CN118331204A - 一种工业自动化控制设备安全状态监测方法及系统 - Google Patents
一种工业自动化控制设备安全状态监测方法及系统 Download PDFInfo
- Publication number
- CN118331204A CN118331204A CN202410484381.9A CN202410484381A CN118331204A CN 118331204 A CN118331204 A CN 118331204A CN 202410484381 A CN202410484381 A CN 202410484381A CN 118331204 A CN118331204 A CN 118331204A
- Authority
- CN
- China
- Prior art keywords
- circuit
- safety
- information
- equipment
- threshold
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 68
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000003745 diagnosis Methods 0.000 claims abstract description 14
- 230000005856 abnormality Effects 0.000 claims abstract description 13
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 238000012423 maintenance Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000012896 Statistical algorithm Methods 0.000 claims abstract description 9
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 43
- 230000003749 cleanliness Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 230000005672 electromagnetic field Effects 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 5
- 238000010835 comparative analysis Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种工业自动化控制设备安全状态监测方法及系统,涉及工业安全的技术领域,该通过数据采集模块系统可以实时监测控制器内部的输入电压波动信息、电路状态信息以及相关输入信号信息,通过多维度参数,以为及时发现潜在的问题。诊断分析模块利用机器学习技术和训练好的异常检测模型,从设备状态数据库中提取关键特征,并识别控制器和设备可能存在的异常情况,提供精准的诊断结果;预警模块根据历史数据和统计学算法,计算综合阈值L2,并将其与实时获取的安全评估指数Qgzs对比,确定控制器和设备的安全情况,并及时发出预警信息,提醒运维人员采取相应的措施。
Description
技术领域
本发明涉及工业安全的技术领域,具体为一种工业自动化控制设备安全状态监测方法及系统。
背景技术
在工业自动化控制领域,控制器扮演着关键的角色,负责接收和处理各种输入信号,控制设备的运行状态,而这些输入信号包括了来自不同传感器的信息,以及控制器内部电路的工作状态,这些信息共同构成了控制设备的运行基础。
然而,目前在工业自动化控制设备的安全监测方面还存在一些不足之处。例如,传统的安全监测方法往往依赖于人工巡检和单一指标的监测,但殊不知控制器的输入电压波形状态将直接反映电源供电的稳定性,而输入信号状态则将直接影响控制器的数据处理和逻辑控制,进而影响设备的自动化控制效果,进而容易忽略设备状态的细微变化和潜在问题。
发明内容
针对现有技术的不足,本发明提供了一种工业自动化控制设备安全状态监测方法及系统,解决了上述背景技术中的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种工业自动化控制设备安全状态监测系统,包括数据采集模块、数据处理模块、诊断分析模块、预警模块以及自动化控制模块;
所述数据采集模块用于利用示波器和若干组传感器,实时采集并记录控制器内相关输入电压波动信息和相关电路状态信息,生成第一数据组,同时监测相关输入信号信息,生成第二数据组;
所述数据处理模块利用无量纲处理技术,将所述第一数据组和所述第二数据组均进行无量纲处理后,再将信息均传输至设备状态数据库;
所述诊断分析模块用于将设备状态数据库内信息进行特征提取,以获取电源工作频率Dypl、滤波器截止频率Ljzz、纹波值Wbz、变化幅度Bhfd以及峰值变化率Fzbz,经过训练和测试后的异常检测模型,分别获取波形干净度Bgjz、电路稳定系数Lwxs和信号波形系数Xbxs,并经机器学习,通过将所述电路稳定系数Lwxs与所述信号波形系数Xbxs相关联,拟合获取安全评估指数Qgzs;
所述预警模块用于抽取历史时间轴中相关输入电压波动信息、相关电路状态信息和相关输入信号信息,并建立历史数据集,利用统计学算法求均值,获取电路阈值L1和综合阈值L2,将电路稳定系数Lwxs与电路阈值L1对比,以判断当前控制器的电路是否存在异常,通过将安全评估指数Qgzs与综合阈值L2对比,获取安全报表;
所述自动化控制模块用于根据安全报表,采取相应的自动化控制方案。
优选的,所述数据采集模块包括第一采集单元、第二采集单元和第三采集单元;
所述第一采集单元用于实时监测并记录控制器内相关输入电压波动信息,所述相关输入电压波动信息包括电源工作频率Dypl、滤波器截止频率Ljzz、电源输出端的负载差值Ysfz和电源输出的直流电幅差值Sczf;
所述第二采集单元用于实时监测并记录控制器内相关电路状态信息,所述相关电路状态信息包括纹波值Wbz、电磁场强度Dcqd以及温度变化;
所述第三采集单元用于实时监测与记录控制器内相关输入信号信息,所述相关输入信号信息包括频率变化率Plbz、变化幅度Bhfd、峰值变化率Fzbz以及谷值变化率Fgbz。
优选的,所述数据处理模块包括清洗单元和标准化单元;
所述清洗单元用于将设备状态数据库内信息进行预处理,预处理包括去除噪声、填补缺失值以及数据平滑操作,其中,填补缺失值方法包括均值填补、中位数填补、插值法填补以及回归法填补;
所述标准化单元用于利用无量纲处理技术,对设备状态数据库内信息进行缩放,使得设备状态数据库内信息范围落在0到1之间。
优选的,所述诊断分析模块包括电压波形分析单元、电路分析单元、信号分析单元和综合分析单元;
所述电压波形分析单元用于根据所述第一数据组内相关输入电压波动信息,通过将所述电源工作频率Dypl与所述滤波器截止频率Ljzz相关联,获取波形干净度Bgjz,所述波形干净度Bgjz通过以下公式获取:
;
式中,Sczf表示为电源输出的直流电幅差值,Ysfz表示为电源输出端的负载差值,a1、a2、a3和a4分别表示为电源工作频率Dypl、电源输出的直流电幅差值Sczf、电源输出端的负载差值Ysfz和滤波器截止频率Ljzz的预设比例系数。
优选的,所述电路分析单元用于根据所述第一数据组内相关电路状态信息,并结合所述电压波形分析单元内所获取的波形干净度Bgjz,经过无量纲处理后,获取电路稳定系数Lwxs,所述电路稳定系数Lwxs通过以下公式获取:
;
式中,Wbz表示为纹波值,Dcqd表示为电磁场强度,和均表示为预设比例系数,ln2表示为以2为底的对数运算,C表示为第一修正常数。
优选的,所述预警模块包括一号预警单元和二号预警单元;
所述一号预警单元用于通过将所述电路稳定系数Lwxs与所述电路阈值L1进行对比分析,以判断当前控制器的电路是否存在异常;
若所述电路稳定系数Lwxs≥所述电路阈值L1时,表示为当前控制器的电路存在异常情况;
若所述电路稳定系数Lwxs<所述电路阈值L1时,表示为当前控制器的电路不存在异常情况。
优选的,所述信号分析单元用于根据所述第二数据组,通过将所述变化幅度Bhfd与所述峰值变化率Fzbz相关联,并经过无量纲处理后,获取信号波形系数Xbxs,所述信号波形系数Xbxs通过以下公式获取:
;
式中,Fgbz表示为谷值变化率,Plbz表示为频率变化率,f表示为峰值变化率Fzbz和谷值变化率Fgbz之和的预设比例系数,b和p分别表示为变化幅度Bhfd和频率变化率Plbz的预设比例系数,R表示为第二修正常数。
优选的,所述综合分析单元用于利用电路分析单元和信号分析单元,获取安全评估指数Qgzs,所述安全评估指数Qgzs通过以下公式获取:
;
式中,F1和F2分别表示为信号波形系数Xbxs和电路稳定系数Lwxs的预设比例系数,A表示为第三修正常数;
所述二号预警单元用于将所述安全评估指数Qgzs与所述综合阈值L2进行对比分析,以获取安全报表,具体安全报表的内容如下:
若安全评估指数Qgzs>所述综合阈值L2时,表示为当前控制器存在异常情况,此时自动开启停机保护措施,停止设备运行,同时进行故障排除和修复,修复控制器故障;
若安全评估指数Qgzs=所述综合阈值L2时,表示为当前控制器处于警戒状态,此时加强设备状态的实时监测和分析,关注设备运行数据的变化趋势,及时发现潜在问题以减少安全风险发生的频率;
若安全评估指数Qgzs<所述综合阈值L2时,表示为当前控制器处于安全状态,此时将继续检测设备,定期进行巡检和维护。
优选的,所述自动化控制模块包括执行单元;
所述执行单元用于将根据相应的安全报表,实时反馈至后台操作界面,组织后台人员采取相应的检修作业,并将检修结果反馈至后台操作界面。
一种工业自动化控制设备安全状态监测方法,包括以下步骤,
步骤一、首先利用示波器和若干组传感器,实时采集并记录控制器内相关输入电压波动信息和相关电路状态信息,生成第一数据组,同时监测相关输入信号信息,生成第二数据组;
步骤二、接着利用无量纲处理技术,将所述第一数据组和所述第二数据组均进行无量纲处理后,再将信息均传输至设备状态数据库;
步骤三、然后将设备状态数据库内信息进行特征提取,以获取电源工作频率Dypl、滤波器截止频率Ljzz、纹波值Wbz、变化幅度Bhfd以及峰值变化率Fzbz,经过训练和测试后的异常检测模型,分别获取波形干净度Bgjz、电路稳定系数Lwxs和信号波形系数Xbxs,并经机器学习,通过将所述电路稳定系数Lwxs与所述信号波形系数Xbxs相关联,拟合获取安全评估指数Qgzs;
步骤四、其次抽取历史时间轴中相关输入电压波动信息、相关电路状态信息和相关输入信号信息,并建立历史数据集,利用统计学算法求均值,获取电路阈值L1和综合阈值L2,将电路稳定系数Lwxs与电路阈值L1对比,以判断当前控制器的电路是否存在异常,通过将安全评估指数Qgzs与综合阈值L2对比,获取安全报表;
步骤五、最终根据安全报表,采取相应的自动化控制方案。
(三)有益效果
本发明提供了一种工业自动化控制设备安全状态监测方法及系统,具备以下有益效果:
通过数据采集模块系统可以实时监测控制器内部的输入电压波动信息、电路状态信息以及相关输入信号信息,通过多维度参数,以为及时发现潜在的问题。诊断分析模块利用机器学习技术和训练好的异常检测模型,从设备状态数据库中提取关键特征,并识别控制器和设备可能存在的异常情况,提供精准的诊断结果;预警模块根据历史数据和统计学算法,计算综合阈值L2,并将其与实时获取的安全评估指数Qgzs对比,确定控制器和设备的安全情况,并及时发出预警信息,提醒运维人员采取相应的措施。自动化控制模块根据安全报表采取相应的自动化控制方案,保障设备的安全运行,提高生产效率和系统稳定性。总之,该系统与传统监测方法相比,对控制器的输入电压状态、电路情况以及信号进行综合性分析,进一步保障电源供电的稳定性,并且使得控制器的数据处理和逻辑控制得到有效改善,减少故障风险和生产停工时间,进一步提高设备的运行效率和生产效益。
(2)预警模块通过对电路稳定系数Lwxs与电路阈值L1的对比分析,能够准确判断当前控制器电路是否存在异常情况,进一步实现了对电路状态的精准监测和预警处理,通过及时发现电路异常情况,可以采取相应的措施进行修复和调整,有效预防设备故障和安全风险的发生,提升了设备的稳定性和可靠性。
(3)通过综合分析单元计算安全评估指数Qgzs,系统可以实时评估控制器的安全状态,快速识别是否存在异常情况,这有助于及时采取措施,防止事故发生或进一步扩大,保障设备和人员的安全。根据安全评估指数Qgzs与综合阈值L2进行对比分析后,系统自动进行相应的决策和控制,这样的自动化决策减少了人为干预的需求,进一步提高了系统的响应速度和效率,当控制器存在异常情况时,系统能够自动开启停机保护措施并进行故障排除和修复,这有助于快速恢复设备正常运行,进一步减少停机时间和生产损失。
附图说明
图1为本发明一种工业自动化控制设备安全状态监测系统示意图;
图2为本发明一种工业自动化控制设备安全状态监测方法流程示意图。
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。
实施例1
请参阅图1,本发明提供一种工业自动化控制设备安全状态监测系统,包括数据采集模块、数据处理模块、诊断分析模块、预警模块以及自动化控制模块;
所述数据采集模块用于利用示波器和若干组传感器,实时采集并记录控制器内相关输入电压波动信息和相关电路状态信息,生成第一数据组,同时监测相关输入信号信息,生成第二数据组;
所述数据处理模块利用无量纲处理技术,将所述第一数据组和所述第二数据组均进行无量纲处理后,再将信息均传输至设备状态数据库,进一步提高数据的可比性和分析效率,为后续的诊断分析提供准确的数据基础;
所述诊断分析模块用于将设备状态数据库内信息进行特征提取,以获取电源工作频率Dypl、滤波器截止频率Ljzz、纹波值Wbz、变化幅度Bhfd以及峰值变化率Fzbz,经过训练和测试后的异常检测模型,分别获取波形干净度Bgjz、电路稳定系数Lwxs和信号波形系数Xbxs,并经机器学习,通过将所述电路稳定系数Lwxs与所述信号波形系数Xbxs相关联,拟合获取安全评估指数Qgzs;
所述预警模块用于抽取历史时间轴中相关输入电压波动信息、相关电路状态信息和相关输入信号信息,并建立历史数据集,利用统计学算法求均值,获取电路阈值L1和综合阈值L2,将电路稳定系数Lwxs与电路阈值L1对比,以判断当前控制器的电路是否存在异常,通过将安全评估指数Qgzs与综合阈值L2对比,获取安全报表;
所述自动化控制模块用于根据安全报表,采取相应的自动化控制方案。
本系统运行中,通过数据采集模块实时监测并记录控制器内相关输入电压波动信息、电路状态信息和输入信号信息,进一步确保对设备运行状态的及时了解,数据处理模块将采集的数据传输至设备状态数据库,并对信息进行预处理和无量纲处理技术,实现对设备状态的数据无量纲处理,提高数据处理效率和准确性;诊断分析模块利用机器学习技术和异常检测模型对设备状态数据库内信息进行特征提取和分析,获取多维度参数,实现对设备运行状态的准确诊断和分析,预警模块通过历史数据集和统计学算法求均值,获取电路阈值L1和综合阈值L2,以分别对比电路稳定系数Lwxs和安全评估指数Qgzs,实现对控制器电路是否存在异常的判断和安全等级的评估,及时发出预警并采取相应措施;自动化控制模块根据安全等级采取相应的自动化控制方案,保障设备的安全运行和生产效率。
实施例2
请参照图1,具体的:所述数据采集模块包括第一采集单元、第二采集单元和第三采集单元;
所述第一采集单元用于实时监测并记录控制器内相关输入电压波动信息,所述相关输入电压波动信息包括电源工作频率Dypl、滤波器截止频率Ljzz、电源输出端的负载差值Ysfz和电源输出的直流电幅差值Sczf;
所述第二采集单元用于实时监测并记录控制器内相关电路状态信息,所述相关电路状态信息包括纹波值Wbz、电磁场强度Dcqd以及温度变化;
所述第三采集单元用于实时监测与记录控制器内相关输入信号信息,所述相关输入信号信息包括频率变化率Plbz、变化幅度Bhfd、峰值变化率Fzbz以及谷值变化率Fgbz。
所述数据处理模块包括清洗单元和标准化单元;
所述清洗单元用于将设备状态数据库内信息进行预处理,预处理包括去除噪声、填补缺失值以及数据平滑操作,其中,填补缺失值方法包括均值填补、中位数填补、插值法填补以及回归法填补,以提高数据质量和可用性;
其中,均值填补是用缺失值所在特征的均值来代替缺失值,中位数填补是用中位数代替,插值法填补则是通过已知数据点的插值来推算缺失值,回归法填补则是通过回归模型来预测缺失值;根据缺失值的类型和数据分布选择合适的填补方法,以保持数据完整性和准确性。
所述标准化单元用于利用无量纲处理技术,对设备状态数据库内信息进行缩放,使得设备状态数据库内信息范围落在0到1之间,以便消除不同量级数据之间的差异。
本实施例中,所述数据采集模块的设计包括第一采集单元、第二采集单元和第三采集单元,这些单元负责实时监测和记录控制器内相关信息,包括输入电压波动、电路状态和输入信号信息,这样综合采集的数据可以更全面地反映设备的运行状态和环境情况,而数据处理模块则包括清洗单元和标准化单元,清洗单元负责预处理设备状态数据库内的信息,包括去除噪声、填补缺失值以及数据平滑操作,以提高数据的质量和可用性,标准化单元则有利于后续数据分析和模型建立。整体来看,这种数据采集和处理模块的设计能够有效地获取设备的关键信息并进行数据预处理,提高了数据的质量和可信度,为后续的诊断分析、预警和自动化控制提供了可靠的基础。
实施例3
请参照图1,具体的:所述诊断分析模块包括电压波形分析单元、电路分析单元、信号分析单元和综合分析单元;
所述电压波形分析单元用于根据所述第一数据组内相关输入电压波动信息,通过将所述电源工作频率Dypl与所述滤波器截止频率Ljzz相关联,获取波形干净度Bgjz,所述波形干净度Bgjz通过以下公式获取:
;
式中,Sczf表示为电源输出的直流电幅差值,Ysfz表示为电源输出端的负载差值,a1、a2、a3和a4分别表示为电源工作频率Dypl、电源输出的直流电幅差值Sczf、电源输出端的负载差值Ysfz和滤波器截止频率Ljzz的预设比例系数,其中,0.06≤a1≤0.31,0.02≤a2≤0.22,0.03≤a3≤0.28,0.01≤a4≤0.19,且0.30≤a1+a2+a3+a4≤1.0。
上述的电源工作频率Dypl通过频率计或振动传感器进行采集获取;
电源输出的直流电幅差值Sczf指的是电源输出的直流电信号的幅度变化范围,在电源输出的直流电信号中,幅度的变化可以反映电源供电的稳定性和输出的质量,直流电幅差值越小,表示电源输出的直流电信号幅度变化范围较小,电源供电越稳定;
电源输出端的负载差值Ysfz通过负载传感器进行采集获取;
滤波器截止频率Ljzz可以通过频率计或频谱分析仪进行检测获取;
本实施例中,通过计算波形干净度Bgjz,可以评估输入电压波形的清晰度,这对于判断电源工作状态的稳定性和质量提供了重要参考,有助于及时发现电源工作频率变化与滤波效果变差等问题;将电源工作频率Dypl与滤波器截止频率Ljzz相关联,并考虑直流电幅差值Sczf和负载差值Ysfz的影响,综合分析了电源的工作状态,这种综合分析可以帮助诊断电源系统的整体性能,发现电路中可能存在的问题或异常情况。总之,电压波形分析单元通过对输入电压波动信息进行综合分析和评估,可以提供关于电源工作状态的全面了解,帮助提高设备的稳定性、可靠性和安全性,从而为工业自动化控制设备的安全状态监测提供有益的支持和指导。
实施例4
请参照图1,具体的:所述电路分析单元用于根据所述第一数据组内相关电路状态现信息,并结合所述电压波形分析单元内所获取的波形干净度Bgjz,经过无量纲处理后,获取电路稳定系数Lwxs,所述电路稳定系数Lwxs通过以下公式获取:
;
式中,Wbz表示为纹波值,Dcqd表示为电磁场强度,和均表示为预设比例系数,ln2表示为以2为底的对数运算,其中,0.10≤≤0.50,0.21≤≤0.50,且0.35≤+≤1.0,C表示为第一修正常数。
上述的纹波值Wbz则是描述电源输出的直流电中包含的交流成分的幅值,通常以毫伏为单位表示,纹波值Wbz可以通过示波器或纹波表进行采集获取。
电磁场强度Dcqd通过电磁场传感器或磁场测量仪进行监测获取;
所述预警模块包括一号预警单元和二号预警单元;
所述一号预警单元用于通过将所述电路稳定系数Lwxs与所述电路阈值L1进行对比分析,以判断当前控制器的电路是否存在异常;
若所述电路稳定系数Lwxs≥所述电路阈值L1时,表示为当前控制器的电路存在异常情况;
若所述电路稳定系数Lwxs<所述电路阈值L1时,表示为当前控制器的电路不存在异常情况。
本实施例中,所述电路分析单元结合电压波形分析单元获取的波形干净度Bgjz,以及第一数据组内的相关电路状态信息,计算电路稳定系数Lwxs,该指标综合考虑了纹波值Wbz以及电磁场强度Dcqd等因素,并通过无量纲处理方法得到,具有较好的数据可比性和统一性,预警模块则通过对比电路稳定系数Lwxs与电路阈值L1,实现对当前控制器电路异常情况的判断,有助于及时发现和处理电路异常,进一步确保设备的稳定运行。电路分析单元结合多个关键参数进行综合评估,不仅考虑了电压波形的干净度,还考虑了电路的稳定性等因素,提高了对设备整体性能的评估准确度。
实施例5
请参照图1,具体的:所述信号分析单元用于根据所述第二数据组,通过将所述变化幅度Bhfd与所述峰值变化率Fzbz相关联,并经过无量纲处理后,获取信号波形系数Xbxs,所述信号波形系数Xbxs通过以下公式获取:
;
式中,Fgbz表示为谷值变化率,Plbz表示为频率变化率,f表示为峰值变化率Fzbz和谷值变化率Fgbz之和的预设比例系数,b和p分别表示为变化幅度Bhfd和频率变化率Plbz的预设比例系数,其中,0.02≤f≤0.26,0.10≤b≤0.36,0.11≤p≤0.48,且0.30≤f+b+p≤1.0,R表示为第二修正常数。
上述的峰值变化率Fzbz和谷值变化率Fgbz可以通过示波器进行采集获取,示波器可以实时显示信号波形,并且可以测量信号的峰值或谷值的变化率,从而判断信号是否出现峰值或谷值变化速率异常的情况。
变化幅度Bhfd指的是信号幅度从一个数值跳跃到另一个数值的大小差异,突变或跳变的情况下,变化幅度会很大,通常会超出正常变化范围,可以通过振动传感器或位移传感器进行监测获取;
频率变化率Plbz指的是单位时间内信号频率的变化量,频率突变或失真的情况下,频率变化率会显著增加或减少,即频率在短时间内发生了较大的变化,频率变化率Plbz可以通过频谱分析仪或频谱仪或信号分析仪器进行采集获取,这些仪器可以对信号进行频谱分析,显示信号的频谱特征和频率变化情况,从而判断信号是否出现频率跳变或失真的异常情况,频谱分析仪通常用于分析信号的频谱分布和频率特征,频谱仪用于显示信号的频谱图像,信号分析仪器则可以综合分析信号的频率变化率和频谱特征,识别出频率跳变或失真的异常情况。
本实施例中,信号分析单元结合了多个关键参数进行综合评估,对输入信号的变化情况进行全面分析,有助于全面了解控制器输入信号的状态,通过信号波形系数Xbxs的计算和评估,可以进一步准确判断输入信号的变化情况是否异常,从而及时发现并处理输入信号异常,确保控制器输入信号的稳定性和可靠性;通过对输入信号的综合分析和评估,可以及时发现信号的异常变化,从而采取相应措施保障系统的安全运行,避免因输入信号异常而导致的设备故障或安全风险。
实施例6
请参照图1,具体的:所述综合分析单元用于利用电路分析单元和信号分析单元,获取安全评估指数Qgzs,所述安全评估指数Qgzs通过以下公式获取:
;
式中,F1和F2分别表示为信号波形系数Xbxs和电路稳定系数Lwxs的预设比例系数,其中,0.22≤F1≤0.60,0.10≤F2≤0.40,且0.40≤F1+F2≤1.0,A表示为第三修正常数。
所述二号预警单元用于将所述安全评估指数Qgzs与所述综合阈值L2进行对比分析,以获取安全报表,具体安全报表的内容如下:
若安全评估指数Qgzs>所述综合阈值L2时,表示为当前控制器存在异常情况,需要采取相应的措施进行处理和修复,此时将自动开启停机保护措施,停止设备运行,防止事故进一步扩大,同时进行故障排除和修复,修复控制器故障,确保设备恢复正常运行,进行事故分析和根因排查;
若安全评估指数Qgzs=所述综合阈值L2时,表示为当前控制器处于警戒状态,此时将需要进一步监测和关注,可能存在潜在的安全风险或异常情况,加强设备状态的实时监测和分析,关注设备运行数据的变化趋势,及时发现潜在问题以减少安全风险发生的可能性,制定应急响应计划,明确异常情况的处理流程和责任人员,以快速应对可能的安全风险;
若安全评估指数Qgzs<所述综合阈值L2时,表示为当前控制器处于安全状态,没有明显的安全风险或异常情况,此时将继续监测设备,定期进行巡检和维护,确保其正常运行,同时实施预防性维护计划,包括定期更换关键部件、清洁设备以及校准传感器等,以提高设备的可靠性和稳定性,建立备件库存,以备不时之需,确保设备故障时能够快速恢复生产。
所述自动化控制模块包括执行单元;
所述执行单元用于将根据相应的安全报表,实时反馈至后台操作界面,组织后台人员采取相应的检修作业,并将检修结果反馈至后台操作界面。
本实施例中,利用综合分析单元计算的安全评估指数Qgzs,能够准确地评估当前控制器的安全状态,这有助于及时发现可能存在的安全风险和异常情况,为后续的措施制定提供了依据,根据安全评估指数Qgzs与综合阈值L2的对比分析,能够实现对当前控制器状态的实时预警和处理,当安全评估指数Qgzs超过综合阈值L2时,自动启动停机保护措施,防止事故扩大;通过自动化控制模块的执行单元,能够实时反馈安全等级至后台操作界面,组织后台人员采取相应的检修作业,并及时将检修结果反馈至后台操作界面,这种及时响应和反馈能够增强安全防护,进一步提高设备的稳定性和可靠性。综合分析单元和自动化控制模块的有效结合,能够及时接收到当前控制器情况,以便降低安全风险发生的可能性。通过实时监测、预警和处理,及时排除潜在问题,减少设备故障对生产的影响,保障生产环境的安全和稳定性。
实施例7
请参照图1和图2,具体的:一种工业自动化控制设备安全状态监测方法,包括以下步骤,
步骤一、首先利用示波器和若干组传感器,实时采集并记录控制器内相关输入电压波动信息和相关电路状态信息,生成第一数据组,同时监测相关输入信号信息,生成第二数据组;
步骤二、接着利用无量纲处理技术,将所述第一数据组和所述第二数据组均进行无量纲处理后,再将信息均传输至设备状态数据库;
步骤三、然后将设备状态数据库内信息进行特征提取,以获取电源工作频率Dypl、滤波器截止频率Ljzz、纹波值Wbz、变化幅度Bhfd以及峰值变化率Fzbz,经过训练和测试后的异常检测模型,分别获取波形干净度Bgjz、电路稳定系数Lwxs和信号波形系数Xbxs,并经机器学习,通过将所述电路稳定系数Lwxs与所述信号波形系数Xbxs相关联,拟合获取安全评估指数Qgzs;
步骤四、其次抽取历史时间轴中相关输入电压波动信息、相关电路状态信息和相关输入信号信息,并建立历史数据集,利用统计学算法求均值,获取电路阈值L1和综合阈值L2,将电路稳定系数Lwxs与电路阈值L1对比,以判断当前控制器的电路是否存在异常,通过将安全评估指数Qgzs与综合阈值L2对比,获取安全报表;
步骤五、最终根据安全报表,采取相应的自动化控制方案。
示例:一个某某工业园区,该工业园区引入了一种工业自动化控制设备安全状态监测方法及系统,以下是某某工业园区的示例:
数据采集:电源工作频率Dypl为0.84;电源输出的直流电幅差值Sczf为2.1;电源输出端的负载差值Ysfz为12.32;滤波器截止频率Ljzz为68%;
预设比例系数:a1为0.21;a2为0.11;a3为0.06;a4为0.05;
纹波值Wbz为2.6;电磁场强度Dcqd为6.4;
预设比例系数:为0.16;为0.25;第一修正常数C为0.7;
峰值变化率Fzbz为6.1;谷值变化率Fgbz为2.2;变化幅度Bhfd为16;频率变化率Plbz为12%;
预设比例系数:f为0.16;b为0.21;p为0.12;第二修正常数R为0.4;F1为0.30;F2为0.16;第三修正常数A为0.74;
通过对以上数据进行无量纲处理后,可以进行以下计算:
波形干净度;
电路稳定系数;
若电路阈值L1为4,则电路稳定系数Lwxs≥所述电路阈值L1,表示为当前控制器的电路存在异常情况;
信号波形系数;
安全评估指数;
若综合阈值L2为9时,安全评估指数Qgzs=所述综合阈值L2,表示为当前控制器处于警戒状态,此时加强设备状态的实时监测和分析,关注设备运行数据的变化趋势,及时发现潜在问题以减少安全风险发生的频率。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种工业自动化控制设备安全状态监测系统,其特征在于:包括数据采集模块、数据处理模块、诊断分析模块、预警模块以及自动化控制模块;
所述数据采集模块用于利用示波器和若干组传感器,实时采集并记录控制器内相关输入电压波动信息和相关电路状态信息,生成第一数据组,同时监测相关输入信号信息,生成第二数据组;
所述数据处理模块利用无量纲处理技术,将所述第一数据组和所述第二数据组均进行无量纲处理后,再将信息均传输至设备状态数据库;
所述诊断分析模块用于将设备状态数据库内信息进行特征提取,以获取电源工作频率Dypl、滤波器截止频率Ljzz、纹波值Wbz、变化幅度Bhfd以及峰值变化率Fzbz,经过训练和测试后的异常检测模型,分别获取波形干净度Bgjz、电路稳定系数Lwxs和信号波形系数Xbxs,并经机器学习,通过将所述电路稳定系数Lwxs与所述信号波形系数Xbxs相关联,拟合获取安全评估指数Qgzs;
所述预警模块用于抽取历史时间轴中相关输入电压波动信息、相关电路状态信息和相关输入信号信息,并建立历史数据集,利用统计学算法求均值,获取电路阈值L1和综合阈值L2,将电路稳定系数Lwxs与电路阈值L1对比,以判断当前控制器的电路是否存在异常,通过将安全评估指数Qgzs与综合阈值L2对比,获取安全报表;
所述自动化控制模块用于根据安全报表,采取相应的自动化控制方案。
2.根据权利要求1所述的一种工业自动化控制设备安全状态监测系统,其特征在于:所述数据采集模块包括第一采集单元、第二采集单元和第三采集单元;
所述第一采集单元用于实时监测并记录控制器内相关输入电压波动信息,所述相关输入电压波动信息包括电源工作频率Dypl、滤波器截止频率Ljzz、电源输出端的负载差值Ysfz和电源输出的直流电幅差值Sczf;
所述第二采集单元用于实时监测并记录控制器内相关电路状态信息,所述相关电路状态信息包括纹波值Wbz、电磁场强度Dcqd以及温度变化;
所述第三采集单元用于实时监测与记录控制器内相关输入信号信息,所述相关输入信号信息包括频率变化率Plbz、变化幅度Bhfd、峰值变化率Fzbz以及谷值变化率Fgbz。
3.根据权利要求2所述的一种工业自动化控制设备安全状态监测系统,其特征在于:所述数据处理模块包括清洗单元和标准化单元;
所述清洗单元用于将设备状态数据库内信息进行预处理,预处理包括去除噪声、填补缺失值以及数据平滑操作,其中,填补缺失值方法包括均值填补、中位数填补、插值法填补以及回归法填补;
所述标准化单元用于利用无量纲处理技术,对设备状态数据库内信息进行缩放,使得设备状态数据库内信息范围落在0到1之间。
4.根据权利要求3所述的一种工业自动化控制设备安全状态监测系统,其特征在于:所述诊断分析模块包括电压波形分析单元、电路分析单元、信号分析单元和综合分析单元;
所述电压波形分析单元用于根据所述第一数据组内相关输入电压波动信息,通过将所述电源工作频率Dypl与所述滤波器截止频率Ljzz相关联,获取波形干净度Bgjz,所述波形干净度Bgjz通过以下公式获取:
;
式中,Sczf表示为电源输出的直流电幅差值,Ysfz表示为电源输出端的负载差值,a1、a2、a3和a4分别表示为电源工作频率Dypl、电源输出的直流电幅差值Sczf、电源输出端的负载差值Ysfz和滤波器截止频率Ljzz的预设比例系数。
5.根据权利要求4所述的一种工业自动化控制设备安全状态监测系统,其特征在于:所述电路分析单元用于根据所述第一数据组内相关电路状态信息,并结合所述电压波形分析单元内所获取的波形干净度Bgjz,经过无量纲处理后,获取电路稳定系数Lwxs,所述电路稳定系数Lwxs通过以下公式获取:
;
式中,Wbz表示为纹波值,Dcqd表示为电磁场强度,和均表示为预设比例系数,ln2表示为以2为底的对数运算,C表示为第一修正常数。
6.根据权利要求4所述的一种工业自动化控制设备安全状态监测系统,其特征在于:所述预警模块包括一号预警单元和二号预警单元;
所述一号预警单元用于通过将所述电路稳定系数Lwxs与所述电路阈值L1进行对比分析,以判断当前控制器的电路是否存在异常;
若所述电路稳定系数Lwxs≥所述电路阈值L1时,表示为当前控制器的电路存在异常情况;
若所述电路稳定系数Lwxs<所述电路阈值L1时,表示为当前控制器的电路不存在异常情况。
7.根据权利要求4所述的一种工业自动化控制设备安全状态监测系统,其特征在于:所述信号分析单元用于根据所述第二数据组,通过将所述变化幅度Bhfd与所述峰值变化率Fzbz相关联,并经过无量纲处理后,获取信号波形系数Xbxs,所述信号波形系数Xbxs通过以下公式获取:
;
式中,Fgbz表示为谷值变化率,Plbz表示为频率变化率,f表示为峰值变化率Fzbz和谷值变化率Fgbz之和的预设比例系数,b和p分别表示为变化幅度Bhfd和频率变化率Plbz的预设比例系数,R表示为第二修正常数。
8.根据权利要求6所述的一种工业自动化控制设备安全状态监测系统,其特征在于:
所述综合分析单元用于利用电路分析单元和信号分析单元,获取安全评估指数Qgzs,所述安全评估指数Qgzs通过以下公式获取:
;
式中,F1和F2分别表示为信号波形系数Xbxs和电路稳定系数Lwxs的预设比例系数,A表示为第三修正常数;
所述二号预警单元用于将所述安全评估指数Qgzs与所述综合阈值L2进行对比分析,以获取安全报表,具体安全报表的内容如下:
若安全评估指数Qgzs>所述综合阈值L2时,表示为当前控制器存在异常情况,此时自动开启停机保护措施,停止设备运行,同时进行故障排除和修复,修复控制器故障;
若安全评估指数Qgzs=所述综合阈值L2时,表示为当前控制器处于警戒状态,此时加强设备状态的实时监测和分析,关注设备运行数据的变化趋势,及时发现潜在问题以减少安全风险发生的频率;
若安全评估指数Qgzs<所述综合阈值L2时,表示为当前控制器处于安全状态,此时将继续检测设备,定期进行巡检和维护。
9.根据权利要求1所述的一种工业自动化控制设备安全状态监测系统,其特征在于:所述自动化控制模块包括执行单元;
所述执行单元用于将根据相应的安全报表,实时反馈至后台操作界面,组织后台人员采取相应的检修作业,并将检修结果反馈至后台操作界面。
10.一种工业自动化控制设备安全状态监测方法,包括上述权利要求1~9任一项所述的一种工业自动化控制设备安全状态监测系统,其特征在于:包括以下步骤,
步骤一、首先利用示波器和若干组传感器,实时采集并记录控制器内相关输入电压波动信息和相关电路状态信息,生成第一数据组,同时监测相关输入信号信息,生成第二数据组;
步骤二、接着利用无量纲处理技术,将所述第一数据组和所述第二数据组均进行无量纲处理后,再将信息均传输至设备状态数据库;
步骤三、然后将设备状态数据库内信息进行特征提取,以获取电源工作频率Dypl、滤波器截止频率Ljzz、纹波值Wbz、变化幅度Bhfd以及峰值变化率Fzbz,经过训练和测试后的异常检测模型,分别获取波形干净度Bgjz、电路稳定系数Lwxs和信号波形系数Xbxs,并经机器学习,通过将所述电路稳定系数Lwxs与所述信号波形系数Xbxs相关联,拟合获取安全评估指数Qgzs;
步骤四、其次抽取历史时间轴中相关输入电压波动信息、相关电路状态信息和相关输入信号信息,并建立历史数据集,利用统计学算法求均值,获取电路阈值L1和综合阈值L2,将电路稳定系数Lwxs与电路阈值L1对比,以判断当前控制器的电路是否存在异常,通过将安全评估指数Qgzs与综合阈值L2对比,获取安全报表;
步骤五、最终根据安全报表,采取相应的自动化控制方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410484381.9A CN118331204A (zh) | 2024-04-22 | 2024-04-22 | 一种工业自动化控制设备安全状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410484381.9A CN118331204A (zh) | 2024-04-22 | 2024-04-22 | 一种工业自动化控制设备安全状态监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118331204A true CN118331204A (zh) | 2024-07-12 |
Family
ID=91781511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410484381.9A Pending CN118331204A (zh) | 2024-04-22 | 2024-04-22 | 一种工业自动化控制设备安全状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118331204A (zh) |
-
2024
- 2024-04-22 CN CN202410484381.9A patent/CN118331204A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116660669B (zh) | 一种电力设备故障在线监测系统及方法 | |
CN109186813B (zh) | 一种温度传感器自检装置及方法 | |
CN109239265B (zh) | 监测设备故障检测方法及装置 | |
CN110414154B (zh) | 一种带有双测点的风机部件温度异常检测和报警方法 | |
CN116320832B (zh) | 一种监控设备故障监测方法及装置 | |
CN111324105A (zh) | 一种基于统计量马氏距离的微小传感器故障检测和分离方法 | |
CN114813124B (zh) | 一种轴承故障的监测方法及装置 | |
CN112711850A (zh) | 一种基于大数据的机组在线监测方法 | |
CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
CN117706943B (zh) | 一种换流变阀侧套管末屏分压器的自适应控制方法及系统 | |
CN109240253B (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
CN114664063A (zh) | 一种基于通用指标趋势分析的设备分级报警方法 | |
CN113155443B (zh) | 一种采煤机减速器润滑油状态监测与故障诊断系统及方法 | |
CN117607780A (zh) | 一种电能计量装置异常分析系统及其分析方法 | |
JP2020027563A (ja) | ヘルスモニタリングシステム | |
CN118331204A (zh) | 一种工业自动化控制设备安全状态监测方法及系统 | |
CN115468648A (zh) | 安装状态检测方法、装置及计算机可读存储介质 | |
CN115792634A (zh) | 一种基于云端在线数据的电池单体电压采样故障识别方法 | |
WO2020204043A1 (ja) | 高炉の異常判定装置、高炉の異常判定方法、及び高炉の操業方法 | |
CN114977492A (zh) | 一种用于海上平台中控系统的电源监测与诊断方法 | |
CN115511237A (zh) | 装置运行状况监控方法及系统 | |
CN113487189A (zh) | 一种石化设备故障概率风险评估系统及评估方法 | |
KR100931628B1 (ko) | 사상 압연에 있어서 조작성 이상 진단 장치 및 방법 | |
CN117145753B (zh) | 一种空压机的工作质量测试方法及装置 | |
CN117367845B (zh) | 一种陆军装备维修设备健康诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |