传感器监测的制作方法

本发明还涉及一种监测传感器的方法，在用于制造和/或精制纸料幅、纸板料幅、纸巾料幅或其它纤维料幅的过程中或者在用于制造和/或处理适合用于制造纤维料幅的纤维悬浮液的过程中，所述传感器布置在不同的测量点上，以便测量纤维悬浮液和/或纤维料幅的相同的参数并且将其传输至所述过程或该过程中的子过程的控制或调节单元。

用于制造纤维料幅、尤其用于制造纸料幅、纸巾料幅或纸板料幅的方法和设备已知并且通常包括浆料制备装置和造纸机，在浆料制备装置中，由包含纤维的原材料、例如废纸和/或纸浆生产纤维悬浮液，在造纸机中，来自浆料制备装置的纤维悬浮液被加工成纸或其它的纤维料幅。

为了由包含纤维的原材料制造纤维悬浮液，原材料在也称为碎浆机的浆料溶解装置中与水混合并且被溶解，之后在随后的工艺步骤中在脱水的同时连续浓缩如此制造的纤维悬浮液直至最终产品。

用于造纸的设备是技术上耗费的大型设备，除了主要的具有湿部、干部、压光机、辊子和所属的外围单元的造纸机以外还包括前置的浆料制备例如浮选、筛分、分散、漂白、磨浆的单元以及后接的系统例如卷纸单元以及纸卷切割机、纸卷包装机和纸卷运输装置。此外还包括各自需要的电气的驱动装置、泵、真空设备、化学品制备装置、压缩空气供给装置和/或类似的装置。

已知在制造或处理纤维悬浮液或纤维料幅时需要关注大量的参数，以便能够符合对所需质量的全部要求。因此，这类机器具有在浆料制备装置内部和造纸机内部或者甚至两个单元外部的许多单独的调节回路。

在此，调节回路需要用于不同的参数的测量值，这些测量值常常由沿着机器的传感器提供。由于尤其关于热和污物要求很高的运行条件，这些传感器必须定期检查、重新校准并且必要时更换。为此，传感器结果通常也与并行获得的实验室测量结果进行比较。总体上，传感器监测非常耗时并且费用很高。

因此，本发明所要解决的技术问题在于，简化传感器监测。

按照本发明，所述技术问题在仅监测一个传感器的情况下通过如下方式解决，即，监测单元基于所述过程或该过程的至少一个子过程的模型计算出测量点处的参数值并且将该参数值与由该测量点的传感器传输的测量值进行比较，并且在超出计算的参数值与传输的测量值之间的最大偏差时推断出该测量点处的传感器故障、尤其该传感器的测量错误。

在正常运行中，由传感器传输的测量值仅是对模型计算的参数值的微调。但如果测量值与计算的参数值偏离太多、也就是说超出预定的最大偏差，则需要重新校准，或者传感器很有可能被损坏，因此显示传感器故障。

对直至重新校准或更换传感器或有可能也确定另外的故障源的过渡期间可能有利的是，在存在传感器故障时，使针对该测量点的计算出的参数值替代该传感器的测量值被传输至所述控制或调节单元。

分别根据传感器的类型或环境条件、例如在测量窗口令人担忧地、逐渐污染的情况下，但同样可能有利的是，在存在传感器故障时，将该传感器的以预设的修正值修改的测量值传输至所述控制或调节单元。

两种措施能够实现即使存在传感器故障也能至少在确定的时间段中运行。因此，传感器的更换可以、如果需要的话极为有利地在计划的维修日进行。

如果检测多个传感器的确定的参数，则在监视这些传感器时对本发明重要的是，监测单元基于所述过程或该过程的至少一个子过程的模型计算出两个测量点处的参数值之间的差值并且将该差值与由相应测量点的传感器传输的测量值之间的差值进行比较，并且在超出计算的差值与测得的差值之间的最大偏差时推断出这两个测量点中的至少一个测量点处的传感器故障、尤其相应的传感器的测量错误。

在检查参数的传感器时可以分别选择任意的传感器对。但同样可能有利的是，选出确定的传感器对，所述传感器对的测量值按照过程或子过程应当极其相关，这简化了故障评估。

如果在传感器对中确定故障，则在此也可以通过如下方式度过直至重新校准或更换传感器或确定另外故障的时间，即，使针对两个测量点的计算出的参数值替代两个传感器的测量值被传输至所述控制或调节单元，在这两个传感器之间确定超出了最大偏差。

为了将故障限定在两个被监测的传感器中的一个上，可能有利的是，所述监测单元在存在传感器故障时将相关的两个测量点中的至少一个测量点分别与所述参数的至少一个另外的测量点在计算的参数值与传输的测量值之间的差值方面进行比较。

在至少两个测量点中识别到其中的测量点出现传感器故障时，那么该测量点的传感器不可能没有损坏，所以使针对该测量点的计算的参数值替代该传感器的测量值被传输至所述控制和调节单元。

另一方面在多个测量点中识别到其中仅一个测量点出现传感器故障时，那么可以推断出一个传感器正常工作，所以将该测量点的传感器的测量值传输至所述控制或调节单元。

由于对质量非常重要但也相对流行的在线测量，本发明尤其适合于这样的传感器，它们的待检测的参数是纤维悬浮液和/或纤维料幅的白度或含灰量。

与之无关地，纤维悬浮液和因此由纤维悬浮液制造的纤维料幅的重要的参数在浆料制备中被影响，因此被传感器监测并且与控制或调节单元耦连的过程或子过程应当包括制造和/或处理纤维悬浮液。

由于对多个参数例如白度和含灰量的意义重大，在此有利的是，所述子过程包含至少一个浮选级。至少在浮选级、优选所有浮选级之前和/或之后应当存在测量点。

为了在尽可能短的故障时间内尽可能准确地调节，至少一个、优选所有浮选级应当配有自己的调节回路。在此，浮选级完全也可以包括多个浮选容器。

如果在浮选级之前和之后布置有测量点，那么这种浮选级的调节回路用作用于子过程的模型的基础并且提供所述测量点的计算的参数值之间的差值，在这种情况下，计算出的差值的提供设计得相对简单。

关于待监测的传感器对的选择，如果关于差值监测其两个测量点之间不存在改变参数的子过程的两个传感器，则可以极大地提高监测的质量。但在此，由模型考虑这两个测量点之间的纤维悬浮液的停留时间，该停留时间例如受储料塔(stapeltürmen)中的中间存储的影响。

一般地，所述模型应当基于尤其其它设备的经验值和/或运行调试的数据和/或设备的数据历史。

此外有利的是，所述模型设计为自学习的系统。

以下依据附图详细阐述本发明。在附图中示出用于至少部分由废纸制造纤维悬浮液的浆料制备区段的设备示意图。

用于制造纸料幅的整个设备基本上由浆料制备装置、造纸机以及用于将纤维悬浮液从浆料制备装置传送至造纸机的上浆系统。

当然，浆料制备装置和造纸机分别包括许多工艺步骤。

因此，造纸机通常开始于具有用于形成纸页的湿部的流浆箱，在流浆箱上连接有用于脱水的压榨部和用于烘干纤维料幅的干燥部。根据待制造的纤维料幅的类型随后还可以连接有涂布和/或平整装置。加工完成并且平整后的纸随后被卷绕成纸卷。

在浆料制备装置中对废纸进行制备时通常进行多种不同的工艺步骤，例如提供的纸料必须在水中被悬浮、筛分、浮选、磨浆、分散和清洁。但这些过程一般为人所知。多数还添加各种化学品或助剂。在浆料制备装置的末端，纤维悬浮液被聚集成一个或多个储料塔。

浆料制备的在图中所示的子过程包括两个浮选级8，浮选级8自身又可以由多个浮选容器构成。在此，每个浮选级8为了构成自己的调节回路均配有调节单元6。

在两个浮选级8之间，纤维悬浮液1流过用于中间存储的一个或多个储料塔9。

在每个浮选级8之前和之后分别有测量点2、3、4、5，这些测量点具有用于确定纤维悬浮液1的含灰量的传感器。纤维悬浮液1的这个重要的参数被传输至监测单元7，监测单元7对测量值进行可信度测试。

监测单元7基于各子过程的模型工作并且可以快速地识别明显的传感器故障、尤其测量错误。因此，纤维悬浮液1的含灰量例如不会沿浆料制备的流动方向升高。但如果显示含灰量升高，则存在传感器故障。

此外应当注意的是，储料塔9前后的两个测量点3、4处的纤维悬浮液1的含灰量在考虑到停留时间例如可以是40至60分钟之间的情况下应当一致，因为在该子过程中含灰量不会改变。

此外，监测单元7计算两个测量点2、3、4、5处的含灰量值之间的差值并且将该差值与由相应的测量点2、3、4、5处的传感器传输的测量值之间的差值进行比较。

如果在计算的和测量的差值之间存在差别并且该差别超出预先规定的最大偏差，则推断出在两个测量点2、3、4、5中的至少一个测量点处存在传感器故障。

结果可能是，代替在其间确定超出最大偏差的那两个传感器的测量值，而将用于两个测量点2、3、4、5的计算的含灰量值传输至调节单元6。

但是备选地，监测单元7也尝试限定传感器故障并且将已确定传感器故障的两个测量点2、3、4、5分别与含灰量的至少一个另外的测量点2、3、4、5在计算的参数值与传输的测量值之间的差值方面进行比较。

如果在该测试中在测量点2、3、4、5处相对于两个测量点2、3、4、5识别到传感器故障，则很有可能需要校准传感器或者传感器的损坏非常大。因此，代替这个很有可能损坏的传感器的测量值，将用于该测量点2、3、4、5的计算的参数值传输至调节单元6。

如果相对于两个测量点2、3、4、5的偏差相同，则监测单元7也可以构造相应的修正值并且将测量的参数值与该修正值相加并且传递至调节单元6。这点尤其在考虑由于污染引起的传感器损坏的情况下可以是有意义的。

但如果监测单元7在测量点2、3、4、5处相对于多个测量点2、3、4、5中的仅一个测量点识别到传感器故障，则不能明确地诊断出传感器故障，从而该传感器2、3、4、5的传感器的测量值被传输至调节单元6。

在确定传感器故障的情况下，不一定需要立即重新校准或更换传感器，而是可以在计划的维修日进行重新校准或更换传感器，这显著地降低了设备的维护费用。

在此，各浮选级8的调节回路与布置在各浮选级8之前和之后的测量点2、3、4、5构成用于该子过程的模型的基础。基于在浮选级8之前的测量的含灰量和该浮选级8之后的关于纤维悬浮液1的含灰量的额定值，以已知的方式设定浮选的调节量、例如通风强度、液位、泡沫溢流位置等。

据此可以将浮选级8之前的测量的含灰量与浮选级8之后的额定值作为计算的差值传递至监测单元7。

监测单元7基于相应的子过程的多个自学习模型工作。

初始数据为此由经验值和/或设备的历史数据构成并且在设备开始运行期间由自学习模型优化。