[發明專利]用于監控工程設施的運行的診斷裝置和方法

有效

• 申請號: 201710644345.4
• 申請日: 2017-07-31
• 公開（公告）號: CN107678416B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 托馬斯·比爾魏勒;丹尼爾·拉比施
• 申請（專利權）人: 西門子公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 余剛;李慧

本發明涉及一種用于利用自動化系統(3)監控工程設施(1)的運行的診斷裝置以及診斷方法。在具有重復執行的步序的設施運行中，在實施待檢查執行的每個步驟時測定并且根據至少一個預定的根據無故障執行學習到的自組織映射來評估過程變量的值，該過程變量事先通過分析用于順序控制的程序(17)自動地被確定作為與診斷相關的。自動選擇與診斷相關的過程變量具有以下優點，盡可能避免錯誤診斷并且能夠提高診斷表現的可靠性。

技術領域

本發明涉及一種用于利用自動化系統監控工程設施的運行的診斷裝置以及相應的診斷方法。

背景技術

當對子設施或構件的正確功能進行監控時，能夠改進對自動化工程設施的維護和維修。在功能衰退時，能夠有針對性地在設施的正確位置處采用一定的措施以進行維護、保養或故障處理。

從論文“Monitoring of Complex Industrial Processes based on Self-Organising Maps and Watershed Transformations”，作者Christian W.Frey，Fraunhofer研究所IOSB，2016年03月11日，網址www.iosb.fraunhofer.de/servlet/is/22544/Paper_ICIT2012_Frey.pdf？command＝downloadContentfilename＝Paper_ICIT2012_Frey.pdf，已知了用于監控負載的工業過程的診斷方法，在其中，根據過程變量、即根據所檢測的測量參量值和輸出給過程的調節參量值為過程的無故障表現訓練出自組織映射。根據2016年03月04日的維基百科，“自組織映射”、Kohonen映射網絡或Kohonen網(來自Teuvo Kohonen，英文self-organizing map，SOM或者self-organizing featuremap，SOFM)是一種人工神經細胞網絡類型。其作為無監督學習方法是數據挖掘的有效工具。其功能原理基于生物學知識，即大腦的多個結構具有線性或平面的拓撲。根據按照上述論文預定的自組織映射，將隨后的運行表現與所學習到的無故障表現相比較。以該方式識別有偏差的表現，該表現隨后能夠關于在過程運行時的起因和可能的故障方面被分析。

然而，已知的診斷方法的弊端在于，要評估的過程變量和其當前的值通過監聽現場總線通信來測定，而在此沒有對要評估的過程變量專門進行選擇。因此，以不利的方式也能夠將可能對于診斷來說不具有相關性的過程變量引用到用于確定診斷說明的評估中，并且因此能夠使得診斷說明失真。

發明內容

因此，本發明的目的在于，提出一種用于監控工程設施的運行的診斷裝置和診斷方法，其特征在于改進了診斷說明的可靠性。

有利地能夠在多種方法、制造和過程技術設施上應用新的診斷方法，因為技術順序通常通過步序來控制，步序也被稱為批量指令(Batch-Rezepte)、批量控制(Batch-Steuerung)、順序鏈或順序控制(英文：Sequential Function Chart，SFC)。各個步驟的順序能夠不僅承受由生產決定的波動、也承受由于故障決定的波動。通過獲得具有更高可靠性的診斷說明，改進了設施運行的安全性并改進地實現借助于工程設施生產的產品的質量性目標。在此，可靠地區分不尋常的與正常波動的偏差。