一種基於DCS數據的控制閥故障監控方法與流程
2023-10-05 15:58:29 2
本發明涉及一種基於DCS數據的控制閥故障監控方法。
背景技術：
控制閥（溫度閥、液位閥、壓力閥、流量閥）是工業自動化生產尤其是化工生產過程中採用最多的終端控制元件，決定著過程控制的及時有效性，也是整個控制迴路中較為重要但又是長期以來技術比較薄弱的環節。一旦控制閥出現故障，控制迴路將被迫中斷控制操作，有可能引發更大的系統故障，導致裝置停車和造成難以估量的經濟損失。然而，在實際生產過程中，操作人員無法做到對於控制閥的實時監控，僅僅只能在計劃檢修時對重要的閥門進行預防性檢修。這樣的檢修方式周期長，存在盲目性、不及時性，而且效率低下，時間、人員成本高。
數字式閥門定位器成為目前國內外設計閥門智能診斷系統的主要途徑，FISHER、SAMSON、INVENSYS等各主要控制閥廠商都在著力開發數字式閥門定位器及完善各自的診斷軟體。但是這些軟體都與廠商的硬體緊密結合，需要安裝額外的閥門定位器來獲得相應的傳感信號，從而可以進行故障分析。安裝額外的數字式閥門定位器存在工藝上的困難，並且成本高昂。
集散控制系統（DCS）是隨著現代大型工業生產自動化的不斷興起和過程控制要求的日益複雜應運而生的綜合控制系統，是完成過程控制、過程管理的現代化設備，大多數工廠都已建立了完備的DCS資料庫，用於記錄相應的DCS數據，基於DCS數據實現流量控制閥監控目前尚屬技術空白。
技術實現要素：
本發明的發明目的在於提供一種基於DCS數據的控制閥故障監控方法，能夠根據DSC數據實現對控制閥的實時監控，有效降低成本。
實現本發明目的的技術方案：
一種基於DCS數據的控制閥故障監控方法，其特徵在於：包括如下步驟，
步驟1：獲取閥門DCS數據作為訓練數據，將訓練數據按照不同工況進行分類，建立溫度閥、液位閥、壓力閥、流量閥的閥門模型；
步驟2：基於訓練數據，確定不同工況下對應的閥門模型；
步驟3：識別當前工況，確定當前工況下對應的閥門模型；
步驟4：根據步驟3確定的閥門模型，預測閥門狀態值；
步驟5：根據閥門實際狀態值和其對應狀態估計值，進行故障判斷。
步驟1中，溫度閥的閥門模型為，
式中，為溫度閥門控制器的輸出值，為個輸出管路的流量值，所說輸出管路為溫度閥所控制的反應器輸出管路，為個輸入管路閥門控制器的輸出值，所說輸入管路為溫度閥所控制的反應器輸入管路，為兩個溫度採樣值之差；
液位閥的閥門模型為，
式中，為液位閥門控制器的輸出值，為個輸出管路的流量值，所說輸出管路為液位閥所控制的反應器輸出管路，為個輸入管路閥門控制器的輸出值，所說輸入管路為液位閥所控制的反應器輸入管路，為兩個液位採樣值之差；
壓力閥的閥門模型為，
式中，為壓力值，為壓力閥控制器輸出值；
流量閥的閥門模型為，
式中，F為流量值，為流量閥控制器輸出值。
步驟2中，用粒子群優化算法辨識出閥門模型的參數。
步驟3中，利用不同工況下的閥門模型估計閥門的狀態值，求取當前實際狀態值和對應狀態估計值的相對誤差，選取相對誤差最小的工況作為當前工況；溫度閥的狀態值為溫度閥門控制器的輸出值，液位閥的狀態值為液位閥門控制器的輸出值，壓力閥狀態值為壓力值，流量閥狀態值為流量值。
步驟5中，計算閥門實際狀態值和其對應狀態估計值的偏差，利用該偏差值對控制閥故障程度進行評級。
步驟5中，根據閥門實際狀態值和其對應狀態估計值，可診斷內漏和髒堵故障，具體公式如下，
如果，則判斷為髒堵，髒堵得分為，內漏得分為0；反之，髒堵得分為0，內漏得分為，式中M為選取的實時數據個數。
步驟5中，根據閥門實際狀態值和其對應狀態估計值，可診斷粘滯故障；利用最小二乘法進行粘滯故障評分，
當閥門為壓力閥或流量閥時，粘滯故障評分score_2的具體公式如下：
式中是系統的採樣周期，M為選取的實時數據個數；
當閥門為溫度閥或液位閥時，粘滯故障評分score_2的具體公式如下：
式中是系統的採樣周期，M為選取的實時數據個數。
步驟5中，根據閥門實際狀態值和其對應狀態估計值，可診斷卡死故障；卡死故障評分score_3計算公式如下：
式中M為選取的實時數據個數。
本發明具有的有益效果：
本發明獲取閥門DCS數據作為訓練數據，將訓練數據按照不同工況進行分類，建立溫度閥、液位閥、壓力閥、流量閥的閥門模型；基於訓練數據，確定不同工況下對應的閥門模型；識別當前工況，確定當前工況下對應的閥門模型；根據步驟3確定的閥門模型，預測閥門狀態值；根據閥門實際狀態值和其對應狀態估計值，進行故障判斷。本發明僅僅利用現有DCS資料庫中的控制閥DCS數據，就可實現對控制閥的在線故障監控，不需要額外安裝閥門定位器，大幅降低了監控成本；本發明將DCS數據作為訓練數據，確定不同工況下對應的閥門模型，增加人機互動和學習能力，可適用於複雜的工況，監控效果更加可靠。
本發明建立了溫度閥、液位閥、壓力閥、流量閥閥門模型，其中溫度閥、液位閥結合工藝圖，進行閥門模型建立，獲得控制器輸出值與旁路數據的關係，通過建立壓力閥、流量閥閥門模型，獲得控制器測量值和控制器輸出值之間的關係，進一步保證對控制閥監控效果。
本發明用粒子群優化算法辨識出閥門模型的參數，利用不同工況下的閥門模型估計閥門的狀態值，求取當前實際狀態值和對應狀態估計值的相對誤差，選取相對誤差最小的工況作為當前工況；溫度閥的狀態值為溫度閥門控制器的輸出值，液位閥的狀態值為液位閥門控制器的輸出值，壓力閥狀態值為壓力值，流量閥狀態值為流量值，進一步保證了閥門模型的可靠性。
本發明利用不同工況下的閥門模型估計閥門的流量值，求取當前實際流量值和其估計值之間的相對誤差，選取相對誤差最小的工況作為當前工況，可實現對當前工況的準確判斷，進一步保證對控制閥的監控效果。
本發明根據閥門實際狀態值和其對應狀態估計值的偏差，可實現對控制閥故障程度進行評級，根據閥門實際狀態值和其對應狀態估計值之間的相對誤差，可診斷閥門的內漏和髒堵故障；根據閥門實際狀態值和其對應狀態估計值，利用最小二乘法估計出閥門的反應滯後時間，可診斷閥門的粘滯故障；根據閥門實際狀態值和其對應狀態估計值之間的協方差，可診斷閥門的卡死故障，即本發明可實現對控制閥的各種故障類型的監控。
附圖說明
圖1是溫度控制迴路示意圖；
圖2是液位控制迴路示意圖；
圖3是壓力控制迴路示意圖；
圖4是流量控制迴路示意圖；
圖5是本發明的流程圖。
具體實施方式
如圖5所示，本發明基於DCS數據的流量控制閥監控方法，包括如下步驟，
步驟1：獲取閥門DCS數據作為訓練數據，將訓練數據按照不同工況進行分類，建立溫度閥、液位閥、壓力閥、流量閥的閥門模型。
從DCS資料庫中可獲得閥門控制器的測量值、輸出值，其中，代表閥門開度，代表的意義隨著閥門的而不同：對於流量閥，代表的是流量值F；對溫度閥，代表的是溫度值；對液位閥，代表的是液位值H；對壓力閥，代表的是壓力值P。
建立溫度閥、液位閥的閥門模型需參考工藝圖。由於壓力閥的壓力值和流量閥的流量值均為自身控制器的值，不需要旁路數據，所以建立壓力閥、流量閥的閥門模型不需要參考工藝圖。
溫度閥的閥門模型為，
式中，為溫度閥門控制器的輸出值，為個輸出管路的流量值，所說輸出管路為溫度閥所控制的反應器輸出管路，為個輸入管路閥門控制器的輸出值，所說輸入管路為溫度閥所控制的反應器輸入管路，為兩個溫度採樣值之差。
如圖1所示的溫度控制迴路，能夠獲得溫度閥輸出值以及對應的溫度值，此外，通過溫度閥所控制的反應器輸入管路、輸出管路，能夠獲得輸出管路流量值；另外一個輸入管路，雖然不能獲得流量值，但是能夠獲得該管路上閥門控制器輸出值。基於這些數據，建立溫度閥的閥門模型：
液位閥的閥門模型為，
式中，為液位閥門控制器的輸出值，為個輸出管路的流量值，所說輸出管路為液位閥所控制的反應器輸出管路，為個輸入管路閥門控制器的輸出值，所說輸入管路為液位閥所控制的反應器輸入管路，為兩個液位採樣值之差。
如圖2所示的液位控制迴路，能夠獲得液位閥輸出值以及對應的液位值，此外，通過溫度閥所控制的反應器輸入管路、輸出管路，能夠獲得輸出管路流量值；另外一個輸入管路，雖然不能獲得流量值，但是能夠獲得該管路上閥門控制器的輸出值。基於這些數據，建立液位閥的閥門模型：
壓力閥的閥門模型為，
式中，為壓力值，為壓力閥控制器輸出值。
如圖3所示的壓力控制迴路，能夠直接獲得壓力閥控制器的輸出值以及對應的壓力值，基於這些數據，建立壓力閥的閥門模型：
流量閥的閥門模型為，
式中，F為流量值，為流量閥控制器輸出值。
如圖4所示的流量控制迴路，能夠直接獲得流量閥控制器的輸出值以及對應的流量值，基於這些數據，我們能夠得出：
步驟2：基於訓練數據，確定不同工況下對應的閥門模型；用粒子群優化算法辨識出閥門模型的參數。
從DCS資料庫中獲得一段時間內控制閥相關的一些值和值（假定各取個），分別構成訓練數據集和。和的選取標準為：
用粒子群優化算法（PSO）計算出每種工況下的訓練數據和所對應的閥門模型種類以及對應的參數和，具體過程如下：
（1） 選定粒子群優化算法的粒子數（建議值=20）和進化次數（建議值=200）；
（2）令，為每個粒子賦予隨機值，中的值代表所求的參數和，將代入函數。計算每個粒子的適應值
，找出20個粒子中適應值最小的粒子，把這個粒子的值設為全局最優位置，同時將每個粒子的值設定為該粒子本身的歷史最優位置。設定每個粒子的初始速度。
（3）令；用以下的方法更新20個粒子的位置：
其中， 和是每次進化都要重新賦值的0到1之間的隨機數。重新計算每個粒子的適應值，如果，則；如果，則。
（4）如果 ，則返回（3），否則將中的值賦給參數和，且該模型的偏差為。
當一個控制閥存在種不同工況的時候，應當為該控制閥建立個模型。
步驟3：識別當前工況，確定當前工況下對應的閥門模型。
利用不同工況下的閥門模型估計閥門的狀態值，求取當前實際狀態值和對應狀態估計值的相對誤差，選取相對誤差最小的工況作為當前工況；溫度閥的狀態值為溫度閥門控制器的輸出值，液位閥的狀態值為液位閥門控制器的輸出值，壓力閥狀態值為壓力值，流量閥狀態值為流量值。
從DCS資料庫中獲得個閥門實時數據和進行在線監測，將該數據代入個閥門模型，計算該數據在種不同工況模型下的相對模型偏差
，選擇偏差最小的工況作為該閥門目前所處的工況，用對應的工況模型進行輸出預測和故障診斷。
步驟4：根據步驟3確定的閥門模型，預測閥門狀態值；
計算當前工況下的狀態預測值，同時讀取步驟3中計算出來的最小模型偏差作為當前監測數據模型偏差。
步驟5：根據閥門實際狀態值和其對應狀態估計值，進行故障判斷
（一）故障評分
根據閥門實際狀態值和其對應狀態估計值之間的偏差，結合步驟3中所求的模型偏差來計算該閥門的故障得分，計算方法如下：
所求的故障得分為0到100，故障得分反映了當前閥門輸出（輸入）和理論輸出（輸入）的相對偏差。利用該得分進行故障分級：
分級的具體標準可根據現場實際情況進行調整。
（二）診斷內漏和髒堵故障
根據閥門實際狀態值和其對應狀態估計值，可診斷內漏和髒堵故障，具體公式如下，
如果，則判斷為髒堵，髒堵得分為，內漏得分為0；反之，髒堵得分為0，內漏得分為，式中M為選取的實時數據個數。
內漏和髒堵故障評分的物理意義是當前閥門輸出（輸入）和理論輸出（輸入）的相對偏差。
（三）診斷粘滯故障
根據閥門實際狀態值和其對應狀態估計值，可診斷粘滯故障；利用最小二乘法進行粘滯故障評分，
當閥門為壓力閥或流量閥時，粘滯故障評分score_2的具體公式如下：
式中是系統的採樣周期，M為選取的實時數據個數；
當閥門為溫度閥或液位閥時，粘滯故障評分score_2的具體公式如下：
式中是系統的採樣周期，M為選取的實時數據個數。
粘滯故障評分體現了閥門的響應時間，該值越大，表示閥門的響應時間越長。
（四）診斷卡死故障
根據閥門實際流量值和其對應估計值，可診斷卡死故障；卡死故障評分score_3計算公式如下：
式中M為選取的實時數據個數。
卡死故障評分的物理意義為0到100之間的一個百分概率，概率越大，卡死的可能性越高。