CN114721352A - Dcs系统的状态监测与故障诊断方法及系统 - Google Patents
Dcs系统的状态监测与故障诊断方法及系统 Download PDFInfo
- Publication number
- CN114721352A CN114721352A CN202210371706.3A CN202210371706A CN114721352A CN 114721352 A CN114721352 A CN 114721352A CN 202210371706 A CN202210371706 A CN 202210371706A CN 114721352 A CN114721352 A CN 114721352A
- Authority
- CN
- China
- Prior art keywords
- fault
- dcs
- control unit
- main control
- model
- 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.)
- Granted
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
- 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
-
- 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
-
- 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
- G05B23/0229—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 knowledge based, e.g. expert systems; genetic algorithms
-
- 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
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种DCS系统的状态监测与故障诊断方法方法及系统,涉及工业控制技术领域,方法包括:获取DCS系统的当前数据库;根据当前状态代码和预设质量码解析表,确定主控单元对应的数字质量码;将数字质量码输入至正常工作模型,得到第一结果;当第一结果表示数字质量码与正常工作模型匹配时,确定DCS系统处于正常运行状态;当第一结果表示所述数字质量码与正常工作模型不匹配时,将数字质量码依次与故障诊断模型组中的多个故障诊断模型进行匹配,以确定DCS系统的故障类型和故障原因。本发明能够快速准确地检测出DCS系统中的故障。
Description
技术领域
本发明涉及工业控制技术领域,特别是涉及一种DCS系统的状态监测与故障诊断方法及系统。
背景技术
当前国内外分布式控制系统DCS(Distributed Control System)的状态参数均由DCS制造厂家提供数据,该数据无法与实际工艺流程、控制回路动作相结合,仅显示了当前控制器状态,无法提供进一步的故障诊断分析。当主控单元故障报警时,系统仅提供故障报警,用户无法直观得知何种原因导致故障的发生,需要专业热控人员,甚至必须是DCS厂家专业技术人员,通过复杂的操作方式才能获悉。且所获悉的信息极为专业,一般电厂热控维护人员解读时存在难度,仍需DCS厂家技术人员协助解析,不利于故障的及时排查,造成故障处理的延误。
同时主控单元具有高集成性的特点,缺乏有效的外部故障检测手段,仅当其出现问题造成异常工况发生时,用户才能得知,再进行问题排查和处理,缺乏状态的实时监测诊断,无法及时发现控制器存在的隐性故障,无法做到提前预知、消除隐患。虽然目前DCS主控单元的稳定性越来越高,特别是进口DCS系统,故障率较低,但仍无法彻底杜绝异常的发生,亦无法避免故障发生时对机组的影响,及对热控人员技能水平带来的挑战和工作量的增加。
发明内容
本发明的目的是提供一种DCS系统的状态监测与故障诊断方法及系统,通过设置质量码转换和故障模型,快速准确地检测出DCS系统中的故障。
为实现上述目的,本发明提供了如下方案:
一种DCS系统的状态监测与故障诊断方法,所述状态监测与故障诊断方法包括:
获取DCS系统的当前数据库;所述DCS系统的当前数据库包括DCS系统中每个主控单元的数据点名以及所述数据点名对应的当前状态代码;所述当前状态代码用于表示所述数据点名对应的主控单元的当前状态信息;
根据所述当前状态代码和预设质量码解析表,确定所述主控单元对应的数字质量码;
将所述数字质量码输入至正常工作模型,得到第一结果;
当所述第一结果表示所述数字质量码与所述正常工作模型匹配时,确定所述DCS系统处于正常运行状态;
当所述第一结果表示所述数字质量码与所述正常工作模型不匹配时,将所述数字质量码依次与所述故障诊断模型组中的多个故障诊断模型进行匹配,以确定所述DCS系统的故障类型和故障原因。
可选地,所述故障诊断模型的构建过程,具体包括:
确定待构建模型的故障类型;
根据所述待构建模型的故障类型,确定所述待构建模型的质量码;
结合DCS厂家知识库、历史故障案例及专业技术人员设备维护经验,确定所述待构建模型的故障原因;
根据所述故障原因和所述故障类型,建立所述待构建模型的故障关联诊断信息;
根据所述待构建模型的质量码和所述故障关联诊断信息,确定故障诊断模型。
可选地,所述状态监测与故障诊断方法,还包括:
根据所述DCS系统的故障类型和故障原因,确定所述DCS系统中发生故障的主控单元的数据点名;
将所述DCS系统的故障类型和故障原因、所述DCS系统中发生故障的主控单元的数据点名以及所述数据点名对应的当前状态代码,作为当前记录数据并存储到故障数据库;
若所述故障数据库中存储有与所述当前记录数据相同的历史记录数据,则发出第一预警信号和第一设备检修指令;所述第一设备检修指令用于指示根据所述DCS系统中发生故障的主控单元的数据点名对所述DCS系统中的设备进行检修。
可选地,所述状态监测与故障诊断方法,还包括:
建立设备台帐数据库;所述设备台帐数据库用于记录所述DCS系统的投运时间;
当任一所述DCS系统处于故障运行状态时,根据所述设备台帐数据库确定第一DCS系统组;所述第一DCS系统组包括第一投运时间分别与多个投运时间的差值小于设定值的DCS系统;所述第一投运时间为处于故障运行状态的所述DCS系统的投运时间;
若所述第一DCS系统组中的任一DCS系统,在第一设定时间阈值内,处于故障运行状态,则发出第二预警信号和第二设备检修指令;所述第二设备检修指令用于指示对所述第一DCS系统组中多个的DCS系统进行检修。
可选地,所述状态监测与故障诊断方法,还包括:
根据所述设备台帐数据库,确定第二DCS系统组;所述第二DCS系统组包括多个投运寿命高于设定投运寿命的DCS系统;
若所述第二DCS系统组中的任一DCS系统处于故障运行状态,则计算在第二设定时间阈值内,所述第二DCS系统组中所有DCS系统处于故障运行状态的总次数;
当所述总次数大于设定次数时,发出第三预警信号和第三设备检修指令;所述第三设备检修指令用于指示对所述第二DCS系统组中的多个DCS系统进行检修。
可选地,所述状态监测与故障诊断方法,还包括:
采集所述主控单元在多个工作时刻的负荷率以及每个所述负荷率对应的负荷变化率;
从多个所述负荷率中筛选出未处于设定负荷范围的负荷率,以得到第一负荷率;
当所述第一负荷率的数量高于第一设定数值时,输出负荷超限预警,并根据所述第一负荷率和负荷故障诊断模型确定负荷超限原因;
根据所述负荷变化率计算负荷突升率;
从多个所述负荷突升率中筛选出高于设定负荷突升率的负荷突升率,以得到第二负荷突升率;
当所述第二负荷突升率的数量高于第二设定数值时,输出负荷突升预警,并根据所述第二负荷突升率和负荷突升诊断模型确定负荷突升原因。
可选地,所述正常工作模型的构建过程,具体包括:
在所述正常工作模型中,所述主控单元的电源状态质量码为1,所述主控单元的电源故障质量码为0,所述主控单元的网口状态质量码为1,所述主控单元的网络负荷状态质量码为1,所述主控单元的网络故障质量码为0;所述主控单元的卡件故障质量码为0;所述主控单元的盘柜温度质量码为1;
其中,所述主控单元的网络负荷状态质量码为1表示所述网络的发送及接收负荷率大于第三设定数值,所述主控单元的盘柜温度质量码为1表示盘柜温度小于第四设定数值;
在所述正常工作模型的主控模式下,所述主控单元的控制模式质量码为1,所述主控单元的备用模式质量码为0,且所述主控单元的主控故障质量码为0;
在所述正常工作模型的副控模式下,所述主控单元的控制模式质量码为0,所述主控单元的备用模式质量码为1,且所述主控单元的副控故障质量码为0。
为达上述目的,本发明还提供了如下技术方案:
一种DCS系统的状态监测与故障诊断系统,所述状态监测与故障诊断系统包括:
数据库获取模块,用于获取DCS系统的当前数据库;所述DCS系统的当前数据库包括DCS系统中每个主控单元的数据点名以及所述数据点名对应的当前状态代码;所述当前状态代码用于表示所述数据点名对应的主控单元的当前状态信息;
质量码解析模块,用于根据所述当前状态代码和预设质量码解析表,确定所述主控单元对应的数字质量码;
匹配模块,用于将所述数字质量码输入至正常工作模型,得到第一结果;
第一输出模块,用于当所述第一结果表示所述数字质量码与所述正常工作模型匹配时,确定所述DCS系统处于正常运行状态;
第二输出模块,用于当所述第一结果表示所述数字质量码与所述正常工作模型不匹配时,将所述数字质量码依次与所述故障诊断模型组中的多个故障诊断模型进行匹配,以确定所述DCS系统的故障类型和故障原因。
可选地,在故障诊断模型的构建过程方面,所述第二输出模块具体包括:
故障确定子模块,用于确定待构建模型的故障类型;
质量码确定子模块,用于根据所述待构建模型的故障类型,确定所述待构建模型的质量码;
故障原因确定子模块,用于结合DCS厂家知识库、历史故障案例及专业技术人员设备维护经验,确定所述待构建模型的故障原因;
关联信息确定子模块,用于根据所述故障原因和所述故障类型,建立所述待构建模型的故障关联诊断信息;
模型构建子模块,用于根据所述待构建模型的质量码和所述故障关联诊断信息,确定故障诊断模型。
可选地,所述状态监测与故障诊断系统,还包括:
数据点名确定模块,用于根据所述DCS系统的故障类型和故障原因,确定所述DCS系统中发生故障的主控单元的数据点名;
数据存储模块,用于将所述DCS系统的故障类型和故障原因、所述DCS系统中发生故障的主控单元的数据点名以及所述数据点名对应的当前状态代码,作为当前记录数据并存储到故障数据库;
数据检测与预警模块,用于当所述故障数据库中存储有与所述当前记录数据相同的历史记录数据时,发出第一预警信号和第一设备检修指令;所述第一设备检修指令用于指示根据所述DCS系统中发生故障的主控单元的数据点名对所述DCS系统中的设备进行检修。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种DCS系统的状态监测与故障诊断方法及系统,将DCS系统中各个主控单元的当前状态信息转换为数字质量码,从而在控制器出现异常变化初期,通过数字质量码即可清晰直观获取相关信息。进一步将数字质量码输入至正常工作模型判断DCS系统是否处于正常运行状态,当DCS系统未处于正常工作状态时,将DCS系统对应的数字质量码与所述故障诊断模型组中的多个故障诊断模型进行匹配,以确定所述DCS系统的故障类型和故障原因从而第一时间为用户提供故障原因分析及处理建议,提升故障处理的及时性准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明DCS系统的状态监测与故障诊断方法的流程图;
图2为本发明DCS系统的状态监测与故障诊断系统的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种DCS系统的状态监测与故障诊断方法及系统,开展DCS主控单元状态监测诊断,以减少主控故障造成的突发事件,实现主控单元故障及隐患的提前感知与报警,自动诊断故障隐患点,进而有效提升发电机组运行可靠性、安全性。
为使本发明的目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1所示,本实施例提供一种DCS系统的状态监测与故障诊断方法,包括:
步骤100,获取DCS系统的当前数据库;所述DCS系统的当前数据库包括DCS系统中每个主控单元的数据点名以及所述数据点名对应的当前状态代码;所述当前状态代码用于表示所述数据点名对应的主控单元的当前状态信息。
步骤200,根据所述当前状态代码和预设质量码解析表,确定所述主控单元对应的数字质量码。
步骤300,将所述数字质量码输入至正常工作模型,得到第一结果。
步骤400,当所述第一结果表示所述数字质量码与所述正常工作模型匹配时,确定所述DCS系统处于正常运行状态。
步骤500,当所述第一结果表示所述数字质量码与所述正常工作模型不匹配时,将所述数字质量码依次与所述故障诊断模型组中的多个故障诊断模型进行匹配,以确定所述DCS系统的故障类型和故障原因,然后发出预警信号;一个所述故障诊断模型对应一种故障类型。
具体地,对于步骤100:
其中建立的当前数据库,作为整体诊断系统的信息源,明确每一个主控单元的唯一数据点名及其对应的信息,内容主要包含设备点名、点描述、盘柜号、型号规格、投用日期、序列号、关联系统、联锁保护等信息。在应用过程中,以设备台帐形式导入系统中,采用设备的数据点名进行检索,以匹配相关信息。
对于步骤200:
在DCS系统当中,针对每个站点(包含主控单元、工程师站、操作员站、历史站等)、模块卡件、网络节点及I/O点等状态,通常使用质量码来表达其不同状态及导致该状态的可能原因。例如艾默生公司的Ovition系统(分散控制系统)支持四种质量状态:GOOD(正常)、FAIR(强制)、POOR(算法状态)、BAD(故障)。每种状态指出对应的点的操作和运算条件。某种质量状态的点出现可能有多个原因,这些原因存储在状态字(如1W\2W字段)的16个原因位中,可能的质量原因包括:点值被保持、硬件出错、点振荡、传感器标定、扫描被停止、数据链路故障、工程值限值、接地故障、电源消失等等。这些信息可呈现出当前点位的状态及原因,为进一步故障诊断提供了准确可靠的基础信息。通过对这些信息的筛取、组合、分析,形成综合故障诊断模型,对所监测设备实现全面性、前瞻性、综合性的智能预警诊断。
对于每个数据点名的当前状态,能够通过预设质量码解析表进行搜索匹配,以得到对应的数字质量码。其中,预设质量码解析表是根据《DCS系统记录类型参考手册》以及DCS故障手册确定的,通过《DCS系统记录类型参考手册》整理质量码信息清单,通过DCS故障手册定义质量码信息含义及应用场景。预设质量码解析表如下表1所示,且表1仅为部分示例:
表1站点质量码解析内容表
在预设质量码解析表的应用过程中:首先与DCS控制系统建立通讯对接,通常以OPC通讯方式实现系统联通。通过检索数据库点名实现数据对接,然后根据站点状态字段编号及原因位编号,提取到相应的质量码信息。按照点名——字段编号——位编号的检索顺序,提取到对应的点的质量码信息。例如获取#1盘柜#1主控的当前控制模式信息:首先在数据库中查询到点名为“DROP1”,字段FB、位编号4为“真”时,表示当前状态为主控模式。
其中一部分质量码信息可直接用于主控单元状态显示及预警,如“控制模式”、“备用模式”、“网络超时”、“主副控不匹配”等,这些信息可直观呈现出主控单元的当前状态,在其质量码状态为真时,可直接进行报警,工作人员收到报警信息后,可第一时间做出判断和处理,因此无需二次处理。
另一部分质量码如“离线模式”、“检测到此站发生故障”、“站处于报警状态”、“检测到无效控制回路页”等,这些信息发出时,用户无法根据信息直接得知系统存在的问题,需同时与其他信息进行综合研判解析,进行二次诊断后,生成状态预警信息。例如“检测到此站发生故障”,需同步检索当前站点所含电源状态、网络状态、主控状态、IOIC卡状态,I/O卡件状态,及其他发生变化的质量码信息。根据不同状态异动确定此站发生故障的原因,从而为用户提供直观的综合故障信息。例如同步检测到IOIC卡状态异常,则可研判为“IOIC卡状态异常导致站点故障报警”。
针对步骤400:
为DCS系统建立一套正常运行及正常停运状态下的基准值的正常工作模型,包含状态开关量点、正常运行区间值、正常或停运状态时各设备的状态信息。当状态偏离此模型时,视为设备存在异常。所述正常工作模型的构建过程,如下:
(1)建立模型组:每个盘柜作为一个诊断子组,均包括2个控制单元、2组电源、若干卡件及配套网络,任一部件故障均可能会影响到主控单元的正常。因此需要将整体盘柜作为一个诊断组,建立关联模型。
(2)在正常工作模型中,两组电源模块状态均为正常供电状态,汇集后输出一路主电源为卡件供电,一路辅助电源作为卡件查询电压及就地设备供电,两路电源状态均正常。而电源模块状态为正常供电状态时,主控单元的电源状态质量码为1(供电状态正常),所述主控单元的电源故障质量码为0(无故障报警)。
每个主控单元均配置A网和B网,共4根网线,网口状态均正常。网口状态正常时,主控单元的网口状态质量码为1(网络状态正常),主控单元的网络负荷状态质量码为1(网络状态正常),所述主控单元的网络故障质量码为0(无故障报警)。其中,主控单元的网络负荷状态质量码为1表示所述网络的发送及接收负荷率大于2B。
根据盘柜所包含系统内容,配置不同型号的卡件,投用卡件均为正常状态。投用卡件处于正常状态时,主控单元的卡件故障质量码为0(无故障报警)。
盘柜温度符合标准,即主控单元的盘柜温度质量码为1,具体地,盘柜温度<30℃。
DCS系统中的两个控制单元一个为主控(主站),另一个为副控(从站),互为冗余,实时同步数据;在正常工作模型的主控模式下,所述主控单元的控制模式质量码为1,所述主控单元的备用模式质量码为0,且所述主控单元的主控故障质量码为0,此时显示屏幕上画面显示为绿色。
在正常工作模型的副控模式下,所述主控单元的控制模式质量码为0,所述主控单元的备用模式质量码为1,且所述主控单元的副控故障质量码为0,此时显示屏幕上画面显示为黄色。
当上述所有部件状态全部满足时,定义为盘柜诊断组状态正常,即DCS系统处于正常运行状态;当任意部件状态发生改变时,认为状态偏离正常,即DCS系统未处于正常运行状态。
对于步骤500:
所述故障诊断模型的构建过程,具体包括:
步骤5001,确定待构建模型的故障类型。
步骤5002,根据所述待构建模型的故障类型,确定所述待构建模型的质量码。
步骤5003,结合DCS厂家知识库、历史故障案例及专业技术人员设备维护经验,确定所述待构建模型的故障原因。具体地,参考《防止电力生产事故的二十五项重点要求》、《GBT 35731-2017火力发电厂分散控制系统运行维护与试验技术规程》、《火电厂热控系统可靠性配置与事故预控》、DCS故障案例、专家经验等相关主控单元案例,确定所述待构建模型的故障原因,为建立故障诊断模型提供理论依据。
步骤5004,根据所述故障原因和所述故障类型,建立所述待构建模型的故障关联诊断信息。
步骤5005,根据所述待构建模型的质量码和所述故障关联诊断信息,确定故障诊断模型。
在将数字质量码依次与所述故障诊断模型组中的多个故障诊断模型进行匹配的过程中,通过某一数据点名对应的质量码与故障诊断模型中的数量码进行匹配。比如,某一数据点名的“主副控不匹配”为1,则其与表征“主副控内部程序不匹配,需拷贝副控”的故障诊断模型匹配;某一数据点名的“控制模式”与“备用模式”同时为1,则其与表征“主控单元状态错误,主从站抢主控”的故障诊断模型匹配;某一数据点名的“离线模式”为1且电源状态点为0,则其表征“电源故障造成主控离线”的故障诊断模型匹配;某一数据点名的“离线模式”为1且网络状态点为0,则其与表征“网络故障造成主控离线”的故障诊断模型匹配;某一数据点名的“离线模式”为1,电源状态及网络状态均无变化时,则其与表征“主控离线”的故障诊断模型匹配,需要人工进一步排查原因。通过匹配不同的故障诊断模型,确定DCS系统中出现的故障。
主控单元的负荷率在DCS系统工作过程中,总应维持到一个合理范围内,当负荷率突然变化超出范围时,代表主控运算量过多,容易发生主控死机等故障。产生原因主要有两个方面,一类是现场设备的实际操作量和变化量突然增多,此类造成的负荷率短时突升属于正常情况,可以排除主控异常风险,但长时负荷率居高不下,则代表主控长期运算量加大,存在故障风险,此时应对负荷率重点监测,必要时应当调整主控所带设备数量;另一类是主控本身或关联部件存在异常,造成的负荷率突升,此类是重要需点监测和解决的风险。因此根据负荷率与主控部件的关联关系建立相应的趋势模型。
基于此,本实施例所述的状态监测与故障诊断方法,还包括:
采集所述主控单元在多个工作时刻的负荷率以及每个所述负荷率对应的负荷变化率;
从多个所述负荷率中筛选出未处于设定负荷范围的负荷率,以得到第一负荷率;
当所述第一负荷率的数量高于第一设定数值时,输出负荷超限预警,并根据所述第一负荷率和负荷故障诊断模型确定负荷超限原因;所述第一设定数值具体为3;
根据所述负荷变化率计算负荷突升率;
从多个所述负荷突升率中筛选出高于设定负荷突升率的负荷突升率,以得到第二负荷突升率;
当所述第二负荷突升率的数量高于第二设定数值时,输出负荷突升预警,并根据所述第二负荷突升率和负荷突升诊断模型确定负荷突升原因。
其中,对于负荷故障诊断模型:参考《热工自动化系统可靠性评估技术导则》设定负荷率标准区间(0~20%)、第一上限值及第二上限值,按照不同的限值等级进行分级超限报警,第一上限值为一般报警值,通常设定为40%,超限时提醒用户关注;第二上限值为重要报警值,通常设定为60%,超过第二上限值时,同步统计当前站点所含开关量、模拟量及脉冲量点变化状态,及环境温度,对负荷率进行综合诊断,推送异常原因。
还能够对负荷率的实时趋势与同比/环比历史趋势进行对比,连续采集到7次高于历史趋势,记录为一个关注点,连续采集到3次关注点,记录为趋势同比/环比异常,同步对负荷率进行综合诊断后推送异常原因。
对于负荷突升诊断模型:连续采集多次负荷变化率,负荷率=(日负荷曲线的平均值/日负荷曲线的最大值)×100%,计算其负荷突升率,对突升变化超限进行预警。当负荷突升率>5%/s,每min采集一次,连续采集到3次以上;或负荷突升率>2%/s,连接采集到7次以上;或单次负荷突升率>15%/S时,确定“负荷率异常突升”,同步统计当前站点所含开关量、模拟量及脉冲量点变化状态,及环境温度,对负荷率进行综合诊断,推送异常原因。
进一步地,上文中所提到的对负荷率进行综合诊断包括:统计主控单元中所有点的状态变化率,当其变化趋势与负荷变化趋势一致时,定义为“现场设备变化增多导致的负荷升高”,排除负荷率突升异常;具体如下:
负荷率超限时,记录起止时间,无终止时间时记录当前时间(即负荷率一直超限情况,最长不超过20min);每秒采集一次数据,与上次采集数据对比,偏差绝对值≥1%时,记录变化为“真”,使用COUNTIF函数累计负荷率超限起始时间和结束时间段内每个测点的数据变化次数(C1)。
测点数据变化次数的概念是:在秒级取数的情况下,把每一秒的测点数据和上一秒的测点数据比较,如果超过一定的值(δ)就记录一次变化次数。然后把负荷超限时间段作为一个单位长度,从历史数据中截取相邻两个单位时间段内的数据,统计其数据变化次数(C2和C3)。如果(C1-C2)/C2>30%且(C1-C3)/C3>30%,就认为此测点数据与负荷率超限存在关联关系。则定义为“现场设备变化增多导致的负荷升高”,排除负荷率突升异常;否则定义为“负荷率突升异常”。
监视盘柜温度超限,与负荷率关联分析,温度上升幅度与负荷率上升幅度一致时,定义为“盘柜温度高造成主控单元负荷率异常”,排除负荷率高异常报警;否则定义为“负荷率突升异常”。
优选地,在一个具体实施例中,结合历史故障记录、同批次设备信息、投用寿命时长、环境温湿度等对主控单元进行综合健康状态评估,从健康状态评估与故障诊断从两个维度同步进行,形成完整的监测诊断评价体系。
其中,历史故障记录方面:所述状态监测与故障诊断方法,还包括:
1)根据所述DCS系统的故障类型和故障原因,确定所述DCS系统中发生故障的主控单元的数据点名。具体地,按每个盘柜中所包含的部件,建立存储数据栈,每次主控单元发生故障时,平台会将故障信息存储到数据库中,形成历史故障信息记录表(不同故障会在平台故障库中分配有编号)。
2)将所述DCS系统的故障类型和故障原因、所述DCS系统中发生故障的主控单元的数据点名以及所述数据点名对应的当前状态代码,作为当前记录数据并存储到故障数据库。例如:当IOIC卡编号0001设备发生故障时,平台通过网络通信的方式会读取到该设备存储在数据栈的故障信息,并将该故障信息存储到故障数据库中。
3)若所述故障数据库中存储有与所述当前记录数据相同的历史记录数据,则发出第一预警信号和第一设备检修指令;所述第一设备检修指令用于指示根据所述DCS系统中发生故障的主控单元的数据点名对所述DCS系统中的设备进行检修。具体地,通过发出故障的设备的KKS编号等标识信息,以及根据配置的周期时间,在数据库中查找该设备在周期内发生过的历史故障信息,通过故障编号进行比对;当在历史故障信息表中匹配到了相同的故障编号,就可以判定在周期内再次发生了同类故障系统自动记录故障时间、故障内容,并将故障原因存储至对应部件的存储栈中,系统发出第一预警信号,健康状态评估为“存在重复故障,建议择机检查处理”,同时推送至检修管理模块。第一预警信号用于提醒工作人员对前60天推送状态检修设备名细对应的设备进行重点检修。
同批次设备信息方面,所述状态监测与故障诊断方法,还包括:
1)建立设备台帐数据库;所述设备台帐数据库用于记录所述DCS系统的投运时间。具体地,将设备投运时间存入设备台帐数据库的数据栈。
2)当任一所述DCS系统处于故障运行状态时,根据所述设备台帐数据库确定第一DCS系统组;所述第一DCS系统组包括第一投运时间分别与多个投运时间的差值小于设定值的DCS系统;所述第一投运时间为处于故障运行状态的所述DCS系统的投运时间。具体地,当任一故障发生时,调取设备台帐中投用寿命同月份主控单元,同批次主控列入关注清单。
3)若所述第一DCS系统组中的任一DCS系统,在第一设定时间阈值内,处于故障运行状态,则发出第二预警信号和第二设备检修指令;所述第二设备检修指令用于指示对所述第一DCS系统组中多个的DCS系统进行检修。一定周期内同批次其他主控单元出再次出现该故障,同批次主控发出第二预警信号,健康状态评估为“同批次设备存在重复故障,建议择机检查处理”,同时推送至检修管理模块。第二预警信号用于提醒工作人员对一定天数的推送状态检修设备名细对应的设备进行更换或重点处理。
在投用寿命时长方面,所述状态监测与故障诊断方法,还包括:
1)根据所述设备台帐数据库,确定第二DCS系统组;所述第二DCS系统组包括多个投运寿命高于设定投运寿命的DCS系统。取“设备台帐”投运时间,自动匹换算为小时单位,投运寿命大于87600h或最早批次主控列入关注清单。
2)若所述第二DCS系统组中的任一DCS系统处于故障运行状态,则计算在第二设定时间阈值内,所述第二DCS系统组中所有DCS系统处于故障运行状态的总次数。任一故障在最早批次主控单元发生,推送全部同批次主控单元清单,列入重点关注清单。
3)当所述总次数大于设定次数时,发出第三预警信号和第三设备检修指令;所述第三设备检修指令用于指示对所述第二DCS系统组中的多个DCS系统进行检修。若在最早批次主控单元重复发生故障,输出超寿命报警(第三预警信号)。健康状态评估为“设备超寿命运行且出现过故障,建议择机检查处理”,同时推送至检修管理模块。第三预警信号用于提醒工作人员对设定时间内推送的状态检修设备名细对应的设备进行更换或重点处理。
最后,根据热控电子间通用管理规定,设置电子间温度限值为30℃,每分钟采集1次,>30℃输出报警;2个以上盘柜温度同时>30℃输出故障;2个以上盘柜温度同时存在持续上升,上升幅度≥2℃/h,或连续7次均在27℃以上时,输出报警;与主控单元关联分析,盘柜温度异常时,同时主控单元发生任一报警,系统输出“盘柜温度高造成主控单元XX异常”,建议检查电子间及盘柜温度。
以艾默生OVITION系统为例,在一个具体实施例中,故障诊断模型的故障类型与对应的故障原因,部分对应关系如下:
控制模式:一般与“备用模式”配合使用,“控制模式”为真,“备用模式”为假,代表当前主控单元为主控状态;“控制模式”“备用模式”均为真或均为假时,系统报错。
备用模式:一般与“控制模式”配合使用,“备用模式”为真,“控制模式”为假,代表当前主控单元为副控状态;“控制模式”“备用模式”均为真或均为假时,系统报错。
主站与备站不匹配:通过与故障诊断模型匹配,确定原因为逻辑页在线修改,主控程序实时更新,未拷贝至副控同步数据,导致主副控程序不一致,系统显示“主副控程序不匹配”,推送“逻辑页修改后,同步备站”;如“离线模式”、“检测到此站发生故障”、“站处于报警状态”、“失谐标志有效”、“检测到无效控制回路页”等,需要进一步结合其他参数,综合分析。
I/O接口卡故障:设备1(节点0)的IOIC卡状态,为真时正常,为假时故障。系统显示“#X控制器IOIC接口卡故障”,根据故障诊断模型能够推送“检查IOIC卡,重装插拔或更换”。
主从切换异常:当同一盘柜两台主控均为“主控模式”时,一般原因为主控故障,副控切主控时,主控未交出控制权,或DPU冗余的软件或者硬件故障,导致两台DPU抢主控,系统显示“DPU抢主控”,推送“1、复位原副控;2、检查系统状态是否正常;3、更换原副控;4、具备条件时,手动切换主副控进行试验”。
主从切换关注:发生主从切换时,系统自动检测网络、电源、IOIC接口卡、I/O卡件状态,如检测到某项同时故障时,推送“XX故障导致主从发生切换”;如其他影响因素均为正常,则推送主从切换关注,同时记录存储切换时间;
主从频繁切换:在一定时间范围内,如再次发生主从切换,系统输出“主从频繁切换”报警,并推送可能原因及处理建议“1、拔插故障DPU,重启DPU(开关位置在该DPU主机旁边)或使用Reboot Module按钮重新启动模块;2、检查网络;3、检查I/O模块扩接口线路;4、检查电源”如再次发生,建议检修期间更换该主控单元。
实施例二
如图2所示,本实施例提供一种DCS系统的状态监测与故障诊断系统,包括:
数据库获取模块101,用于获取DCS系统的当前数据库;所述DCS系统的当前数据库包括DCS系统中每个主控单元的数据点名以及所述数据点名对应的当前状态代码;所述当前状态代码用于表示所述数据点名对应的主控单元的当前状态信息。
质量码解析模块201,用于根据所述当前状态代码和预设质量码解析表,确定所述主控单元对应的数字质量码。
匹配模块301,用于将所述数字质量码输入至正常工作模型,得到第一结果。
第一输出模块401,用于当所述第一结果表示所述数字质量码与所述正常工作模型匹配时,确定所述DCS系统处于正常运行状态。
第二输出模块501,用于当所述第一结果表示所述数字质量码与所述正常工作模型不匹配时,将所述数字质量码依次与所述故障诊断模型组中的多个故障诊断模型进行匹配,以确定所述DCS系统的故障类型和故障原因。
具体地,在故障诊断模型的构建过程方面,所述第二输出模块具体包括故障确定子模块、质量码确定子模块、故障原因确定子模块、关联信息确定子模块和模型构建子模块。
故障确定子模块用于确定待构建模型的故障类型;质量码确定子模块用于根据所述待构建模型的故障类型,确定所述待构建模型的质量码;故障原因确定子模块用于结合DCS厂家知识库、历史故障案例及专业技术人员设备维护经验,确定所述待构建模型的故障原因;关联信息确定子模块用于根据所述故障原因和所述故障类型,建立所述待构建模型的故障关联诊断信息;模型构建子模块用于根据所述待构建模型的质量码和所述故障关联诊断信息,确定故障诊断模型。
进一步地,所述状态监测与故障诊断系统,还包括:
数据点名确定模块,用于根据所述DCS系统的故障类型和故障原因,确定所述DCS系统中发生故障的主控单元的数据点名。
数据存储模块,用于将所述DCS系统的故障类型和故障原因、所述DCS系统中发生故障的主控单元的数据点名以及所述数据点名对应的当前状态代码,作为当前记录数据并存储到故障数据库。
数据检测与预警模块,用于当所述故障数据库中存储有与所述当前记录数据相同的历史记录数据时,发出第一预警信号和第一设备检修指令;所述第一设备检修指令用于指示根据所述DCS系统中发生故障的主控单元的数据点名对所述DCS系统中的设备进行检修。
相对于现有技术,本发明还具有以下优点:
(1)本发明通过与DCS控制系统通讯对接,从DCS系统采集主控单元质量码信息,进行深度解析及综合研判,将系统状态代码转化为易于普通用户识别和使用的语言,为用户提供更为准确、清晰、直观、全面的状态信息,提升异常及故障的处理及时性和准确性。
(2)本发明融合热控行业专家、DCS厂家及电科院调试专家经验模型的故障诊断知识库,对主控单元进行系统性、综合性故障诊断,替代部分原有依赖人员经验及技能的故障排查方法,避免因人员技术水平差异导致的原因分析错误、处理措施不合理的人为问题事件。
(3)本发明中构建的故障诊断系统,综合了系统内外部因素(如电源、网络、接口卡、I/O卡件、盘柜等)进行综合诊断,集合DCS关联设备、工艺流程参数、设备台帐信息、环境因素等多重因素,对主控单元进行全方位多角度综合研判健康状态,及时发现隐患、智能预警,减少或杜绝主控单元突发故障。为用户进行状态检修、预防性维护更换,提供实际数据和理论依据。
(4)本发明在报警时系统生成的故障弹窗,可提供清晰的设备名称、故障内容、可能原因及处理建议,大幅提升故障处理的及时性准确性,解决新人技能不足、新老技术断层等问题。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种DCS系统的状态监测与故障诊断方法,其特征在于,所述状态监测与故障诊断方法包括:
获取DCS系统的当前数据库;所述DCS系统的当前数据库包括DCS系统中每个主控单元的数据点名以及所述数据点名对应的当前状态代码;所述当前状态代码用于表示所述数据点名对应的主控单元的当前状态信息;
根据所述当前状态代码和预设质量码解析表,确定所述主控单元对应的数字质量码;
将所述数字质量码输入至正常工作模型,得到第一结果;
当所述第一结果表示所述数字质量码与所述正常工作模型匹配时,确定所述DCS系统处于正常运行状态;
当所述第一结果表示所述数字质量码与所述正常工作模型不匹配时,将所述数字质量码依次与所述故障诊断模型组中的多个故障诊断模型进行匹配,以确定所述DCS系统的故障类型和故障原因。
2.根据权利要求1所述的DCS系统的状态监测与故障诊断方法,其特征在于,所述故障诊断模型的构建过程,具体包括:
确定待构建模型的故障类型;
根据所述待构建模型的故障类型,确定所述待构建模型的质量码;
结合DCS厂家知识库、历史故障案例及专业技术人员设备维护经验,确定所述待构建模型的故障原因;
根据所述故障原因和所述故障类型,建立所述待构建模型的故障关联诊断信息;
根据所述待构建模型的质量码和所述故障关联诊断信息,确定故障诊断模型。
3.根据权利要求1所述的DCS系统的状态监测与故障诊断方法,其特征在于,所述状态监测与故障诊断方法,还包括:
根据所述DCS系统的故障类型和故障原因,确定所述DCS系统中发生故障的主控单元的数据点名;
将所述DCS系统的故障类型和故障原因、所述DCS系统中发生故障的主控单元的数据点名以及所述数据点名对应的当前状态代码,作为当前记录数据并存储到故障数据库;
若所述故障数据库中存储有与所述当前记录数据相同的历史记录数据,则发出第一预警信号和第一设备检修指令;所述第一设备检修指令用于指示根据所述DCS系统中发生故障的主控单元的数据点名对所述DCS系统中的设备进行检修。
4.根据权利要求1所述的DCS系统的状态监测与故障诊断方法,其特征在于,所述状态监测与故障诊断方法,还包括:
建立设备台帐数据库;所述设备台帐数据库用于记录所述DCS系统的投运时间;
当任一所述DCS系统处于故障运行状态时,根据所述设备台帐数据库确定第一DCS系统组;所述第一DCS系统组包括第一投运时间分别与多个投运时间的差值小于设定值的DCS系统;所述第一投运时间为处于故障运行状态的所述DCS系统的投运时间;
若所述第一DCS系统组中的任一DCS系统,在第一设定时间阈值内,处于故障运行状态,则发出第二预警信号和第二设备检修指令;所述第二设备检修指令用于指示对所述第一DCS系统组中多个的DCS系统进行检修。
5.根据权利要求4所述的DCS系统的状态监测与故障诊断方法,其特征在于,所述状态监测与故障诊断方法,还包括:
根据所述设备台帐数据库,确定第二DCS系统组;所述第二DCS系统组包括多个投运寿命高于设定投运寿命的DCS系统;
若所述第二DCS系统组中的任一DCS系统处于故障运行状态,则计算在第二设定时间阈值内,所述第二DCS系统组中所有DCS系统处于故障运行状态的总次数;
当所述总次数大于设定次数时,发出第三预警信号和第三设备检修指令;所述第三设备检修指令用于指示对所述第二DCS系统组中的多个DCS系统进行检修。
6.根据权利要求1所述的DCS系统的状态监测与故障诊断方法,其特征在于,所述状态监测与故障诊断方法,还包括:
采集所述主控单元在多个工作时刻的负荷率以及每个所述负荷率对应的负荷变化率;
从多个所述负荷率中筛选出未处于设定负荷范围的负荷率,以得到第一负荷率;
当所述第一负荷率的数量高于第一设定数值时,输出负荷超限预警,并根据所述第一负荷率和负荷故障诊断模型确定负荷超限原因;
根据所述负荷变化率计算负荷突升率;
从多个所述负荷突升率中筛选出高于设定负荷突升率的负荷突升率,以得到第二负荷突升率;
当所述第二负荷突升率的数量高于第二设定数值时,输出负荷突升预警,并根据所述第二负荷突升率和负荷突升诊断模型确定负荷突升原因。
7.根据权利要求1所述的DCS系统的状态监测与故障诊断方法,其特征在于,所述正常工作模型的构建过程,具体包括:
在所述正常工作模型中,所述主控单元的电源状态质量码为1,所述主控单元的电源故障质量码为0,所述主控单元的网口状态质量码为1,所述主控单元的网络负荷状态质量码为1,所述主控单元的网络故障质量码为0;所述主控单元的卡件故障质量码为0;所述主控单元的盘柜温度质量码为1;
其中,所述主控单元的网络负荷状态质量码为1表示所述网络的发送及接收负荷率大于第三设定数值,所述主控单元的盘柜温度质量码为1表示盘柜温度小于第四设定数值;
在所述正常工作模型的主控模式下,所述主控单元的控制模式质量码为1,所述主控单元的备用模式质量码为0,且所述主控单元的主控故障质量码为0;
在所述正常工作模型的副控模式下,所述主控单元的控制模式质量码为0,所述主控单元的备用模式质量码为1,且所述主控单元的副控故障质量码为0。
8.一种DCS系统的状态监测与故障诊断系统,其特征在于,所述状态监测与故障诊断系统包括:
数据库获取模块,用于获取DCS系统的当前数据库;所述DCS系统的当前数据库包括DCS系统中每个主控单元的数据点名以及所述数据点名对应的当前状态代码;所述当前状态代码用于表示所述数据点名对应的主控单元的当前状态信息;
质量码解析模块,用于根据所述当前状态代码和预设质量码解析表,确定所述主控单元对应的数字质量码;
匹配模块,用于将所述数字质量码输入至正常工作模型,得到第一结果;
第一输出模块,用于当所述第一结果表示所述数字质量码与所述正常工作模型匹配时,确定所述DCS系统处于正常运行状态;
第二输出模块,用于当所述第一结果表示所述数字质量码与所述正常工作模型不匹配时,将所述数字质量码依次与所述故障诊断模型组中的多个故障诊断模型进行匹配,以确定所述DCS系统的故障类型和故障原因。
9.根据权利要求8所述的DCS系统的状态监测与故障诊断系统,其特征在于,在故障诊断模型的构建过程方面,所述第二输出模块具体包括:
故障确定子模块,用于确定待构建模型的故障类型;
质量码确定子模块,用于根据所述待构建模型的故障类型,确定所述待构建模型的质量码;
故障原因确定子模块,用于结合DCS厂家知识库、历史故障案例及专业技术人员设备维护经验,确定所述待构建模型的故障原因;
关联信息确定子模块,用于根据所述故障原因和所述故障类型,建立所述待构建模型的故障关联诊断信息;
模型构建子模块,用于根据所述待构建模型的质量码和所述故障关联诊断信息,确定故障诊断模型。
10.根据权利要求8所述的DCS系统的状态监测与故障诊断系统,其特征在于,所述状态监测与故障诊断系统,还包括:
数据点名确定模块,用于根据所述DCS系统的故障类型和故障原因,确定所述DCS系统中发生故障的主控单元的数据点名;
数据存储模块,用于将所述DCS系统的故障类型和故障原因、所述DCS系统中发生故障的主控单元的数据点名以及所述数据点名对应的当前状态代码,作为当前记录数据并存储到故障数据库;
数据检测与预警模块,用于当所述故障数据库中存储有与所述当前记录数据相同的历史记录数据时,发出第一预警信号和第一设备检修指令;所述第一设备检修指令用于指示根据所述DCS系统中发生故障的主控单元的数据点名对所述DCS系统中的设备进行检修。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371706.3A CN114721352B (zh) | 2022-04-11 | 2022-04-11 | Dcs系统的状态监测与故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371706.3A CN114721352B (zh) | 2022-04-11 | 2022-04-11 | Dcs系统的状态监测与故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114721352A true CN114721352A (zh) | 2022-07-08 |
CN114721352B CN114721352B (zh) | 2023-07-25 |
Family
ID=82242553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210371706.3A Active CN114721352B (zh) | 2022-04-11 | 2022-04-11 | Dcs系统的状态监测与故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114721352B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115454027A (zh) * | 2022-09-14 | 2022-12-09 | 华能山东发电有限公司 | 一种自动控制回路监测与诊断方法及系统 |
CN115616997A (zh) * | 2022-10-17 | 2023-01-17 | 华能威海发电有限责任公司 | 一种热控状态监测与知识库融合方法和系统 |
CN116027748A (zh) * | 2022-12-30 | 2023-04-28 | 湖北源丰化工有限公司 | 一种基于模块化dcs的复合肥生产控制方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160116892A1 (en) * | 2014-10-22 | 2016-04-28 | Industrial Technology Research Institute | Method and system of cause analysis and correction for manufacturing data |
DE102015225018A1 (de) * | 2015-12-11 | 2017-06-14 | Mtu Friedrichshafen Gmbh | Verfahren zur Prüfung einer Mehrzahl von in gleicher Weise mit Bauteilen bestückten Bauteilträgern, Computerprogrammprodukt zur Durchführung eines solchen Verfahrens, und Prüfsystem zur Durchführung eines solchen Verfahrens |
CN108153278A (zh) * | 2017-12-19 | 2018-06-12 | 卡斯柯信号有限公司 | Cbtc信号系统dcs故障诊断及预警分析方法 |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台系统 |
WO2020157220A1 (en) * | 2019-01-30 | 2020-08-06 | Bühler AG | System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes |
US20210071897A1 (en) * | 2019-09-09 | 2021-03-11 | Alisea S.R.L. | Systems and Methods for Artificial Intelligence-Based Maintenance of an Air Conditioning System |
CN113110386A (zh) * | 2021-04-19 | 2021-07-13 | 重庆大学 | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 |
CN113342812A (zh) * | 2021-06-01 | 2021-09-03 | 陕西理工大学 | 输变电设备故障快速诊断系统、方法及平台 |
-
2022
- 2022-04-11 CN CN202210371706.3A patent/CN114721352B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160116892A1 (en) * | 2014-10-22 | 2016-04-28 | Industrial Technology Research Institute | Method and system of cause analysis and correction for manufacturing data |
DE102015225018A1 (de) * | 2015-12-11 | 2017-06-14 | Mtu Friedrichshafen Gmbh | Verfahren zur Prüfung einer Mehrzahl von in gleicher Weise mit Bauteilen bestückten Bauteilträgern, Computerprogrammprodukt zur Durchführung eines solchen Verfahrens, und Prüfsystem zur Durchführung eines solchen Verfahrens |
CN108241343A (zh) * | 2016-12-24 | 2018-07-03 | 青岛海尔模具有限公司 | 一种智能工厂管理平台系统 |
CN108153278A (zh) * | 2017-12-19 | 2018-06-12 | 卡斯柯信号有限公司 | Cbtc信号系统dcs故障诊断及预警分析方法 |
WO2020157220A1 (en) * | 2019-01-30 | 2020-08-06 | Bühler AG | System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes |
US20220163947A1 (en) * | 2019-01-30 | 2022-05-26 | Bühler AG | System and method for detecting and measuring anomalies in signaling originating from components used in industrial processes |
US20210071897A1 (en) * | 2019-09-09 | 2021-03-11 | Alisea S.R.L. | Systems and Methods for Artificial Intelligence-Based Maintenance of an Air Conditioning System |
CN113110386A (zh) * | 2021-04-19 | 2021-07-13 | 重庆大学 | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 |
CN113342812A (zh) * | 2021-06-01 | 2021-09-03 | 陕西理工大学 | 输变电设备故障快速诊断系统、方法及平台 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115454027A (zh) * | 2022-09-14 | 2022-12-09 | 华能山东发电有限公司 | 一种自动控制回路监测与诊断方法及系统 |
CN115616997A (zh) * | 2022-10-17 | 2023-01-17 | 华能威海发电有限责任公司 | 一种热控状态监测与知识库融合方法和系统 |
CN116027748A (zh) * | 2022-12-30 | 2023-04-28 | 湖北源丰化工有限公司 | 一种基于模块化dcs的复合肥生产控制方法及系统 |
CN116027748B (zh) * | 2022-12-30 | 2023-09-12 | 湖北源丰化工有限公司 | 一种基于模块化dcs的复合肥生产控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114721352B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114721352A (zh) | Dcs系统的状态监测与故障诊断方法及系统 | |
CN108847968B (zh) | 监控事故、异常事件辨识及多维分析方法 | |
CA2338006C (en) | Remote monitoring diagnostic system and method thereof | |
US7295887B2 (en) | Machine management system and message server used for machine management | |
CN112925279A (zh) | 一种基于mes系统的故障综合分析系统 | |
CN112817280A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
CN108051709A (zh) | 基于人工智能技术的变压器状态在线评估分析方法 | |
CN107069960B (zh) | 一种二次运维管理系统的在线缺陷诊断方法 | |
CN105971866B (zh) | 一种空气压缩机故障在线检测方法及系统 | |
CN114781476B (zh) | 一种量测设备故障分析系统和方法 | |
CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
CN113703400A (zh) | 一种支持远程协同的设备状态监测系统及其状态上报方法 | |
CN108512231A (zh) | 一种基于iec61850协议的状态监测集成平台的数据处理方法 | |
CN117434440B (zh) | 一种量测开关的自动检测方法及系统 | |
CN114692393A (zh) | 基于桑基图的电表状态监控方法及装置 | |
CN111371180B (zh) | 变电站巡查监管与数据分析系统 | |
DE102008050167A1 (de) | Verfahren und System zur Analyse von Betriebsbedingungen | |
CN110513252B (zh) | 一种风电场scada系统数据异常告警修复系统与方法 | |
CN112328662A (zh) | 一种调度自动化系统集中式数据采集故障智能诊断方法 | |
CN109885978B (zh) | 一种遥感地面站故障诊断系统及方法 | |
CN114254844A (zh) | 一种应用制衣车间的工位产能自动统计系统及其统计方法 | |
CN112731857A (zh) | 一种环保设备运行状态在线监管系统及监管方法 | |
CN108521173A (zh) | 一种基于iec61850的超特高压串联补偿装置状态监测集成平台 | |
CN115616997A (zh) | 一种热控状态监测与知识库融合方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |