CN113544610A - 用于通过将参数映射到较低维度空间来监测过程动态行为的变化的系统和方法 - Google Patents
用于通过将参数映射到较低维度空间来监测过程动态行为的变化的系统和方法 Download PDFInfo
- Publication number
- CN113544610A CN113544610A CN202080017933.5A CN202080017933A CN113544610A CN 113544610 A CN113544610 A CN 113544610A CN 202080017933 A CN202080017933 A CN 202080017933A CN 113544610 A CN113544610 A CN 113544610A
- Authority
- CN
- China
- Prior art keywords
- process data
- dimensional space
- change
- data
- parameters
- 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
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
-
- 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
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
-
- 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
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- 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
- G05B2219/33—Director till display
- G05B2219/33051—BBC behavior based control, stand alone module, cognitive, independent agent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开提供了一种方法,该方法包括采集(601)在工业过程控制和自动化系统(100)中收集的过程数据。该方法还包括通过将该过程数据的两个或更多个参数(405,410,415)组合或检查该过程数据的频率响应来缩减(603)该过程数据的维度空间。该方法还包括基于经缩减的维度空间中的过程数据的变化来确定(605)过程的变化。该方法还包括基于所确定的过程的变化来输出(607)结果。
Description
技术领域
本公开整体涉及工业过程控制和自动化系统。更具体地,本公开涉及用于通过将参数映射到较低维度空间来监测过程动态行为的变化的系统和方法。
背景技术
工业过程控制和自动化系统常常用于使大型且复杂的工业过程自动化。这些类型的系统通常包括传感器、致动器和控制器。控制器中的一些控制器通常从传感器接收测量结果并且生成用于致动器的控制信号。其他控制器通常执行较高级别的功能,诸如规划、调度和优化操作。
在工业过程中生产的产品的质量通常很大程度上取决于是否具有供该过程很好地操作的自动控制系统。大多数自动控制回路或多变量控制器具有与过程的动态行为相适应的调谐参数。当这些调谐参数被正确地调整时,控制器采取良好的动作,该过程受到良好的控制并且生产出高质量的产品。然而,如果过程的动态行为发生变化,则可能需要重新调谐控制器以避免控制性能的劣化和随之而来的低质量生产。
发明内容
本公开提供了用于通过将参数映射到较低维度空间来监测过程动态行为的变化的系统和方法。
在第一实施方案中,一种方法包括采集在工业过程控制和自动化系统中收集的过程数据。该方法还包括通过将该过程数据的两个或更多个参数组合或检查该过程数据的频率响应来缩减该过程数据的维度空间。该方法还包括基于经缩减的维度空间中的过程数据的变化来确定过程的变化。该方法还包括基于所确定的过程的变化来输出结果。
在第二实施方案中,一种装置包括至少一个处理设备。该至少一个处理设备被配置为采集在工业过程控制和自动化系统中收集的过程数据;通过将该过程数据的两个或更多个参数组合或检查该过程数据的频率响应来缩减该过程数据的维度空间;基于经缩减的维度空间中的该过程数据的变化来确定过程的变化;以及基于所确定的该过程的变化来输出结果。
在第三实施方案中,一种非暂态计算机可读介质包含指令,这些指令在被执行时致使至少一个处理设备采集工业过程控制和自动化系统中收集的过程数据;通过将该过程数据的两个或更多个参数组合或检查该过程数据的频率响应来缩减该过程数据的维度空间;基于经缩减的维度空间中的该过程数据的变化来确定过程的变化;并且基于所确定的该过程的变化来输出结果。
从以下附图、描述和权利要求书中,其他技术特征对本领域的技术人员是显而易见的。
附图说明
为了更完整地理解本公开,现在结合附图参考以下描述,在附图中:
图1示出了根据本公开的示例性工业过程控制和自动化系统;
图2示出了根据本公开的示出用于单输入单输出系统的常规过程数据的示例的图表;
图3示出了根据本公开的示例性波特图;
图4示出了根据本公开的示出了在过程期间的一段时间内周期性地进行的一阶加纯滞后过程模型参数估计值的图表;
图5示出了根据本公开的支持用于通过将参数映射到较低维度空间来监测过程动态行为的变化的方法的示例性设备;并且
图6示出了根据本公开的用于通过将参数映射到较低维度空间来监测过程动态行为的变化的示例性方法。
具体实施方式
下文所讨论的附图以及用于描述本发明在该专利文献中的原理的各种实施方案仅以例证的方式进行,并且不应理解为以任何方式限制本发明的范围。本领域的技术人员将理解,本发明的原理可在任何类型的适当布置的设备或系统中实现。
图1示出了根据本公开的示例性工业过程控制和自动化系统100。如图1所示,系统100包括有利于生产或加工至少一种产品或其他材料的各种部件。例如,系统100可用于有利于对一个或多个工业厂房中的部件的控制。每个工厂表示一个或多个加工设施(或其一个或多个部分),诸如用于生产至少一种产品或其他材料的一个或多个制造设施。一般来说,每个工厂可实现一个或多个工业过程并且可单独地或共同地称为过程系统。过程系统通常表示被配置为以某种方式加工一种或多种产品或其他材料的其任何系统或部分。
在图1中,系统100包括一个或多个传感器102a和一个或多个致动器102b。传感器102a和致动器102b表示过程系统中可执行各种各样的功能中的任一种功能的部件。例如,传感器102a可以测量过程系统中的各种各样的特性,诸如压力、温度或流速。另外,致动器102b可以改变过程系统中的各种各样的特性。传感器102a中的每个传感器包括用于测量过程系统中的一个或多个特性的任何合适的结构。致动器102b中的每个致动器包括用于在过程系统中对一个或多个条件进行操作或影响的任何合适的结构。
至少一个网络104耦接到传感器102a和致动器102b。网络104有利于与传感器102a和致动器102b的交互。例如,网络104可传输来自传感器102a的测量数据并且向致动器102b提供控制信号。网络104可表示任何合适的网络或网络的组合。作为特定示例,网络104可表示至少一个以太网网络、电信号网络(诸如HART网络)、气动控制信号网络、或任何其他或额外类型的网络。
系统100还包括各种控制器106。可在系统100中使用控制器106以执行各种功能以便控制一个或多个工业过程。例如,第一组控制器106可使用来自一个或多个传感器102a的测量结果来控制对一个或多个致动器102b的操作。第二组控制器106可用于优化由第一组控制器执行的控制逻辑或其他操作。第三组控制器106可用于执行额外的功能。控制器106可经由一个或多个网络108和相关联的交换机、防火墙和其他部件进行通信。
每个控制器106包括用于控制工业过程的一个或多个方面的任何合适的结构。例如,控制器106中的至少一些控制器可以表示比例积分微分(PID)控制器或多变量控制器,诸如实现模型预测控制或其他高级预测控制的控制器。作为特定示例,每个控制器106可表示运行实时操作系统、WINDOWS操作系统或其他操作系统的计算设备。
操作者对系统100的控制器106和其他部件的访问和交互可经由各种操作者控制台110发生。每个操作者控制台110可用于向操作者提供信息并且从操作者接收信息。例如,每个操作者控制台110可向操作者提供识别工业过程的当前状态的信息,诸如与工业过程相关联的各种过程变量的值以及警报。每个操作者控制台110也可接收影响如何控制工业过程的信息,诸如通过接收由控制器106控制的过程变量的设定值或控制模式或者接收改变或影响控制器106如何控制工业过程的其他信息。每个操作者控制台110包括用于向操作者显示信息以及与操作者进行交互的任何合适的结构。例如,每个操作者控制台110可表示运行WINDOWS操作系统或其他操作系统的计算设备。
多个操作者控制台110可组合在一起并在一个或多个控制室112中使用。每个控制室112可包括以任何合适的布置方式布置的任意数量的操作者控制台110。在一些实施方案中,可使用多个控制室112来控制工业厂房,诸如,当每个控制室112包含用于管理工业厂房的分立部分的操作者控制台110时。
控制和自动化系统100还包括至少一个历史数据库114和一个或多个服务器116。历史数据库114表示存储关于系统100的各种信息的部件。历史数据库114可例如存储在对一个或多个工业过程的控制期间由各个控制器106所生成的信息。历史数据库114包括用于存储信息和有利于信息检索的任何合适的结构。虽然此处被示为单个部件,但历史数据库114可位于系统100中的其他位置,或者多个历史数据库可分布于系统100中的不同位置。
每个服务器116表示执行针对操作者控制台110的用户的应用程序或其他应用程序的计算设备。应用程序可用于支持针对系统100的操作者控制台110、控制器106或其他部件的各种功能。每个服务器116可表示运行WINDOWS操作系统或其他操作系统的计算设备。需注意,虽然被示为本地地位于控制和自动化系统100内,但服务器116、历史数据库114或该两者的功能可远离控制和自动化系统100。例如,可以在经由网关120通信地耦接到控制和自动化系统100的计算云118或远程服务器中实现服务器116和/或历史数据库114的功能。
一般来讲,在工业过程中生产的产品的质量通常很大程度上取决于是否具有供该过程很好地操作的自动控制系统。大多数自动控制回路或多变量控制器具有与过程的动态行为相适应的调谐参数。当这些调谐参数被正确地调整时,控制器采取良好的动作,该过程受到良好的控制并且生产出高质量的产品。然而,如果过程的动态行为发生变化,则可能需要重新调谐控制器以避免控制性能的劣化和随之而来的低质量生产。
工业过程控制和自动化系统(诸如系统100)的行为和操作可使用一个或多个过程模型来建模。出于许多原因,准确的过程模型可能是有益的或需要的。例如,过程模型可用于对过程进行预测或用于调谐控制器。确定过程行为何时发生显著变化通常是一个困难问题。对于许多工业过程,过程模型参数是根据数据估计的,并且在估计中使用的数据通常来自设计用于创建富含信息的数据的计划实验。如果过程随时间发生变化,则可能需要重新识别过程模型。然而,计划实验可能是耗时的并且可能具有产品质量风险。因此,存在能够确定过程行为何时发生变化的强烈动机,使得可以仅在必要时进行实验。
一些过程行为监测技术涉及基于常规过程数据周期性地估计过程模型参数。随时间推移对这些参数估计值进行监测,并且当检测到与标称值的显著偏差时,得出过程行为已发生变化的结论。然而,当过程数据嘈杂时,模型参数估计值也可能嘈杂。当存在多个参数时,估计值的可变性可使得很难确定何时已发生值的显著偏移。一般来讲,存在的参数越多,检测变化就越困难。
为了解决这些和其他问题,本公开的实施方案提供了用于通过将参数映射到较低维度空间来监测过程动态行为的变化的系统和方法。本发明所公开的实施方案考虑到,当参数之间存在相关性时,可使用维度缩减来使得行为偏移更易于检测。为此,缩减参数空间的维度以简化检测与标称值的偏差的任务。本发明所公开的实施方案采用一种或多种技术以通过监测较低维度空间中的过程模型参数估计值来确定过程行为何时已发生变化。
可使用多种参数空间缩减技术。在第一种技术中,可将时间延迟和时间常数参数添加在一起以创建所得的组合响应时间参数。已发现该组合参数不及单个参数那么易变。在第二种技术中,可检查过程模型的频率响应。可以查看关键频率(诸如标称模型的截止频率)处的增益和相移。这将参数空间缩减成两个参数,该两个参数可随时间推移受到监测。使用这些技术中的任一种,将模型的参数空间缩减成嘈杂度降低的两个参数。在一些实施方案中,图1中的一个或多个部件(诸如操作者控制台110、历史数据库114、服务器116或计算云118)可被配置为执行这些操作。
本发明所公开的实施方案使得具有更少且更稳定的用于监测的参数,这使得监测更容易且更可能检测到过程行为的变化。一旦检测到过程行为的变化,就可触发人为干预或自动干预以进行工厂实验,从而生成更准确的过程模型,以用于控制器重新调谐和维护良好的过程控制。这些有益效果代表了优于常规系统的技术优点,在常规系统中嘈杂数据掩盖了过程行为的变化。下文提供关于本发明所公开的实施方案的附加细节。
虽然图1示出了工业过程控制和自动化系统100的一个示例,但是可以对图1作出各种更改。例如,系统100可以包括任意数量的传感器、致动器、控制器、网络、操作者站、控制室、历史数据库、服务器和其他部件。另外,图1中的系统100的组成和布置方式仅用于例证。部件可根据特定需要添加、省略、组合、进一步细分或以任何其他合适的配置放置。此外,特定功能已被描述为由系统100的特定部件执行。这仅用于例证。一般来说,控制系统和自动化系统是高度可配置的,并且可根据特定需要以任何合适的方式来配置。此外,图1示出了一个示例性操作环境,其中可通过将参数映射到较低维度空间来监测过程动态行为的变化。此功能可在任何其他合适的系统中使用。
现在将更详细地描述上文讨论的第一技术和第二技术。
技术1:使用过程响应时间来表示高阶过程动态。
在第一种技术中,可使用过程响应时间来表示高阶过程动态。过程响应时间可被定义为过程阶跃响应达到其最终值的63.2%所花费的时间。就一阶加纯滞后模型而言,过程响应时间为时间常数和时间延迟的总和。就高阶模型而言,可模拟阶跃响应以确定过程响应时间。具体地,可将高阶模型缩减成响应时间。
过程P可通过例如微分方程的线性系统来建模,该微分方程的线性系统可以以拉普拉斯传递函数形式写作:
y=P1u1+P2u2+…+Pmum (1)
其中y为过程输出,m为过程输入的数量,ui为ith过程输入,每个Pi采用以下形式:
并且bi和fi为拉普拉斯域变量s的多项式,并且di为纯时间延迟。
一阶加纯滞后传递函数是简单而功能强大的模型,该模型可用于充分描述许多工业过程以用于控制器设计的目的。一阶加纯滞后传递函数为公式(2)的特定形式并且采用以下形式:
其中ki为过程增益并且τi为过程时间常数。
获得过程模型的一种方法是基于过程数据进行过程模型识别。图2示出了根据本公开的示出用于单输入单输出系统的常规过程数据的示例的图表205、210。如图2所示,图表205示出了示例性系统的随时间推移的过程输入u。图表210示出了该系统的随时间推移的过程输出y。图表210中的另一曲线图示出了随时间推移的r,其中r为目标输出或设定点。
当估计过程模型的参数时,可执行诸如以下的优化:
其中y(i)为测量的过程值,yθ(i)为基于具有参数θ的模型的预测值,并且N为数据点的数量。
该优化找到了过程模型参数值,该参数值使所测量的过程值和由过程模型所预测的值之间的误差平方和最小化。用于过程模型参数估计的技术是熟知的,并且将不在本文中进一步详细描述。
如果富含信息的数据(例如,来自计划的工厂实验的数据)可用,则可以获得准确的过程模型参数估计值。通常,来自常规过程操作的数据并非富含信息的,因此来自常规操作数据的过程模型参数估计值往往存在大的差异和其他潜在的不准确性。然而,虽然常规过程数据可能不允许准确的过程模型估计,但如果周期性地重新估计过程模型参数,则过程行为的变化可能被检测为估计值的偏移。
目标旨在监测从常规操作数据得出的参数估计值并寻找变化。例如,考虑具有生产纸张的过程的造纸机的情况。最重要的参数中的一个参数是所生产的纸张具有正确的基重。为了调整纸张的基重,一种方法是调整流浆箱处的料流阀。这可由三个参数表示:增益、时间延迟和时间常数。
增益的示例为,如果料流阀打开x量,则纸张的重量改变y量。在简化的示例中,该增益可为y/x。时间延迟指示在调整料流阀之后纸张的重量发生任何变化的时间长度。时间常数测量逐渐变化的“斜坡时间”;即,时间常数指示从首次测量到变化时起直到测量到新的稳态值的时间长度。就造纸机而言,时间常数可指示在向流浆箱添加更多浆料之后流浆箱中的浓度从先前的稳态值增加到新的稳态值所花费的时间。
对于一阶加纯滞后模型,时间常数和时间延迟均影响过程响应的速度,并且这些参数的估计值之间可存在相关性。例如,时间常数和时间延迟趋于在相反方向上移动。为此,可能有利的是,简单地将这两个参数加在一起并监测总和,该总和通常是更稳定的参数。应当指出的是,对于一阶加纯滞后过程,时间常数加时间延迟之和为63.2%的过程响应时间。该技术也可被推广到高阶过程。一种简单的方法是模拟阶跃响应以确定过程响应时间。
这可被视为维度缩减技术,因为使用该技术,可监测两个参数(增益和响应时间)以检测过程行为的变化,而不是监测增益、时间常数和时间延迟、或甚至根据过程模型阶数的更多的参数。存在许多其他可用于该问题的维度缩减技术。
技术2:使用模型截止频率处的相位来表示过程动态。
用于监测过程行为变化的第二过程模型参数维度缩减技术旨在查看过程模型的频率响应。如波特图所表示,过程模型的频率响应将过程增益和相位示出为频率的函数。
波特图推导如下。对于传递函数形式的过程模型,诸如上文公式(2)中,Pi(jω)通过代入s=jω而获得。该复值函数的极坐标形式为:
图3示出了根据本公开的示例性波特图300。通过检查波特图300,可确定截止频率305和截止频率处的相位310。截止频率305通过找到振幅比等于0.707的频率来确定,或者如果量值以分贝表示,则为-3。截止频率305处的相位310仅仅是截止频率处的相位的值。在波特图300中,截止频率305大致为0.Irad/s,并且该频率处的相位310大致为-100度。不管构成公式(2)中的传递函数的多项式的阶数如何,模型都可以由波特图300来汇总。相位图与模型的动态相关联,并且相位中大的变化(尤其是在截止频率附近的变化)可与过程动态中的重要变化相关联。
为此,截止频率处的相位可用于表示过程模型的动态(无论过程模型的阶数如何),以便监测过程行为的变化。应当清楚,如果比较了一系列模型,则可选择所关注的频率作为标称模型的截止频率。然后,后续模型的动态可通过其在所关注频率(标称模型的截止频率)处的增益以及相位来汇总。
可监测关键频率(诸如标称模型的截止频率)处的相位,而不是监测与过程动态相关联的所有单个参数。在下文的示例中对此进行演示。
考虑如图2所示的常规过程数据。为了监测该过程,可周期性地(例如每30分钟)进行过程模型参数估计。然后,每当经过30分钟时,可使用最近的数据窗口(例如,最近四小时)来估计过程模型参数。然后可将参数估计值转换成缩减的维度空间。例如,可计算模型的响应时间,或者可计算标称模型的截止频率处的相位。然后可随时间推移监测缩减维度的估计值,并且超过标称值附近的阈值的值的偏移指示过程行为的一个或多个变化。
当确定过程行为已变化时,则可将激励(例如,一个或多个干扰、扰动等)添加到过程以生成富含信息的数据集,以便可以获得新过程行为的准确模型。
图4示出了根据本公开的图表400,该图表示出了在过程期间的一段时间内周期性地进行的一阶加纯滞后过程模型参数估计值。增益、时间常数和时间延迟全部在一段时间(这里,十六小时)内被估计,并且与标称模型值和用于变化检测的阈值一起分别绘制在曲线图405、410和415中。此外,估计的过程响应时间和标称截止频率处的相位也分别绘制在曲线图420和425中。这里,估计的响应时间曲线图420是估计的时间常数曲线图410和估计的时间延迟曲线图415的总和,如使用上述技术1所确定的。使用上述技术2获得示出标称截止频率处的相位的曲线图415。
在图表400所示的数据集中,存在从大约10小时处开始的过程变化(具体地,时间常数变化至阈值之外的值)。目标旨在通过检查不同曲线图405-425中的数据来检测变化。估计的增益曲线图405示出在任何时间没有估计值超过标称值附近的阈值,这是正确的。估计的时间常数曲线图410示出了估计值随时间推移的显著波动,其中估计值在10小时标记之前若干次不正确地超出检测阈值(即使实际值在10小时标记之前在阈值之内)。另外,从11小时到13小时的估计值错误地处于阈值之内(即使时间常数的实际值从大约10小时标记处开始移动到阈值之外)。因此,时间常数估计数据(如由估计的时间常数曲线图410表示)对于监测变化检测是不可靠的。时间延迟估计数据存在类似的问题。
然而,估计的响应时间曲线图420更清楚地指示在大约10小时处发生的变化。估计的响应时间曲线图420示出了估计值处于阈值之内直到大约10小时标记为止。在10小时标记之后,曲线图420示出估计值在阈值之外。这种清晰的图案是可靠的变化检测所需的。曲线425指示标称截止频率处的相位,其示出了估计值在10小时标记之前仅有几次移动到阈值之外。在10小时标记后,估计值在阈值之外,13.5小时处的估计值除外。因此,在该数据集中,技术2(使用标称截止频率处的相位)在检测变化方面不像技术1(过程响应时间)那样可靠;然而,技术2仍然优于单独监测时间常数和时间延迟。
图4所示的该示例演示了当通过随时间推移检查过程模型参数估计值来监测过程行为的变化时,缩减要监测的参数数量是有帮助的。在许多情况下,缩减参数空间的维度可提高监测的可靠性。本文所述的技术提供了用于通过过程响应时间或通过截止频率处的相位来汇总与过程动态相关联的参数(除增益之外的那些参数)的不同方法。
图5示出了根据本公开的支持用于通过将参数映射到较低维度空间来监测过程动态行为的变化的方法的示例性设备500。设备500可以例如表示图1的操作者控制台110、历史数据库114、服务器116或计算云118中的设备。然而,可以使用任何其他合适的设备或系统来实现这些部件,并且可以在任何其他合适的系统中使用设备500。
如图5中所示,设备500包括至少一个处理器502、至少一个存储设备504、至少一个通信单元506和至少一个输入/输出(I/O)单元508。每个处理器502可以执行指令,诸如可被加载到存储器512中的实现上述过程和方法的那些指令。每个处理器502代表任何合适的处理设备,诸如一个或多个微处理器、微控制器、数字信号处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或分立电路。
存储器512和持久性存储装置514是存储设备504的示例,该存储设备表示能够存储信息(诸如数据、程序代码和/或临时性的或永久性的其他合适信息)并且便于信息的检索的任何结构。存储器512可表示随机存取存储器或任何其他合适的易失性的或非易失性的存储设备。持久性存储装置514可包含支持数据长期存储的一个或多个部件或设备,诸如只读存储器、硬盘驱动器、闪存存储器或光盘。存储器512或持久性存储装置514可以被配置为存储与通过将参数映射到较低维度空间来监测过程动态行为的变化相关联的信息和数据。
通信单元506支持与其他系统或设备的通信。例如,通信单元506可以包括网络接口卡或无线收发器,从而有利于通过有线网络或无线网络(诸如网络108)进行通信。通信单元506可通过任何合适的物理的或无线的通信链路来支持通信。
I/O单元508允许数据的输入和输出。例如,I/O单元508可通过键盘、鼠标、小键盘、触摸屏或其他合适的输入设备向用户输入提供连接。I/O单元508还可发送输出至显示器、打印机或其他合适的输出设备。
虽然图5示出了支持用于通过将参数映射到较低维度空间来监测过程动态行为的变化的方法的设备500的一个示例,但可对图5做出各种更改。例如,可组合、进一步细分或省略图5中的各个部件,并且可根据具体需要添加附加部件。此外,计算设备可有很多种配置,并且图5不将本公开限制为计算设备的任何特定配置。
图6示出了根据本公开的用于通过将参数映射到较低维度空间来监测过程动态行为的变化的示例性方法600。方法600可例如用于监测工业过程控制和自动化系统(诸如图1的系统100)中的过程变化。在一些实施方案中,方法600可由系统100的一个或多个部件诸如操作者站110、服务器116或计算云118执行。然而,方法600可以与任何其他合适的系统一起使用。为了便于解释,方法600将被描述为由计算设备诸如图5的设备500执行。
在步骤601处,设备采集在工业过程控制和自动化系统中执行过程期间收集的过程数据。这可包括例如设备从历史数据库采集过程数据。可从工业过程控制和自动化系统中的一个或多个控制器输出该过程数据。在一些实施方案中,在从一个或多个控制器输出过程数据之后,将该过程数据存储在历史数据库中。在一些实施方案中,数据是一定程度地实时采集的,因为成批的数据每分钟或每几秒钟将上传到设备。
在步骤603处,设备通过将过程数据的两个或更多个参数组合或检查过程数据的频率响应来缩减过程数据的维度空间。在一些实施方案中,设备通过将时间常数参数和时间延迟参数组合成响应时间参数来缩减过程数据的维度空间。在一些实施方案中,设备将过程数据的维度空间缩减成过程数据在截止频率处的增益和相移。
在步骤605处,设备基于经缩减的维度空间中的过程数据的变化来确定过程的变化。在一些实施方案中,设备通过将经缩减的维度空间中的过程数据输入到算法中并且接收指示该过程数据已超过预先确定的阈值的该算法的输出来确定过程的变化。
在步骤607处,设备基于所确定的过程的变化来输出结果。在一些实施方案中,输出的结果包括向用户发出的警报或警告,其中该警报或警告向用户指示重新调谐或校准工业过程控制和自动化系统的部件。在一些实施方案中,输出的结果包括由设备向工业过程控制和自动化系统的部件传输的信号或指令,其中该信号或指令被配置为自动更改部件的设置。
虽然图6示出了用于通过将参数映射到较低维度空间来监测过程动态行为的变化的方法600的一个示例,但可对图6做出各种更改。例如,虽然示出为一系列步骤,但图6中示出的各个步骤可重叠、并行发生、以不同顺序发生,或者多次发生。此外,可以结合或去除一些步骤,并且可以根据特定需要添加附加步骤。
在一些实施方案中,本专利文献中描述的各种功能由计算机程序来实现或支持,该计算机程序由计算机可读程序代码形成并且体现在计算机可读介质中。短语“计算机可读程序代码”包括任何类型的计算机代码,包括源代码、目标代码和可执行代码。短语“计算机可读介质”包括能够被计算机访问的任何类型的介质,诸如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、光盘(CD)、数字视频光盘(DVD)或任何其他类型的存储器。“非暂态”计算机可读介质排除传输瞬时电信号或其他信号的有线、无线、光学或其他通信链路。非暂态计算机可读介质包括可永久地存储数据的介质以及可存储和之后重写数据的介质,诸如可重写光盘或可擦除存储器设备。
阐述贯穿本专利文献中使用的某些字词和短语的定义可能是有利的。术语“应用程序”和“程序”是指适于以合适的计算机代码(包括源代码、目标代码或可执行代码)实现的一个或多个计算机程序、软件部件、指令集、过程、功能、对象、类、实例、相关的数据或其一部分。术语“通信”以及其衍生词涵盖直接通信和间接通信两者。术语“包括”和“包含”以及其衍生词意指包括但不限于此。术语“或”是包括性的,意指和/或。短语“与……相关联”以及其衍生词可以意指包括、包括在……内、与……互连、包含、包含在……内、连接到……或与……连接、耦接到……或与……耦接、可与……通信、与……协作、交错、并置、与……接近、结合到……或与……结合、具有、具有……的属性、具有与……的关系或与……具有关系等。当与项列表一起使用时,短语“……中的至少一个”意指可以使用所列的项中的一个或多个项的不同组合,并且可能仅需要列表中的一个项。例如,“A、B和C中的至少一者”包括以下任何组合:A,B,C,A和B,A和C,B和C,以及A和B和C。
不应将本申请中的描述理解为暗示任何特定元件、步骤或功能是必须包括在权利要求书范围内的基本或关键要素。专利保护的主题的范围仅由所允许的权利要求书限定。此外,权利要求没有一个旨在关于所附权利要求或权利要求要素中的任何一项援引35U.S.C.§112(f),除非在特定权利要求中明确使用后面是标识功能的分词短语的“用于……的装置”或“用于……的步骤”的确切字词。在权利要求书内使用术语诸如(但不限于)“机构”、“模块”、“设备”、“单元”、“部件”、“元件”、“构件”、“装置”、“机器”、“系统”、“处理器”或“控制器”被理解为并且旨在指代相关领域的技术人员已知的结构,如权利要求书本身特征进一步修改的或增强的,并且不旨在援引35 U.S.C.§112(f)。
虽然本公开已描述了某些实施方案和大体上相关联的方法,但是这些实施方案和方法的变更和置换对于本领域的技术人员来说将是显而易见的。因此,上文对示例性实施方案的描述不限定或约束本公开。在不脱离如以下权利要求书限定的本公开的实质和范围的情况下,其他改变、替换和变更也是可能的。
Claims (10)
1.一种方法,所述方法包括:
采集(601)在工业过程控制和自动化系统(100)中收集的过程数据;
通过将所述过程数据的两个或更多个参数(405,410,415)组合或检查所述过程数据的频率响应来缩减(603)所述过程数据的维度空间;
基于经缩减的维度空间中的所述过程数据的变化来确定(605)过程的变化;以及
基于所确定的所述过程的变化来输出(607)结果。
2.根据权利要求1所述的方法,其中通过将时间常数参数(410)和时间延迟参数(415)组合成响应时间参数(420)来缩减所述过程数据的所述维度空间。
3.根据权利要求1所述的方法,其中通过将高阶模型缩减成响应时间参数来缩减所述过程数据的所述维度空间。
4.根据权利要求1所述的方法,其中所述过程数据的所述维度空间被缩减成所述过程数据在截止频率(305,310)处的增益(405)和相移。
5.根据权利要求1所述的方法,其中所述过程数据从所述工业过程控制和自动化系统中的一个或多个控制器(106)采集。
6.根据权利要求1所述的方法,其中通过将经缩减的维度空间中的所述过程数据输入到算法中并且接收指示所述过程数据已超过预先确定的阈值的所述算法的输出来确定所述过程的所述变化。
7.根据权利要求1所述的方法,其中输出的所述结果包括向用户发出的警报或警告,所述警报或警告向用户指示重新调谐或校准所述工业过程控制和自动化系统的部件。
8.根据权利要求1所述的方法,其中输出的所述结果包括向所述工业过程控制和自动化系统的部件传输的信号或指令,其中所述信号或指令被配置为自动更改所述部件的设置。
9.一种装置,所述装置包括:
至少一个处理设备(502),所述至少一个处理设备被配置为:
采集在工业过程控制和自动化系统(100)中收集的过程数据;
通过将所述过程数据的两个或更多个参数(405,410,415)组合或检查所述过程数据的频率响应来缩减所述过程数据的维度空间;
基于经缩减的维度空间中的该过程数据的变化来确定过程的变化;以及
基于所确定的所述过程的变化来输出结果。
10.一种非暂态计算机可读介质(504,512,514),所述非暂态计算机可读介质包含指令,所述指令在被执行时致使至少一个处理设备(502):
采集在工业过程控制和自动化系统(100)中收集的过程数据;
通过将所述过程数据的两个或更多个参数(405,410,415)组合或检查所述过程数据的频率响应来缩减所述过程数据的维度空间;
基于经缩减的维度空间中的该过程数据的变化来确定过程的变化;以及
基于所确定的所述过程的变化来输出结果。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/294,812 | 2019-03-06 | ||
US16/294,812 US10976718B2 (en) | 2019-03-06 | 2019-03-06 | System and method for monitoring changes in process dynamic behavior by mapping parameters to a lower dimensional space |
PCT/CA2020/050299 WO2020176992A1 (en) | 2019-03-06 | 2020-03-06 | System and method for monitoring changes in process dynamic behavior by mapping parameters to a lower dimensional space |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113544610A true CN113544610A (zh) | 2021-10-22 |
Family
ID=72336299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080017933.5A Pending CN113544610A (zh) | 2019-03-06 | 2020-03-06 | 用于通过将参数映射到较低维度空间来监测过程动态行为的变化的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10976718B2 (zh) |
EP (1) | EP3935459A4 (zh) |
JP (1) | JP7486514B2 (zh) |
CN (1) | CN113544610A (zh) |
CA (1) | CA3131810A1 (zh) |
MX (1) | MX2021010534A (zh) |
WO (1) | WO2020176992A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1409179A (zh) * | 2001-09-17 | 2003-04-09 | 费舍-柔斯芒特系统股份有限公司 | 处理性能监控与处理设备监控及控制的合成 |
CN1652051A (zh) * | 2003-12-03 | 2005-08-10 | 费舍-柔斯芒特系统股份有限公司 | 利用模型切换和属性插值的自适应多变量过程控制器 |
CN103399719A (zh) * | 2008-09-04 | 2013-11-20 | 高通股份有限公司 | 基于社会参数、时间参数和空间参数对数据对象的集成显示和管理 |
US20140027689A1 (en) * | 2011-01-25 | 2014-01-30 | Jelcer-Ip B.V. | Guide Member and a Method for Positioning a Cable into a Sewerage System |
WO2017196821A1 (en) * | 2016-05-09 | 2017-11-16 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for the industrial internet of things |
US20180157838A1 (en) * | 2016-12-07 | 2018-06-07 | General Electric Company | Feature and boundary tuning for threat detection in industrial asset control system |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8280533B2 (en) * | 2000-06-20 | 2012-10-02 | Fisher-Rosemount Systems, Inc. | Continuously scheduled model parameter based adaptive controller |
US7113834B2 (en) * | 2000-06-20 | 2006-09-26 | Fisher-Rosemount Systems, Inc. | State based adaptive feedback feedforward PID controller |
US7328126B2 (en) * | 2003-09-12 | 2008-02-05 | Tokyo Electron Limited | Method and system of diagnosing a processing system using adaptive multivariate analysis |
US7617055B2 (en) * | 2006-08-28 | 2009-11-10 | Invensys Systems, Inc. | Wet gas measurement |
US7917240B2 (en) * | 2006-09-29 | 2011-03-29 | Fisher-Rosemount Systems, Inc. | Univariate method for monitoring and analysis of multivariate data |
KR100980603B1 (ko) * | 2008-01-28 | 2010-09-07 | 재단법인서울대학교산학협력재단 | 순차적 사슬형태의 단일클래스 분류기를 이용한 공정이상검출 방법 |
DE102008058422A1 (de) * | 2008-11-21 | 2010-05-27 | Precitec Itm Gmbh | Verfahren und Vorrichtung zur Überwachung eines an einem Werkstück durchzuführenden Laserbearbeitungsvorgangs sowie Laserbearbeitungskopf mit einer derartigen Vorrichtung |
US20120041695A1 (en) * | 2010-08-16 | 2012-02-16 | Csi Technology, Inc. | Integrated vibration measurement and analysis system |
US9467500B2 (en) * | 2012-08-09 | 2016-10-11 | Rockwell Automation Technologies, Inc. | Remote industrial monitoring using a cloud infrastructure |
JP5862614B2 (ja) * | 2013-07-11 | 2016-02-16 | 横河電機株式会社 | フィールド機器及びデータ処理方法 |
EP3060965B1 (en) | 2013-10-22 | 2019-12-04 | Nidec Motor Corporation | Machine diagnostic encoder |
JP6661426B2 (ja) * | 2016-03-14 | 2020-03-11 | 株式会社東芝 | プロセス診断装置、プロセス診断方法及びコンピュータプログラム |
EP3413153A1 (en) * | 2017-06-08 | 2018-12-12 | ABB Schweiz AG | Method and distributed control system for carrying out an automated industrial process |
-
2019
- 2019-03-06 US US16/294,812 patent/US10976718B2/en active Active
-
2020
- 2020-03-06 EP EP20767388.0A patent/EP3935459A4/en active Pending
- 2020-03-06 CN CN202080017933.5A patent/CN113544610A/zh active Pending
- 2020-03-06 MX MX2021010534A patent/MX2021010534A/es unknown
- 2020-03-06 JP JP2021552813A patent/JP7486514B2/ja active Active
- 2020-03-06 WO PCT/CA2020/050299 patent/WO2020176992A1/en unknown
- 2020-03-06 CA CA3131810A patent/CA3131810A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1409179A (zh) * | 2001-09-17 | 2003-04-09 | 费舍-柔斯芒特系统股份有限公司 | 处理性能监控与处理设备监控及控制的合成 |
CN1652051A (zh) * | 2003-12-03 | 2005-08-10 | 费舍-柔斯芒特系统股份有限公司 | 利用模型切换和属性插值的自适应多变量过程控制器 |
CN103399719A (zh) * | 2008-09-04 | 2013-11-20 | 高通股份有限公司 | 基于社会参数、时间参数和空间参数对数据对象的集成显示和管理 |
US20140027689A1 (en) * | 2011-01-25 | 2014-01-30 | Jelcer-Ip B.V. | Guide Member and a Method for Positioning a Cable into a Sewerage System |
WO2017196821A1 (en) * | 2016-05-09 | 2017-11-16 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for the industrial internet of things |
US20180157838A1 (en) * | 2016-12-07 | 2018-06-07 | General Electric Company | Feature and boundary tuning for threat detection in industrial asset control system |
Non-Patent Citations (1)
Title |
---|
任明等: "基于深度学习的云计算系统异常检测方法", 计算机技术与发展, no. 05, pages 60 - 63 * |
Also Published As
Publication number | Publication date |
---|---|
JP2022523234A (ja) | 2022-04-21 |
WO2020176992A1 (en) | 2020-09-10 |
EP3935459A1 (en) | 2022-01-12 |
US20200285215A1 (en) | 2020-09-10 |
EP3935459A4 (en) | 2022-12-07 |
US10976718B2 (en) | 2021-04-13 |
MX2021010534A (es) | 2021-11-12 |
JP7486514B2 (ja) | 2024-05-17 |
CA3131810A1 (en) | 2020-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6793213B2 (ja) | コンピュータ実施方法、処理モデル展開システム、処理監視システム | |
US20090043546A1 (en) | Method and system for process control | |
US20080244449A1 (en) | Apparatus and method for visualization of control techniques in a process control system | |
CN110462346B (zh) | 用于使用流量限制器及上游压力测量值和下游压力测量值来产生推断性过程流量测量值的装置和方法 | |
CN107831736B (zh) | 使用用于造纸机或其它系统的模型参数数据群集的模型-工厂失配检测 | |
CN110506244B (zh) | 用于在工业过程控制和自动化系统中合理化并且解决警报的装置和方法 | |
US20210333789A1 (en) | Method and apparatus for real time model predictive control operator support in industrial process control and automation systems | |
US20020019722A1 (en) | On-line calibration process | |
US20180157225A1 (en) | Apparatus and method for automatic model identification from historical data for industrial process control and automation systems | |
US20160378078A1 (en) | Triggering an Auto-Tuning Function of a PID Controller | |
CN110892348A (zh) | Newgen控制器中传统控制功能与newgen控制功能 | |
WO2018226436A1 (en) | System and method for automatic logging of events in industrial process control and automation system using change point analysis | |
CN113544610A (zh) | 用于通过将参数映射到较低维度空间来监测过程动态行为的变化的系统和方法 | |
CA3175819A1 (en) | Improved pattern recognition technique for data-driven fault detection within a process plant | |
JP2017515237A (ja) | 一般化連続パフォーマンス指標を提供するための装置及び方法 | |
WO2017165029A2 (en) | Process control system performance analysis using scenario data | |
AU2018285616B9 (en) | Apparatus and method for automated identification and diagnosis of constraint violations | |
Lin et al. | Implementation and test of an automated control hunting fault correction algorithm in a fault detection and diagnostics tool | |
CN110914776A (zh) | 用于识别关于基于模型的控制器性能的可变性或控制偏差的影响和原因的装置和方法 |
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 |