• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    DieErfindung schlägtein Verfahren zur Fehlererkennung in einem industriellen Prozess mithilfeeines Intervallbeobachters vor,a) wobei aus einer Menge anmöglichenZuständenX[k] oder auch zueinem Zeitschritt k, einer Zuständex[k], x[k + 1] des Prozesses beschreibenden ersten Zustandsgleichungx[k + 1] = A x[k] + B u[k] eines dynamischen Prozessmodells undeiner in einem Eingangsintervall U[k] gemessenen Eingangsgröße u[k]die möglicheZustandsmenge für den nächsten Zeitschrittk + 1 berechnet wird,b) wobei beim nächten Zeitschritt k + 1 dieAusgangsgröße y[k +1] des Ausgangsintervalls Y[k + 1] gemessen wird, mit deren Hilfemittels einer zweiten Zustandsgleichung y[k + 1] = C x[k + 1] desdynamischen Prozessmodells die Zustandsmenge allerderjenigen Zuständeberechnet wird, welche die gemessene Ausgangsgröße y[k + 1] erzeugen können,c)wobei eine Schnittmenge derbeiden berechneten Zustandsmengen berechnetwird,d) wobei die Schnittmenge durch einegrößere Menge approximiertwird, deren From mathematisch einer einfachen die Schnittmenge umschließenden Standardformentspricht (z. B. rechteckförmig),e)wobei bei Auftreten einer leeren Schnittmenge ein Fehler im Prozessdetektiert ist undf) wobei A, B, C jeweils eine Matrix mit,in der Regel kostanten Werten sind, die es erlauben das dynamischeVerhalten des Prozessmodells des betrachteten industriellen Prozesses über dieZustandsdifferentialgleichung und die ...
    公开号:DE102004025574A1
    申请号:DE200410025574
    申请日:2004-05-25
    公开日:2006-01-19
    发明作者:Jan Prof. Dr.-Ing. Lunze；Philippe Dipl.-Ing. Planchon；Manfred Dipl.-Ing. Rode
    申请人:ABB Research Ltd Switzerland；
    IPC主号:G05B13-04
    专利说明:
    [0001] DieErfindung bezieht sich auf ein Verfahren zur Fehlererkennung ineinem industriellen Prozess. Die Erfindung kann beispielsweise beider Prozessüberwachungvon industriellen Anlagen, wie z. B. Walzstraßen, verwendet werden.
    [0002] ImBereich der Diagnose technischer Systeme können allgemein die "signalbasierte Diagnose" und die "modellbasierte Diagnose" unterschieden werden.
    [0003] Inder "signalbasiertenDiagnose" wird einMesssignal bezüglichdes Überschreitenseiner kritischen Schranke überwacht,beispielsweise ist ein Fehleralarm auszulösen, wenn der Füllstandeines Behälterseine maximale Höhe überschreitet.Mit Hilfe dieser Art der Prozessüberwachungauf Basis der statischen Betrachtung von Signalen können nureinfache Fehlerfälleerkannt werden. Die gleichzeitige Bewertung von mehreren Signalenist füreine Diagnose (z. B. durch Kreuzkorrelation) nur schwierig anwendbar.
    [0004] Inder "modellbasiertenDiagnose" wird eindynamisches Modell des Prozesses verwendet, um den Zusammenhangzwischen den Eingangsgrößen u undden Ausgangsgrößen y zu überprüfen, wiein 1 skizziert, wobeif die auftretenden Fehler bezeichnet. Diese Art von Diagnose, z.B. in Form einer Residuenauswertung (Merkmalauswer tung), ist dankder inneren (analytischen) Redundanz, die sehr häufig in physikalischen Systemenvorkommt, möglich.
    [0005] Beieiner besonderen Form der "modellbasiertenDiagnose", der "konsistenzbasiertenDiagnose", wird überprüft, ob einZustand x des gegebenen Modells existiert, der für den gemessenen Eingang uden gemessenen Ausgang y generieren kann. Eine Diagnoseaufgabe beruhtalso auf einer Zustandsbeobachtung (Beobachtung im regelungstechnischenSinne der Zustandsrekonstruktion).
    [0006] Beider "modellbasiertenDiagnose" werdenimmer Messsignale der Eingangsgrößen undAusgangsgrößen zusammenmit einem Prozessmodell verglichen. Bei der Anwendung auf eine realeAnlage wird das Diagnoseverfahren jedoch mit Messsignalen ausgeführt, derenWert auf Grund von Messfehlern (Offsets, Drifts) und Messrauschennie genau bekannt ist. Zusätzlichzu den Messunsicherheiten treten weitere Unsicherheiten in dem verwendetenModell des Prozesses auf: • einige Parameter sind nichtgenau bekannt, • dieStruktur des Systems wurde bei der Modellbildung approximiert oder • nichtlineareEffekte wurden vernachlässigt.
    [0007] DieseUnsicherheiten, die bei der Implementierung des Diagnoseverfahrensunvermeidbar auftreten, stellen eine schwierige aber notwendigeVoraussetzung (Forderung) an die Robustheit für die Diagnoseaufgabe dar.Ohne eine gewisse Robustheit werden viele falsche Fehleralarme generiertund/oder viele Fehler gar nicht erkannt.
    [0008] Selbstwenn ein Verfahren zur Fehlererkennung und -diagnose erweitert wird,um solche reale Prozessbedingungen zu berücksichtigen (z. B. die Residuenauswertungbenutzt einen Schwellwert größer alsNull oder sogar einen adaptiven Schwellwert) ist es immer noch schwierig,die bekannte Information überdie Maße (Ausmaße) derUnsicherheit direkt in einer Anpassung des Diagnoseverfahrens umzuwandeln.
    [0009] DerErfindung liegt die Aufgabe zugrunde, ein dynamisch optimiertesVerfahren zur Fehlererkennung in einem industriellen Prozess anzugeben.
    [0010] DieseAufgabe wird erfindungsgemäß gelöst durchein Verfahren zur Fehlererkennung in einem industriellen Prozessmit Hilfe eines Intervallbeobachters, a) wobeiaus einer Menge an möglichenZuständenX[k] oder auch Xk|k zu einem Zeitschrittk, einer Zuständex[k], x[k + 1] des Prozesses beschreibenden ersten Zustandsgleichungx[k + 1] = A x[k] + B u[k] eines dynamischen Prozessmodells undeiner in einem Eingangsintervall U[k] gemessenen Eingangsgröße u[k] diemöglicheZustandsmenge Xk+1|k für den nächsten Zeitschritt k + 1 berechnetwird, b) wobei beim nächstenZeitschritt k+1 die Ausgangsgröße y[k +1] des Ausgangsintervalls Y[k + 1] gemessen wird, mit deren Hilfemittels einer zweiten Zustandsgleichung y[k + 1] = C x[k + 1] desdynamischen Prozessmodells die Zustandsmenge Xm|k+1 allerderjenigen Zuständeberechnet wird, welche die gemessene Ausgangsgröße y[k + 1] erzeugen können, c) wobei eine Schnittmenge Xk+1|k+1 =Xk+1|k ∩ Xm|k+1 der beiden berechneten ZustandsmengenXk+1|k und Xm|k+1 berechnetwird, d) wobei die Schnittmenge Xk+1|k+1 durcheine größere MengeXk+1|k+1 approximiert wird, deren Form mathematischeiner einfachen, die Schnittmenge umschließenden Standardform (beispielsweiserechteckförmig) entspricht, e) wobei bei Auftreten einer leeren Schnittmenge ein Fehlerim Prozess detektiert ist und f) wobei A, B, C jeweils eine Matrix mit, in der Regel konstantenWerten sind, die es erlauben das dynamische Verhalten des betrachtetenindustriellen Prozesses überdie Zustandsdifferentialgleichung und die Ausgangsgleichung wiederzugeben.
    [0011] Diemit der Erfindung erzielbaren Vorteile bestehen insbesondere darin,dass die Möglichkeiteröffnet wird,aus den Messsignalverläufenvon Eingangsgrößen undAusgangsgrößen dasAuftreten eines Fehlers im laufenden Prozess zuverlässig undrasch zu erkennen. Das Verfahren ist sehr robust, d. h. auftretendeFehler werden sicher erkannt und die Erzeugung eines falschen Alarmswird zuverlässigverhindert.
    [0012] WeitereVorteile sind aus der nachstehenden Beschreibung ersichtlich.
    [0013] VorteilhafteAusgestaltungen der Erfindung sind in den Unteransprüchen gekennzeichnet.
    [0014] DieErfindung wird nachstehend anhand der in der Zeichnung dargestelltenAusführungsbeispieleerläutert.Es zeigen:
    [0015] 1 einemodellbasierte Diagnose,
    [0016] 2a einenersten Intervallbeobachtungsschritt: Anfangsmenge,
    [0017] 2b einenzweiten Intervallbeobachtungsschritt: Prädiktion,
    [0018] 2c einendritten Intervallbeobachtungsschritt: Messung,
    [0019] 2d einenvierten Intervallbeobachtungsschritt: Schnittmenge,
    [0020] 3 diesteigende Komplexitätder zu beschreibenden Form der Schnittmenge, wenn keine Überschätzung derZustandsmenge verwendet wird,
    [0021] 4 eine Überschätzung derZustandsmenge: Einschließungin einfacher Form,
    [0022] 5 einBeispiel des Abwicklers des Walzwerks,
    [0023] 6a verwendeteSignale fürdie Intervallbeobachtung an einem System zweiter Ordnung im fehlerfreienFall: Eingang u,
    [0024] 6b verwendeteSignale fürdie Intervallbeobachtung an einem System zweiter Ordnung im fehlerfreienFall: Ausgang y,
    [0025] 7 Ergebnisder Intervallbeobachtung mit den Signalen aus 6a +b (fehlerfreier Fall),
    [0026] 8a verwendeteSignale fürdie Intervallbeobachtung mit Auftritt eines Fehlers: Eingang u,
    [0027] 8b verwendeteSignale fürdie Intervallbeobachtung mit Auftritt eines Fehlers: Ausgang y,
    [0028] 9 Ergebnisder Intervallbeobachtung mit den Signalen aus 8a +b (fehlerbehafteter Fall).
    [0029] Prinzipiellberuht das erfindungsgemäße Verfahrenauf einem Intervallbeobachter, welcher zusammen mit einem konsistenzbasiertenAnsatz benutzt wird, um eine robuste Prozessüberwachung zu gewährleisten.
    [0030] BeimLuenberger-Beobachter (linearer Störgrößen-Beobachter) wird ein eindeutigerNäherungswert
    [0031] DerIntervallbeobachter ist eine Verallgemeinerung des Luenberger-Beobachters,wobei Unsicherheiten bei der Messung der Ein- und Ausgänge berücksichtigtwerden. Bei der Intervallbeobachtung werden Güteschranken für die Unsicherheitder Messsignale angenommen (z. B. Eingangsgröße u ist in der Schranke von ±4% undAusgangsgröße y inder Schranke ±10%bekannt). ÄhnlicheSchranken beschreiben die Unsicherheiten der Modellparameter. AufGrund dieser Unsicherheiten kann kein eindeutiger Zustand x ^ geschätzt werden.Vielmehr wird eine Menge von möglichenZuständenX berechnet, die mit dem aktuellen Verhalten des Prozesses konsistentist. Der Intervallbeobachter wird auch als Zustandsmengenbeobachterbezeichnet, im Gegensatz zum Luenberger-Beobachter.
    [0032] Nachstehendfolgt eine allgemeine Beschreibung der Intervallbeobachtung: Für die Beobachtungwird ein zeitdiskretes Prozessmodell für die Beschreibung des vorliegendendynamischen Systems mit den Zustandsgleichungen (1) und (2) benötigt (Zustandsdifferentialgleichungenin diskretisierter Form): x[k + 1] = A x[k] + B u[k], (1) y[k + 1] = C x[k + 1]. (2)wobei x = Zustandsvektor u = Eingangsvektor y = Ausgangsvektor k = Abtastzeitpunkt,Zeitschritt A = Systemmatrix desProzessmodells B = Steuermatrix desProzessmodells C = Beobachtungsmatrixdes Prozessmodells
    [0033] Dieeckigen Klammern kennzeichnen jeweils die Zeitdiskretisierung derSignale u, y, x usw.
    [0034] DerFigurenbeschreibung ist vorauszuschicken, dass in den 2a–d, 3 und 4 einzweidimensionaler Fall (d. h. es werden zweidimensionale Zustandsvektorenbetrachtet) gezeigt ist, d. h. die möglichen Zustände können jeweilsdurch zweidimensionale Zustandsvektoren x mit den Koordinaten x1, x2 dargestelltwerden. Allgemein gilt das vorgeschlagene Verfahren selbstverständlich auchfür höherdimensionaleFälle.
    [0035] DerIntervallbeobachter benutzt eine Anfangsmenge für den Zustand X[k] = Xk|k (initial guess) oder auch X[0], welcheden wahren Anfangszustand x[k] oder auch x[0] beinhalten muss, siehe 2a.Kann keine Aussage überden wahren Anfangszustand getroffen werden, so wird die Anfangsmengegleich dem gesamten Zustandsraum (ist gleich der unendlichen Mengealler möglichenZustände)gesetzt.
    [0036] Beider Betrachtung der Menge von möglichenZuständenX sind stets Annahmen überdie Güteder Messsignale berücksichtigt.Es sind • eu die angenommenen Unsicherheitsschranken(Messunsicherheit) der Eingangsmessungen (Koordinaten des Eingangsvektors)und • ey die angenommenen Unsicherheitsschranken(Messunsicherheit) der Ausgangsmessungen (Koordinaten des Ausgangsvektors).
    [0037] DieUnsicherheitsschranken eu und ey sindebenfalls Vektoren. Desgleichen können UnsicherheitsschrankeneA, eB, eC der System-, Eingangs- und Ausgangsmatrizenangesetzt werden.
    [0038] Injedem Zeitschritt werden also die Messungen von u[k] und eu in Eingangsintervallen U[k] bzw. von y[k]und ey in Ausgangsintervallen Y[k] umgewandelt,die die wahren Werte der Ein- bzw. Ausgangssignale und den wahrenEingangsvektor bzw. den wahren Ausgangsvektor beinhalten.
    [0039] DasZiel des Intervallbeobachters ist es also, aus dem dynamischen Prozessmodellund aus den Intervallmessungen die Menge aller Zustände X[k]zu berechnen, die fürdas jeweilige Eingangsintervall U[k] und Ausgangsintervall Y[k]möglichsind. Die Intervall- beobachtung beruht auf den folgenden vier Schritten: a) Prädiktion-Schritt(Vorhersage): Bei der Prädiktionwird aus der Anfangsmenge X[k] oder auch X[0], der Zustandsgleichung(1) und dem gemessenen Eingangsvektor u[k] im EingangsintervallU[k] eine Schätzungder möglichenMenge der Zuständebeim nächstenZeitschritt k + 1 berechnet. Diese Menge der Zustände beimnächstenZeitschritt wird als Xk+1|k bezeichnet,weil sie ausschließlichaus Informationen zum Zeitschritt k ermittelt wird, siehe 2b.Vorteilhaft lassen sich die Unsicherheiten im dynamischen Prozessmodellbereits währendder Prädiktionberücksichtigen. b) Messung-Schritt (Measurement): Beim nächsten Zeitschritt k + 1 wirdder Ausgangsvektor y[k + 1] des Ausgangsintervalls Y[k + 1] ausdem Prozess gemessen. Die zweite Zustandsgleichung oder auch Ausgabegleichung(2) ermöglichtdann die Beschreibung aller Zuständex[k + 1], die diesen gemessenen Ausgangsvektor (gemessene Ausgabe)generieren können.Diese Menge wird als Xm|k+1 bezeichnet ("m" für "measurement"), siehe 2c. c) Schnittmenge (Intersection): Aus dem obengenannten Prädiktions-Schritta) und dem Messung-Schritt b) sind nunmehr zwei unabhängige SchätzungenXk+1|k und Xm|k+1 dermöglichenZustandsmenge zum Zeitschritt k + 1 ermittelt. Die beste Schätzung derZustandsmenge berechnet sich aus der Schnittmenge Xk+1|k+1 dieserbeiden Schätzungen – siehe 2c und 2d: Xk+1|k+1 = Xk+1|k ∩ Xm|k+1.Da die Komplexität der mathematischenBeschreibung dieser Messung mit zunehmendem Zeitschritt k ständig ansteigenwürde – sieheBeispiel in 3 mit nach mehreren Zeitschrittenauftretender und mathematisch kompliziert zu berechnender SchnittmengeX, wird ein vierter Schritt in der Intervallbeobachtung eingeführt, umeine rechentechnische Erleichterung zu realisieren: d) Überschätzung (Overbounding):Wie in 4 zu erkennen ist, werden hinsichtlich der Schnittmenge Xk+1|k+1 sowohl Minimalwert x1a alsauch Maximalwert x1b bezüglich der Koordinate x1 und sowohl Minimalwert x2a alsauch Maximalwert x2b bezüglich der Koordinate x2 ermittelt. Die vier Punkte mit den Koordinaten x1a/x2a, x1a/x2b, x1b/x2a, x1b/x2b stellen nundie Eckpunkte eines die Überschätzung definierendenRechtecks dar, welches die Schnittmenge Xk+1|k+1 umschließt. DieSchätzungder Zustandsmenge Xk+1|k+1, wird demnachdurch eine zwar größere Mengeapproximiert, deren Form aber mathematisch einfacher zu beschreibenist. Mit anderen Worten wird die kleinste mathematische, rechteckförmige Standardformgewählt,welche die gemäß c) erhalteneSchnittmenge beinhaltet. Damit wird nach jedem Schritt der Intervallbeobachtungdie rechentechnische Realisierung vorteilhaft auf gleichem Niveaugehalten, d. h. die zu beschreibende Zustandsmenge ist bei unterschiedlichenZeitschritten stets gleich kompliziert. Die Auswahl der Form für die Überschätzung istein sehr wichtiger Teil des Algorithmus, um den Verlust an Beobachtungsgenauigkeit zuminimieren. Es werden lineare Matrizenungleichungen "LMI" (Linear Matrix Inequalities)genutzt, da diese eine hohe Flexibilität der Einschließungsformbei geringer mathematischer Komplexität bieten.
    [0040] DerSchritt von der Intervallbeobachtung zur Prozessdiagnose ergibtsich dadurch, dass, sobald die Schnittmenge leer wird Xk+1|k+1 ={∅}, es keinerlei Zustand x[k + 1] gibt, der das Verhaltender Anlage zum Zeitschritt k + 1 beschreiben kann. Es wird damiteindeutig, dass die reale Anlage sich nicht wie ihr durch die Zustandsgleichungen(1) und (2) beschriebenes Prozessmodell verhält: Ein Fehler f ist aufgetreten.Um eine genaue Aussage überden Fehler f treffen zu können,werden zweckmäßig mehrereFehlermodelle des Prozesses fürdie Erfassung unterschiedlicher Fehlerfälle f = {0, 1, 2, ...} modelliert: erstesFehlermodell x[k + 1] = Af1 x[k]+ Bf1 u[k] y[k +1] = Cf1 x[k + 1],zweites Fehlermodell x[k + 1] = Af2 x[k] +Bf2 u[k] y[k + 1]= Cf2 x[k + 1] usw., wobei Af1,Af2... = Systemmatrix, modelliertfür einenbestimmten Fehlerfall Bf1,Bf2... = Steuermatrix, modelliertfür einenbestimmten Fehlerfall Cf1,Cf2... = Beobachtungsmatrix,modelliert füreinen bestimmten Fehlerfall
    [0041] EingroßerVorteil des vorgeschlagenen Verfahrens ist es, dass die Unsicherheitsschranken(Messunsicherheiten) eu und ey sichsofort parametrieren lassen: Es wird keine weitere Änderungoder Anpassung des Diagnosealgorithmus benötigt. Die Zustandsmengen werdendann mit diesen neuen Unsicherheitsschranken berechnet. Es ist dabeiselbstverständlich,dass je größer dieUnsicherheiten sind, desto größer dieZustandsmengen werden. Bei einem residuenbasiertem Diagnoseansatz(Merkmalgenerierung, Merkmalauswertung) müsste aber in Abhängigkeitvon neuen Schranken ein neuer Schwellwert berechnet werden. Dieswürde eine große Anzahlan Simulationen erfordern. Dies entfällt vorteilhaft mit dem vorgeschlagenenIntervallbeobachtungsansatz.
    [0042] ZurnäherenErläuterungwird nachfolgend als spezielles Ausführungsbeispiel ein System zweiterOrdnung vorgestellt, welches aus einem größeren Modell eines Abwicklerseiner Kaltwalzwerkanlage abstrahiert ist. Der Einfachheit halberist dieses Beispiel auf zwei Ordnungen begrenzt, das vorgeschlageneVerfahren bleibt jedoch selbstverständlich allgemein für SystemehöhererOrdnung anwendbar. Allgemein lässtsich das Verfahren auch auf nichtlineare Prozessmodelle erweitern.
    [0043] Dasbeispielhafte System ist in 5 dargestellt.Als Zustandsvektoren x, Eingangsvektoren u und Ausgangsvektoreny (ausnahmsweise ist beim Ausführungsbeispiely lediglich eindimensional) werden x = [ϕ, ϕ .]T, u= [Ft, θ, θ .]T, y = vstrip = Rcoilϕ . (5)benutzt.Es gilt: θ = Winkelposition desAntriebs θ . = Winkelgeschwindigkeitdes Antriebs ϕ = Winkelposition desAbwicklers ϕ . = Winkelgeschwindigkeitdes Abwicklers vstrip = Bandgeschwindigkeit Rcoli = Radius des Abwicklers Ft = Bandzug T = Transposition einesVektors bzw. einer Matrix
    [0044] Ausder rotatorischen Bewegungsgleichung ergibt sich das kontinuierlicheZustandsraummodell für diesesAusführungsbeispiel.Dies kann dann in ein diskretes Modell überführt werden:
    [0045] Esgilt: Rcoli = Radius des Abwicklers Jcoli = Massenträgheitsmomentdes Abwicklers i = Getriebeübersetzung c = Federkonstante d = Dämpfungskonstante
    [0046] DieAnfangsmenge X[0] oder auch X[k] wird beim Ausführungsbeispiel zum Teil ausder Messung y[0] definiert und zum Teil auf der Grundlage von Expertenwissengeschätzt.Im ungünstigstenFall (ohne weiteres Wissen) wird der gesamte Zustandsraum für die AnfangsmengeX[0] angenommen.
    [0047] Für die Unsicherheitsschranken(Messunsicherheiten) werden eu = 0 und ey = 10% gesetzt, so dass gilt Y[k]= [0.9y[k], 1.1y[k]].
    [0048] Dadas Prozessmodell, eine Anfangsmenge X[0] und Unsicherheitsschranken(Messunsicherheiten) eu und ey definiertsind, kann die Intervallbeobachtung angewendet werden. Es werdenkeine Modellunsicherheiten berücksichtigt.
    [0049] 6a, 6b zeigendie zeitlichen Verläufeder Messsignale bzw. Vektor-Koordinaten u1,u2, u3 der Eingangsgröße (Vektor)u(t) und den zeitlichen Verlauf des Messsignals bzw. Vektor-Koordinatey1 der Ausgangsgröße y(t), die dem Intervallbeobachterzugeführtwerden. Die Intervallbeobachtung liefert das Ergebnis, das in 7 zusehen ist. 7 zeigt die Zustandsmengenfolgeim durch die Koordinaten x1, x2 aufgespannten Zustandsraum.Die Messung in 6b definiert zusammen mit derberücksichtigtenUnsicherheitsschranke (Messunsicherheit) ey dieIntervallbreite der Zustandsmenge bezüglich der Koordinate x2 des Zustandsvektors x (da in diesem Beispieldie Messung y1 Informationen über x2 gibt). Durch die Beobachtung wird eineSchätzungder Koordinate x1 des Zustandes ausgerechnetund als Intervallbreite bezüglichder Koordinate x1 des Zustandsvektors xausgegeben.
    [0050] Die 8a, 8b und 9 zeigendas Verhalten des Beobachtungsalgorithmus im Fehlerfall – siehePfeile, die einen zum Zeitpunkt t = 4s auftretenden Fehler (beispielsweise einabschnittsweises Durchrutschen des Bandes) kennzeichnen. In 9 siehtman, dass die Zustandsmenge ab x1 ≈ 5,8 rad verschwindet. AufGrund des Konsistenzprinzips kann damit geschlossen werden, dassdas System sich nicht wie das bekannte fehlerfreie Modell verhält. Es istalso ein Fehler aufgetreten.
    [0051] Zusammenfassendbesteht die Erfindung in der Nutzung des Intervallbeobachters zurProzessdiagnose, z. B. von Walzstrassen. Die Intervallbeobachtungstellt einen robusten Ansatz zur Fehlererkennung dar. Um genauereInformation überden Fehler zu haben (also füreine Fehlerdiagnose oder Fehleridentifikation), muss das Verhaltendes Systems mit mehreren Fehlermodellen überprüft werden. Aus den Fehlermodellen, diemit dem Fehlerverhalten konsistent sind, erhält man die möglichenFehlerkandidaten.
    [0052] DieProzessdiagnose mit Intervallbeobachter benötigt folgende Angaben: • diedynamischen Modelle des zu diagnostizierenden Prozesses (im fehlerfreienund fehlerbehafteten Fall): siehe A, B, C, Af1,Bf1, Cf1, Af2, Bf2, Cf2... • eineAnfangszustandsmenge, die den wahren Zustand beinhalten muss: sieheX[0] • gegebeneSchranken der Prozessunsicherheiten (Unsicherheitsschranken): sieheeu, ey
    [0053] Dadas Prinzip der Intervallbeobachtung allgemein ist, lässt sichdie intervallbeobachterbasierte Diagnose auf andere Diagnoseaufgaben übertragen.
    A Systemmatrixdes Prozessmodells Af1 Systemmatrixim Fehlerfall (Prozessmodell) B Steuermatrixdes Prozessmodells Bf1 Steuermatrixim Fehlerfall (Prozessmodell) C Beobachtungsmatrixdes Prozessmodells Cf1 Beobachtungsmatrixim Fehlerfall (Prozessmodell) c Federkonstante d Dämpfungskonstante eu, ey angenommeneUnsicherheitsschranke (Messunsicherheit) der Eingangsmessung bzw.Ausgangsmessung eA, eB, Unsicherheitsschrankender eC System-,Eingangs- und Ausgangsmatrizen f Fehler Ft Bandzug i Getriebeübersetzung Jcoil Massenträgheitsmomentdes Abwicklers k Abtastzeitpunkt,Zeitschritt Rcoil Radiusdes Abwicklers t Zeit u Eingangsvektor,Eingangsgröße, gemessenerEingang U Eingangsintervall u1, u2, u3 Koordinatendes Eingangsvektors bzw. Messsignale x Zustandsvektor,(innerer) Zustandx1, x2 Koordinatendes Zustandsvektors x[0] Anfangszustandzum Zeitschritt k = 0 x[k] Zustandzum Zeitschritt k x[k+ 1] Zustandzum nächstenZeitschritt k + 1 × ^ Näherungswertfür denZustand x X Mengevon möglichenZuständen,Zustandsmenge Xk|k Mengevon möglichenZuständen,bestimmt bei k fürk Xk+1|k Mengevon möglichenZuständen,berechnet bei k fürk + 1 Xm|k+1 Mengevon möglichenZuständen,berechnet mit Hilfe der gemessenen Ausgangsgröße bei k + 1 Xk+1|k+1 Schnittmenge,beste Schätzung Xk+1|k+1 Mengevon möglichenZuständennach erfolgter Überschätzung X[k] RekursiveZustandsmenge, die währendder Intervallbeobachtung rekonstruiert wird y Ausgangsvektor,Ausgangsgröße, gemessenerAusgang y1 Koordinatedes Ausgangsvektors bzw. Messsignal Y Ausgangsintervall θ Winkelpositiondes Antriebs θ . Winkelgeschwindigkeitdes Antriebs ϕ Winkelpositiondes Abwicklers ϕ . Winkelgeschwindigkeitdes Abwicklers vstrip Bandgeschwindigkeit
    权利要求:
    Claims (4)
    [1] Verfahren zur Fehlererkennung in einem industriellenProzess mit Hilfe eines Intervallbeobachters, a) wobei auseiner Menge an möglichenZuständenX[k] oder auch Xk|k zu einem Zeitschrittk, einer Zustände x[k],x[k + 1] des Prozesses beschreibenden ersten Zustandsgleichung x[k+ 1] = A x[k] + B u[k] eines dynamischen Prozessmodells und einerin einem Eingangsintervall U[k] gemessenen Eingangsgröße u[k]die möglicheZustandsmenge Xk+1|k für den nächsten Zeitschritt k + 1 berechnetwird, b) wobei beim nächstenZeitschritt k + 1 die Ausgangsgröße y[k +1] des Ausgangsintervalls Y[k + 1] gemessen wird, mit deren Hilfemittels einer zweiten Zustandsgleichung y[k + 1] = C x[k + 1] desdynamischen Prozessmodells die Zustandsmenge Xm|k+1 allerderjenigen Zuständeberechnet wird, welche die gemessene Ausgangsgröße y[k + 1] erzeugen können, c)wobei eine Schnittmenge Xk+1|k+1 = Xk+1|k ∩ Xm|k+1 der beiden berechneten ZustandsmengenXk+1|k und Xm|k+1 berechnetwird, d) wobei die Schnittmenge Xk+1|k+1 durcheine größere Menge X ~k+1|k+1 approximiert wird, deren Form mathematischeiner einfachen, die Schnittmenge umschließenden Standardform entspricht, e)wobei bei Auftreten einer leeren Schnittmenge ein Fehler im Prozessdetektiert ist und f) wobei A, B, C jeweils eine Matrix mit,in der Regel konstanten Werten sind, die es erlauben das dynamische Verhaltendes betrachteten industriellen Prozesses über die Zustandsdifferentialgleichungund die Ausgangsgleichung wiederzugeben: A = Systemmatrix desProzessmodells B = Steuermatrix des Prozessmodells C =Beobachtungsmatrix des Prozessmodells
    [2] Verfahren nach Anspruch 1, dadurch gekennzeichnet,dass Unsicherheitsschranken (eA, eB, eC) der System-,Eingangs- und Ausgangsmatrizen angesetzt werden.
    [3] Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet,dass lineare Matrizenungleichungen "LMI" (LinearMatrix Inequalities) zur Bildung der einfachen Standardformen genutztwerden.
    [4] Verfahren nach einem der vorstehenden Ansprüche, dadurchgekennzeichnet, dass zur Fehlerdiagnose oder Fehleridentifikationfür bestimmteFehler spezielle Zustandsgleichungen des Prozessmodells aufgestellt werden: x[k + 1] = Af x[k] +Bf u[k] y[k + 1]= Cf x[k + 1]wobei Af,Bf, Cf jeweils eineMatrix mit, in der Regel konstanten Werten sind, die es erlaubendas dynamische Verhalten des betrachteten industriellen Prozessesfür einenbestimmten Fehlerfall überdie Zustandsdifferentialgleichung und die Ausgangsgleichung wiederzugeben: Af = Systemmatrix des Prozessmodells im Fehlerfall Bf = Steuermatrix des Prozessmodells im Fehlerfall Cf = Beobachtungsmatrix des Prozessmodellsim Fehlerfall
    类似技术:
    公开号 | 公开日 | 专利标题
    Cha et al.2017|Output-only computer vision based damage detection using phase-based optical flow and unscented Kalman filters
    Yin et al.2012|Data-driven adaptive observer for fault diagnosis
    Yan et al.2005|Structural damage diagnosis under varying environmental conditions—part I: a linear analysis
    Worden1997|Structural fault detection using a novelty measure
    Vemuri et al.1997|Neural-network-based robust fault diagnosis in robotic systems
    Chatzi et al.2010|Experimental application of on-line parametric identification for nonlinear hysteretic systems with model uncertainty
    US7080290B2|2006-07-18|Exception analysis for multimissions
    Patton et al.1994|Fault diagnosis in nonlinear dynamic systems via neural networks
    EP1660958B1|2012-04-04|Virtuelles lastüberwachungssystem und verfahren
    Smirnov2013|Spurious causalities with transfer entropy
    Teunissen2010|An integrity and quality control procedure for use in multi sensor integration
    Ting et al.2007|A Kalman filter for robust outlier detection
    EP1416348B1|2006-05-31|Verfahren zur zeitlichen Fehlerisolation und Identifizierung
    Gade2005|NavLab, a generic simulation and post-processing tool for navigation
    Djeziri et al.2007|Robust fault diagnosis by using bond graph approach
    Verhaegen1993|Subspace model identification Part 3. Analysis of the ordinary output-error state-space model identification algorithm
    US6892163B1|2005-05-10|Surveillance system and method having an adaptive sequential probability fault detection test
    Chen et al.2007|Observer-based fault diagnosis of satellite systems subject to time-varying thruster faults
    Teunissen1990|Quality control in integrated navigation systems
    Reppa et al.2013|Adaptive approximation for multiple sensor fault detection and isolation of nonlinear uncertain systems
    CN1651864B|2010-09-15|生成磁场图和使用磁场图检查移动体的姿态的方法和装置
    DE4436658B4|2004-02-12|Vorrichtung und Verfahren zur Störungsuntersuchung
    US20060287840A1|2006-12-21|Sensor fusion using self evaluating process sensors
    CN104865949B|2019-04-09|发起的测试健康管理系统和方法
    Yan et al.2007|Sensor fault detection and isolation for nonlinear systems based on a sliding mode observer
    同族专利:
    公开号 | 公开日
    DE102004025574B4|2013-02-28|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    法律状态:
    2006-01-19| OR8| Request for search as to paragraph 43 lit. 1 sentence 1 patent law|
    2006-01-19| OP8| Request for examination as to paragraph 44 patent law|
    2012-11-20| R016| Response to examination communication|
    2012-12-10| R018| Grant decision by examination section/examining division|
    2013-09-05| R020| Patent grant now final|Effective date: 20130529 |
    2014-12-02| R119| Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee|
    2015-02-26| R119| Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee|Effective date: 20141202 |
    优先权:
    申请号 | 申请日 | 专利标题
    DE200410025574|DE102004025574B4|2004-05-25|2004-05-25|Verfahren zur Fehlererkennung in einem industriellen Prozess|DE200410025574| DE102004025574B4|2004-05-25|2004-05-25|Verfahren zur Fehlererkennung in einem industriellen Prozess|
    [返回顶部]