用于提供预测的二进制过程信号的方法与流程

1.本发明涉及一种用于为控制工业过程的自动化控制装置提供第一传感器的预测的二进制过程信号的方法，其中，输入组件除了检测第一传感器的待预测的二进制过程信号还检测其他传感器的其他过程信号。
2.本发明还涉及一种输入组件，该输入组件设计用于连接第一传感器并且用于检测第一传感器的二进制过程信号，该输入组件还设计用于检测其他过程信号。


背景技术：

3.二进制过程信号例如是来自控制或调节系统的传感器的关于控制变量状态的反馈信号，其例如是开关位置(开/关)、阀门位置(开/关)或马达的运动状态(旋转/静止)。
4.例如对生产线或驱动器的运动进行控制。
5.例如对介质通过管道的流量、容器中液体的液位或者电机的转速或转矩进行调节。
6.这种控制或调节系统例如应用在过程控制系统中。过程控制系统用于技术设施中的过程的自动化。自动化的过程例如可以是方法或制造技术的过程或用于产生或分配电能的过程。过程控制系统通常通过多层来分级构建(例如见ep 3 125 053 b1)。在最底层、即所谓的现场层，借助于构造为传感器的现场设备(例如测压变换器、温度传感器、液位传感器、流量传感器)检测技术过程的状态，或者借助于构造为执行器的现场设备(例如用于调节阀门的位置调节器)有针对性地影响过程。
7.在该层之上是具有控制和/或调节设备的控制和/或调节层，其中，通常作为可编程控制器的一部分的处理单元(中央处理器)尽可能实时地执行靠近现场的控制和/或调节功能，其中，设备将过程变量的值作为输入参量从传感器接收并且作为输出参量、例如指令发送给执行器。
8.在还位于该层之上的过程管理级上，更高级别的控制和调节发生在主控计算机中，其中，由一个或多个操作台组成的操作员系统通过设施的操作人员实现过程的操作和观察。
9.现场设备(例如输入组件)与可编程控制器的处理单元之间的数据交换通常通过现场总线(例如profibus dp或profinet)进行。因为现场设备本身通常不具有相应的现场总线连接，现场设备通过分散的外围站连接至数字的现场总线。外围站通常由用于连接至数字的现场总线的接口模块(主组件)和多个用于连接现场设备的外围组件(主要是数字的和模拟的输入和输出单元)组成。每个输入或输出单元在此只能具有用于连接单独现场设备的单独的所谓的“通道”。但是，该单元还可以具有用于连接多个现场设备的多个通道(通常情况的数量例如是8、16或32)。
10.外围组件在此通常直接位于现场设备处的现场，而可编程控制器位于设施的更中央的位置。高度面向未来的控制和调节设计甚至提供基于云的控制或调节设备。
11.在一个典型的序列中，由外围组件的输入单元提供的输入参数的值依次被处理单
元周期性地读入、处理并且产生用于输出参量的值。这些用于输出参量的值最后被写入输出单元中。
12.对于过程信号不利的是，在自动化控制装置中进行处理的时间点的、由输入组件提供的过程信号的(表面上的)“实际”值已经过时并且不再是当时的。该延迟当作控制或调节时的(附加的)死区时间。该延迟的原因例如在于：
[0013]-输入单元中信号处理的全过程，例如模数转换和滤波，
[0014]-通过有时慢的现场总线到现场总线控制器的传输，
[0015]-由现场总线控制器到自动化控制装置或处理单元的传输，和
[0016]-在处理之前首先读入所有或至少一个输入单元的组的值而导致的延迟。
[0017]
该问题尤其出现在方法或制造技术的在空间中广泛分布的设施的自动化控制装置中，尤其在可以延伸经过多个平方公里的设施中，例如在化学工业、石油和天然气工业、金属工业、矿山、发电厂、交通基础设施(机场、隧道)等等的设施中。
[0018]
为了在一定程度上补偿由于过时的值导致的较差的控制和调节质量，可替代地缩短处理周期。然而，更频繁的流通会尤其给处理单元施加负荷。此外，还需要更大的传输带宽。
[0019]
另一个方法是所谓的时钟同步，其中，检测、处理和输出是严格计时钟的。检测与处理之间的延迟没有消除，而是确定的。在此，缺点在于项目规划复杂并且在连续运行中差的变化能力。此外，通常需要特别为此提供的并且因此昂贵的部件。


技术实现要素：

[0020]
因此，本发明的目的是减少上述延迟的影响。
[0021]
对于用于为控制工业过程的自动化控制装置提供第一传感器的预测的二进制过程信号的方法，其中，输入组件除了检测第一传感器的待检测的二进制过程信号之外还检测其他传感器的其他过程信号，该目的如下地实现，即针对能预设的时间段分别从过程信号暂时存储信号变化过程，信号变化过程具有信号变化过程的相应的时间分配值，并且其中，为了补偿二进制过程信号在第一传感器处的实际出现与自动化控制装置中的后续处理之间的延迟，执行学习阶段，其中，在学习阶段中，在切换时间点，也就是在二进制过程信号显示从逻辑零到逻辑一的第一边沿变化或从逻辑一到逻辑零的第二边沿变化的时间点，将信号变化过程的在学习时间点的暂存值作为激励的输入信号样式输送至神经网络，其中，从切换时间点减去预测时间段得出学习时间点，其中，相应的边沿变化配属于输入信号样式，并且在运行阶段中监控其他信号变化过程，从而将来自其他信号变化过程的当前值作为待评估的输入信号样式输送至神经网络，并且在学习的输入信号样式与输送的输入信号样式一致的情况下，将相关的边沿变化作为用于二进制过程信号的预测值提供给自动化控制装置。
[0022]
为此，预测值在未来优选地位于预测时间段，其中，根据变量的检测与从输入变量到输出变量的产生之间的延迟来调整预测时间段。
[0023]
因为预测的准确性随着时间段的增加而降低，时间段优选地等于或小于这些延迟的总和。有利地，在尽可能当前的值(时间段尽可能大)的处理与预测(时间段尽可能小)的准确性之间调整优化。
[0024]
有利地，使用来自人工智能领域的用于样式识别的方法。根据本发明，使用这种样式识别预测二进制信号。自动化设施中的传感器(二进制和模拟)通常通过现场总线连接至自动化控制装置。外围站也可以存在于自动化设施中，外围站由所谓的主组件和一个或多个输入组件组成，输入组件检测传感器信号并且最终通过现场总线将信号转发给自动化控制装置。该方法的优点是，对于预测二进制信号不必建立设施的动态模型。使用的算法不需要任何物理条件的知识。该方法因此可以普遍应用。
[0025]
优点还在于，在输入组件的侧或配属于输入组件的外围组件的侧执行运行阶段中的监控，其中，将预测的二进制过程信号从该处通过现场总线通信转发至自动化控制装置。
[0026]
在方法的另一个设计方案中提出，在运行阶段中将在切换时间点的预测之后出现的真实过程信号用于持续改进在后台连续运行的学习过程的预测。
[0027]
有利的是，神经网络设计为自组织映射。将一种人工神经网络称为自组织映射、茧图或茧网络。对于无监控学习方法，人工神经网络是数据挖掘的强力工具。
[0028]
开头提到的目的同样通过一种输入组件实现，该输入组件设计用于连接第一传感器并且用于检测第一传感器的二进制过程信号。该输入组件还设计用于检测其他过程信号，该输入组件包括：设计用于针对能预设的时间段分别从过程信号暂时存储信号变化过程的存储器；具有神经网络和触发器的学习器，学习器设计用于，在切换时间点，也就是在二进制过程信号显示从逻辑零到逻辑一的第一边沿变化或从逻辑一到逻辑零的第二边沿变化的时间点，将信号变化过程的在学习时间点的暂存值作为激励的输入信号样式输送至神经网络，其中，从切换时间点减去预测时间段得出学习时间点，学习器还设计用于将相应的边沿变化分配给输入信号样式；监控器设计用于监控其他信号变化过程，从而将来自其他信号变化过程的当前值作为待评估的输入信号样式输送至神经网络，并且在学习的输入信号样式与输送的输入信号样式一致的情况下，将相关的边沿变化作为用于二进制过程信号的预测值提供给自动化控制装置。
[0029]
有利的是，输入组件具有现场总线接口，其中，存在设计用于以高于其他消息的优先级发送预测值的发送器。
[0030]
在输入组件的另外的改进方案中，学习器为此还设计用于，在监控器的后台工作并且将在切换时间点的预测之后出现的真实过程信号用于持续改进在后台连续运行的学习过程的预测。
附图说明
[0031]
附图示出本发明的实施例，在此示出：
[0032]
图1示出过程信号在时间方面的评估的图示；
[0033]
图2示出上下叠加的过程信号以确定输入信号样式随时间的变化；和
[0034]
图3示出用于检测过程信号并且预测二进制过程信号的输入组件。
具体实施方式
[0035]
根据图1，自动化控制装置10通过现场总线f连接至外围组件12。外围组件12具有输入组件11，输入组件划分为第一输入组件11a、第二输入组件11b和第三输入组件11c。提供第一过程信号s1的第一传感器1连接到第一输入组件11a处。此外，提供第二过程信号s2
的第二传感器2连接到第一输入组件11a处。提供第三过程信号s3的第三传感器3连接到第二输入组件11b处。提供第四过程信号s4的第四传感器4连接到第三输入组件11c处。应为第一传感器1或其第一过程信号s1进行预测。为此，针对能预设的时间段tb，将分别配有信号变化过程x
1(t)
，x
2(t)
，x
3(t)
，x
4(t)
以及其相应的时间分配值x1，x2，x3，x4的过程信号s1，s2，s3，s4暂时存储在具有存储器19的外围组件12中。
[0036]
为了补偿二进制过程信号s1在第一传感器1处的实际出现与自动化控制装置10中的后续处理之间的延迟，执行学习阶段20。在学习阶段20中，在切换时间点ts，也就是在二进制过程信号s1显示从逻辑零到逻辑一的第一边沿变化f1或从逻辑一到逻辑零的第二边沿变化f2的时间点，将信号变化过程x
1(t)
，x
2(t)
，x
3(t)
，x
4(t)
的在学习时间点t
s-tx的暂存值x
2(
t
s-tx
)
，x
3(
t
s-tx
)
，x
4(
t
s-tx
)
作为激励的输入信号样式m1，
…
，m5输送至神经网络nn(也见图3)，从切换时间点ts减去预测时间段tx得出该学习时间点，其中，相应的边沿变化f1，f2还配属于输入信号样式m1，
…
，m5。
[0037]
随后，针对信号变化过程s2，s3，s4为学习阶段执行过去的回顾观察33。其中，在待预测的第一信号变化过程s1的情况下，为预测执行前瞻观察32。
[0038]
过程信号s1，s2，s3，s4在图2中上下叠加地显示。如果在切换时间点ts在第一信号变化过程x
1(t)
中的第一过程信号s1中出现第一边沿变化f1，则针对其他的过程信号s2，s3，s4，为待输入的激励的第一输入信号样式m1分别将来自过去t
s-tx的值输送到神经网络nn。在另外的边沿变化的情况下，以类似的方式观察针对其他的输入信号样式m2，m3，m4，m5的历史值的提取。
[0039]
图3示出输入组件11，其设计用于连接第一传感器1并且检测第一传感器1的二进制过程信号s1。输入组件还设计用于检测其他的过程信号s2，s3，s4。输入组件11具有存储器19，存储器设计用于针对能预设的时间段tb分别从过程信号s1，s2，s3，s4暂时存储信号变化过程x
1(t)
，x
2(t)
，x
3(t)
，x
4(t)
。
[0040]
为了在学习阶段20中为神经网络nn提供输入信号样式m1，
…
，m5，输入组件11具有学习器21。学习器21还具有触发器22，触发器用于，在切换时间点ts，也就是在二进制过程信号s1显示从逻辑零到逻辑一的第一边沿变化f1或从逻辑一到逻辑零的第二边沿变化f2的时间点，将信号变化过程x
1(t)
，x
2(t)
，x
3(t)
的在学习时间点t
s-tx的暂存值x
2(
t
s-tx
)
，x
3(
t
s-tx
)
，x
4(
t
s-tx
)
作为激励的输入信号样式m1，
…
，m5输送至神经网络nn，从切换时间点减去预测时间段tx得出该学习时间点。
[0041]
如果学习阶段20结束，则引入监控阶段30，为此输入组件11具有监控器31，监控器设计用于监控其他的信号变化过程x
2(t)
，x
3(t)
，x
4(t)
，从而将来自信号变化过程x
2(t)
，x
3(t)
，x
4(t)
的当前值x2，x3，x4作为待评估的输入信号样式m1，
…
，m5输送至神经网络nn，并且在学习的输入信号样式m1，
…
，m5与输送的输入信号样式一致的情况下，通过发送器14和现场总线接口13为自动化控制装置10提供作为用于二进制过程信号s1的预测值pw的相关的边沿变化f1，f2。