具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷與維護方法
【專利摘要】本發(fā)明涉及一種具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷與維護方法，包括以下步驟：S1、分別采集控制回路設(shè)定值變量SP、控制器輸出變量OP、過程輸出變量PV、執(zhí)行器狀態(tài)變量AV、冗余測量變量SV、相關(guān)過程變量RV的數(shù)據(jù)樣本并存儲；S2、根據(jù)上述變量的數(shù)據(jù)樣本辨識過程模型、評估或者診斷控制器性能以獲取控制器的工作狀態(tài)；根據(jù)預(yù)設(shè)處理策略并結(jié)合所獲取的工作狀態(tài)調(diào)整所述控制器中對應(yīng)于該工作狀態(tài)的變量參數(shù)。本發(fā)明能夠自動分析日常工業(yè)操作數(shù)據(jù)，自動提取過程信息，并針對動態(tài)特性的變化不斷自動更新性能基準，從而保證控制器性能的實時監(jiān)控。
【專利說明】
具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷與維護方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及工業(yè)控制技術(shù)領(lǐng)域，具體涉及一種具有自動運行能力的工業(yè)控制器性 能監(jiān)控、診斷與維護方法。
【背景技術(shù)】
[0002] 在常見的過程工業(yè)領(lǐng)域例如煉油廠、化工廠等場合，控制回路的數(shù)量較大，相關(guān)工 業(yè)控制器的運行狀態(tài)與產(chǎn)品質(zhì)量以及生產(chǎn)安全密切相關(guān)。然而，實際控制器的工作狀態(tài)并 不是讓人滿意，其控制性能還具有很大提升空間。對于實際過程操作人員而言，人工維護這 些控制器的工作量十分巨大，因此過程工業(yè)迫切需求一套具有自動運行能力的工業(yè)控制器 性能監(jiān)控、診斷與維護系統(tǒng)。
[0003] 自1989年Harris提出的控制器性能評估技術(shù)以來，得到大量的研究和廣泛的應(yīng) 用。但是，在實際應(yīng)用中，發(fā)明人發(fā)現(xiàn)該性能評估技術(shù)的實施仍然存在以下問題:第一，性能 基準與實際控制器可以達到的最優(yōu)性能之間的差距過大，導致實際控制器的性能難以被準 確評估。第二，對于不同回路，可以決定控制器性能下降的閾值具有較大差異，因此需要由 人工確定不同回路的閾值，導致工作配置成本快速上漲。第三，部分監(jiān)控方法需要通過特定 的辨識實驗以獲取必要的過程模型信息，辨識實驗也會大幅增加實施成本。第四，隨著監(jiān)控 對象的動態(tài)特性的變化，部分性能評估方法需要由人工干預(yù)以保證控制器監(jiān)控的實時有效 性。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種具有自動運行能力的工業(yè)控制器性能監(jiān) 控、診斷與維護方法，能夠自動分析日常工業(yè)操作數(shù)據(jù)，自動提取過程信息，并針對動態(tài)特 性的變化不斷自動更新性能基準，從而保證控制器性能的實時監(jiān)控。
[0005] 本發(fā)明提供了一種具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷與維護方法， 包括以下步驟：
[0006] S1、分別采集控制回路設(shè)定值變量SP、控制器輸出變量0P、過程輸出變量PV、執(zhí)行 器狀態(tài)AV、冗余測量變量SV、相關(guān)過程變量RV的數(shù)據(jù)樣本并存儲；
[0007] S2、根據(jù)上述變量的數(shù)據(jù)樣本辨識過程模型、評估或者診斷控制器性能以獲取控 制器的工作狀態(tài);根據(jù)預(yù)設(shè)處理策略并結(jié)合所獲取的工作狀態(tài)調(diào)整所述控制器中對應(yīng)于該 工作狀態(tài)的變量參數(shù)。
[0008] 可選地，所述步驟S1之前包括：
[0009] 選取變量并設(shè)置變量組態(tài)；該變量組態(tài)包括控制回路設(shè)定值變量SP、控制器輸出 變量0P、過程輸出變量PV、執(zhí)行器狀態(tài)變量AV、冗余測量變量SV和相關(guān)過程變量RV;
[0010] 設(shè)置監(jiān)控報警狀態(tài)變量的初始值，包括:底層執(zhí)行器報警狀態(tài)變量AlarmE、底層變 送器警狀態(tài)變量Alarm D以及控制對象動態(tài)特性變動報警狀態(tài)變量Alarms初始值均為0;
[0011] 設(shè)置狀態(tài)變量Flagi，用來標記控制對象動態(tài)特性的漂移，初始值為0;
[0012] 為控制對象配置一個初始模型集合;該初始模型用于近似監(jiān)控對象在初始工作點 預(yù)設(shè)范圍內(nèi)的動態(tài)特性；
[0013] 創(chuàng)建系統(tǒng)事件報告，所述系統(tǒng)事件報告用于記錄回路故障報警事件與監(jiān)控對象動 態(tài)特性漂移事件。
[0014] 可選地，所述步驟S2包括動態(tài)特性漂移檢測的步驟S21，所述步驟S21進一步包括：
[0015] 從辨識的歷史過程模型中獲取最后一次所辨識的歷史過程模型；
[0016] 利用所述歷史過程模型結(jié)合所述0P與所述PV的數(shù)據(jù)樣本計算該歷史過程模型的 模型殘差；
[0017] 根據(jù)所述模型殘差及其統(tǒng)計特性判斷控制對象的動態(tài)特性是否發(fā)生漂移。當控制 對象的動態(tài)特性發(fā)生漂移時，在所述系統(tǒng)事件報告中記錄該動態(tài)特性漂移事件以及發(fā)生時 亥|J，同時將控制對象的布爾變量Flagi設(shè)置為1。
[0018] 可選地，所述步驟S2包括樣本數(shù)據(jù)可辨識性分析和模型辨識的步驟S22,所述步驟 S22進一步包括：
[0019] 根據(jù)報警狀態(tài)、控制器的工作狀態(tài)以及所述SP、PV和0P的數(shù)據(jù)樣本的激勵階次特 性，判斷所述SP、PV和0P的數(shù)據(jù)樣本是否滿足預(yù)設(shè)可辨識條件；
[0020] 采用預(yù)設(shè)辨識算法在滿足預(yù)設(shè)可辨識條件的數(shù)據(jù)樣本中辨識過程模型，并存儲所 獲取的過程模型的參數(shù)、工況屬性以及時間屬性和模型質(zhì)量標簽。
[0021] 可選地，所述步驟S2包括控制器在線維護的步驟S23,所述步驟S23進一步包括：
[0022] 當AlarmG= 1、AlarmD = 0并且AlarmE = 0時，則控制器需要重新維護；
[0023] 判斷是否已經(jīng)存儲符合控制器重新維護要求的歷史過程模型；
[0024] 如果是，則利用所對應(yīng)的歷史過程模型重寫計算基準控制器；
[0025] 利用所述基準控制器計算基準模型并在線整定所述控制器參數(shù)，并將Alarms置為 0〇
[0026] 可選地，所述步驟S2包括控制器性能在線評估的步驟S24,所述步驟S24進一步包 括：
[0027]根據(jù)所述SP、PV、0P數(shù)據(jù)和基準模型，計算控制器性能監(jiān)控的性能基準Ibench;
[0028] 利用SP、PV和0P數(shù)據(jù)獲取當前回路性能Iactuai; /
[0029] 當^1 < Thves時，則當前回路監(jiān)控出現(xiàn)性能下降并診斷控制器故障；其中 ^ actual T h r e s為預(yù)先設(shè)定的小于1的閾值。
[0030] 可選地，所述步驟S2包括執(zhí)行器診斷的步驟S25,所述步驟S25進一步包括：
[0031] 若AV不是缺省值，且0P與AV之間呈非線性關(guān)系，則判定當前回路執(zhí)行器出現(xiàn)故障； [0032]如果AV是缺省值，則利用非線性時間序列分析方法獲取所述0P或者所述PV數(shù)據(jù)樣 本的非線性程度，若所述0P與所述PV呈現(xiàn)非線性關(guān)系，則當前回路執(zhí)行器出現(xiàn)故障，設(shè)置 AlarmE=l，并在創(chuàng)建系統(tǒng)事件報告中記錄故障報警類型和報警時間。
[0033] 可選地，所述步驟S2包括變送器診斷的步驟S26,所述步驟S26進一步包括：
[0034] 若SV不是缺省值，且PV和SV的數(shù)據(jù)樣本不符合期望的線性關(guān)系，則判斷變送器出 現(xiàn)故障；
[0035] 若SV是缺省值，通過時間序列分析的方法估計測量噪聲方差判斷變送器是否產(chǎn)生 測量噪聲過大故障，并且根據(jù)PV的相關(guān)統(tǒng)計特征，判斷所述變送器是否出現(xiàn)測量信號靜止 故障；
[0036] 若回路變送器出現(xiàn)故障，設(shè)置AlarmD=l，并在創(chuàng)建系統(tǒng)事件報告中記錄故障報警 類型和報警時間。
[0037] 可選地，所述步驟S2還包括判斷控制對象動態(tài)特性是否發(fā)生變化的步驟S27，所述 步驟S27進一步包括：
[0038] 若RV不是缺省值，且RV變量狀態(tài)與模型集合中線性模型的工況屬性標簽具有差異 時，則判定控制對象的動態(tài)特性發(fā)生了變化；
[0039] 若RV為缺省值，執(zhí)行器無故障且變送器無故障，則從所述模型集合中選取擬合所 述PV和所述0P數(shù)據(jù)樣本滿足預(yù)設(shè)擬合條件的過程模型，并獲取該過程模型的模型殘差;利 用所述模型殘差的統(tǒng)計特性判斷所述控制對象的動態(tài)特性是否發(fā)生變化；
[0040] 若RV為缺省值，執(zhí)行器故障或者變送器故障，不診斷控制對象的動態(tài)特性變化，此 時設(shè)置AlarmG=0;
[0041 ]若判定控制對象動態(tài)特性發(fā)生了變化，則設(shè)置Alarme= 1，并在創(chuàng)建系統(tǒng)事件報告 中記錄故障報警類型和報警時間。
[0042]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：第一，配置成本低。對于過程工業(yè)大量控 制回路的性能監(jiān)控，能夠按照統(tǒng)一的方式進行配置初始參數(shù)，從而大幅度降低了該系統(tǒng)初 始配置成本。第二，能夠自動分析日常工業(yè)操作數(shù)據(jù)，并自動提取對控制器監(jiān)控以及維護有 益處的過程信息，從而實現(xiàn)自動運行，進而需要較少的人工干預(yù)，降低人工成本。第三，在初 始組態(tài)之后，本方法能夠不斷地自動提取關(guān)鍵過程信息，并針對動態(tài)特性的變化不斷自動 更新性能基準，從而保證控制器性能的實時監(jiān)控。第四，能夠自動診斷控制器性能下降的可 能根源，包括外部擾動的診斷、執(zhí)行器的診斷以及控制器的診斷。若控制器性能下降的根源 是控制器問題，還能夠?qū)刂破鬟M行維護。
【附圖說明】
[0043]通過參考附圖會更加清楚的理解本發(fā)明的特征和優(yōu)點，附圖是示意性的而不應(yīng)理 解為對本發(fā)明進行任何限制，在附圖中：
[0044] 圖1是本發(fā)明實施例提供的一種具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷 與維護方法的流程示意圖；
[0045] 圖2是圖1所示方法的具體流程示意圖。
【具體實施方式】
[0046] 為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是 本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0047] 本發(fā)明實施例提供了一種具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷與維護 方法，如圖1所示，包括以下步驟：
[0048] S1、分別采集控制回路設(shè)定值變量SP、控制器輸出變量0P、過程輸出變量PV、執(zhí)行 器狀態(tài)變量AV、冗余測量變量SV、相關(guān)過程變量RV的數(shù)據(jù)樣本并存儲；
[0049] S2、根據(jù)上述變量的數(shù)據(jù)樣本辨識過程模型、評估或者診斷控制器性能以獲取控 制器的工作狀態(tài);根據(jù)預(yù)設(shè)處理策略并結(jié)合所獲取的工作狀態(tài)調(diào)整所述控制器中對應(yīng)于該 工作狀態(tài)的變量參數(shù)。
[0050] 為體現(xiàn)本發(fā)明實施例提供的具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷與維 護方法的優(yōu)越性，下面結(jié)合實施例對本發(fā)明實施例的控制器在線監(jiān)控、診斷與維護的流程 作進一步說明，參見圖2:
[0051 ]首先，介紹S1、分別采集控制回路設(shè)定值變量SP、控制器輸出變量0P、過程輸出變 量PV、執(zhí)行器狀態(tài)AV、冗余測量變量SV、相關(guān)過程變量RV的數(shù)據(jù)樣本并存儲的步驟。
[0052]需要說明的是，本發(fā)明實施例中步驟S1之前還需要對系統(tǒng)進行初始化，包括：
[0053] (1)變量組態(tài)。對于每個監(jiān)控回路，需要為以下三類控制回路監(jiān)控變量進行組態(tài)： 控制回路設(shè)定值變量SP、控制器輸出變量0P、過程輸出變量PV。SP、0P與PV變量用于辨識過 程模型、評估控制器性能以及診斷可能出現(xiàn)的控制器性能下降的根源等情況，因此不能為 空缺。另外，本發(fā)明實施例還對三類輔助診斷變量進行組態(tài):反映執(zhí)行器工作狀態(tài)的執(zhí)行器 狀態(tài)變量AV、過程輸出的冗余測量變量SV以及反映工況和動態(tài)特性變化的相關(guān)過程變量 RV^VdV與RV用于輔助診斷導致控制器性能下降的根源，默認空缺。
[0054] (2)設(shè)置監(jiān)控報警狀態(tài)變量的初始值。監(jiān)控回路的底層執(zhí)行器報警狀態(tài)變量 AlarmE、底層變送器警狀態(tài)變量AlarmD以及控制對象動態(tài)特性變動報警狀態(tài)變量Alarmc均 為布爾類型變量，分別用來產(chǎn)生監(jiān)控回路執(zhí)行器報警、回路變送器報警以及被控對象動態(tài) 特性變化報警，取值為1時輸出相應(yīng)的報警信號。Alarm E、AlarmD和Alarmc初始值均為0,即初 始化時不產(chǎn)生報警信號。
[0055] (3)為控制對象初始配置一個模型集合?，用于近似監(jiān)控對象在初始工作點預(yù)設(shè) 范圍內(nèi)的動態(tài)特性；?初始為空集。
[0056] 本發(fā)明實施例中模型集合采用一階含延時連續(xù)線性動態(tài)模型(First-order plus delay model，F(xiàn)0PTD)集合：
[0058] 為控制對象配置布爾變量Flagcur指示其動態(tài)特性是否出現(xiàn)了漂移，取值為1表示 監(jiān)控對象動態(tài)特性發(fā)生了漂移，初始值為〇。
[0059] (4)創(chuàng)建系統(tǒng)事件報告。所述系統(tǒng)事件報告用于記錄回路故障報警事件與監(jiān)控對 象動態(tài)特性漂移事件，包括：回路故障報警事件以及觸發(fā)時間信息的記錄;監(jiān)控對象動態(tài)特 性漂移事件以及觸發(fā)時間信息的記錄。
[0060] 在完成初始變量組態(tài)以及相關(guān)初始配置之后，本發(fā)明實施例從組態(tài)為SP、PV、0P、 AV、SV和RV過程變量分別采集數(shù)據(jù)樣本r (k)(對應(yīng)SP變量），y (k)(對應(yīng)PV變量），u (k)(對應(yīng) 0P變量），P(k)(對應(yīng)AV變量），m(k)(對應(yīng)SV變量)以及d(k)(對應(yīng)RV變量）。
[0061] 需要說明的是要，本發(fā)明實施例中存儲裝置中具有滿足過程模型辨識的預(yù)設(shè)可辨 識條件的若干個過渡過程時間的數(shù)據(jù)段。
[0062] 其次，介紹S2、根據(jù)上述變量的數(shù)據(jù)樣本辨識過程模型、評估或者診斷控制器性能 以獲取控制器的工作狀態(tài)的步驟。
[0063] 本發(fā)明實施例中，所述步驟S2包括動態(tài)特性漂移檢測的步驟S21，步驟S21進一步 包括：
[0064] S211、從辨識的歷史過程模型中獲取最后一次所辨識的歷史過程模型Pu。如果沒 有存儲歷史過程模型，則將量Flag eur設(shè)置為1，并直接進入步驟S22
[0065] S212、利用歷史過程模型Pu結(jié)合所述0P與所述PV的數(shù)據(jù)樣本計算該歷史過程模型 的模型殘差e(k):
[0066] e(k) =y(k)-Puu(k) (2)
[0067]之后根據(jù)PV和SP數(shù)據(jù)，估計擾動真實殘差eo(k):
[0068] y(k) = Y^aly(k-i)-Y^blr(k -i)+e()f^) (3) /-I i^l
[0069]其中（na，nb)為歷史過程模型的階次。
[0070] S213、根據(jù)所述模型殘差及其統(tǒng)計特性判斷控制對象的動態(tài)特性是否發(fā)生漂移。
[0071] 如果觀測到：
(4)
[0073] 判斷動態(tài)特性發(fā)生了漂移。在系統(tǒng)事件報告中記錄此次動態(tài)特性漂移事件以及發(fā) 生漂移的時刻，并將Flag?r賦值為1;否則將Flag? r賦值為0。其中var(e)為序列e(k)的方 差，var(eo)為序列eo(k)的方差，TLS為預(yù)先設(shè)定的閾值。
[0074] 本發(fā)明實施例中還包括樣本數(shù)據(jù)可辨識性分析和模型辨識的步驟S22,所述步驟 S22進一步包括：
[0075] S221、根據(jù)監(jiān)控系統(tǒng)的狀態(tài)AlarmE、AlarmD、控制器的工作模式以及SP、PV和0P數(shù)據(jù) 的激勵階次特性，分析儲存于監(jiān)控系統(tǒng)內(nèi)部數(shù)據(jù)的可辨識性：
[0076]如果AlarmE=l或者AlarmD=l，說明被監(jiān)控回路相關(guān)的底層設(shè)備處于異常，數(shù)據(jù)不 滿足可辨識條件；
[0077] 如果AlarmE = 0并且AlarmD = 0,系統(tǒng)處于開環(huán)狀態(tài)，通過分析0P數(shù)據(jù)樣本是否處于 平穩(wěn)態(tài)，判斷數(shù)據(jù)樣本的可辨識性條件。利用0P數(shù)據(jù)樣本建立如下自回歸模型AR: n,a
[0078] AR : U(k) = [k - i) +e{k) ( 5 ) i=l
[0079] 其中na為模型階次，e(k)為模型殘差。然后根據(jù)模型AR計算u(k)的趨勢變化
[0080] G (/c)=(/(- /) ( 6 )
[0081 ]若var( 則判定OP數(shù)據(jù)處于穩(wěn)態(tài)，數(shù)據(jù)不滿足可辨識條件;反之，數(shù)據(jù)滿足 可辨識條件;其屮var( 為序列的方差，TU為系統(tǒng)預(yù)先設(shè)置的閾值；
[0082] 如果AlarmE = 0并且AlarmD = 0,系統(tǒng)處于閉環(huán)狀態(tài)，根據(jù)采樣的SP數(shù)據(jù)樣本，計算 其持續(xù)激勵階次nr;如果nr滿足最低激勵的要求，判定系統(tǒng)滿足可辨識條件;反之判定數(shù)據(jù) 不滿足可辨識條件;最低激勵階次要求如下：
[0083] 在控制器為PI控制器的情況下:nr彡3-nk;
[0084] 控制器為PID控制器的情況下:nr彡2-nk;
[0085] 其中nk為監(jiān)控對象時延相對于過程數(shù)據(jù)采樣周期的倍數(shù)；
[0086] S222、如果數(shù)據(jù)不滿足可辨識性條件，且此時未存儲歷史模型，回到步驟S1重新采 集數(shù)據(jù);否則進入步驟S23。
[0087] S223、如果SP、PV和0P的數(shù)據(jù)樣本滿足預(yù)設(shè)可辨識條件，則采用采用預(yù)設(shè)辨識算法 在滿足數(shù)據(jù)樣本中辨識當前工作點的過程模型，并在存儲過程模型的參數(shù)以及相關(guān)的"工 況屬性"、"時間屬性"標簽和"模型質(zhì)量"標簽。
[0088] 例如，本發(fā)明實施例中辨識過程包括：
[0089] 首先利用PV數(shù)據(jù)樣本y(k)以及0P數(shù)據(jù)樣本u(k)利用最小二乘類方法辨識如下離 散形式模型：
[0091]其中，Pu為過程模型，為擾動模型，（nc；，nd)為擾動模型的階次，n k為輸入時延，e (k)為模型殘差。之后將離散模型Pu轉(zhuǎn)化為連續(xù)F0PTD模型。
[0092]評估辨識模型的質(zhì)量。利用已經(jīng)辨識的過程模型Pu和擾動模型He，以及對應(yīng)的0P和 PV數(shù)據(jù)，計算模型殘差e(k):
[0093] e{k) = H~](y(k)-Pu(k)) (8)
[0094] 利用PV數(shù)據(jù)和SP數(shù)據(jù)，建立對比模型H，估計真實擾動殘差eo(k)。
[0095] H :y{li) = %a,y(k - i) +y\b,r(k - i) + e0 (k) ( 9) ^1 / 二1
[0096] 其中(na，nb)為模型的階次。定義如下模型質(zhì)量指標：
(10)
[0098] 其中L為建模數(shù)據(jù)長度。并根據(jù)QI的數(shù)值大小，對模型進行評分，并對模型進行級 別為A~D等級的評級：
[0099] D:0^QI<mi%
[0100] C:mi%^；QI<m2%
[0101] B:m2%^；QI<m3%
[0102] A:QI^m3%
[0103] 其中nu%(i = l~3)為預(yù)先設(shè)定的閾值，A~D表示模型的質(zhì)量依次從最高降為最 低。
[0104] 如果RV變量不是缺省值，則根據(jù)與辨識數(shù)據(jù)相對應(yīng)的RV變量的狀態(tài)，為辨識的模 型標記工況屬性dtag，否則，則根據(jù)與辨識數(shù)據(jù)相對應(yīng)的CV變量的狀態(tài)，為辨識的模型標記 工況屬性dt ag。并根據(jù)辨識數(shù)據(jù)所對應(yīng)的時刻，為模型標記時間屬性ttag。之后，將辨識的模 型參數(shù)以及質(zhì)量標簽qt ag、工況標簽dtag和時間標簽ttag-同存儲于存儲設(shè)備內(nèi)。
[0105] 本發(fā)明實施例中還包括樣本數(shù)據(jù)控制器在線維護的步驟S23,所述步驟S23進一步 包括：
[0106] S231、當存儲有歷史過程模型時，且當Alarmc = 1、AlarmD = 0并且AlarmE = 0時，貝1J 判定控制器需要重新維護并進入步驟S232，否則進入步驟S24。
[0107] S232、判斷系統(tǒng)是否已經(jīng)存儲合適的歷史過程模型以實現(xiàn)控制器維護。根據(jù)系統(tǒng) 事件記錄表，查詢此次動態(tài)特性報警時刻^。如果系統(tǒng)第一次運行，則將ta置為當前時刻。從 時刻ta開始往前回溯查詢距離^時刻第1近的動態(tài)特性漂移事件，并查詢該事件發(fā)生的時 亥Ijt。。其中1為預(yù)設(shè)值，反映了系統(tǒng)對控制對象的動態(tài)特性在一定范圍內(nèi)漂移的容忍度。
[0108] 從系統(tǒng)儲存的歷史過程模型中搜索滿足如下條件的模型：其時間標簽ttagG[t。， ta]，其質(zhì)量標簽qtag*B或者為A級。將滿足上述條件的歷史過程模型Pu組成一個集合Q :
[0109] Q ={Pu| ttagG [tc,ta] ,qtag = B or A} (11)
[0110] 如果為Q空集，則系統(tǒng)并未存儲合適的模型，直接進入步驟S24。
[0111] S233、按照如下方式構(gòu)建模型集合0 :
[0113] 其中Kmin為Q中的元素的最小增益，Kmax為Q中的元素的最大增益，Tmin為Q中的元 素的最小時間常數(shù)，T max為Q中的元素的最大時間常數(shù)，中的元素的最小時延，Lmax 為Q中的元素的最大時延。SK、ST和為預(yù)設(shè)值，反映了系統(tǒng)對于過程模型參數(shù)攝動的容忍 度。
[0114] 基于模型集合?，利用魯棒整定的思想，實現(xiàn)控制器維護與性能基準的更新。求解 基準控制器f(s)，利用As)實現(xiàn)控制器的在線維護，并更新基準模型T ref(s)?；鶞士刂破?c' S)和基準模型Tref (S)的求解采用min-max優(yōu)化方法：
[0118]公式（13)中，優(yōu)化參數(shù)(KpMd)為PID控制器參數(shù)(控制器增益，積分時間常數(shù)以 及微分時間常數(shù)）;G(c，Pu)表示當控制器為c(s)，過程模型為Pu(s)時，所對應(yīng)的從設(shè)定值到 過程輸出的閉環(huán)伺服傳遞函數(shù)，e(t)為當設(shè)定值經(jīng)歷單位階躍變化，閉環(huán)伺服模型G(c，P u) 的控制誤差;u(t)為當設(shè)定值經(jīng)歷單位階躍變化，控制器c(s)的輸出。公式（13)的最優(yōu)解f (s)即為基準控制器，并記錄d)在模型集合?中控制效果最差的模型艮據(jù)所述 < 和f (s)更新基準伺服模型Tref (s):
(14)
[0120] 根據(jù)f (s)在線整定控制器參數(shù)，并將Alam；置為0。
[0121] 本發(fā)明實施例中還包括控制器性能評估的步驟S24,所述步驟S24進一步包括：
[0122] S241、計算性能基準以誤差平方積分（integrated squared error，ISE)為性能 指標，Ibendi計算方式如下：
[0123] 4^ = ￡[r_-,⑷]( 15 ) k=i
[0124] 其中，N為監(jiān)控對象過渡過程時間，1^為過程數(shù)據(jù)采樣時間，r(k)為采集的設(shè)定值 數(shù)據(jù)，為以r( k)為輸入作用于所述基準模型Tw(s)所對應(yīng)的輸出。
[0125] S242、計算當前回路性能。當前回路性能Iac；tual計算方式如下：
[0126] 4涵1 =Z[廠⑷-，'⑷代 （16 ) k=l
[0127]其中，N為監(jiān)控對象過渡過程時間，r(k)為采集的設(shè)定值數(shù)據(jù)，y(k)為采集的過程 輸出數(shù)據(jù)。如果觀測到：
(17)
[0129] 則判定當前監(jiān)控回路出現(xiàn)了性能下降，并診斷控制系統(tǒng)故障，其中Thres為預(yù)先設(shè) 定的小于1的閾值。
[0130] 需要說明的是，當公式（17)不成立時即當前監(jiān)控回路未出現(xiàn)性能下降，則返回步 驟S1重新采集數(shù)據(jù)樣本。
[0131] 本發(fā)明實施例中還包括執(zhí)行器診斷的步驟S25,所述步驟S25進一步包括：
[0132] 若AV不是缺省值，且AV與0P之間具有明顯的非線性特性時，則判定回路執(zhí)行器出 現(xiàn)了故障。利用0P和AV數(shù)據(jù)樣本建立如下帶有記憶環(huán)節(jié)的非線性模型： p(k)^ f(u(k),p(k-\),d)
[0133] /；(/c - 1),//' i?(/v ) - p[k - l)|<￡/ ( 18 ) u[k ), if \u[k) - p(k - i)| > t/
[0134] 其中參數(shù)d用以表征執(zhí)行器粘滯情況。如果觀測到：
[0135] d>TLai；
[0136] 其中TLal為預(yù)設(shè)的閾值，則判定回路執(zhí)行器出現(xiàn)問題。
[0137] 如果AV為缺省值，利用PV和0P數(shù)據(jù)樣本構(gòu)建Hammer stein模型。則Hammers te in的 非線性部分反映了執(zhí)行器的非線性程度：
[0138] 非線性環(huán)節(jié)采用以下公式表示： :v(A) = f(u[k j,x[k - l),c/)
[0139] x(k - 1 )Jf \u[k)- x(k - ( 19 ) u (k), if j? (A') - x(k - 1)| > d
[0140] 其中參數(shù)d用以表征執(zhí)行器粘滯系數(shù)。
[0141] 線性動態(tài)環(huán)節(jié)采用以下公式表示：
[0143]其中，（na,nb,nc)為線性模型階次，nk為線性模型的時延，x(k)為所述非線性環(huán)節(jié) 的輸出，e(k)為模型殘差。如果觀測到：
[0144] d>TLa2 (21)
[0145] 其中TLa2為預(yù)設(shè)的閾值，則認定回路執(zhí)行器出現(xiàn)問題。
[0146] 如果判定回路執(zhí)行器出現(xiàn)了故障，系統(tǒng)設(shè)置AlarmE=l，產(chǎn)生相應(yīng)的故障報警，并 在系統(tǒng)內(nèi)部記錄故障報警類型和報警時間信息。否則系統(tǒng)置Alarm E = 0。
[0147] 本發(fā)明實施例中還包括變送器診斷的步驟S26,所述步驟S26進一步包括：
[0148] 若冗余測量變量SV不是缺省值，利用PV數(shù)據(jù)和SV數(shù)據(jù)不符合期望的線性關(guān)系，則 判斷變送器出現(xiàn)故障。利用y(k)和m(k)建立如下線性回歸模型：
[0149] m(k)=ay(k)+b (22)
[0150] 其中a、b為回歸系數(shù)。如果發(fā)現(xiàn)上述回歸模型的擬合度r小于預(yù)先設(shè)定的閾值TLml; 或者回歸系數(shù)與期望值具有較大差異，則PV和SV不滿足期望的線性關(guān)系，判定變送器出現(xiàn) 故障。
[0151]若冗余測量變量SV是缺省值，利用PV數(shù)據(jù)樣本建立如下自回歸模型： na
[0152] AR: v(A:) = ^a：y(k - i.) +e{k) { 23 ) f 二1
[0153] 其中na為模型階次，e(k)為模型殘差。計算y(k)序列的方差var(y)，如果var(y)小 于預(yù)設(shè)的閾值TL m2，判定變送器出現(xiàn)了測量信號靜止故障;計算e(k)序列的方差var(e)，如 果var(e)超過預(yù)設(shè)的閾值TL m3，判定變送器出現(xiàn)測量噪聲過大故障。
[0154] 當判定回路變送器出現(xiàn)了故障時，系統(tǒng)置AlarmD=l，產(chǎn)生相應(yīng)的故障報警，并在 系統(tǒng)內(nèi)部記錄故障報警類型和報警時間信息，否則系統(tǒng)置Alarm D = 0。
[0155] 本發(fā)明實施例中還包括判斷控制對象動態(tài)特性是否發(fā)生變化的步驟S27,所述步 驟S27包括
[0156] 若RV變量不是缺省值，標記當前RV變量狀態(tài)為cUr。如果觀測到cUr與構(gòu)成模型集 合?的線性模型所覆蓋的工況具有較大差異：
[0157] dcm<d^-S or dcm>d^+S (24)
[0158] 其中S為預(yù)先設(shè)置的正實數(shù)，用以表征對工作點變動的容忍度，則判斷被控對象動 態(tài)特性發(fā)生了變化。
[0159] 若RV變量為缺省值并且執(zhí)行器無故障(AlarmE = 0)，變送器無故障(AlarmE = 0)，貝lj 根據(jù)以下優(yōu)化問題，從模型集合?中搜索對采集到的PV和0P數(shù)據(jù)具有最好擬合效果的過程 模型g*(s)。
[0160] min Z|eW「
[0161] s. t .e(k) =y(k)-gd(z_1)u(k) (25)
[0162] gd(z_1) =Dis(g(s))
[0163] g(s)G 0
[0164] 其中，N為數(shù)據(jù)長度;gd(廠qzDiMgb))表示g(s)經(jīng)過離散化后的離散模型；e(k) 為模型殘差序列。
[0165] 上述優(yōu)化問題的最優(yōu)解為f(s)，并計算對應(yīng)的模型殘差序列，(k)。之后根據(jù)離散 化的PV和SP數(shù)據(jù)樣本，計算擾動真實殘差eo(k): nQ nb
[0166] H : v(/v) = v(/c-/) +^\br^k-/) + ( 26 ) i=l M
[0167] 其中(na，nb)為模型的階次。如果觀測到：
(27)
[0169] 則模型集合?難以近似控制對象在當前工作點的動態(tài)特性，并判斷被控對象動態(tài) 特性發(fā)生了變化。其中var( eQ)為序列eo(k)的方差，var(e*)為序列e*(k)的方差，TLg為預(yù)先 設(shè)定的閾值。
[0170] 若RV變量為缺省值，但是執(zhí)行器發(fā)生了故障(AlarmE=l)或者變送器發(fā)生了故障 (AlarmD = 0)，則不具備診斷動態(tài)特性變化的條件，系統(tǒng)置A1 armt； = 0。
[0171] 如果判定控制對象動態(tài)特性發(fā)生了變化，系統(tǒng)置AlarmG=l，產(chǎn)生相應(yīng)的故障報 警，并在系統(tǒng)內(nèi)部記錄故障報警類型和報警時間信息，否則系統(tǒng)置Alarm c=0。
[0172] 本發(fā)明實施例提供的一種具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷與維護 方法，通過采集變量數(shù)據(jù)樣本，然后根據(jù)變量數(shù)據(jù)樣本進行辨識過程模型，評估或者診斷控 制器性能，并根據(jù)預(yù)設(shè)處理策略與控制器的工作狀態(tài)調(diào)整所述控制器對應(yīng)工作狀態(tài)的變量 參數(shù)。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：需要較少的人工參與，配置成本低。第二，本 方法能夠不斷地自動提取關(guān)鍵過程信息，并針對動態(tài)特性的變化不斷自動更新性能基準， 從而保證控制器性能的實時監(jiān)控。第三，能夠自動診斷控制器性能下降的可能根源，包括外 部擾動的診斷、執(zhí)行器的診斷以及控制器的診斷。若控制器性能下降的根源是控制器問題， 還能夠?qū)刂破鬟M行維護。
[0173] 在本發(fā)明中，術(shù)語"第一"、"第二"、"第三"僅用于描述目的，而不能理解為指示或 暗示相對重要性。術(shù)語"多個"指兩個或兩個以上，除非另有明確的限定。
[0174]雖然結(jié)合附圖描述了本發(fā)明的實施方式，但是本領(lǐng)域技術(shù)人員可以在不脫離本發(fā) 明的精神和范圍的情況下做出各種修改和變型，這樣的修改和變型均落入由所附權(quán)利要求 所限定的范圍之內(nèi)。
【主權(quán)項】
1. 一種具有自動運行能力的工業(yè)控制器性能監(jiān)控、診斷與維護方法，其特征在于，包括 以下步驟： 51、 分別采集控制回路設(shè)定值變量SP、控制器輸出變量0P、過程輸出變量PV、執(zhí)行器狀 態(tài)變量AV、冗余測量變量SV、相關(guān)過程變量RV的數(shù)據(jù)樣本并存儲； 52、 根據(jù)上述變量的數(shù)據(jù)樣本辨識過程模型、評估或者診斷控制器性能以獲取控制器 的工作狀態(tài);根據(jù)預(yù)設(shè)處理策略并結(jié)合所獲取的工作狀態(tài)調(diào)整所述控制器中對應(yīng)于該工作 狀態(tài)的變量參數(shù)。2. 根據(jù)權(quán)利要求1所述的工業(yè)控制器監(jiān)控、診斷與維護方法，其特征在于，所述步驟S1 之前包括： 選取變量并設(shè)置變量組態(tài)；該變量組態(tài)包括控制回路設(shè)定值變量SP、控制器輸出變量 0P、過程輸出變量PV、執(zhí)行器狀態(tài)變量AV、冗余測量變量SV和相關(guān)過程變量RV; 設(shè)置監(jiān)控報警狀態(tài)變量的初始值，包括:底層執(zhí)行器報警狀態(tài)變量AlarmE、底層變送器 警狀態(tài)變量AlarmD以及控制對象動態(tài)特性變動報警狀態(tài)變量Alarms初始值均為0; 為控制對象配置一個初始模型集合;該初始模型用于近似監(jiān)控對象在初始工作點預(yù)設(shè) 范圍內(nèi)的動態(tài)特性;該模型集合初始設(shè)置為空集； 設(shè)置狀態(tài)變量Flag?r，用來標記控制對象動態(tài)特性的漂移，初始值為0; 創(chuàng)建系統(tǒng)事件報告，所述系統(tǒng)事件報告用于記錄回路故障報警事件與監(jiān)控對象動態(tài)特 性漂移事件。3. 根據(jù)權(quán)利要求2所述的工業(yè)控制器監(jiān)控、診斷與維護方法，其特征在于，所述步驟S2 包括動態(tài)特性漂移檢測的步驟S21，所述步驟S21進一步包括： 從辨識的歷史過程模型中獲取最后一次所辨識的歷史過程模型； 利用所述歷史過程模型結(jié)合所述OP與所述PV的數(shù)據(jù)樣本計算該歷史過程模型的模型 殘差； 根據(jù)所述模型殘差及其統(tǒng)計特性判斷控制對象的動態(tài)特性是否發(fā)生漂移；當控制對象 的動態(tài)特性發(fā)生漂移時，在所述系統(tǒng)事件報告中記錄該動態(tài)特性漂移事件以及發(fā)生時刻， 同時將控制對象的布爾變量Flagi設(shè)置為1。4. 根據(jù)權(quán)利要求2所述的工業(yè)控制器監(jiān)控、診斷與維護方法，其特征在于，所述步驟S2 包括樣本數(shù)據(jù)可辨識性分析的步驟S22，所述步驟S22進一步包括： 根據(jù)報警狀態(tài)、控制器的工作狀態(tài)以及所述SP、PV和OP的數(shù)據(jù)樣本的激勵階次特性，判 斷所述SP、PV和OP的數(shù)據(jù)樣本是否滿足預(yù)設(shè)可辨識條件； 采用預(yù)設(shè)辨識算法從滿足預(yù)設(shè)可辨識條件的數(shù)據(jù)段中辨識過程模型，并存儲所獲取的 過程模型的參數(shù)、工況屬性以及時間屬性和模型質(zhì)量標簽。5. 根據(jù)權(quán)利要求2所述的工業(yè)控制器監(jiān)控、診斷與維護方法，其特征在于，所述步驟S2 包括控制器在線維護的步驟S23，所述步驟S23進一步包括： 當Alarmc= 1、AlarmD = 0并且AlarmE = 0時，則控制器需要重新維護； 判斷是否已經(jīng)存儲符合控制器重新維護要求的歷史過程模型； 如果是，則利用所對應(yīng)的歷史過程模型重寫計算基準控制器； 利用所述基準控制器計算基準模型并在線整定所述控制器參數(shù)，并將Alarms置為0。6. 根據(jù)權(quán)利要求5所述的工業(yè)控制器監(jiān)控、診斷與維護方法，其特征在于，所述步驟S2 包括控制器性能在線評估的步驟S24，所述步驟S24進一步包括： 根據(jù)所述SP、PV、OP數(shù)據(jù)和基準模型，計算控制器性能監(jiān)控的性能基準Ibench; 利用PV、SP和OP數(shù)據(jù)計算當前回路性能Iactuai;，則當前回路監(jiān)控出現(xiàn)性能下降并診斷執(zhí)行器故障;其中Thres為預(yù) 先設(shè)定的小于1的閾值。7. 根據(jù)權(quán)利要求6所述的工業(yè)控制器監(jiān)控、診斷與維護方法，其特征在于，所述步驟S2 包括執(zhí)行器診斷的步驟S25，所述步驟S25進一步包括： 若AV不是缺省值，且0P與AV之間呈非線性關(guān)系，則判定當前回路執(zhí)行器出現(xiàn)故障； 如果AV是缺省值，則利用非線性時間序列分析方法獲取所述0P或者所述PV數(shù)據(jù)樣本的 非線性程度，若所述0P與所述PV呈現(xiàn)非線性關(guān)系，則當前回路執(zhí)行器出現(xiàn)故障，設(shè)置Alan? =1，并在創(chuàng)建系統(tǒng)事件報告中記錄故障報警類型和報警時間。8. 根據(jù)權(quán)利要求6所述的工業(yè)控制器監(jiān)控、診斷與維護方法，其特征在于，所述步驟S2 包括變送器診斷的步驟S26，所述步驟S26進一步包括： 若SV不是缺省值，且PV和SV的數(shù)據(jù)樣本不符合期望的線性關(guān)系，則判斷變送器出現(xiàn)故 障； 若SV是缺省值，通過時間序列分析的方法估計測量噪聲方差判斷變送器是否產(chǎn)生測量 噪聲過大故障;并且根據(jù)PV的相關(guān)統(tǒng)計特征，判斷所述變送器是否出現(xiàn)測量信號靜止故障； 若當前回路變送器出現(xiàn)故障，設(shè)置AlarmD=l，并在創(chuàng)建系統(tǒng)事件報告中記錄故障報警 類型和報警時間。9. 根據(jù)權(quán)利要求1所述的工業(yè)控制器監(jiān)控、診斷與維護方法，其特征在于，所述步驟S2 還包括判斷控制對象動態(tài)特性是否發(fā)生變化的步驟S27,所述步驟S27進一步包括： 若RV不是缺省值，且RV變量狀態(tài)與模型集合中線性模型的工況屬性標簽具有差異時， 則判定控制對象的動態(tài)特性發(fā)生了變化； 若RV為缺省值，執(zhí)行器無故障且變送器無故障，則從所述模型集合中選取擬合所述PV 和所述0P數(shù)據(jù)樣本滿足預(yù)設(shè)擬合條件的過程模型，并獲取該過程模型的模型殘差;利用所 述模型殘差的統(tǒng)計特性判斷所述控制對象的動態(tài)特性是否發(fā)生變化； 若RV為缺省值，執(zhí)行器故障或者變送器故障，不診斷控制對象的動態(tài)特性變化，此時設(shè) 置 AlarmG=0; 若判定控制對象動態(tài)特性發(fā)生了變化，則設(shè)置AlarmG=l，并在創(chuàng)建系統(tǒng)事件報告中記 錄故障報警類型和報警時間。
【文檔編號】G05B23/02GK105929814SQ201610327151
【公開日】2016年9月7日
【申請日】2016年5月17日
【發(fā)明人】黃德先, 高莘青, 沈文祎, 楊帆
【申請人】清華大學