DE19914277B4 - Verfahren und Vorrichtung zur Erfassung der Klassen von System- oder Prozeßzuständen - Google Patents

Abstract

Verfahren zur Erfassung der Klassen von System- oder Prozesszuständen in technologischen Prozessen über ein Multisensorarray, das zur Beeinflussung nachgeschalteter Prozesse dient,
dadurch gekennzeichnet, dass
(a) Sensoren unterschiedlicher und/oder gleicher Wirkprinzipien in der Art zu einem Array zusammengefasst werden, dass charakteristische Parameter des zu bewertenden Systems oder Prozesses fortlaufend detektiert werden,
(b) durch eine adaptive Lernphase, bestimmt durch den vorgegebenen Prozesszyklus, ein Prozessmodell gebildet wird, unterteilt in abgrenzbare Klassen, die als Maßstab dienen, wobei eine Einteilung der System- oder Prozesszustände in Klassen durch Auswertung der von dem Array gelieferten Daten mittels Neuronaler Netze vom unüberwachten Typ und/oder Fuzzy-Logik erfolgt,
(c) ein aus den Sensorsignalen gebildeter Vektor über die Merkmale (a) und (b) auf seine Zugehörigkeit zu einer Klasse untersucht wird und dadurch als ausweisbare Größe zur Verfügung steht,
(d) eine aus den Merkmalen (a) bis (c) gebildete Information zur Beeinflussung von Aktuatoren und/oder von Steuer- und...

Description

• Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Erfassung der Klassen von System- oder Prozeßzuständen gemäß den Oberbegriffen der Ansprüche 1 und 2.
• In der DE 40 06 689 A1 werden ein Verfahren und eine Vorrichtung zur Erfassung der Qualität von Abwässern durch Messen mehrerer Eigenschaften bzw. von Inhaltsstoffen des Wassers und einer verzögerungsfreien Auswertung in einem Computer beschrieben. Das Auswerteergebnis, das u. a. von eingelesenen Grenzwerten abhängt, wird zu einem Signal verarbeitet, mit dem technische Einrichtungen betätigt werden.
• Dieses Verfahren setzt die Kenntnis exakter Grenzwerte voraus und versagt, wenn keine Systemwerte zur Verfügung stehen.
• In der DE 42 27 727 C2 wird in einem Verfahren zur Zustandserkennung gasförmiger und flüssiger Medien mittels Multisensorsystemen vorgeschlagen, zur Auswertung von Sensorsignalen ein Mustererkennungsverfahren zu benutzen, das dazu dient, die verschiedenen Matrixtrends genauer zu identifizieren. Das statische Modell selbst wird über vorhandene Eingangsdaten und Systemzustände adaptiv erzeugt. Mit Hilfe der Fuzzy-Clusterung, welche die unscharfen Prozeßzustände untersucht, werden diese voneinander abgegrenzt, so dass Sensordrift oder Matrixdrift zu identifizieren sind. Auch dieses Verfahren setzt die Kenntnis von Systemzuständen voraus.
• In der Europäischen Patentanmeldung EP 0 707 247 A1 wird ein Analysegerät für Abwasser vorgestellt. Es ist dabei vorgesehen, Parameter eines neuronalen Netzes, wie z. B. Gewichte, in Abhängigkeit von Sensormessdaten einzustellen, d. h. zu approximieren. Die Einstellung der Parameter erfolgt dabei anhand von vorgegebenen Schwellwerten.
• Eine Einrichtung zum Bewerten von Situationen oder Szenarien, die mit einer Mehrzahl von Sensoren beobachtet werden, wird in der deutschen Offenlegungsschrift DE 42 40 789 A1 beschrieben. Dabei wird eine Approximation eines neuronalen Netzes durchgeführt, indem in einem Trainingsprozess Gewichte von Signalen anhand von Paaren von Eingangs- und Ausgangsvektoren so verändert werden, dass der Fehler der Ausgangssignale minimiert wird.
• In der Publikation von W. Trümper: „Ein neuronales Netz als lernende Steuerung", at – Automatisierungstechnik, 1992, Jahrgang 40, Heft 4, S. 142 bis 147 wird die Nutzung neuronaler Netze als selbstlernende Steuerung vorgestellt. Dabei werden Lernmechanismen beschrieben, die in den neuronalen Netzen implementiert sind. Auch hier müssen dem neuronalen Netz in der Lernphase Eingangs- und Ausgangsgrößen vorgegeben werden.
• Der Erfindung liegt die Aufgabe zugrunde, ein gattungsgemäßes Verfahren und eine Vorrichtung zu entwickeln, mit denen auch ohne Kenntnis von Systemzuständen gewährleistet ist, dass eine ausreichend genaue Modellierung von System- oder von Prozesszuständen in technologischen Prozessen erfolgen kann.
• Erfindungsgemäß wird diese Aufgabe durch die Merkmale der Ansprüche 1 und 2 gelöst. Es werden danach Sensoren unterschiedlicher und/oder gleicher Wirkprinzipien in der Art zu einem Array zusammengefasst, dass charakteristische Parameter des zu bewertenden Systems oder Prozesses fortlaufend detektiert werden (Merkmal (a)). Durch eine adaptive Lernphase, bestimmt durch den vorgegebenen Prozesszyklus, wird ein System/Prozessmodell gebildet, unterteilt in abgrenzbare Klassen, die als Maßstab dienen und mittels neuronaler Netze vom überwachten Typ und/oder Fuzzy-Logik erzeugt werden. Gemäß der Erfindung erfolgt die Unterteilung der System- oder Prozesszustände in Klassen durch Auswertung der von dem Array gelieferten Daten. (Merkmal (b)). Ein aus den Sensorsignalen gebildeter Vektor wird über die Merkmale (a) und (b) auf seine Zugehörigkeit zu einer Klasse untersucht und dadurch als ausweisbare Größe zur Verfügung gestellt (Merkmal (c)). Eine aus den Merkmalen (a) bis (c) gebildete Information wird zur Beeinflussung von Aktuatoren und/oder von Steuer- und Regelungssystemen benutzt (Merkmal (d)). Der im Merkmal (c) gebildete Vektor wird über die Auswertung von weiteren Merkmalen wie Wartungsfunktion, Anlagenstatus, Sensorstatus und entsprechend erzeugter Datenmodelle korrigiert (Merkmal (e)).
• Die Modellierung der Prozebzustände erfolgt also ohne deren vorherige Kenntnis. Über das Sensorarray werden System- bzw. Prozeßdatenmengen derart erfaßt, daß alle signifikanten Zustände enthalten sind, ohne deren Beschreibung explizit zu kennen.
• Die volle Funktionsfähigkeit des Sensorarrays ist erst nach Ablauf eines zeitlichen Prozesses, der vom jeweils auszuwertenden System bestimmt wird, gegeben.
• Über ein adaptives Lernverfahren, das eine Datenvorverarbeitung nicht ausschließt, basierend auf neuronalen Netzen, wird aus der Lerndatenmenge ein Modell abgebildet, welches dadurch gekennzeichnet ist, daß der gesamte Modellraum durch Merkmale (Vektoren) ausgefüllt ist. Der System- bzw. Prozeßzustand ist dabei nicht bekannt. Um diesen grundsätzlich zu erkennen, wird das aus Vektoren bestehende System- bzw. Prozeßmodell in geeigneter Weise partitioniert, zum Beispiel über ein fuzzy-orientiertes Clusterverfahren.
• Zu bewertende System- oder Prozeßdaten werden als Eingangsdatenvektor mit Hilfe des trainierten und geclusterten Modells (Klassifizierer) dem ihm zugehörigen Cluster zugeordnet und somit gekennzeichnet.
• Treten Veränderungen der Datenmatrix von System oder Prozeß auf, kann der Adaptionsalgorithmus zur Modellanpassung erneut gestartet werden, zum Beispiel über eine fuzzy-basierte Auswertung.
• Die Erfindung bringt insbesondere die folgenden Vorteile für den Anwender:
• – Es erfolgt eine reproduzierbare Anzeige des gemessenen Prozeßverlaufs. Die komplizierte Bewertung von Einzelparametern des Prozesses entfällt. Kostenreduzierung durch das Bereitstellen einer zur Optimierung benötigten Prozeßgröße.
• – Die Datenbereitstellung erfolgt kostengünstig, da eine relativ einfache Sensorik eingesetzt werden kann.
• – Durch den an-line-Betrieb sind kurze Reaktionszeiten möglich, es kann auf Extremwerte reagiert werden. Die Daten des Klassifikators können als Regelgröße verwendet werden.
• – Durch die einfache Messung und die Möglichkeit der Datenfernübertragung ist geringer Personalaufwand notwendig.
• – Der Einsatz ist aufgrund der geringen geometrischen Abmessungen der Meßmittel (Sensorik) universell überall dort vorteilhaft, wo es um die einfache Messung schwer erkennbarer Größen geht, zum Beispiel in Kompaktkläranlagen, in der Oberflächengewässerüberwachung, bei der Kontrolle von Einleitern in das Abwasserkanalnetz, bei der Heizungsregelung von Wohnanlagen, bei der Straßenverkehrssteuerung, bei der Bildverarbeitung (Raumüberwachung).
• Vorteilhafte Weiterbildungen der Erfindung ergeben sich aus den Unteransprüchen.
• Die Erfindung soll nachstehend an Ausführungsbeispielen eines flüssigen Systems in einer Kläranlage und einer Probenehmersteuerung näher erläutert werden.
• Viele natürliche Prozesse lassen sich mit Hilfe von mathematischen Modellen nicht hinreichend genau nachbilden, um sie in Prozeßsteuersystemen verwenden zu können, so zum Beispiel Abwasserprobleme. Die Auswertung von Einzelparametern oder deren Korrelation liefert kein reproduzierbares Ergebnis. Für die technische Anwendung, einschließlich der Expertensysteme, fehlt eine als Summenparameter verwendbare Größe.
• Mit dem Verfahren nach der Erfindung kann diese Größe bereitgestellt werden. Auf der Grundlage der ausgewählten Prozeßparameter werden die charakteristischen Komponenten „antrainiert" und mit dem aktuellen Prozeßinput verglichen und daraus die entsprechende Zuordnung abgeleitet. Diese Größe enthält somit eine wertmäßige Aussage, sie stellt ebenso die Dynamik des Prozesses dar.
• Es soll als ein Ausführungsbeispiel das zufließende Abwasser in einer Kläranlage einer Beurteilung unterzogen werden.
• Als Meßort ist der gemeinsame Zulaufkanal vor der Phosphatfällung gewählt.
• Die Datenerfassung erfolgt über ein heterogenes Sensorarray, das aufgrund von Expertenwissen konfiguriert ist. Es besteht aus sieben Einzelsensoren, von denen vier ionenselektiven Charakter tragen und zwei Sensoren optisch detektieren (Temperatur im Leitfähigkeitssensor).
• Zur Lerndatengenerierung werden die Einzelmeßwerte über einen Personalcomputer archiviert. Die Abtastfrequenz beträgt t = 300 s. Die Abtastfrequenz wurde nach Analyse der Systemdynamik unter Beachtung des Abtasttheorems und der Rechnerkapazität auf diesen Wert festgelegt. Das neuronale Netz, zum Beispiel ein Kohonen Netz, wurde mit ca. fünfhundert Lerndatensätzen trainiert und besteht aus eintausend Neuronen.
• Das System „in die Belebungsbecken zufließendes Abwasser" konnte in mindestens sieben Klassen eingeordnet werden.
• Über dieses Mebverfahren können Expertensysteme oder Prozeßleitsysteme den Klärprozeß auf unterschiedliche Zielparameter wie Ablaufwerte, O₂-Verbrauch hin optimieren.
• Ein weiteres Ausführungsbeispiel für die Anwendung einer universellen Systemdetektierung bildet eine "intelligente" Probenehmersteuerung in einer Gewässermeßstation.
• Im Rahmen der Feststellung der Gewässergüte werden an den Oberflächengewässern automatische Gewässermeßstationen betrieben. Diese Stationen stehen an ausgewählten Standorten und liefern von dort kontinuierlich Meßwerte von festgelegten Parametern. In diesen Stationen wird ein Probenehmer betrieben, der in definierten Abständen eine Probenahme durchführt. Dabei ist auch bei der Entnahme von Mischproben bei hohen Laborkosten nur eingeschränkt eine quantitative Bewertung möglich.
• Es wäre daher sinnvoll und kostensparend, wenn Proben nur dann entnommen werden, wenn sich im Gewässer ein Zustand eingestellt hat, der signifikante Unterschiede aufweist.
• Diese Zustände, die Auslöser für eine Probenahme sind, werden durch das Verfahren nach der Erfindung und der Vorrichtung zur Durchführung des Verfahrens (Probenahmesteuerung) ermittelt.
• In einer Gewässermeßstation stehen mindestens die Parameter O₂-Gehalt, Leitfähigkeit 1f; Wasserstoffionenkonzentration pH und die Wassertemperatur tw zur Verfügung.
• Für die Datenermittlung werden ionenselektive Sensoren benutzt, die direkt den Parameterwert in ein elektrisches Signal umwandeln, das über Meßwandler analog bzw. digital an der Schnittstelle zur Verfügung steht.
• Die Daten werden in einem Computer, zum Beispiel auf Industrie-PC-Basis, für den eine breite Palette von Interfacebaugruppen zur Verfügung steht, verarbeitet.
• Die Probenehmersteuerung nach der Erfindung benötigt eine CPU, einen 12-Bit-A/D-Wandler, ein Relaisinterface, ein Betriebssystem und geeignete Firmware.
• Die aufgeführten Parameter O₂, lf, pH, tw bilden in ihren definierten Wertebereichen den Input für die Einzelmessungen der eingesetzten Probenehmersteuerung, aus denen das Systemmodell erzeugt wird. Ereignisse treten im Oberflächenwasser kurzzzeitig auf. Deshalb werden sie im Modell nicht signifikant abgebildet. Inputs, die mit einer Häufigkeit ≤ 1% in den Trainingsdaten aufgetreten sind, bewirken im Klassifizierungsfall eine Probenahme.
• Die Inhomogenitäten im Meßwasser werden durch eine Zeitverzögerung eliminiert, zum Beispiel für die Einschaltzeit tein = 600 s, für die Abschaltzeit tab = 3600 s. Dadurch wird ausgeschlossen, daß in Grenzwertnähe viele, gleichwertige Einzelproben erzeugt werden.
• Aus der vorhandenen Kenntnis des Gewässerzustandes (Basissystemzustand) werden Probenahmen bei Zuständen ausgeschlossen, die in ihrer Gesamtheit länger als 90 h andauern, diese sind im Systemmodell enthalten. Der Wert ergibt sich aus den Vorgaben für das Auslösen einer Probenahme an Oberflächengewässern. Eine mögliche höhere Auflösung durch die Probenehmersteuerung wird als nicht erforderlich eingeschätzt.
• Die Erfindung ist nicht auf das hier beschriebene Ausführungsbeispiel beschränkt. Vielmehr ist es möglich, durch Kombination und Modifikation der beschriebenen Merkmale weitere Ausführungsvarianten zu realisieren, ohne den Rahmen der Erfindung zu verlassen.

Claims (5)

1. Verfahren zur Erfassung der Klassen von System- oder Prozesszuständen in technologischen Prozessen über ein Multisensorarray, das zur Beeinflussung nachgeschalteter Prozesse dient, dadurch gekennzeichnet, dass (a) Sensoren unterschiedlicher und/oder gleicher Wirkprinzipien in der Art zu einem Array zusammengefasst werden, dass charakteristische Parameter des zu bewertenden Systems oder Prozesses fortlaufend detektiert werden, (b) durch eine adaptive Lernphase, bestimmt durch den vorgegebenen Prozesszyklus, ein Prozessmodell gebildet wird, unterteilt in abgrenzbare Klassen, die als Maßstab dienen, wobei eine Einteilung der System- oder Prozesszustände in Klassen durch Auswertung der von dem Array gelieferten Daten mittels Neuronaler Netze vom unüberwachten Typ und/oder Fuzzy-Logik erfolgt, (c) ein aus den Sensorsignalen gebildeter Vektor über die Merkmale (a) und (b) auf seine Zugehörigkeit zu einer Klasse untersucht wird und dadurch als ausweisbare Größe zur Verfügung steht, (d) eine aus den Merkmalen (a) bis (c) gebildete Information zur Beeinflussung von Aktuatoren und/oder von Steuer- und Regelungssystemen benutzt wird, (e) der im Merkmal (c) gebildete Vektor über die Auswertung von weiteren Merkmalen wie Wartungsfunktion, Anlagenstatus, Sensorstatus und entsprechend erzeugter Datenmodelle korrigiert wird.
2. Vorrichtung zur Durchführung des Verfahrens nach Anspruch 1, dadurch gekennzeichnet, dass ein aus mindestens zwei medienberührenden und/oder nichtberührenden Sensoren gebildetes Array und ein Rechner vorgesehen sind.
3. Vorrichtung nach Anspruch 2, dadurch gekennzeichnet, dass die Vorrichtung in einem Oberflächengewässer eingesetzt ist.
4. Vorrichtung nach Anspruch 2, dadurch gekennzeichnet, dass die Vorrichtung in Speicherbecken eingesetzt ist.
5. Vorrichtung nach Anspruch 2, dadurch gekennzeichnet, dass die Vorrichtung im Abwasser vor und nach einem Klärbecken eingesetzt ist.