CN114578789A - 基于数据驱动的串级定值控制系统调节阀故障诊断方法 - Google Patents
基于数据驱动的串级定值控制系统调节阀故障诊断方法 Download PDFInfo
- Publication number
- CN114578789A CN114578789A CN202210206742.4A CN202210206742A CN114578789A CN 114578789 A CN114578789 A CN 114578789A CN 202210206742 A CN202210206742 A CN 202210206742A CN 114578789 A CN114578789 A CN 114578789A
- Authority
- CN
- China
- Prior art keywords
- fault
- regulating valve
- value
- control system
- cascade
- 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
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000003745 diagnosis Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000002474 experimental method Methods 0.000 claims abstract description 3
- 239000000654 additive Substances 0.000 claims description 16
- 230000000996 additive effect Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 9
- 238000000611 regression analysis Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 2
- 238000012797 qualification Methods 0.000 abstract 1
- 238000004886 process control Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000004044 response 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
- G05B23/0218—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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- 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]
Abstract
随着复杂工程系统的规模越来越大，功能越来越强，安全性与可靠性受到了越来越多的关注。因此对于生产控制过程中各个环节故障诊断具有重要意义。本发明是针对串级定值控制系统中调节阀的故障诊断方法。分别对串级定值控制系统正常工作和故障状态下的动态特性进行综合分析，提出一种可以有效诊断串级控制系统调节阀故障的方法。通过分析实验所获得的数据实现故障检测、故障估计与故障定性，获得调节阀故障诊断的流程图。通过实验平台对该方法进行了验证。本发明可广泛应用于工程中串级定值控制系统调节阀的故障诊断。
Description
技术领域
本发明涉及一种故障诊断方法，具体涉及一种基于数据驱动的串级定值控制系统调节阀故障诊断方法。
背景技术
串级控制系统是工业过程控制系统中十分常见的复杂控制系统。随着工业系统规模和复杂性日益增加，保证工业系统的可靠性和安全性已成为重要的研究课题。有效的故障诊断方法，不仅可以减少人员伤亡，还可以避免生产经济损失。基于数据驱动的方法是通过对过程运行数据进行分析，不需要精确的数学模型和完备的先验知识。由于在实际工业过程中精确建模的难以实现性，加之工业中越来越多数据采集设备的配备，使得数据驱动方法的优势更加突出。
调节阀作为过程控制系统里的典型执行部件，也是故障多发部位，但是对于调节阀的故障诊断的研究相对匮乏。因此对于串级控制系统调节阀故障诊断方法的研究问题亟待解决。
发明内容
针对现有技术存在的不足，本发明要解决的是如何提供一种基于数据驱动的串级定值控制系统调节阀故障诊断方法。为解决上述技术问题，本发明采用如下的技术方案：
一种基于数据驱动的串级定值控制系统调节阀故障诊断方法，包括如下步骤：
(1)建立基于MATLAB/Simulink的串级控制系统的仿真模型；
(2)构建基于四容水箱的串级控制系统液位实验平台，该平台是将MATLAB/Simulink与PLC工业控制系统进行了集成，并通过OPC通讯技术进行连接；
(3)获取系统在无故障状态下调节阀和传感器的工作状态信息；
(4)设立故障发生模块，按故障的外特性作为分类依据，设立乘性故障输入端和加性故障输入端，可通过该模块设定故障类型与故障强度；
(5)获取系统在不同故障类型，不同故障大小状态下传感器和调节阀工作状态信息；
(6)确定调节阀故障检测阈值VTH；
系统在无故障状态下，系统的残差不严格为零，而是在一定范围内波动，因此可利用调节阀开度变化的可控性来确定故障检测阈值VTH；
调节阀开度变化率定义为两相邻采样点调节阀开度变化的差值的绝对值与前一采样点调节阀开度的比值，可表示为：
其中V(t)表示在t时刻下调节阀开度值，t为任意采样时刻，T为系统的采样周期。
假设一组实验时间为tf，二阶系统的响应从零初始状态到达设定值所需要的时间为ta，即选取ta时刻的数据作为第一个样本数据，样本总个数N1:
那么一组样本所获得的变化率总个数N2为：
N2＝N1-1
为提高数据的可靠性和准确度，采集k组正常数据并计算最大变化率Vkmax作为参考值，即
Vkmax＝[V1max,V2max,V3max…Vkmax] k＝1，2，…m
假设该数据集满足正态分布，计算k组最大变化率的平均值以及标准差；
由此确定调节阀故障检测的阈值VTH:
(7)确定故障检测方法：
将步骤(6)中的调节阀开度变化率与故障检测阈值比较，即：
VR(tVF)＞VTH
此式成立时，判断系统发生故障。
(8)确定故障估计方法：
故障估计部分关键是解决故障发生强度的估计和故障发生时刻的问题。
(8.1)故障时刻确定
根据步骤(7)所述故障检测方法，满足步骤(7)中故障发生条件时所对应的tVF即为故障发生时刻。
(8.2)故障强度确定
假设此故障为加性故障，则故障强度为：
Vfa＝V(tVF)-V(tVF-T)
假设此故障为乘性故障，则故障强度为：
(9)识别故障类型：
(9.1)利用调节阀发生故障后调节时间的一段数据，截取时间变量TS＝[t1,t2,t3,…,tn],调节阀开度值Y＝[y1,y2,y3,…yn]为提取特征值的数据集，根据数据点的分布形态进行一元回归分析，得到拟合方程：
(9.2)对多组不同类型，不同强度故障数据进行步骤(9.1)所述拟合，并求取该拟合函数在TS区间内面积S，即：
(9.3)选取步骤(9.2)中的面积值S作为特征值集合CV:
其中A为加性故障特征值，K为乘性故障特征值。
(9.4)对于特征值集合CV利用最小二乘法进行二次回归分析，以故障强度为自变量，故障特征值作为因变量，得到故障模型：
(9.5)将步骤(8.2)中所得的Vfm与Vfa代入故障模型得到
和
比较二者大小，若
则认为该故障为加性故障，若
则认为该故障为乘性故障。
本发明的优点及积极效果在于：
(1)本发明突出了基于数据驱动故障诊断的优势，不依赖精确模型和完备的先验知识，充分利用过程控制中所产生数据进行分析挖掘。
(2)本发明方法的提出能够解决串级控制系统调节阀故障诊断问题，能够为生产企业提供快速、准确、高效诊断，降低停工造成的损失以及部分机器维修费用。
(3)本方法的实施在原有控制系统可实现，不需要引入额外的设备。
(4)该方法经过大量的实验并进行了验证，有效地提高了该方法可靠性。
附图说明
图1是本发明中具体实施方式中的串级控制系统调节阀故障诊断流程图；
图2是本发明中具体实施方式中的调节阀加性故障大于0特征值拟合图；
图3是本发明中具体实施方式中的调节阀加性故障小于0特征值拟合图；
图4是本发明中具体实施方式中的调节阀乘性故障大于1特征值拟合图；
图5是本发明中具体实施方式中的调节阀乘性故障小于1特征值拟合图；
具体实施方式
本实例以串级定值液位控制系统为研究对象，详细描述本发明的实施方式。针对工业过程向着大型化，自动化和复杂化发展的特点，通过分析系统的数据，提取了故障表现所具有的主要特征，以实现故障发生强度，故障发生类型的确定。
为使本发明目的、技术方案更加清楚，下面结合附图详细说明本发明具体实施步骤。
参见图1，其示出了本发明实施例提供的串级控制系统调节阀故障诊断方法的实现流程图，详述如下；
1、设定液位的给定设值ysp＝10cm，设定系统的采样周期TS＝0.5s,采集多组随时间t变化的液位传感器输出数据和调节阀开度变化数据，根据OPC Read模块读取并保存到work
space。得到正常无故障的数据集为[Ts,Y0,V0],加性故障的数据集为
乘性故障的数据集为
2、当系统处于无故障状态时，根据故障检测阈值确定方法，获得调节阀故障检测阈值VTH：
3、提取不同故障类型，不同故障强度的特征值S，如图1-4所示，其中—表示故障类型。
表1调节阀不同强度加性故障>0的特征值(面积S)
表2调节阀不同强度加性故障<0的特征值(面积S)
表3调节阀不同强度乘性故障>1的特征值(面积S)
表4调节阀不同强度乘性故障<1的特征值(面积S)
4、针对每种类型故障，以故障大小为自变量，表1-4所得到的故障特征值作为因变量，利用最小二乘原理进行二次非线性回归分析。
参见图2，调节阀发生加性故障>0时，得到拟合函数：SA＝0.0011Vfa 2+3.739Vfa+89.26
参见图3，调节阀发生加性故障<0时，得到拟合函数：SA＝-0.0024Vfa 2+3.56Vfa+90.96
参见图4，调节阀发生乘性故障>1时，得到拟合函数：SM＝-88.01Vfm 2+275.4Vfm-99.15
参见图5，调节阀发生乘性故障<1时，得到拟合函数：SM＝61.15Vfm 2-30.66Vfm+60.85
5、以串级控制系统调节阀发生强度为7％的加性故障为例：
通过故障检测算法，确定系统在tVF＝720s时调节阀开度变化率大于故障检测阈值，判定调节阀发生故障。
根据故障估计算法，确定故障估计强度:
将数据集进行一次拟合并提取故障特征值面积S～＝115.0101。
将故障估计值Vfa,Vfm代入相应方程：
根据故障定性模型：
根据故障定性算法e1＜e2，因此可判断系统发生了强度为6.9998％的加性故障。
以上所述实施例仅为较佳的具体实施方式，本文应用了个例实施的说明用于帮助理解本发明的方法和核心思想，对前述各实施例所记载的技术方案进行修改或部分指标进行等同替换，均应包含在本发明的保护范围内。
Claims (5)
1.一种基于数据驱动的串级定值控制系统调节阀故障诊断方法，其特征在于，所述故障诊断方法包括：
(1)建立基于MATLAB/Simulink的串级控制系统的仿真模型；
(2)构建基于四容水箱的串级系统的液位实验平台；
(3)获取串级控制系统在无故障状态下传感器与调节阀工作状态信息，确定该系统在状态下阈值VTH,确定调节阀故障检测方法；
(4)设立故障模块，包括乘性故障输入端和加性故障输入端。采集不同故障类型、不同故障强度下该系统的工作状态信息；
(5)根据上述故障检测方法，判断系统是否发生故障；
(6)确定故障发生时刻；利用调节阀变化率VR(tVF)超过阈值VTH所对应时刻tVF即为故障发生时刻；
(7)估计发生故障强度；假设调节阀发生加性故障，则故障强度为Vfa＝V(tVF)-V(tVF-T)；假设调节阀发生乘性故障，则故障强度为
(8)确定故障分离方法；提取故障的特征集合，确定故障定性模型，判断发生故障类型。
2.如权利要求1所示述的一种基于数据驱动的串级定值控制系统调节阀故障诊断方法，其特征在于：所述步骤(3)中故障检测阈值方法：
系统在无故障状态下，系统的残差不严格为零，而是在一定范围内波动，因此可利用波动范围的可控性确定阈值VTH，定义调节阀开度变化率VR为两相邻采样点调节阀开度变化差值的绝对值与前一采样时刻开度值的比值。可表示为：
其中V(t)表示在t时刻下调节阀开度值，t为任意采样时刻，T为采样周期。
为提高数据的可靠性和准确性，采取k组数据并选取最大变化率Vkmax作为参考值，即
Vkmax＝[V1max,V2max,V3max,…Vkmax]
假设该数据集满足正态分布，计算k组数据的平均值
以及标准差σ：
由此确定调节阀故障调节阀故障检测阈值VTH:
3.如权利要求1所示述的一种基于数据驱动的串级定值控制系统调节阀故障诊断方法，其特征在于：所述步骤(4)中故障类型的数学模型可表示为：
上式为加性故障数学模型，其中α为恒定增益。
上式为乘性故障数学模型，其中β为恒定偏差。
4.如权利要求1所示述的一种基于数据驱动的串级定值控制系统调节阀故障诊断方法，其特征在于：所述步骤(5)中调节阀故障检测方法：
用调节阀开度变化率与故障检测阈值进行比较，当VR(tVF)＞VTH该式成立时，判断系统发生故障。
5.如权利要求1所示述的串级定值控制系统调节阀故障诊断方法，其特征在于：所述步骤(8)中调节阀故障定性方法：
利用调节阀发生故障后调节时间的一段数据，截取时间变量TS＝[t1,t2,t3,…tn]，调节阀开度值Y＝[y1,y2,y3,…yn]为提取特征值数据集，根据数据点的分布形态进行一元回归分析得到拟合方程
并求取该拟合函数在TS区间的面积S,将面积值S作为特征值集合CV:
其中A为加性故障特征值，K为乘性故障特征值。
对于特征集合CV，利用最小二乘原理，进行二次回归分析，以故障强度为自变量，故障的特征值作为因变量，得到故障的模型：
将故障强度确定的估计值Vfm与Vfa代入故障模型得到SA与SM，从而得到：
比较二者大小，若e1＜e2，则认为调节阀发生加性故障，若e1＞e2，则认为调节阀发生乘性故障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210206742.4A CN114578789A (zh) | 2022-03-04 | 2022-03-04 | 基于数据驱动的串级定值控制系统调节阀故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210206742.4A CN114578789A (zh) | 2022-03-04 | 2022-03-04 | 基于数据驱动的串级定值控制系统调节阀故障诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114578789A true CN114578789A (zh) | 2022-06-03 |
Family
ID=81772212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210206742.4A Pending CN114578789A (zh) | 2022-03-04 | 2022-03-04 | 基于数据驱动的串级定值控制系统调节阀故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114578789A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130060523A1 (en) * | 2011-09-02 | 2013-03-07 | Azbil Corporation | Regulator valve fault checking method |
| CN109976311A (zh) * | 2019-04-03 | 2019-07-05 | 中国计量大学 | 一阶定值控制系统传感器故障诊断方法及诊断系统 |
| CN110187696A (zh) * | 2019-05-16 | 2019-08-30 | 中国计量大学 | 基于动态趋势的一阶随动系统传感器故障诊断方法及系统 |
| CN110500339A (zh) * | 2018-05-18 | 2019-11-26 | 南京理工大学 | 一种电液伺服系统加性故障检测方法 |
| CN110687885A (zh) * | 2019-09-09 | 2020-01-14 | 中国计量大学 | 一阶定值控制系统调节阀故障诊断方法及系统 |
| CN113791603A (zh) * | 2021-09-07 | 2021-12-14 | 中国计量大学 | 串级定值控制系统传感器故障诊断方法 |
-
2022
- 2022-03-04 CN CN202210206742.4A patent/CN114578789A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130060523A1 (en) * | 2011-09-02 | 2013-03-07 | Azbil Corporation | Regulator valve fault checking method |
| CN110500339A (zh) * | 2018-05-18 | 2019-11-26 | 南京理工大学 | 一种电液伺服系统加性故障检测方法 |
| CN109976311A (zh) * | 2019-04-03 | 2019-07-05 | 中国计量大学 | 一阶定值控制系统传感器故障诊断方法及诊断系统 |
| CN110187696A (zh) * | 2019-05-16 | 2019-08-30 | 中国计量大学 | 基于动态趋势的一阶随动系统传感器故障诊断方法及系统 |
| CN110687885A (zh) * | 2019-09-09 | 2020-01-14 | 中国计量大学 | 一阶定值控制系统调节阀故障诊断方法及系统 |
| CN113791603A (zh) * | 2021-09-07 | 2021-12-14 | 中国计量大学 | 串级定值控制系统传感器故障诊断方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李明: "基于数据驱动的调节阀故障诊断与容错控制方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 那文波;高宇;李明;刘甜甜;: "定值和随动单闭环系统传感器故障诊断", 《控制理论与应用》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110738274A (zh) | 一种基于数据驱动的核动力装置故障诊断方法 | |
| CN109739214B (zh) | 工业过程间歇故障的检测方法 | |
| Guo et al. | Fault detection based on robust characteristic dimensionality reduction | |
| CN105259895A (zh) | 一种工业过程微小故障的检测和分离方法及其监测系统 | |
| CN108549908B (zh) | 基于多采样概率核主成分模型的化工过程故障检测方法 | |
| CN112685910B (zh) | 一种基于混合预测模型的复杂装备电源组故障预测方法 | |
| CN104698976B (zh) | 一种预测控制模型性能下降的深度诊断方法 | |
| CN112904810B (zh) | 基于有效特征选择的流程工业非线性过程监测方法 | |
| WO2021114320A1 (zh) | 一种oica和rnn融合模型的污水处理过程故障监测方法 | |
| CN103926919B (zh) | 基于小波变换和Lasso函数的工业过程故障检测方法 | |
| CN111860839A (zh) | 基于多信号融合及Adam优化算法的岸桥故障监测方法 | |
| Wan et al. | Data-driven diagnosis of sensor precision degradation in the presence of control | |
| CN114625009B (zh) | 一种基于系统辨识和最优滤波的故障检测方法 | |
| CN114169254A (zh) | 基于短期建筑能耗预测模型的异常能耗诊断方法及系统 | |
| CN110942258B (zh) | 一种性能驱动的工业过程异常监测方法 | |
| CN116383636A (zh) | 一种基于pca与lstm融合算法的磨煤机故障预警方法 | |
| CN111639304A (zh) | 基于Xgboost回归模型的CSTR故障定位方法 | |
| CN113703422B (zh) | 一种基于特征分析处理的燃气轮机气动执行机构故障诊断方法 | |
| CN114519382A (zh) | 一种核动力装置关键运行参数提取与异常监测方法 | |
| CN113311796B (zh) | 基于联合典型变量矩阵的发酵过程阶段划分方法 | |
| CN103995985B (zh) | 基于Daubechies小波变换和弹性网的故障检测方法 | |
| CN111241629B (zh) | 基于数据驱动的飞机液压泵性能变化趋势智能预测方法 | |
| CN111338310B (zh) | 一种工业过程稳态工况识别与分类方法 | |
| CN110687885A (zh) | 一阶定值控制系统调节阀故障诊断方法及系统 | |
| CN112214006A (zh) | 考虑两维动态特性的间歇过程故障检测方法及系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220603 |