CN1645282A - 用于监控技术系统的方法 - Google Patents

Abstract

本发明涉及基于模型监控技术系统(10)的方法。规定了无缺陷系统的模型，该模型在无缺陷系统(10)中描述因变量y和输入变量u之间的关系。确定用于测量y的测量误差。在容差模拟中，至少一个模型参数在规定的容差范围内变化。以这种方式计算由参数变化带来的因变量y的变化是多大。在监控期间，输入变量u的随时间的变化提供给系统(10)和模型(20)。借助于模型(20)，计算因变量y的随时间的参考变化。围绕计算的参考变化设置窄容差带和宽容差带。假如测得的随时间的变化位于宽容差带的范围外，那么系统(10)被分类为有缺陷的。假如它位于窄容差带的范围内，那么系统(10)被分类为无缺陷的。

Description

用于监控技术系统的方法

本发明涉及一种技术系统的基于模型监控的方法。

监控技术系统是为了检测在系统上的缺陷和有害状态的发生，并将系统分类为无缺陷或有缺陷。

依据权利要求1前序部分的方法从Rolf Isermann的“Modellgestützteberwachung und Fehlerdiagnose technischer Systeme(Teil 1)”[技术系统的基于模型监控和缺陷诊断(第一部分)]，Automatisierungstechnische Praxis(atp)38(1996)，第5版，第9-20页已知。无缺陷技术系统使用线性多变量模型来模拟，使用方程式 ${\underset{\‾}{X}}^{\′}\left(t\right)=\underset{\underset{\‾}{\‾}}{A}\underset{\‾}{x}\left(t\right)+\underset{\underset{\‾}{\‾}}{B}\underset{\‾}{u}\left(t\right)$ 和 $\underset{\‾}{y}\left(t\right)=\underset{\underset{\‾}{\‾}}{C}x\left(t\right)$ 表示该系统，其中 u(t)是输入变量的向量， x(t)是状态变量的向量， x′(t)是 x(t)对时间的一次导数， y(t)是输出变量的向量，

和

是矩阵。在这个实施例中，输出变量和状态变量是因变量。一方面提供输入变量向量 u(t)给被监控的实际系统，另一方面提供给线性模型。为了定义受系统影响的并能被直接或间接测量的变量，公开了各种方法。该变量取决于输出、状态和/或输入变量。一方面测量该变量随时间的变化，另一方面利用模型来计算参考变化。将测得的随时间的变化与参考变化相比较，从而确定技术系统是无缺陷还是有缺陷。

偏离参考变化的测量变化一方面可由技术系统上的缺陷引起，但另一方面仅仅由参数容差和测量中的误差引起。在上述引用R.Isermann的文章中没有披露缺陷怎样与容差和误差区分开来。再者，该方法仅仅能用于线性模型。然而，许多技术系统不能使用线性模型充分地描述。

本发明的目的是提供一种依据权利要求1前序部分的方法，该方法在监控中以系统的方式考虑在容差范围内该技术系统的参数变化的影响及施加在因变量的测量上的测量误差。

使用依据权利要求1的方法实现该目的，进一步限定在从属权利要求中给出。

指定无缺陷系统的模型。该模型描述了在无缺陷系统中因变量和系统的输入变量之间的关系，并能使用计算机自动估值。对这个模型的至少一个参数指定了容差。该参数可假定为在容差范围内的值，且不会因此而使技术系统存在缺陷。另一方面，容差外的值是缺陷。

执行容差模拟。在其中，参数在容差范围内变化。输入变量的至少一个随时间的指定变化在这里被应用到该模型。从而模拟了该模型。利用该模型，计算由参数变化导致的因变量的随时间的大量变化。

在指定容差范围内，参数变化导致因变量的可允许的变化。利用容差模拟，计算出所带来的可允许的变化是多大。在技术系统的监控期间，该可允许的变化使因变量的变化围绕参考变化改变而不发生缺陷。

此外，确定因变量测量的测量误差。因此，因变量的测量值正好与实际值一致，或者受到至多与测量误差一样大的测量错误的影响。该测量误差可导致测量值比实际存在的值更远离计算的参考值、或者更接近参考值的结果。

在监控期间，输入变量随时间的变化既提供给系统、又提供给模型。利用模型，计算因变量随时间的参考变化。围绕计算出的参考变化设置窄容差带和宽容差带。窄容差带的宽度等于合成变化减去两倍测量误差，宽容差带的宽度等于合成变化增加两倍测量误差。

比较测得的随时间的变化与围绕参考变化的容差带。假如测得的随时间的变化位于宽容差带的外部，则它偏离参考变化，并且即使测量容差增加偏差，也因此以不容许的方式偏离期望变化。该系统被分类为有缺陷的。假如测得的随时间的变化一直在窄容差带内，它完全不偏离参考变化，并且即使测量容差减少偏差，也因此或仅以容许的方式不偏离期望变化。该系统被分类为无缺陷的。

依据本发明的方法能被用于任何在计算机上能够使用可利用的模型足够准确地描述的技术系统。这个模型不必完整地描述该技术系统，而只要描述至少一个因变量和至少一个输入变量之间的关系。这个方法可被用于静态和动态技术系统，例如用于具有随时间变化的状态变量的那些系统。

使用该方法，以系统化的、可跟踪的、客观的和可复制的方式确定宽容差带和窄容差带。当以系统化的、可跟踪的、客观的和可复制的方式考虑容差和测量误差时，该方法具有将技术系统分类为无缺陷和有缺陷的作用。无论是在公司使用该方法用于监控技术系统时还是在供货者提供该技术系统时，客观性和可复制性是特别重要的。该方法允许顾客和供货者跟踪分类过程和分类的结果。

例如，在从供货者得到的系统的进货控制或制造后的质量控制的情况下，该方法一方面用于系统的限时功能测试；另一方面，当系统处于操作时，该方法用于监控技术系统。

例如，选择大量位于容差范围内的参数值。一个接一个地将这些参数设置为这些值中的每一个，利用模拟模型计算由这个值产生的因变量的随时间的变化。在进行模拟运行期间并在容差范围内改变参数也是可能的，也就是说，在模拟运行期间通过在容差范围内改变参数来改变模拟模型是可能的。

权利要求1的附加部分可以使该方法也用于具有大量输入变量和/或大量因变量的技术系统。依据权利要求3，围绕用于每个因变量的各自参考变化设置两个容差带，也就是说，在n个因变量的情况下，总共有2*n个容差带。

在结合附图的基础上，在下面将更详细地描述本发明的典型实施例，其中：

图1表示用于实现该方法的有利改进的测试设备的框图；

图2表示窄容差带和宽容差带；

图3表示因变量p_a的变化和取决于参数k的控制变量p_h的变化；

图4表示通过实际变化和参考变化之间的比较来确定参数的偏移；

图5表示在过冲情况下的修改。

典型实施例涉及机动车辆制造者的进货控制。使用依据本发明的方法，后者检查机动车辆的组件零件。对每个组件零件，至少执行一次该方法，该组件零件作为技术系统。组件零件由供货者制造，并提供给制造者的生产线。制造者也检查在制造者的生产线上制造的、利用测试系统受到质量控制的组件零件。这种组件零件的例子是自动传动的电液压控制盘。这个方法也可以由供货者用来进行其供货控制。优选地，只将归类为无缺陷的组件零件交付给机动车辆制造者，其他的被更彻底地检查。

例如，这个方法也可在机动车辆运行时用作对机动车辆的组件零件的监控，例如对自动传动的控制系统的零件的监控。

在下面更详细地描述的图1表示实现依据下面描述的本发明的方法的有利改进的设备的结构图。在这个典型实施例中，输入变量m位于被监控的组件零件10和模型20处，测量n个因变量的随时间的变化。组件零件10以s1个参数表示。特别地由组件零件10的大规模生产中的典型生产变量和外界条件的不可避免的波动产生s1个参数的容差。规定了这些容差。

组件零件10的参数的典型例子是材料的特征变量，例如单位重量、密度、粘性、弹性常数、摩擦系数、导热性、导电性或电气元件的特性，如电阻、电容或电感。

只要组件零件10是无缺陷的，组件零件10的s1个参数的值保持不变。另一方面，缺陷能导致参数值急剧变化，例如，假如在电线中发生短路；或缺陷导致参数值的一般漂移，例如，弹性常数逐渐减小。

和参数比起来，即使当技术系统是无缺陷的时候，m个输入变量和n个因变量随时间急剧变化和/或逐渐变化，例如以瞬时反应的形式。

在已经提到的使用电子控制系统的自动传动的例子中，控制系统产生电流形式的控制信号。作为传动的组件零件的电液控制盘接收这些控制信号作为输入变量。根据这些信号，产生压力作为输出变量。这些压力激励开关元件，即用于变速选择的机械传动的闸和离合器。在控制盘的信号通路中存在电气和液压功能单元。在描述这些功能单元特征的参数中有：静态传动因子，非线性特征曲线在工作点处的上升和/或功能单元的时间常数。

假如至少一个因变量的测得的变化位于宽容差带之外，即使考虑了容差和测量误差，使用该方法研究的组件零件10也是有缺陷的。例如然后组件零件10就不安装在机动车辆上，而是返还给供货者。假如因变量的每一个随时间的变化始终位于这个变量的参考带范围内，所研究的组件零件就是无缺陷的。假如至少一个变化至少暂时位于各自的窄容差带之外，而并非全部变化都位于宽容差带之外，那么更彻底地检查该组件零件。

这个方法提供给机动车辆制造者二值分类结果，即有缺陷和无缺陷。优选地提供多值结果给组件零件的供货者，以用于发现并修理故障。除刚刚描述的两个结果(无缺陷和有缺陷)之外，对于至少一个变化位于各自窄容差带之外但并不是全部变化都位于宽容差带之外的情况，提供了又一个可能结果。比较实际所产生的几个可能结果中的哪个结果取决于测量变化和参考变化的比较。对于大量的组件零件，供货者优选根据比较的实际结果评定他的生产过程并发现在导致产生缺陷组件零件的生产过程中的缺陷和不足。

例如，机动车辆组件零件供货者和机动车辆制造者使用这个方法的结果如下：假如至少一个因变量的随时间变化至少暂时偏离宽容差带，机动车辆制造者评定组件零件为有缺陷的，否则，他接收它为无缺陷的。在他的内部质量控制中，仅仅当每一个随时间的实际变化始终位于各自的窄容差带范围内时，供货者评定组件零件为无缺陷的。

这个方法步骤分为两个不同的阶段，即生成阶段和分类阶段。生成阶段的步骤对于每一个组件零件类型执行一次。在生成阶段结束时，获得模型20和每一个因变量的合成变化。分类阶段的步骤对于被监控的每一个组件零件执行一次，并产生分类结果，只要组件零件有缺陷，优选地做出关于缺陷或在组件零件上实际存在的缺陷的声明。

因而，如果监控两类组件零件，以及生产每类的一千份副本，并监控所有的两千份副本，那么执行两次生成阶段的步骤，并执行两千次分类阶段的步骤。

能产生足够精确地描述n个因变量和m个输入变量之间的关系的模型20的任何建模方法能用于该方法。若确保模型20和组件零件10之间的静态和动态匹配，精确度是足够的。

控制工程和基于知识的建模方法从R.Isermann的文章Springer出版社、1992年第2版、第1卷和第2卷、“Identifikation dynamischer Systeme”(动态系统识别)及R.Isermann的文章VDI出版社、1994年“berwachung undFehlerdiagonose-Moderne Methoden und ihre Anwendungen bei technischensystemen”(监控和故障诊断-现代方法及其在技术系统中的应用)和从专利文献DE19717716C2及EP894304B1中已知。在前面两个出版物中披露的方法既用于理论的分析，又用于技术系统的实验识别。用于技术系统建模的称为“modelica”的正式语言被描述在Modelica协会的“Modelica-A UnifiedObject-Oriented Language for Physical System Modeling，LangugeSpecification”2.0版，可以在2003年10月31日访问的http：//www.modelica.org/documents/ModelicaSpec20.pdf上获得，以及在M.M.Tiller的“Modelica-Introduction to Physical Modeling with Modelica”中找到，2001年Kluwer学术出版社。在modelica中利用编译器的翻译，从模型中产生可执行程序。

一个优选的建模方法包括为在组件零件10中至少出现一次的每一组件类型建立一种组件类型模型，该组件类型模型描述了与输入变量和一些外界状态变量有关的组件零件的输出变量，或者更一般地描述了组件类型的变量之间的相关性(约束)。不考虑它各自的用途，组件类型模型对于该类型的每一组件是有效的。再者，描述了组件零件10中典型组件的相互作用，在其中每当存在各自类型的副本时，就复制各个组件类型模型，这些副本互相联系。组件类型既可使用时间驱动和连续值模型描述，又可使用事件驱动和分离值模型描述。对于模型10的生成，可以使用这两种类型的组件模型。

特殊类的组件类型模型是使用特征曲线(用于一个输入变量)或特征区域(用于多个输入变量)对静态性能的描述。特征曲线或特征区域使用插值点来近似，在其间执行内插。在该系统中用于触发内部事件的组件零件10的开关元件被建模为通过软件实现的连接模拟比较元件的开关。

组件零件10的动态性能优选使用微分方程描述。这些微分方程同样最好在组件类型模型间分开。例如微分方程将组件类型的各种变量相互联系。优选地，通过用于该类型的动态性能的微分方程在模型中连续布置用于组件类型静态性能的特征曲线或特征区域。这样的微分方程的例子是y+T*y′＝u，其中T是组件类型的时间常数，u是输入变量和y是输出变量。

例如，组件零件10包括连续布置的三个功能单元。每一个功能功能单元的静态性能使用特征曲线或特征区域描述。假如三个功能单元的时间常数不能单独确定，优选确定用于全部三个功能单元的总量时间常数T_sum。三个功能单元的动态性能使用微分方程y+T_sum*y′＝u描述。优选在三个组件之一的模型中添加这个微分方程。

也可概括虚拟组件类型中的子系统的动态特性，并可将描述这些动态特性的微分方程指定给该虚拟类型。使用特征曲线或特征区域描述子系统的静态性能，将其指定给在子系统中表述的其他组件类型。

假如作为技术系统的组件零件10的理论分析完全不可能，或者不在合理时间范围内，就使用无缺陷真实组件零件10一直保持训练神经网络的逼近。于是训练的神经网络以与真实组件零件10一样的方式近似地动作，并被用作模型20。

通过模型20的s2个参数描述作为技术系统的组件零件10的s1个参数。s1＝s2是可能的。最好s2个模型参数中的全部或至少一些与组件零件10的参数相同，从而具有物理意义。其他的模型参数是组件零件10参数的函数。用于组件零件10的s1个参数的规定的s1个容差导致用于模型20的s2个参数的s2个容差。

无缺陷组件零件10的s1个参数具有的期望值既可从组件零件10的草图、设计和/或生产文档获得，又可通过系统识别的方法获得，例如通过在真实的无缺陷组件零件10上的测量和回归分析获得。例如系统识别和参数估计的方法由上述引证文件R.Isermann：“Identifikation dynamischer Systeme”已知。

在参数估计中，通过作为应用输入变量的向量 u的控制向量来激励作为技术系统的真实的、无缺陷部件10，并直接或间接测量因变量。为了确定适当的控制向量，执行组件零件的结构分析。通过结构分析，确定了关于组件零件的如下信息：

-在组件零件中的路径、耦合和操作关系；

-模拟和离散组件间的相互作用；

-使用事件触发的结构转变。

模型20优选地以这样的一种方式产生：在组件零件10的s1个参数和模型20的s2个参数之间存在惟一的关系，并且系统参数的改变作用在组件零件10和模型20的因变量上。例如参数漂移反映在因变量的振幅变化中或反映在该变量随时间的超前或滞后中。

使用刚刚描述的系统识别方法，也能逼真地确定和/或检查静态非线性特征曲线或特征区域。使用这样的特征曲线或特征区域，优选地对一些组件类型进行建模。通过阶梯型输入信号激励该类型的真实的无缺陷组件，并测量组件的信号反应。随后，使用线性表(折线)来近似特征曲线。令u_1、…、u_r等于这个特征曲线的r个插值点。该插值点产生阶梯型输入信号。令y_1等于在已将该输入变量设置为值u_1并且瞬时反应已衰减之后该组件产生的值。对于i＝1、…、r，一旦输入变量已从值u_(i-1)变为值u_i并且瞬时反应已衰减，令y_i等于该组件产生的值。通过r个点(u_1，y_1)、…、(u_r，y_r)定义线性表。

“容差”被理解为允许偏离规定期望值的大小。这样，容差限制了值的范围，允许参数在该范围内变化，即没有缺陷存在。

容差的规定可使参数的值有一个允许的范围，该两个界限具有该参数的区间形式，例如形式：期望值-Δ和期望值+Δ，规定Δ＞0，或者r1^*期望值和r2^*期望值，规定0＜r1＜1和r2＜1。

参数的值允许范围是区间[a，+∞)或(-∞，b)也是可能的。

下表表示参数变化的例子。在这个例子中，三个参数P1、P2和P3是变化的。在该测试表中，确定参数的期望值为0、最小允许值为-，以及最大允许值为+。

组号	参数P1	参数P2	参数P3
				1	0	0	0
2	0	0	-
				3	0	0	+
4	0	-	0
				5	0	+	0
6	-	0	0
				7	+	0	0
8	0	-	-
				9	0	+	+
10	-	0	-
				11	+	0	+
12	-	-	0
				13	+	+	0
14	-	-	-
				15	+	+	+

优选地，同样指定测试和/或监控该组件零件10的时间周期和在该监控时间周期中的N个采样时间t_1、…、t_N。在分类阶段，在监控时间周期内测量n个因变量随时间的变化，其中在每一个采样时间处测量n个因变量的n个值。一方面，监控时间周期足够长以测量有意义的随时间的变化；另一方面，监控时间周期足够短以使组件零件10的参数保持为常数、或者在监控时间周期中至多忽略不计地变化。

对于生成阶段，规定每一输入变量的至少一个随时间的变化。通过m个输入变量的m个变化来模拟模型20。优选地，在操作进行中以及组件零件10的所有子系统被激活时，以这样的方式设计变化，使所有的工作点为所期望的。对于这些r个变化和M个参数组合的每一个，通过模型20实行模拟。在测试计划的上面例子中，有M＝15个参数组合以及随后用于每一个规定变化的M＝15个模拟。通过每一个模拟计算每一个因变量随时间的变化。这样随时间的变化包括在N个采样时间处的因变量的N个值。随后，计算M个值用于n个因变量的每一个、用于输入变量的r个规定变化的每一个以及用于N个采样时间的每一个。对于每一个采样时间和每一个因变量，借助于统计学的方法确定合成变化。对于采样时间t_k(k＝1、…、N)，令y_1(t_k)、…、y_M(t_k)等于在采样时间t_k处的用于M个参数组合的M个值。计算这M个值的平均值 y(t_k)和经验方差S_x，根据计算规律计算经验方差S_x：

$S_{X^2}=\frac{1}{M-1}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{[y\_i(t\_k)-\stackrel{\‾}{y}(t\_k)]}^2$

其可替换的实施例预计计算因变量的期望值y(t_k)，其中模型20的每个参数接收各自的期望值，然后执行模拟。使用期望值y(t_k)代替经验方差 y(t_k)来计算方差，依据该计算法则方差是精确的。

$S_{X^2}=\frac{1}{M-1}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{[y\_i(t\_k)-\stackrel{\‾}{y}(t\_k)]}^2$

令φ为标准正态分布的分布函数，q(1-α)为分布函数φ的单侧(1-α)分位数。因而定义分位数q(1-α)为：φ[q(1-α)]＝1-α。例如，若α＝2％，则1-α＝0.98、q(1-α)＝2.0537，因为φ(0.98)＝2.0537。

作为用于采样时间t k的合成变化，优选使用关于平均值y(t_k)的(1-α)置信区间的宽度。这一置信区间有下限y(t_k)-q(1-α)*Sx和上限y(t_k)+q(1-α)*Sx，因此，合成变换为2*q(1-α)*Sx。这个变化在其它因素中取决于采样时间。

又一可替换的实施例设想用作变化，该变化引起在采样时间t_k(k＝1、…、N)处的因变量的最大值和最小值之间的差。

对于每个因变量y，用于测量该变量y的测量误差U(y)也在生成阶段确定。在最简单的情况下，使用测量仪器的制造者所保证的测量误差。然而，也可使用带有多种仪器(例如箝位装置和位置测量机器)的系统来测量变量y。在另一个实施例中，计算组合标准误差u(y)，即对测量仪器的所有组件及测量方法的误差求平方，得到平方和，并随后得到平方和的根。测量仪器的误差和测量方法的误差包括例如用于组件零件和环境的测试过程、测试方法和接收装置。U(y)优选为u(y)与一个预定的膨胀系数k＞1的乘积。测量误差典型地处在因变量y的合成变化的10％到20％之间。

图2说明了用于因变量y的窄和宽容差带的概念。一方面对于由规定容差中的参数变化产生的y值的方差表示的是均匀分布，而另一方面对于这种波动是正态分布。均匀分布用水平线90表示，正态分布使用钟形曲线95表示。借助于容差模拟，对于y确定合成变化。在向下的方向由T_u限定，在向上的方向由T_o限定。假如全部参数都具有其期望值，那么T_m是y值的假定值。测量误差U(y)被确定。短划线表示在均匀分布时的窄容差带111.1和宽容差带111.2。点划线表示在正态分布时的窄容差带110.1和宽容差带110.2。

到目前为止描述的步骤全部属于生成阶段。下面描述分类阶段。

图1表示执行根据本发明的方法的测试装置的结构。将m个输入变量的向量 u提供给作为测试对象的组件零件10和无缺陷组件零件10的模型20。向量u引起n个因变量的每一个随时间的变化。直接或间接测量随时间变化的向量y_actual，在N个采样时间t_1，…，t_N处向量y_actual是精确的。在图1中没有表示用于直接和/或间接测量的装置。

借助模型20，计算n个因变量的n个随时间的参考变化。在这个过程中，将指定的期望值赋值给模型参数，将m个输入变量的向量 u应用到模型20。模型产生用于n个因变量的参考变化。

优选地，实际变化和参考变化被提供给滤波器单元30，该单元计算经过平滑的随时间的实际变化y_actual_G和经过平滑的随时间的参考变化y_ref_G.。经过平滑的变化被提供给分类器40。对于N个采样时间，这可以读取带有n个因变量的合成变化的数据存储器50。

假如在操作期间这个方法被用于连续监控机动车辆组件零件，同样在操作期间测量输入变量的向量 u。如上面所述，假如该方法用于对每个组件零件的副本进行质量控制，如图1中所示，逐一产生激励向量 u，该向量 u既用于要测试的组件零件10又用于模型20。

基于上述的结构分析产生激励向量 u。当进行操作中并激励该组件零件10的全部子系统时，存储在其中的测试图按全部期望的工作点来设计。例如发生在机动车辆的行驶中的整个转动速度和规定驱动设置都被操作。为了节省时间，以这样的方式构造测试图，即同时测试相互独立的、也就是没有相互作用的子系统。缺陷覆盖度，也就是在组件零件上通过改变因变量能被检测到的缺陷的数量与在组件零件上的全部可能的缺陷的数量的比值接近于1。

优选地，同一激励向量u既在生成阶段用于确定因变量的合成变化，又在分类阶段用于产生随时间的实际变化和参考变化。在生成阶段，激励向量 u作为m个输入变量的随时间变化的向量。特别地，只要依据本发明的方法被用于质量控制或进货控制，重新使用是可能的，因此激励向量u可随意选择。在这种情况下，最好在生成阶段已产生与激励向量 u的变化相关的参考变化和容差带。

因变量还可包括被间接测量的状态变量。特别在线性模型中，为此目的使用一组观察者。间接测量的变量还可被认为是残差，即被计算作为实际变化和期望变化之间的差的变量，并且当组件零件10无缺陷时该变量一直理想地假定为零。例如，用于构造观察者组和残差的方法被描述在Th.Hfling的“Zustandsgrβenschtzung zur Fehlerknnung”[用于缺陷检测的状态变量估计]中及R.Isermann的“berwachung und Fehlerdiagnose-Moderne Methoden undihre Anwendungen bei technischen Systemen”中，VDI出版社、1994、第89-109页。

图3中示出的实施例涉及一个控制阀，它是在自动传动的控制盘中的带弹簧的组件。图3中表示因变量p_a的各种变化。p_a的变化和状态在其它因素中取决于内部事件，其依次受变量p_h(压力)的直接激励的影响。参数k影响用于触发内部事件的开关门限并取决于弹簧。间接测量内部事件是否触发，以及假如内部事件已触发的话它何时被触发。另外，触发p_a和p_h的信号通道。通过与激活的估计相结合来进行间接测量，测量参数k的当前值。

控制阀可能是无缺陷的或有下面三种缺陷之一：弹簧不存在、它的弹簧常数太大、它的弹簧常数太小。根据弹簧的状态，参数k假定为在下部图表中使用四条水平线表示的四个值之一。假如弹簧常数太大，参考值k假定为130.1。假如组件是无缺陷的，它假定为130.2，假如弹簧常数太小，假定为130.3，假如没有弹簧，假定为130.4。

比较因变量p_h与参考值k。假如p_h大于或等于k，在控制盘中触发内部事件。这减少p_a的值。一旦p_h又小于k，从而改变条件不再令人满意，再增加p_a到原来值。

假如组件是无缺陷的，变量p_a的参考变量表现为200.3。假如在控制阀中固定具有太大弹簧常数的弹簧，这被反映在p_a的随时间的偏移变化中。因为内部事件触发得太晚(变化200.1)，所以p_a的值减少得太晚。假如安装的弹簧具有太小的弹簧常数，所以p_a的值减少得太早并增加得太晚(变化200.2)。假如没有安装弹簧，由于该错误变化为200.4。因为当p_h减小时没有反方向作用力挤压活塞，所以p_a的测量值一点也不再增加。

滤波单元30平滑未处理的测量值变化y_actual和参考变化y_ref中的瞬时峰值。它还减少通过测试装置、测试过程和/或周围环境耦合进来的噪声。为了该目的，滤波单元30存储了多个采样时间的测量值和计算值。优选地，存储后三个到二十个采样时间的值。较旧的值连续被新值覆盖。

分类器40根据可能随采样时间变化的合成变化和用于每个因变量的宽容差带及窄容差带的测量误差进行计算。围绕各自的平滑过的参考变化对称地布置宽容差带及窄容差带。在采样时间t_k，用于因变量y的宽容差带的宽度是var(y、t_k)+2*U(y)，窄容差带的宽度是var(y、t_k)-2*U(y)，这里var(y、t_k)表示合成变量，按上述的计算，其中y在采样时间t_k处并且U(y)表示用于测量y的测量误差，其同样按上述方法确定。

一旦分类器40已产生用于每个因变量的宽容差带及窄容差带，它将已平滑过的随时间的实际变化y_actual_G与容差带进行比较。优选地，由于至少对于每一个采样时间计算分类值，产生位于0和1(包括在内)之间的区间内的分类值的随时间的变化。假如平滑后在采样时间t_k的实际值处于窄容差带中，则分类值为0。假如位于宽容差带的外面，则存在无法忍受的缺陷，并且分类值为1。否则计算0和1之间的值。

分类值是对偏离窄容差带的偏移的测量，并用作已平滑的因变量y的品质的测量。分类值随时间的变化结合在缺陷向量 e中。缺陷向量 e提供给用于缺陷确定的功能单元60、缺陷确定器。缺陷确定器60分析缺陷向量 e并确定在组件零件10上发生的缺陷。

缺陷确定器60优选地按照下面的方式进行操作：在生成阶段，对于在组件零件10上每一个可能的缺陷产生一个缺陷模型。对于以这样的方式改变该组件零件10：其中当存在可能的缺陷时改进的模型描述组件零件10的行为，这由模型20来进行。例如，通过改变弹簧常数的值使模型参数相应改变。或者在模型中做出结构转换或改变。通过对可能的缺陷使用缺陷模型进行模拟，自动确定缺陷和随时间的变化之间的关系。

在分类阶段，对于n个因变量将测得的变化与容差带进行比较。为了自动确定实际发生的缺陷，对该比较进行分析。

假如检测到缺陷，缺陷向量 e的至少一个组件假定该值为一。为了产生关于其中已发生缺陷的信号通道的报告，确定并分析缺陷发生的时刻和在技术系统的n个输入之处激励 u的存在。检测受缺陷影响的信号通道意味着限制了技术系统的可能有缺陷的组件的数目。假如能够测量受缺陷影响的信号通道的至少一个被选择的中间变量并且可对于该变量形成缺陷向量，那么分析该中间变量的缺陷向量。由于受缺陷影响的组件位于中间变量和系统的输出变量之间的信号通道的部分内，假如这个缺陷向量被赋值为0，则进一步限制这组所讨论的组件。假如将它赋值为一，那么组件就位于输入和信号通道的测得的中间变量之间的信号通道的部分内。为了识别带有明确缺陷的组件，一个接一个地启动所讨论的组件的缺陷模型，并模拟系统的行为。当比较测得的变化与激活的缺陷模型所产生的变化、并且缺陷向量 e不具有任何组件中的一个值时，就发现组件的缺陷。

图4表示在因变量上参数漂移的效果的一个例子。图4中，阐明了实际变化和参考变化之间的比较。在上部图表中，因变量y的参考变化y_ref用实直线表示。宽容差带使用两条虚线100.1和100.2表示，窄容差带使用两条点划线102.1和102.2表示。测量弯曲线以作为随时间的实际变化y_actual。在下部图表中，显示了缺陷检测的结果，它涉及因变量y的缺陷向量 e的组件。图中示出了在哪个时间点计算哪个分类值。

在图5中示出分类器40如何通过适应宽容差带来适应过冲。在上部图表中，示出了因变量随时间的平滑过的变化y_actual_G和围绕平滑过的参考变化y_ref_G的宽容差带。宽容差带的两个极限103.1和103.2使用虚线表示。

如图5的上部图表中所示，实际变化位于宽容差带外的0.3秒＜t＜0.6秒的范围内。在该实施例中，不认为与宽容差带的偏离是缺陷，而认为是在从定态值转向另一个值的过程中的允许过冲。假如这个过冲在生成阶段合成变化的确定中没有被考虑，那么将在分类阶段考虑，其中调整宽容差带极限103.1和103.2。图5中的下部图表中表示了被调整在0＜t＜0.9秒范围内的更宽容差带，极限为104.1和104.2。实际变化y_actual_G位于这些调整后的极限范围内。

优选地，调整宽容差带如下：通过乘以因子b(t)改变它的宽度。在调整时间周期期间，b(t)＞1；否则b(t)＝1。一个具体实施例规定在调整时间周期中通过下面计算公式定义b(t)：

$b\left(t\right)=A\·\sqrt{\frac{t}{T}}\·\left(\frac{1}{1+\frac{t}{T}}\right)$

其中T是在b(t)取最大值时的规定时间点。A是确保b的绝对值大于1的常数，并且T是函数具有最大值时的时间点。因此，容差带在T处伸展为最宽。

下面再次讨论图3的实施例。控制盘包括使用因变量p_a的连续值组件和使用直接测量变量p_h的离散值组件。在分类阶段，使用阶梯形激励模拟连续值组件的输入，并使用三角形或梯形信号模拟离散值组件的输入。在这种情况下，将激励信号的前沿和后沿的上升比率匹配系统动态变化。由于两个组件间的相互作用，该开关操作影响连续值组件的状态。

为了在控盘上的测试和缺陷检测，使用了两个计数器。根据图3，第一计数器随着测试过程的开始启动并基于信号p_a的后沿停止。第二计数器随着信号p_a的后沿启动并随着信号p_a的上升沿停止。比较第一计数器的计数值N_start与计数参考值N_start_ref。比较第二计数器的计数值N_actual与计数参考值N_ref。根据比较的结果，依据下表检测缺陷。为了对缺陷情况“没有弹簧”与缺陷情况“弹簧常数太小”之间进行明确区分，引入第三个值N_limit。它被包含在分析中，并用于停止计数器。

区分没有弹簧的两种情况。在第一种情况中控制阀(离散值组件)的活塞处于这样一个位置，即通过p_h的压力增加将活塞推到对面末端位置，从而触发内部事件。触发的内部事件导致p_a压力减小。比较图3中线200.4，由于将控制阀的活塞推到对面末端位置的弹簧的反作用力消失，所以p_a的阶梯形压力减小不能通过降低p_h来逆转。

在第二种情况中，控制阀的活塞处于这样一个位置，即没有p_h的控制作用，已经触发内部事件。压力p_a减小。通过p_h的控制作用，p_a的压力增加是不可能的。

在第一种情况中，当达到N_limit时第二计数器自动停止。在第二种情况中，当达到N_start＝N_limit时第一计数器自动停止。

缺陷	计数器1的值比较	计数器2的值比较
			弹簧正常	N_start＝N_start_ref	N_actual＝N_ref
弹簧常数太大	N_start＞N_start_ref	N_actual＜N_ref
			弹簧常数太小	N_start＜N_start_ref	N_actual＞N_ref
没有弹簧：第一种情况	N_start＜N_start_ref	N_actual＝N_limit＞N_ref
			没有弹簧：第二种情况	N_start＝N_limit＞N_start_ref	N_actual＝0＜N_ref

附图标记列表：

附图标记	含义
		10	被监控的组件零件
20	无缺陷组件零件的模型
		30	滤波单元
40	分类器
		50	带有合成变化的数据存储器
60	缺陷确定器
		90	波动的均匀分布
95	波动的正态分布
		101.1，101.2	宽容差带极限
102.1，102.2	窄容差带极限
		103.1，103.2	宽容差带的上限和下限
104.1，104.2	调整后的宽容差带的上限和下限
		110.1，110.2	具有均匀分布的窄容差带和宽容差带
111.1，111.2	具有正态分布的窄容差带和宽容差带
		130.1，130.2，130.3，130.4	参考值k的四个可能值

Claims (10)

1.一种用于自动监测技术系统(10)的方法，该方法中

-将至少一个随时间变化的输入变量提供给系统(10)，

-测量受系统(10)影响的至少一个变量随着时间的变化，

-另外将该输入变量提供给模型(20)，该模型(20)能被自动评估并描述无缺陷系统(10)中因变量和输入变量之间的关系，

-借助模型(20)计算因变量随时间的参考变化，和

-将测得的变化与参考变化进行比较，

其中

-对于模型(20)的至少一个参数规定容差，

-规定输入变量的至少一个随着时间的变化，

-为测量因变量确定测量误差，

-该参数在容差范围内变化，使用输入变量的变化来模拟模型(20)，并借助被模拟的模型(20)来计算由该参数变化所导致的因变量的随时间的多种变化，

-借助于参数变化，从产生的变化中确定因变量的合成变化，

-围绕计算出的参考变化设置窄容差带和宽容差带，窄容差带的宽度等于合成变化减少两倍的测量误差，宽容差带的宽度等于合成变化增加两倍的测量误差，

-假如测得的变化始终位于窄容差带的范围内，则系统(10)被分类为无缺陷的，

-假如测得的变化至少有一次位于宽容差带的范围外，则系统(10)被分类为有缺陷的。

2.依据权利要求1的方法，其中对于模型的多个参数分别规定容差并且对于于该参数变化确定位于容差范围内的参数的最小值和最大值，以及对于最小和/或最大参数值的每一种可能的组合，计算因变量随时间的变化。

3.依据权要求1或2的方法，其中

-测量多个因变量的随时间的变化，

-模型(20)描述因变量和输入变量之间的关系，

-对于每个因变量计算合成变化和参考变化，围绕每个参考变化设置窄容差带和宽容差带，并执行测得的变化与容差带之间的比较，

-假如每个因变量的测得的变化始终位于各自的窄容差带的范围内，则系统(10)被分类为无缺陷的，

-假如至少一个因变量的测得的变化至少有一次位于各自的宽容差带的范围外，则系统(10)被分类为有缺陷的。

4.依据权利要求3的方法，其中

-确定在技术系统(10)上的可能缺陷与这些缺陷对因变量的随时间变化的影响之间的关系，

-并通过对测得的变化与用于因变量的容差带之间的比较的估计来确定实际发生在技术系统(10)上的缺陷。

5.依据权利要求4的方法，其中

-当缺陷在技术系统(10)上存在时，对于每个可能的缺陷规定描述因变量和输入变量之间的关系的缺陷模型，

-对于可能的缺陷，通过缺陷模型的模拟确定缺陷和随时间的变化之间的关系。

6.依据权利要求5的方法，其中通过自动改变用于无缺陷系统(10)的模型(20)产生缺陷模型。

7.依据权利要求1至6中之一的方法，其中

-规定要监控技术系统(10)的时间周期和在监控时间周期中的多个采样时间，

-测得的变化和参考变化包括在采样时间的值，

-借助于参数变化，对于每个采样时间分别计算因变量的合成变化，

-以这样的方式围绕参考变量设置窄容差带，即在每个采样时间，它的宽度等于在该采样时间的合成变化与两倍测量误差之间的差，并且

-以这样的方式围绕参考变量设置宽容差带，即在每个采样时间，它的宽度等于在该采样时间的合成变化与两倍测量误差之和。

8.依据权利要求1至7中之一的方法，其中假如测得的变化位于窄容差带外并位于宽容差带的范围内，则执行下面的步骤中的至少一个：

-系统(10)被分类为无缺陷的，

-系统(10)被分类为有缺陷的并仅以受限制的方式使用，

-研究系统(10)，

-根据测得的变化位于窄容差带之外的程度，系统(10)被分类为多个可能的质量等级之一。

9.一种计算机程序产品，其能被直接下载到计算机的内部存储器中，并包括软件部分，当该产品在计算机上运行时，通过该软件部分能执行如权利要求1至8中之一的方法。

10.一种计算机程序产品，其存储在能通过计算机读取的媒介中，并具有能够通过计算机读取的程序装置，该程序装置使计算机执行如权利要求1至8中之一的方法。

Images