 2017-08-21 | Ventus Eng Gmbh | Method of condition monitoring one or more wind turbines and parts thereof and performing instant alarm when needed |
US20170269562A1 (en) * | 2016-03-15 | 2017-09-21 | Honeywell International Inc. | Remote data analytics to predict system components or device failure |
Non-Patent Citations (1)
Title |
---|
余晟;张海祥;宋宏江;何晓宇;闫金栋;: "基于推演式聚类学习算法的卫星健康状态监视系统", 航天器工程, no. 05 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11947671B2 (en) | 2021-09-15 | 2024-04-02 | Nanotronics Imaging, Inc. | Method, systems and apparatus for intelligently emulating factory control systems and simulating response data |
Also Published As
Publication number | Publication date |
---|---|
EP3759559A1 (en) | 2021-01-06 |
US20200057433A1 (en) | 2020-02-20 |
WO2019168711A1 (en) | 2019-09-06 |
US10642262B2 (en) | 2020-05-05 |
US20190265688A1 (en) | 2019-08-29 |
US10921798B2 (en) | 2021-02-16 |
EP3759559B1 (en) | 2022-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111989630A (zh) | 异常检测和基于异常的控制 | |
JP6941965B2 (ja) | 産業資産制御システム用のドメインレベル脅威検出 | |
JP7240071B2 (ja) | 無人航空機のサイバー攻撃検出、位置特定、および中和 | |
US10805329B2 (en) | Autonomous reconfigurable virtual sensing system for cyber-attack neutralization | |
US10417415B2 (en) | Automated attack localization and detection | |
US10594712B2 (en) | Systems and methods for cyber-attack detection at sample speed | |
US11693763B2 (en) | Resilient estimation for grid situational awareness | |
US11146579B2 (en) | Hybrid feature-driven learning system for abnormality detection and localization | |
EP3804268B1 (en) | System and method for anomaly and cyber-threat detection in a wind turbine | |
US10990668B2 (en) | Local and global decision fusion for cyber-physical system abnormality detection | |
US20180137277A1 (en) | Dynamic normalization of monitoring node data for threat detection in industrial asset control system | |
US11170314B2 (en) | Detection and protection against mode switching attacks in cyber-physical systems | |
US11252169B2 (en) | Intelligent data augmentation for supervised anomaly detection associated with a cyber-physical system | |
US20190222596A1 (en) | Reliable cyber-threat detection in rapidly changing environments | |
US11005870B2 (en) | Framework to develop cyber-physical system behavior-based monitoring | |
US11411983B2 (en) | Dynamic, resilient sensing system for automatic cyber-attack neutralization | |
US20210084056A1 (en) | Replacing virtual sensors with physical data after cyber-attack neutralization | |
Rath et al. | Behind closed doors: Process-level rootkit attacks in cyber-physical microgrid systems | |
Alwi et al. | Second order sliding mode observers for the ADDSAFE actuator benchmark problem | |
US11432054B2 (en) | Fire water network leak detection system | |
US10983513B1 (en) | Automated algorithm and real-time system to detect MPFM preventive maintenance activities | |
EP4162329A2 (en) | Predictive pressure protection system | |
Sonti | A Unified Method for Detecting and Isolating Process Faults and Sensor Faults in Nonlinear Systems |
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 |