用于监视控制回路的运行的诊断装置和诊断方法与流程

本申请涉及一种用于监视控制回路的运行的诊断装置以及相应的诊断方法，控制回路具有受控系统，该受控系统具有作为促动器的阀。

背景技术：

当监视子设备或部件的准确的功能的时候，能够改善自动化工艺设备的保养和维护。在性能减少时能够适当地在设备的正确位置上采取措施用于保养、维护或故障排除。在工艺流程设备的多个控制回路中，在受控系统中应用阀作为促动件。在这种控制回路中的问题和干扰的最常见原因是阀中的增高的摩擦，其能够由于密封件的老化、在密封件或阀门杆上的沉淀物堆积或者由于填料箱密封件过于绷紧而造成。增高的阀摩擦能够在其精度和调节品质方面损害相关的控制回路。为了在各个控制回路的性能减少的情况下能够及时和有目的性地在设备的正确位置上采取措施以用于保养、维护或故障排除，将有利的是，持久和自动地在控制回路的控制品质方面监视控制回路。

用于监视控制回路的运行的诊断方法已经从EP 1 528 447 B1中已知。在基本上稳定的状态的情况中、即在尽可能恒定的额定值预设的情况下，实际值数据的序列的方差(Varianz)作为随机的特征来确定，并且为控制回路状态的分析进行评估。在控制回路相应于额定值跳跃的激励的情况下，为了分析控制回路状态评估相对的过冲宽度或起振比率、即来自于控制参量的上升和起振时间的商作为决定性的特征。

从伦敦的Springer出版商的2010年的Jelali,M.和Huang,B.的书“Detection and Diagnosis of Stiction in Control Loops(探测和诊断控制回路中的静摩擦)”中已知的是，评估在控制回路中用作为促动件的阀的摩擦以用于控制回路监视。为了解释清楚在此考虑的摩擦效应，图2示出了理想化的特征曲线的图表。在横坐标上采用位置参量u，其由连接在阀的上游的控制器给出，在纵坐标上采用实际的阀位置的实际值x。在没有摩擦效应的阀中，实际值x将相应于特征曲线20精确地对应操纵参量u。因此，特征曲线20画为直线。与之相反，如果在阀中存在有增高的静摩擦和/或动摩擦，那么实际的阀位置x与由控制器给出的操纵参量u不同。该特性根据示意性的特征曲线21加以说明。参数J标明阀从静摩擦中逃脱之后的跳跃(英文“jump”)的高度。参数S标明滑动(英文“slip”)并相应于参数J的、跳跃高度和死区DB的宽度的总和。两个参数fd和fs组成用于描述摩擦性能的可替换的方式，并且能够应用作为已经阐述的参数S和J的替换。在此，参数fs表示所有的摩擦效应的标准化的总和，并且参数fd表示标准化的剩余的库仑摩擦，其中，剩余的摩擦涉及滑动摩擦并且在可能的情况下具有到静摩擦的平缓的过渡。死区DB的宽度由滑动摩擦的强度得出。参数S，J，fd和fs是标准化的参数，即其涉及控制区域的大小并且能够例如以控制区域的百分比的形式给出。参数S表明了操纵信号u的必要的改变，其必须施加，因此阀在反方向上运动。在提及的参数组之间存在下述联系：

S＝fs+fd

并且

J＝fs-fd。

摩擦性能的特征曲线21描绘为个平行四边形。在其中尽管操纵参量u改变但阀位置x保持不变的平行于横坐标延伸的部段由静摩擦所导致。一旦克服了静摩擦，那么阀就启动并且根据平行于纵坐标延伸的部段进行跳跃。与没有摩擦效应的特征曲线20相比，在进行跳跃之后存在恒定的滞后误差。其由阀中的滑动摩擦所导致。如果不存在两种效应中的一种，那么说明阀的摩擦性能的特征曲线21就改变。同样地，摩擦效应的增强导致特征曲线21的曲线走势的相应变化。上述摩擦参数的估计仅当没有位置反馈、即阀位置x是不能直接测量的时候是有用的。

在资料、例如上述书中，找到用于识别静摩擦的多种方法。在此静摩擦常常被称为“Stiction”，英文单词“static”和“friction”的简称。用于识别静摩擦的方法提供了关于其存在的二进制的表达，然而并不总是可靠的。根据边界条件，这个或其他方法能够较早地识别静摩擦。然而没有具体的建议，为控制回路监视优选哪种方法。

在Jelali和Huang的上述的书中描述了下述用于识别静摩擦的方法：

方法a：应用典型的曲线走势走向，例如夹住阀位置，同时操纵参量u上升或下降。

方法b：应用该事实，即，在散点图中为具有在控制回路运行期间检测的阀位置的操纵参量u和实际值x的值对的曲线走势的图表形成平行四变形。

方法c：确定关于操纵参量u的位置反馈的散点图的形状，并且在此尝试找到典型的曲线走势。

KKF方法：确定阀位置的操纵参量u和实际值x之间的KKF(互相关函数)是直的还是不直的。

有关曲线形状的方法：将操纵参量u的曲线走势走向与正弦和三角信号进行比较。

在上面的列举中继承了上述书中的各个方法的标记，并且仅翻译为德语。

为了估计摩擦影响的强度在上述书中根据关键词“静摩擦评估”找到两个具有类似策略的方法，然而这两个都要求非常高的计算花费。两个方法应用已知的Hammerstein模型，以便在数学上通过模型模仿阀特性。在Hammerstein模型中通过线性动态的子模型表现阀的无摩擦的动态性能。连接在其上游的非线性的子模型应当模仿基本上以上述摩擦效应为基础的阀的非线性的性能。根据文献，实现虚拟模型和真实阀的性能之间的最小偏差的两个子模型的参数应当在唯一的方法中评估。

在此适用的是，同时解决两个优化问题，非线性的和线性的，其此外相互耦合。为了辨别Hammerstein模型、即为了找出最可能的参数组，执行对非线性部分的优化参数的全局搜索。在此，借助于对搜索的每个迭代步的最小二乘法(Fehlerquadrate)、所谓的“Least-Squares”评估，重新辨别分别优化的线性的子模型。

为了确定非线性的子模型，首先必须选择适用于阀的模型类型。对于阀特性的尽可能接近实际的映射来说，根据Jelali和Huang的上述的书的图3.1选择He式模型。在此涉及具有两个参数fs和fd的优化问题。为了限制搜索具有Hammerstein模型和真实阀的最可能的一致性的参数，能够根据测量数据和物理上的想法为参数fs和fd限定下述界限：

fs≥0，fd≥0：两个参数必须大于或至少等于0，因为负值在物理上没有意义。

fs+fd<Smax：参数S的上边界Smax能够从测量数据中确定为创造参量u的最大和最小值的差。死区DB也不能够大于该值。

fd≤fs：出于物理上的原因，参数S大于或至少等于参数J，因为参数J构成了参数S的一部分。

从这些界限中根据图3中的图表用于搜索优化的横坐标上的参数fs，和纵坐标上的fd，得到三角形的搜索空间30。区域i，ii，iii和iv表征关于阀的主要摩擦的各种状态：

区域i：具有低摩擦，阀能良好的运动，

区域ii：相对较大的死区DB和突出的滑动摩擦，

区域iii：具有突出的滑动摩擦的所谓的粘滑运动性能，

区域iv：同时粘滑运动性能情况下的宽死区DB。

在除了区域i之外的所有区域中的模型辨别的结果能够评估为当前的静摩擦的预兆，其能够负面地影响控制回路性能。

在Jelali和Huang的上述的书中为了执行搜索Hammerstein模型的最可能的参数的模型辨别，提出常常被称为“Random Search”的随机的搜索或遗传算法，其以不利的方式需要非常多的迭代步。此外，那里提到的方法的实践上的转换会导致多个问题：

在时间离散的最小二乘法估计中能够引起各种数字的问题，例如联系测量噪声或采样时间的选择，其妨碍了对优化的参数的估计。

在有关路径动力学(Streckendynamik)方面完全不存在预知，并且无法实现选择合适的时间离散的模型类型。

技术实现要素：

本发明的目的在于，找到一种诊断装置以及诊断方法，其提出了对计算单元的计算功率的较小的要求，并且尽管如此仍提供了用于在阀中主要的摩擦的可靠的估计值。

本发明的优点在于，在基于数据的控制回路监视期间根据对大多相应于阀位置的预设的控制器-操纵参量以及控制器实际值的测量，能够实现对阀中的摩擦的定量的估算。在此，能够涉及用于例如流量或压力的控制回路，并且对此并不以实际上的阀位置的测量、即所谓的位置反馈为先决条件。因为计算花费相对较小，因此能够在持续的设备运行中执行分析，并且因此对产品没有影响。对摩擦的定量评估是有利的，以便在确定的需求中通过阀上的维护措施改善有关的控制回路的调节品质，并且因此提高了设备的生产力和效率。在此有利地，在非入侵的诊断的意义上仅应用在常规的处理运行中积累的数据。在自动化工艺设备上进行的处理并不由于诊断而受到影响，并且能够在执行诊断时不受打扰地继续运行。

以有利的方式将用于具有阀的控制回路的Hammerstein模型的评估问题划分为两个容易解决的子问题：

a)根据作为激励函数的额定值跳跃估计线性动态的子模型，在该子模型中能忽略摩擦影响。

b)根据具有恒定的额定值的时间范围估计非线性的子模型，在该子模型中摩擦影响决定阀特性进而影响由阀和下游的流体机械装置组成的整体控制路径的性能，例如阀位置对流量的影响。

通过该划分也能利用相对较小的计算功率应用来自于真实数据的Hammerstein模型的估计，并且为估计的参数提供足够用于鉴定摩擦影响的精度。

在该诊断的一个特别有利的设计方案中，为了鉴别线性的子模型而估计作为线性的子模型的一阶延迟元件的参数。通过直接估计用于线性的子模型的低阶时间连续的模型代替高阶时间连续的模型，避免了在确定模型采样时间时的问题，并且减少了要估计的参数的数量，从而总体上改善了估计的数字上的稳定性。

根据本发明的另一个特别有利的改进方案，不是一直通过非线性的子模型的鉴别执行定量确定阀摩擦，而是当之前执行的、在计算花费方面简单的识别方法得出了增高的静摩擦的时候才开始。因此以有利的方式，仅在需要时执行用于阀的摩擦性能的非线性的子模型的相对高花费的估计。因此，首先借助于例如来自于Jelali和Huang的上述书中简单的二进制的识别方法搜索这样的控制回路，在其中出现对静摩擦的怀疑。仅当总体五个简单的识别方法中的至少一个支持怀疑的时候，才开始非线性子模型的更耗计算时间的评估，该子模型能够通过在鉴别子模型时得到的参数实现关于摩擦影响的强度的表达。

为了找到模型和真实阀之间的全局的最小偏差而需要相对多次地执行利用在整个搜索空间上的随机搜索(Random Search)的方法和对此替代的精细瓜分搜索空间(Sectioning)的方法，并且随之带来了相对较高的花费。因此为了减少计算花费，在本发明的另一个特别有利的设计方案中将搜索空间划分为多个相互邻接的子空间，该搜索空间通过非线性的子模型的两个参数、例如参数fd和fs或参数S和J展开。在此处形成的子空间中能够分别例如借助于随机的搜索确定这样的参数对，即其在相应的子空间中得到非线性的模型和真实的阀之间的最好的一致性。根据多个分别在子空间中得到的参数对，现在能够以相对较小的花费测定整个搜索空间中的具有最好品质的参数对。

诊断装置能够以与已经从EP 1 528 447 B1中已知的诊断装置相同的方式有利地构造为软件功能模块，其在工程系统的图像化的操作界面中能与控制回路的功能模块连接，并且为了运行诊断程序能加载到自动化装置中。那么，在用于实现自动化工艺设备的操作和观察装置上的人机界面的所谓的面板上显示计算得到的参数、例如参数S和J或参数fd，fs。在该操作和观察装置上能够通过操作者，如果希望，进行对参数化、例如划分搜索空间时的网格宽度、用于在出现不允许强度的摩擦时生成警报的参考值的输入等的改变。

以特别有利的方式能够在用于基于云的控制回路监视的软件环境中实施用于监视控制回路的运行的新的诊断装置。这样的软件环境例如表现为西门子公司的基于数据的远程服务“Control Performance Analytics(控制性能分析)”。来自于用户设备的数据借助于软件代理被收集、聚集并且发送给西门子服务运营中心，在其中这些数据保存在远程服务计算器上。在那里其借助于各种“数据分析”软件应用被半自动地评估。在需要时对于远程服务特别培训的专家能够在该数据基础上高效率地工作。数据分析的结果能够在远程服务计算器的显示器上显示，和/或在Sharepoint上提供，从而能够由终端用户、即自动化工艺设备的操作者例如在浏览器中观察到它们。

因此优选地，诊断方法在软件或软/硬件的组合中实施，从而本发明也公开了一种具有能通过计算机执行的程序代码语句的计算机程序以用于实施诊断方法。关于这点，本发明也公开了一种具有能通过计算机执行的这样的计算机程序的计算机程序产品、特别是数据载体或存储介质。这样的计算机程序能够如上所述在自动化装置的存储器中暂时提供或在其中加载，从而在运行自动化装置时自动执行对控制回路的运行的监视，或者计算机程序是能够在基于云监视控制回路时在远程服务计算器的存储器中暂时提供或能在其中加载的。

附图说明

接下来根据示出了本发明的实施例的附图详细阐述了本发明以及设计方案和优点。在此示出：

图1是具有诊断装置的控制回路的框图，

图2是用于阐述阀的摩擦性能的图表，

图3是用于参数搜索非线性的子模型的搜索空间，并且

图4是定量的摩擦根据的流程图，

图5是在测量时在流量控制回路上得到的实际值数据和操纵参量数据的序列，并且

图6是用于比较真实的控制路径与通过估计的Hammerstein模型生成的模拟的实际值数据的图表。

在附图中相同的部分用相同的标号标注。

具体实施方式

根据图1，存在由控制器2和进程3组成的要监视的控制回路1，该进程通常也被称为控制路径并且具有作为促动件的阀。控制回路1例如是流量控制系统。在该情况中将流量的值预设为额定值w，其应当借助于阀设定。在进程3的出口检测实际值y并且反馈用于形成控制差。控制器2根据控制差计算操纵参量u用于设定进程3上的流量。操纵参量u能够例如直接是所期望的阀位置的预设。

如果与所示的实施例不同，控制回路是位置调节器，那么位置预设的额定值和实际值直接对应于在进程中应用的阀的位置。

通过诊断装置4在干扰方面监视控制回路1和可能另外的由于简明原因在图1中未示出的自动化工艺设备的控制回路的运行。这样的干扰能够特别地通过在进程3中应用的阀中增高的摩擦所引起。为了监视控制回路1的运行，在数据存储器5中存储额定值w、操纵参量u和实际值y的数据的时间序列。在这些数据的基础上通过估计装置6计算并且给出模型8的参数7，其反映了阀的状态以及控制回路的运行的特征。模型8是Hammerstein模型，其如已经在开头阐述的那样包括用于进程3的动态性能的线性的子模型9和用于进程3的非线性性能的连接在上游的非线性的子模型10，其主要通过阀的摩擦性能确定。在通过评估装置6实施子模型9和10的鉴别时计算模型参数，虚拟的模型8利用模型参数最可能地映射具有作为促动件的真实阀的真实的进程3。特别感兴趣的是例如开头根据图2详细阐述的用于表征在阀中主要摩擦的参数fs和fd。那么在摩擦的认知中，以有利的方式提出的说明是，摩擦是否达到在控制回路1中能察觉干扰的程度，或者能够判断的是，摩擦对控制回路性能的影响真正有多大。

为了能够实时地、即与控制回路运行同时地运行诊断并且因此计算功率要求较小，利用可以设计用于监视另外的在图1中未示出的控制回路的诊断装置，首先利用简单的二进制的识别方法搜索自动化工艺设备的这样的控制回路，即，在其中出现对摩擦的怀疑。当简单的、例如来自于Jelali和Huang的书中已知的识别方法中的至少一个支持该怀疑的时候，开始非线性的子模型10的参数的相对于简单的识别方法更耗计算时间的评估，以便得到关于摩擦的强度的说明。非线性的子模型10的参数的评估特别由此决定性地简化，即首先线性的动态的子模型9通过在额定值跳跃时估计其参数被鉴别，并且随后非线性的子模型10以接近现实的线性的子模型9的认知利用在基本上恒定的额定值w中的数据进行鉴别。由此能够在相对较小的计算时间内达到评估结果的较高的精确性。因为非线性的子模型10的参数利用具有恒定的额定值w的数据片段被估计，所以应用特别能清楚看到摩擦作用的数据。也就是说，通过模拟和在有缺陷的阀上的真实测量识别的是，增高的摩擦仅很小地展示了在额定值跳跃时在控制回路1的性能上的影响，因为在此用于驱控阀的力远超过了其静摩擦。由于相同的原因，线性的子模型10能够在评估额定值跳跃的数据时足够精确并且基本上不取决于摩擦地进行估计。在此，线性的子模型9的鉴别能够有利地利用线性的模型鉴别的功能独立于非线性的子模型的参数地进行。有利地对此合适的是，利用直接局部的优化方法直接估计低阶的时间连续的模型。用于鉴别非线性的子模型10的要解决的优化问题是显著非线性的，并且在此应用的品质函数在搜索空间、例如图3示出的三角形的搜索空间30之上具有大量的局部的极值(Extrema)。为了减少搜索的计算花费，将用于找到全局的最小值的已知随机搜索(Random Search)的方法以及搜索空间的划分(Sectioning)的方法相互组合。在此，首先在图3所示的三角形搜索空间30上放置正方形的元件组成的网格。随后对于每个网格点来说在小正方形区域中并且利用较少的迭代执行随机的搜索。相应的搜索范围的边长在此指向网格点的间距。以该方式覆盖整个搜索空间30用于解决优化问题。在大多情况下，在较小的搜索空间、即网格的正方形元件中的随机的搜索已经能够在较少的步骤之后找到最优的。所描述的划分和随机的搜索的组合导致节省了大约30％的开支。

为了执行随机的搜索能够例如应用下述可行性方案：

一方面，在围绕其进行搜索的新点能够持续地通过找到的更好的点来代替，由此在其中搜索新点的搜索空间一直在移动。

另一方面，存在这样的可行性方案，即搜索空间对于随机的搜索总是保持恒定并且仅存储新点。

这证明了，在当前的优化问题中第二个变体是更有效的，因为由于移动网格中的各个小搜索空间能够出现重叠并，且因此几个点被多次评估。

最后，在整个搜索空间的全局最优的是具有在各个子空间、即网格的上述正方形元件中找到的局域最优的最好的品质函数的点。

在估计Hammerstein模型的参数时根据公式计算二次的模型误差V：

其中，N为测量值的数量，ysim为模拟中的实际值，并且y为真实的进程3上的实际值。

为了得到虚拟地通过Hammerstein模型8生成的实际值ysim，首先利用非线性的子模型10模拟包括阀的控制路径3的摩擦性能。随后能够应用该结果，以便利用线性的子模型9生成模拟的实际值ysim。

因为控制回路1的稳定的状态是未知的，所以应当接受一定的起振过程。为了从品质函数的计算中排除起振的效果，在额定值跳跃之后忽略分别考虑的数据片段的开始处的预设数量的数据、例如数据的10％。利用之后的90％的数据根据公式计算用于作为品质函数的模型品质的适合度Fit：

图4示出了用于监视具有控制路径3的控制回路1(图1)的运行的方法的流程图，该控制路径具有作为促动器的阀，并且能够用于定量地评估阀的摩擦。在步骤40中，假如其仍不由于其它的原因在控制回路分析的范畴中发生，那么就估计用于进程3的动态的性能的线性的子模型9，该进程例如具有一阶延迟元件的结构并且在Hammerstein模型8中采用。对此，应用基本上与额定值跳跃同时记录的数据组，即针对具有额定值w的基本上跳跃形的曲线走势的时间段的操纵参量u和实际值y的数据的序列的片段。在步骤41中测定第二数据组、具有恒定的额定值w的尽可能长的范围，并且实际值数据从其平均值中清晰。通过简单的分析从得到的数据组中确定参数S的最大值S最大，其用于确定三角形的搜索空间30(图3)。在步骤42中将随机搜索的初始值、例如1000件平均分配在搜索空间30中。在步骤43之后进入的优化环路用于为每个在步骤42中限定的搜索空间30的子空间确定优化的参数，并且为每个初始值被经历。在此，在固定的小搜索半径中执行随机的搜索。在步骤44中进行的新点的定位中始终遵守参数的上述界限。利用对应于相应点的参数和针对具有基本上恒定的额定值w的时间段的操纵参量u和实际值y的数据的序列的片段，算出进程3的Hammerstein模型8的输出值，并且因此生成模拟的实际值ysim，其用于计算相应的模型品质。在询问46之后，如果实现了改善，那么就在步骤47中存储新点作为局域的最小值。如果在询问48中仍不满足用于经历环路的中断标准，那么就随步骤44开始重新经历环路。在执行了用于所有的子空间的迄今为止描述的计算之后，存在有全部的局部的最优。从所有的子空间的最好的点、即全局的最优之中计算非线性的子模型10的最优参数fs和fd。此外如上阐述的那样能够确定参数S和J。优选地，能够给出控制范围的百分比形式的参数S和J，从而使例如4％的参数S的值意味着，在进程3中的阀起反应之前，控制器2必须将操纵参量u改变4％。在最后的步骤50中计算用于Hammerstein模型8的品质的上述适合度Fit。

因此有利地，控制回路在阀摩擦方面的监视分为两个能更容易实现的任务：

a)根据简单的识别方法从大量的候选者中测定怀疑的控制回路，这些识别方法仅提供用于怀疑静摩擦的二进制的表达。

b)通过用于描述摩擦性能的非线性的子模型的参数估计来量化存在的摩擦以用于能够实现鉴定其对于控制回路性能的影响。

通过该分配必须仅为有限数量的控制回路执行模型鉴别的计算时间加强的计算，在其中事先已经确定了具体的初始怀疑。

从获得的用于评估阀摩擦的参数fd和fs或S和J中，设备运行者能够推导出维护措施的合理的和有明确目标的计划，以便在可能的情况下改善调节品质并且提高设备的效率。

提高的摩擦对控制回路性能的影响在接下来根据包含在真实的流量控制回路上接收的数据的图5和6能明显看到。在图5的上面的图表中画出额定值w的曲线走势55和实际值y的曲线走势56，在图5的下面的图表中画出操纵参量u的曲线走势57。在横坐标上分别采用秒(s)形式的时间t，在上面的图表的纵坐标上采用升每分钟(l/min)形式的流量并且在下面的图标的纵坐标上采用操纵参量u的百分比数据。在对应曲线走势55的恒定的额定值预设的情况下能够在控制回路中确定操纵参量u的对静摩擦来说典型的锯齿状的曲线走势57以及实际值y的近似矩形的曲线走势56。

因为在该具体的实例中，五个简单的首先应用的识别方法中的三个支持对静摩擦的怀疑，所以认为对Hammerstein模型的鉴别是合理的。为估计估模型的参数，首先在额定值跳跃处鉴别线性的子模型，在当前的情况中为具有参数k＝7.2并且t＝15.8s的PT1件。对非线性的子模型的随后的鉴别提供了参数J＝3.1和s＝4.2作为具有Hammerstein模型和真实的进程之间的最好的一致性的模型参数。在图6中为了解释结果画出了模拟的实际值ysim以及真实的进程的实际值y的曲线走势60和61。监视方法确认了在简单的识别方法的基础上得到的怀疑，即实际上涉及静摩擦。为参数J和S所测定的值在对于静摩擦来说典型的范围中。操纵参量u必须相应于参数S改变超过4％，直到阀为了改变流量从整体上看运动。原因在于例如填料箱密封件中不允许高的静摩擦，其能够通过相应的保养措施在下一个保养周期中消除。