專利名稱：分布式過程控制系統(tǒng)中的在線多元分析的制作方法
技術(shù)領(lǐng)域：
本公開內(nèi)容總的來說涉及加工廠診斷，更具體地說，涉及包括多元統(tǒng)計(jì) 技術(shù)的監(jiān)控和診斷系統(tǒng)。
背景技術(shù)：
過程控制系統(tǒng)，例如化學(xué)、石油、或其它過程中所-使用的過程控制系統(tǒng)， 通常包括一個(gè)以上通過模擬總線、數(shù)字總線或模擬/數(shù)字相結(jié)合的總線以可 通信方式連接至至少一個(gè)主機(jī)或操作員工作站以及一個(gè)以上過程控制和儀 表設(shè)備的集中式或分散式過程控制器?，F(xiàn)場設(shè)備可以是例如閥、閥定位器、 開關(guān)、變送器和傳感器(例如溫度傳感器、壓力傳感器和流速傳感器)，它 們位于加工廠環(huán)境中，并在諸如開啟或關(guān)閉閥和測量過程參數(shù)、增加或減小 流體流量等的過程中施行功能。諸如符合公知的FOUNDATION Fieldbus (以下稱作Fieldbus)協(xié)議或HART⑧協(xié)議的現(xiàn)場設(shè)備之類的智能現(xiàn)場設(shè)備 還施行控制運(yùn)算、報(bào)警功能和過程控制器中通常實(shí)現(xiàn)的其它控制功能。
通常位于加工廠環(huán)境中的過程控制器接收表示現(xiàn)場設(shè)備所進(jìn)行的或所 關(guān)聯(lián)的過程測量值或過程變量的信號(hào)和/或與現(xiàn)場設(shè)備有關(guān)的其它信息，并 執(zhí)行控制器應(yīng)用程序。控制器應(yīng)用程序?qū)崿F(xiàn)例如不同的控制模塊，這些控制 模塊進(jìn)行過程控制決策，基于所接收的信息生成控制信號(hào)，并且與諸如 HART⑧和Fieldbus現(xiàn)場設(shè)備之類的現(xiàn)場設(shè)備中正在施行的控制才莫塊或塊一 起協(xié)調(diào)工作。過程控制器中的控制模塊通過通信線路或信號(hào)路徑向現(xiàn)場設(shè)備發(fā)送控制信號(hào)，從而控制過程的操作。
來自現(xiàn)場設(shè)備和過程控制器的信息對于諸如操作員工作站、維護(hù)工作 站、個(gè)人計(jì)算機(jī)、手持設(shè)備、歷史數(shù)據(jù)庫、報(bào)告發(fā)生器、集中式數(shù)據(jù)庫等的 一個(gè)以上其它硬件設(shè)備可用，從而使操作員或維護(hù)人員能夠施行針對過程的 期望的功能，例如改變過程控制例程的設(shè)置、更改過程控制器或智能現(xiàn)場設(shè) 備中的控制模塊的操作、查看過程的當(dāng)前狀態(tài)或加工廠中的特定設(shè)備的當(dāng)前 狀態(tài)、查看由現(xiàn)場設(shè)備和過程控制器生成的警報(bào)、對過程操作進(jìn)行仿真以訓(xùn) 練人員或測試過程控制軟件，以及診斷加工廠中的問題或硬件故障。
已知的是，在加工廠環(huán)境中，尤其是在具有大量現(xiàn)場設(shè)備和支持裝置的 加工廠中，經(jīng)常會(huì)有問題出現(xiàn)。這些問題可能是壞了的或故障的設(shè)備，諸如 軟件例程之類的邏輯元件駐留在不正確的模式，過程控制環(huán)路被不正確地調(diào) 諧，加工廠中的設(shè)備之間的通信失敗一次以上，等等。這些和其它問題實(shí)際 上會(huì)出現(xiàn)多個(gè)，通常會(huì)導(dǎo)致過程在異常狀態(tài)下操作(即加工廠處于異常情 況)，這經(jīng)常與加工廠的次最佳性能相關(guān)聯(lián)。
已經(jīng)建立了很多診斷工具和應(yīng)用程序來檢測和確定加工廠中問題的產(chǎn) 生原因，并且一旦問題發(fā)生并被檢測到，就協(xié)助操作員或維護(hù)人員診斷并校 正這些問題。例如，通常通過諸如直接或無線總線、以太網(wǎng)、調(diào)制解調(diào)器、 電話線等的通信連接連接至過程控制器的操作員工作站具有適于運(yùn)行諸如
由愛默生過程管理公司出售的DeltaVTM和Ovation⑧控制系統(tǒng)之類的軟件的 處理器和存儲(chǔ)器。這些控制系統(tǒng)具有大量的控制模塊和控制環(huán)路診斷工具。 同樣，維護(hù)工作站可以通過與控制器應(yīng)用程序相同的通信連接，或通過諸如 用于過程控制(OPC)的對象連接和嵌入(OLE)連接、手持連接等連接至 過程控制設(shè)備，維護(hù)工作站通常包括被設(shè)計(jì)為查看由加工廠中的現(xiàn)場設(shè)備生 成的維護(hù)警報(bào)和警告、對加工廠中的設(shè)備進(jìn)行測試并對現(xiàn)場設(shè)備和加工廠中 的其它設(shè)備施行維護(hù)活動(dòng)的一個(gè)以上應(yīng)用程序。已經(jīng)建立出類似的診斷應(yīng)用 程序來診斷加工廠中的支持裝置的問題。
因此，諸如AMSTM程序組來自愛默生過程管理公司的智能設(shè)備管理器之類的商用軟件能夠與現(xiàn)場設(shè)備進(jìn)行通信，并存儲(chǔ)與現(xiàn)場設(shè)備有關(guān)的數(shù)
據(jù)，以確定并跟蹤現(xiàn)場設(shè)備的操作狀態(tài)。同時(shí)參考名稱為"Integrated Communication Network for use in a Field Device Management System(用于現(xiàn) 場設(shè)備管理系統(tǒng)的集成通信網(wǎng)絡(luò))"的美國專利No.5，960，214。在某些情況 下，AMS 軟件可以用來與現(xiàn)場設(shè)備進(jìn)行通信以改變現(xiàn)場設(shè)備中的參數(shù)， 從而使現(xiàn)場設(shè)備本身運(yùn)行諸如自校準(zhǔn)例程或自診斷例程之類的應(yīng)用程序，以 獲取關(guān)于現(xiàn)場設(shè)備的狀態(tài)或健康等的信息。這些信息可以包括例如狀態(tài)信息 (例如是否發(fā)生了警報(bào)或其它類似的事件)、設(shè)備配置信息(例如現(xiàn)場設(shè)備 當(dāng)前或可能被配置的方式以及現(xiàn)場設(shè)備所使用的測量單元的類型)、設(shè)備參 數(shù)(例如現(xiàn)場設(shè)備范圍值和其它參數(shù))等。當(dāng)然，這些信息可以被維護(hù)人員 用來監(jiān)控、維護(hù)和/或診斷現(xiàn)場設(shè)備的問題。
類似地，很多加工廠都包括諸如CSI系統(tǒng)所提供的Machinery Health 之類的應(yīng)用程序，用于監(jiān)控、診斷和優(yōu)化各種旋轉(zhuǎn)裝置的操作狀態(tài)。維護(hù)人 員經(jīng)常使用這些應(yīng)用程序來維護(hù)或檢查工廠中的旋轉(zhuǎn)裝置的性能，以確定旋 轉(zhuǎn)裝置的問題，并確定旋轉(zhuǎn)裝置是否必須被修理或更換以及修理或更換的時(shí) 間。類似地，很多加工廠包括電力控制和診斷應(yīng)用程序，例如由Liebert和 ASCO公司提供的那些電力控制和診斷應(yīng)用程序，以控制并維護(hù)發(fā)電和配電 裝置。同時(shí)已知的是，在加工廠中運(yùn)行諸如實(shí)時(shí)優(yōu)化器(RTO+)之類的控 制優(yōu)化應(yīng)用程序，以優(yōu)化加工廠的控制活動(dòng)。這種優(yōu)化應(yīng)用程序通常使用復(fù) 雜的算法和/或加工廠的模型來預(yù)測可以以何種方式改變輸入以針對諸如利 潤之類的某個(gè)期望的優(yōu)化變量優(yōu)化加工廠的操作。
這些和其它診斷和優(yōu)化應(yīng)用程序通常以全系統(tǒng)為基礎(chǔ)在一個(gè)以上"l喿作
員或維護(hù)工作站中實(shí)現(xiàn)，并且可以給操作員或維護(hù)人員提供關(guān)于加工廠或加
工廠中的現(xiàn)場設(shè)備和裝置的操作狀態(tài)的預(yù)配置顯示。典型的顯示包括接收過
程控制器或加工廠中的其它設(shè)備所生成的警報(bào)的報(bào)警顯示、指示過程控制器
和加工廠中的其它設(shè)備的操作狀態(tài)的控制顯示、指示加工廠中的設(shè)備的操作
狀態(tài)的維護(hù)顯示等。同樣地，這些和其它診斷應(yīng)用程序可以使操作員或維護(hù)人員能夠重新調(diào)諧控制環(huán)路或重新設(shè)置其它控制參數(shù)，以運(yùn)行對一個(gè)以上現(xiàn) 場設(shè)備的測試，從而確定那些現(xiàn)場設(shè)備的當(dāng)前狀態(tài)，或校準(zhǔn)現(xiàn)場設(shè)備或其它 裝置。
盡管這些多種應(yīng)用程序和工具可以方便加工廠中的問題識(shí)別和校正，但 是這些診斷應(yīng)用程序通常被配置為僅在加工廠中已經(jīng)發(fā)生問題之后使用，因 此這些診斷應(yīng)用程序僅在加工廠中已經(jīng)存在異常情況之后使用。不幸的是， 在使用這些工具來檢測、識(shí)別和校正異常情況之前，異常情況可能已經(jīng)存在 一段時(shí)間，這導(dǎo)致問題被檢測、識(shí)別和校正期間加工廠呈現(xiàn)次最佳性能。在 很多情況下，控制操作員首先基于警報(bào)、警告或加工廠的不良性能檢測到存 在某個(gè)問題。然后操作員會(huì)通知潛在問題的維護(hù)人員。維護(hù)人員可能檢測到 也可能檢測不到實(shí)際的問題，并且可能在實(shí)際運(yùn)行測試或其它診斷應(yīng)用程序 之前需要進(jìn)一步的提示，或施行識(shí)別實(shí)際問題所需的其它活動(dòng)。 一旦問題被 識(shí)別出，維護(hù)人員就可能需要定購零件并調(diào)度維護(hù)程序，所有這些都會(huì)導(dǎo)致 問題的發(fā)生與該問題的校正之間有很長的時(shí)間段。在該時(shí)間段期間，加工廠 可能在通常與工廠的次最佳操作相關(guān)聯(lián)的異常情況下運(yùn)行。
另外，很多加工廠可能會(huì)經(jīng)歷在相對較短的時(shí)間量內(nèi)在工廠中產(chǎn)生嚴(yán)重 的代價(jià)或損壞的異常情況。例如，如果某些異常情況存在，則即使存在極短 的時(shí)間量，這些異常情況也會(huì)引起對裝置的重大損壞、原材料的損耗或加工 廠中的明顯不期望的停工。因此，僅僅在問題已經(jīng)發(fā)生后檢測工廠中的問題， 則不管該問題被校正得多快，都會(huì)在加工廠中造成嚴(yán)重的損耗或損壞。因此， 期望首先設(shè)法預(yù)防異常情況的出現(xiàn)，而不是在異常情況出現(xiàn)后再設(shè)法作出反 應(yīng)并校正力口工廠中的問題。
為了采取措施在加工廠中發(fā)生任何重大損失之前阻止已預(yù)測到的異常 情況，可以使用一種技術(shù)采集數(shù)據(jù)，該數(shù)據(jù)使用戶能夠在加工廠中的某些異
常情況實(shí)際出現(xiàn)之前預(yù)測這些異常情況的發(fā)生。在名稱為"Root Cause Diagnostics (根本原因診斷)"、現(xiàn)為美國專利No. 7,085,610的美國專利申 請No.09/972,078 (部分地基于美國專利申請No.08/623，569，現(xiàn)為美國專利No.6，017，143)中公開了該程序。這兩個(gè)申請的全部公開內(nèi)容由此通過引用 合并于此。 一般而言，該技術(shù)在加工廠中的諸如現(xiàn)場設(shè)備之類的多個(gè)設(shè)備中 的每一個(gè)設(shè)備中布置統(tǒng)計(jì)數(shù)據(jù)采集和處理塊或統(tǒng)計(jì)處理監(jiān)控(SPM)塊。該 統(tǒng)計(jì)數(shù)據(jù)采集和處理塊采集過程變量數(shù)據(jù)，并確定與所采集的數(shù)據(jù)相關(guān)聯(lián)的 某些統(tǒng)計(jì)測量值，例如均值、中值、標(biāo)準(zhǔn)差等。然后這些統(tǒng)計(jì)測量值被發(fā)送 給用戶并被分析，以識(shí)別已知異常情況在未來發(fā)生的模式。 一旦系統(tǒng)預(yù)測到 異常情況，即采取措施以校正潛在的問題，并在第一時(shí)間避免異常情況。
主成分分析(PCA)是已在過程控制行業(yè)中用于分析多維數(shù)據(jù)集的多元 數(shù)據(jù)分析技術(shù)。PCA技術(shù)通常涉及將數(shù)據(jù)從多維空間降低到仍然能夠解釋原 始數(shù)據(jù)中的大多數(shù)顯著變化的低維空間。例如，PCA可以用于將多元數(shù)據(jù)空 間(例如多維數(shù)據(jù))的維度降低到幾維(例如2維或3維)數(shù)據(jù)空間，從而 將多維數(shù)據(jù)投影到較低維的主成分空間上(在較低維的主成分空間上對多維 數(shù)據(jù)進(jìn)行計(jì)分)。在L. H. Chiang等人在Springer國Verlag London Limited, pp.35-54(200l)上發(fā)表的 "Fault Detection and Diagnosis in Industrial Systems (工業(yè)系統(tǒng)中的故障檢測和診斷)"和E. L. Russell等人在Springer-Verlag London Limited, (2000)上發(fā)表的 "Data-Driven Techniques for Fault Detection and Diagnosis in Chemical Processes(用于化學(xué)過程中的故障檢測和診斷的數(shù) 據(jù)驅(qū)動(dòng)技術(shù))"中，可以找到與工業(yè)過程中用于故障檢測的PCA 4支術(shù)的典 型實(shí)現(xiàn)有關(guān)的進(jìn)一步細(xì)節(jié)。
多種軟件包提供PCA功能，但是這些包中的絕大多數(shù)使用來自數(shù)據(jù)庫 的離線過程數(shù)據(jù)。換句話說，PCA已是一種離線多元統(tǒng)計(jì)分析工具。這對于 諸如歷史數(shù)據(jù)或已存儲(chǔ)的多維數(shù)據(jù)文件之類的過程數(shù)據(jù)中異常情況的事后 分析是有用的，但是不能用于實(shí)時(shí)(例如，在線數(shù)據(jù)分析)檢測異常情況。 某些現(xiàn)有的PCA軟件包可能能夠?qū)?shù)據(jù)進(jìn)行實(shí)時(shí)分析，但是只有在該軟件 具有通常通過諸如OPC服務(wù)器之類的界面從控制系統(tǒng)對過程數(shù)據(jù)的訪問的 情況下才可以。因此，工廠人員可能會(huì)不幸地具有對與控制系統(tǒng)分離的軟件 包進(jìn)行維護(hù)的負(fù)擔(dān)，包括支持該軟件包對控制系統(tǒng)的訪問以及與控制系統(tǒng)的連接。進(jìn)一步地，異常過程情況的檢測應(yīng)當(dāng)在任何時(shí)候且針對各種異常情況 (例如，持續(xù)性過程與一次性方案)都可用，從而使異常情況預(yù)防工具能夠 在任何時(shí)候針對各種異常情況都展示出警惕性和準(zhǔn)確性。
傳統(tǒng)的PCA技術(shù)還可能無法容易地傳達(dá)指示過程動(dòng)態(tài)的信息。PCA分 析的結(jié)果，即得分，通常通過作為基本過程數(shù)據(jù)的靜態(tài)表示的散布圖(scatter plot)來顯示。不考慮得分?jǐn)?shù)據(jù)在散布圖中被記錄或解釋的方式，通常存在 與被不正確特征化的數(shù)據(jù)相關(guān)聯(lián)的小的不確定性。如下所述，在沒有更多信 息的情況下，過程操作員通常不能確定一給定得分是正常的還是異常的。例 如，PCA分析的前兩個(gè)主成分捕獲多維數(shù)據(jù)中的最大變化，由于來自PCA 分析的前兩個(gè)得分表示關(guān)于多維數(shù)據(jù)的行為的最重要信息，包括過程中的最 大變化，因而可以繪制這兩個(gè)得分。
出于這些原因，傳統(tǒng)的PCA技術(shù)在異常情況的檢測中展示出不可靠的 性能。PCA得分可能會(huì)暗示不存在的異常情況(即錯(cuò)誤警報(bào))，并且相反地 可能在過程正在異常運(yùn)轉(zhuǎn)時(shí)指示正常操作(即遺漏的診斷)。進(jìn)一步地，為 了實(shí)現(xiàn)PCA,使用訓(xùn)練數(shù)據(jù)(例如，來自"正常，，過程操作的數(shù)據(jù))建立 PCA模型，并將得到的模型應(yīng)用于檢測異常過程情況。訓(xùn)練數(shù)據(jù)用于獲得針 對主成分的模型。就這一點(diǎn)來說，PCA得分并不直接與實(shí)際的過程變量相關(guān)， 而且使用PCA監(jiān)控的過程變量的物理過程極限在分析中不起作用，因而需 要統(tǒng)計(jì)解釋(例如對"數(shù)據(jù)的優(yōu)度"進(jìn)行量化)。

發(fā)明內(nèi)容
根據(jù)本公開內(nèi)容的特定方面，公開了若干種技術(shù)以便于監(jiān)控和診斷過程 控制系統(tǒng)及其任何元件的實(shí)現(xiàn)。這種監(jiān)控和診斷通常包括或涉及主成分分析 (PCA)以及諸如主成分回歸(PCR)、偏最小平方(PLS)、費(fèi)舍判別分 析(FDA)或規(guī)范變量分析(CVA)之類的其它多元統(tǒng)計(jì)分析技術(shù)與過程控 制系統(tǒng)的集成。監(jiān)控的多元本質(zhì)然后可以支持診斷、異常情況預(yù)防以及其它 故障檢測。這種監(jiān)控和診斷通常還可以包括或涉及監(jiān)控多元過程數(shù)據(jù)的一元分析與單個(gè)監(jiān)控變量的集成。多元分析或一元分析中的每一個(gè)都可能便于若 干種故障監(jiān)控和檢測技術(shù)，例如異常情況檢測和預(yù)防。
具體而言，基于多元的監(jiān)控和檢測技術(shù)作為分布式控制系統(tǒng)(DCS)的 一部分以在線方式實(shí)現(xiàn)。通過實(shí)現(xiàn)作為分布式控制系統(tǒng)的一部分的多元分 析，連同所關(guān)聯(lián)的視圖，人員可以利用多元分析來在線監(jiān)控應(yīng)用程序，同時(shí) 將人員從與分立的應(yīng)用程序相關(guān)聯(lián)的額外維護(hù)中解放出來。
為此，PCA處理可以利用在線過程數(shù)據(jù)以實(shí)時(shí)方式作為定制功能塊實(shí) 現(xiàn)，例如實(shí)現(xiàn)諸如主成分分析(PCA)之類的多元統(tǒng)計(jì)分析的Foundation Fieldbus功能塊。功能塊可以生成用于根據(jù)PCA模型通過數(shù)據(jù)顯示過程的當(dāng) 前狀態(tài)的用戶界面。在學(xué)習(xí)模式下，功能塊從過程控制系統(tǒng)采集在線過程數(shù) 據(jù)。當(dāng)過程在線且正常操作時(shí)，所采集的在線過程數(shù)據(jù)表示過程的正常操作。 在監(jiān)控模式下，功能塊執(zhí)行諸如PCA之類的多元統(tǒng)計(jì)分析，以基于所采集 的在線過程數(shù)據(jù)建立過程的模型，并且當(dāng)該過程在線且正常操作時(shí)，將該過 程表示為過程的正常操作的測量值。之后，功能塊通過將實(shí)時(shí)監(jiān)控的在線過 程數(shù)據(jù)用作對多元模型的輸入，并計(jì)算該多元模型的得分，來監(jiān)控在線實(shí)時(shí) 過程，從而提供當(dāng)過程在線時(shí)該過程的實(shí)時(shí)操作的測量值。


圖l是具有包括一個(gè)以上操作員和維護(hù)工作站、控制器、現(xiàn)場設(shè)備和支 持裝置的分布式過程控制系統(tǒng)和網(wǎng)絡(luò)的加工廠的示例性框圖2是圖1的加工廠的一部分的示例性框圖，圖示出位于加工廠的不同 元件內(nèi)的異常情況預(yù)防系統(tǒng)的各種部件之間的通信互連；
圖3是具有用于監(jiān)控加工廠的操作的操作要求或控制極限的過程變量 隨時(shí)間的圖4是過程變量的數(shù)目相對于操作要求或控制極限的圖或多元視圖，該 圖或視圖適合并入根據(jù)本公 程監(jiān)控的用戶界面；圖5是圖4的視圖在過程變量之一已超出操作要求或控制極限(可以指 示異常情況或故障狀況)之后的另一視圖6是根據(jù)本公開內(nèi)容的一方面，為實(shí)現(xiàn)主成分分析(PCA)技術(shù)而配 置且在用于訓(xùn)練和操作的過程控制系統(tǒng)內(nèi)例示的示例性功能塊的表示；
圖7是根據(jù)本公開內(nèi)容的另一方面的PCA技術(shù)實(shí)現(xiàn)期間示出的另一示 例性PCA功能塊的表示；
圖8是根據(jù)本公開內(nèi)容的另一方面的多元監(jiān)控和診斷模塊(MMDM) 的框圖，在某些實(shí)施例中，該多元監(jiān)控和診斷模塊的部件可以在圖6和7的 功能塊中實(shí)現(xiàn)；
圖9-12是根據(jù)本公開內(nèi)容的另一方面生成的示例性用戶界面顯示，在 某些實(shí)施例中，該示例性用戶界面顯示可以由圖6和7的功能塊創(chuàng)建或支持， 或者由圖8的MMDM工具創(chuàng)建或支持，以用于多元監(jiān)控和故障檢測；
圖13-14是根據(jù)另一實(shí)施例生成且以與圖9-12的用于多元監(jiān)控和故障 檢測的用戶界面顯示類似的方式創(chuàng)建或支持的另一示例性用戶界面顯示；
圖15-19是根據(jù)又一實(shí)施例生成且以與圖9-12的用于多元監(jiān)控和故障 檢測的用戶界面顯示類似的方式創(chuàng)建或支持的又一示例性用戶界面顯示；
圖20和21是根據(jù)再一實(shí)施例生成且以與圖9-12的用于多元監(jiān)控和故 障檢測的用戶界面顯示類似的方式創(chuàng)建或支持的再一示例性用戶界面顯示；
圖22和23是根據(jù)本公開內(nèi)容的可以使用圖6和7的功能塊的另一方面 的基于PCA的穩(wěn)態(tài)檢測系統(tǒng)和才支術(shù)的框圖24是火焰加熱器的示意圖，可應(yīng)用所公開的技術(shù)和本公開內(nèi)容的 MMDM工具以進(jìn)行監(jiān)控、i貪斷和故障4企測的示例性過程；
圖25是基于主成分tl和t2映射到兩維空間的訓(xùn)練數(shù)據(jù)得分的圖形表 示，該訓(xùn)練數(shù)據(jù)用于結(jié)合圖24的火焰加熱器的基于PCA的監(jiān)控、診斷和故 障檢測；
圖26和27是由MMDM工具結(jié)合用于圖24的火焰 熱器的基于PCA 的監(jiān)控、診斷和故障檢測生成的示例性用戶界面顯示；圖28是根據(jù)本公開內(nèi)容的另一方面，用于檢測或確定動(dòng)態(tài)操作的多元 統(tǒng)計(jì)技術(shù)用作驗(yàn)證數(shù)據(jù)的原油流速數(shù)據(jù)的圖29是比較與圖20中描繪的流速相關(guān)聯(lián)的實(shí)際輸出溫度數(shù)據(jù)(T。ut) 和由用于檢測或確定動(dòng)態(tài)操作的多元統(tǒng)計(jì)技術(shù)的PCR模型預(yù)測的輸出溫度 的圖30-36是結(jié)合用于檢測或確定動(dòng)態(tài)操作的多元統(tǒng)計(jì)技術(shù)的實(shí)施生成的 示例性用戶界面顯示；
圖37是根據(jù)一個(gè)實(shí)施例，用于檢測或確定動(dòng)態(tài)操作的多元統(tǒng)計(jì)技術(shù)的 流程圖38和39是根據(jù)本公開內(nèi)容的另一方面，比較示例性火焰加熱器的實(shí) 際輸出溫度數(shù)據(jù)與由可以用于檢測焦化的多元統(tǒng)計(jì)模型預(yù)測的數(shù)據(jù)的圖40和41是根據(jù)基于多元統(tǒng)計(jì)模型的焦化檢測技術(shù)的一個(gè)實(shí)施例，比 較實(shí)際輸出溫度數(shù)據(jù)和預(yù)測輸出溫度數(shù)據(jù)的圖42是論證根據(jù)本公開內(nèi)容的另一方面的用于焦化檢測另一基于非回 歸的技術(shù)的針對火焰加熱器輸出溫度的PCA模型參數(shù)的圖43是圖42的圖中描繪的基于非回歸的焦化檢測技術(shù)的一個(gè)實(shí)施例的 流程圖。
具體實(shí)施例方式
現(xiàn)在參見圖1,可實(shí)現(xiàn)異常情況預(yù)防系統(tǒng)的示例加工廠10包括通過一 個(gè)以上通信網(wǎng)絡(luò)與支持裝置一起互連的若干個(gè)控制和維護(hù)系統(tǒng)。具體而言， 圖1的加工廠10包括一個(gè)以上過程控制系統(tǒng)12和14。過程控制系統(tǒng)12可 以是諸如PROVOX或RS3系統(tǒng)之類的傳統(tǒng)過程控制系統(tǒng)，也可以是任何其 它控制系統(tǒng)，所述其它控制系統(tǒng)包括連接至控制器12B和輸入/輸出(I/O) 卡12C的操作員接口 12A,控制器12B和輸入/輸出(I/O)卡12C又連接至
備。過程控制系統(tǒng)14可以是分布式過程控制系統(tǒng)，包括通過諸如以太網(wǎng)總線之類的總線連接至一個(gè)以上分布式控制器14B的一個(gè)以上操作員接口 14A?？刂破?4B可以是例如得克薩斯州奧斯汀市的愛默生過程管理公司銷 售的DeltaVTM控制器或任何其它期望類型的控制器。控制器14B通過I/O 設(shè)備連接到一個(gè)以上現(xiàn)場設(shè)備16，例如HART或Fieldbus現(xiàn)場i殳備，或任 何其它包括例如使用PROFIBUS 、 WORLDFIP 、 Device-Net 、 AS-Interface 以及CAN協(xié)議中的任一種的智能或非智能現(xiàn)場設(shè)備。已知現(xiàn)場設(shè)備16可以 向控制器14B提供與過程變量和其它設(shè)備信息有關(guān)的模擬或數(shù)字信息。操作 員接口 14A可以存儲(chǔ)和執(zhí)行過程控制操作員可用的工具17、 19以控制過程 的操作，所述工具17、 19包括例如控制優(yōu)化器、診斷專家、神經(jīng)網(wǎng)絡(luò)、調(diào) 諧器等。
更進(jìn)一步，維護(hù)系統(tǒng)，例如執(zhí)行AMS應(yīng)用程序和/或以下所述的監(jiān)控、 診斷和通信應(yīng)用程序的計(jì)算機(jī)，可以連接到過程控制系統(tǒng)12和14或連接到 其中的單個(gè)設(shè)備以施行維護(hù)、監(jiān)控和診斷活動(dòng)。例如，維護(hù)計(jì)算機(jī)18可以 通過任何期望的通信線路或網(wǎng)絡(luò)(包括無線或手持設(shè)備網(wǎng)絡(luò))連接到控制器 12B和/或連接到設(shè)備15，以與設(shè)備15通信，并且在某些情況下重新配置設(shè) 備15或?qū)υO(shè)備15施行其它維護(hù)活動(dòng)。類似地，諸如AMS應(yīng)用程序之類的 維護(hù)應(yīng)用程序可以安裝在與分布式過程控制系統(tǒng)14相關(guān)聯(lián)的一個(gè)以上用戶 接口 14A上，并由所述用戶接口 14A執(zhí)行，以施行包括與設(shè)備16的操作狀 態(tài)有關(guān)的數(shù)據(jù)采集的維護(hù)和監(jiān)控功能。
加工廠10還包括諸如渦輪機(jī)、發(fā)動(dòng)機(jī)等的各種旋轉(zhuǎn)(以及其它)裝置 20，這些裝置20通過一些永久性或臨時(shí)性通信鏈路(例如，總線、無線通 信系統(tǒng)或連接到裝置20以進(jìn)行讀取而后被拿走的手持設(shè)備)連接到維護(hù)計(jì) 算機(jī)22。維護(hù)計(jì)算機(jī)22可以存儲(chǔ)和執(zhí)行例如由CSI ( —愛默生過程管理公 司)提供的包括可商用的應(yīng)用程序的任意數(shù)目的監(jiān)控和診斷應(yīng)用程序23以 及以下所述的用于診斷、監(jiān)控和優(yōu)化旋轉(zhuǎn)裝置20和加工廠中的其它裝置的 操作狀態(tài)的應(yīng)用程序、模塊和工具。維護(hù)人員通常使用應(yīng)用程序23維護(hù)和 檢查工廠10中的旋轉(zhuǎn)裝置20的性能，以確定旋轉(zhuǎn)裝置20的問題并確定是否必須維修或更換旋轉(zhuǎn)裝置20以及維修或更換的時(shí)間。在某些情況下，外 界顧問或服務(wù)組織可以臨時(shí)獲取或測量與裝置20有關(guān)的數(shù)據(jù)，并使用該數(shù) 據(jù)對裝置20進(jìn)行分析，以檢測問題、不良性能或影響裝置20的其它事件。 在這些情況下，運(yùn)行分析的計(jì)算機(jī)可以通過任何通信線路連接到系統(tǒng)10的 其余部分，也可以僅臨時(shí)連接到系統(tǒng)10的其余部分。
類似地，具有與工廠IO相關(guān)聯(lián)的發(fā)電和配電裝置25的發(fā)電和配電系統(tǒng) 24通過例如總線連接到運(yùn)行并檢查工廠10內(nèi)的發(fā)電和配電裝置25的操作 的另 一計(jì)算機(jī)26。計(jì)算機(jī)26可以執(zhí)行例如由Liebert和ASCO或其它公司 提供的已知電力控制和診斷應(yīng)用程序27，以控制和維護(hù)發(fā)電和配電裝置25。 再次，在很多情況下，外界顧問或服務(wù)組織可以使用臨時(shí)獲取或測量與裝置 25有關(guān)的數(shù)據(jù)并使用該數(shù)據(jù)對裝置25施行分析的服務(wù)應(yīng)用程序來檢測問 題、不良性能或影響裝置25的其它事件。在這些情況下，運(yùn)行分析的計(jì)算 機(jī)(例如計(jì)算機(jī)26)可以不通過任何通信線路連接到系統(tǒng)IO的其余部分， 也可以爿f又臨時(shí)連4妄到系統(tǒng)10的其余部分。
如圖l所示，計(jì)算機(jī)30實(shí)現(xiàn)異常情況預(yù)防系統(tǒng)35的至少一部分，具體 而言，計(jì)算機(jī)系統(tǒng)30存儲(chǔ)并實(shí)現(xiàn)配置應(yīng)用程序38和作為可選的異常操作檢 測系統(tǒng)42，其若干實(shí)施例將在下文中更詳細(xì)地描述。另外，計(jì)算機(jī)系統(tǒng)30 可以實(shí)現(xiàn)警告/警報(bào)應(yīng)用程序43。
一般而言，異常情況預(yù)防系統(tǒng)35可以包括可選地位于加工廠10內(nèi)的現(xiàn) 場設(shè)備15、 16，控制器12B、 14B，旋轉(zhuǎn)裝置20或其支持計(jì)算機(jī)22,發(fā)電 裝置25或其支持計(jì)算機(jī)26，以及任何其它期望設(shè)備和裝置中的異常操作檢 測系統(tǒng)、模塊或工具(未在圖1中示出)和/或計(jì)算機(jī)系統(tǒng)30中的異常操作 才企測系統(tǒng)42,或與之通信，以配置這些異常操作4全測系統(tǒng)中的每一個(gè)并在 這些異常操作檢測系統(tǒng)監(jiān)控時(shí)接收關(guān)于這些設(shè)備或子系統(tǒng)的操作的信息。異 常情況預(yù)防系統(tǒng)35可以以可通信的方式通過硬線總線45連接到工廠10內(nèi) 的至少某些計(jì)算機(jī)或設(shè)備中的每一個(gè)，或者可替代地，可以通過包括例如無 線連接、使用OPC (或用于過程控制的OLE)的專用連接、諸如依靠手持設(shè)備采集數(shù)據(jù)等的間歇性連接的任何其它期望通信連接連接到工廠10內(nèi)的 至少某些計(jì)算機(jī)或設(shè)備中的每一個(gè)。同樣，異常情況預(yù)仿系統(tǒng)35可以通過 LAN或諸如因特網(wǎng)、電話連接等的公共連接(在圖1中示出為因特網(wǎng)連接 46)獲取與加工廠10內(nèi)的現(xiàn)場設(shè)備和裝置有關(guān)的數(shù)據(jù)以及由例如第三方服 務(wù)提供商采集的這種數(shù)據(jù)。進(jìn)一步，異常情況預(yù)防系統(tǒng)35可以以可通信方 式通過包括例如以太網(wǎng)、Modbus、 HTML、專有技術(shù)./協(xié)議等的各種技術(shù)和/ 或協(xié)議連接至工廠10中的計(jì)算機(jī)/設(shè)備。因此，盡管這里描述了使用OPC 以可通信方式將異常情況預(yù)防系統(tǒng)35連接至工廠10中的計(jì)算機(jī)/設(shè)備的具 體示例，但是本領(lǐng)域普通技術(shù)人員將認(rèn)知到，也可以使用各種其它方法將異 常情況預(yù)防系統(tǒng)35連接至工廠10中的計(jì)算機(jī)/設(shè)備。在任何情況下，異常 情況預(yù)防系統(tǒng)35可以與工廠IO的任何計(jì)算才幾、i殳備或其它方面通信，乂人工 廠IO的任何計(jì)算機(jī)、設(shè)備或其它方面接收過程變量數(shù)據(jù)，所述工廠10的任 何計(jì)算機(jī)、設(shè)備或其它方面包括但不限于過程控制系統(tǒng)(例如，DeltaTM、 Ovatioi^或其它分布式控制系統(tǒng))、符合各種標(biāo)準(zhǔn)或協(xié)議(例如，F(xiàn)oundation Fieldbus、 HART、 OPC、 Modbus、無線等)的設(shè)備和計(jì)算機(jī)、以及可以與 設(shè)備一起實(shí)現(xiàn)或遍布于加工廠10中的各種變送器、傳感器和致動(dòng)器。如下 面進(jìn)一步論述的，由異常情況預(yù)防系統(tǒng)35接收并使用的數(shù)據(jù)可以是諸如來 自歷史數(shù)據(jù)庫的數(shù)據(jù)之類的歷史數(shù)據(jù)，但是也可以是在線數(shù)據(jù)(例如，在過 程在線時(shí)采集的數(shù)據(jù))，所述在線數(shù)據(jù)包括但不限于在線采集的數(shù)據(jù)以及當(dāng) 過程正在操作時(shí)實(shí)時(shí)采集的數(shù)據(jù)。
作為背景技術(shù)，OPC是建立用于從工廠或過程控制系統(tǒng)訪問過程數(shù)據(jù) 的機(jī)制的標(biāo)準(zhǔn)。典型地，OPC服務(wù)器在過程控制系統(tǒng)中實(shí)現(xiàn)以暴露或提供來 自例如現(xiàn)場設(shè)備的過程信息。OPC客戶端創(chuàng)建與OPC服務(wù)器的連接，并將 過程信息寫入現(xiàn)場設(shè)備，或從現(xiàn)場設(shè)備中讀取過程信息。OPC服務(wù)器使用 OLE技術(shù)(即組件對象模型或COM)與這種客戶端通信，從而使得由客戶 端實(shí)施的軟件應(yīng)用程序可以訪問來自現(xiàn)場設(shè)備或其它加工廠裝置的數(shù)據(jù)。
圖2示出圖1的示例加工廠10的一部分50,以描繪異常情況預(yù)防系統(tǒng)35和/或警告/警報(bào)應(yīng)用程序43可以與示例加工廠10的部分50中的各種設(shè) 備通信的一種方式。盡管圖2示出異常情況預(yù)防系統(tǒng)35與HART和Fieldbus 現(xiàn)場設(shè)備內(nèi)的一個(gè)以上異常操作檢測系統(tǒng)之間的通信，但是應(yīng)當(dāng)理解，類似 的通信可以發(fā)生在異常情況預(yù)防系統(tǒng)35與加工廠IO內(nèi)的其它設(shè)備以及裝置 之間，包括圖1中示出的設(shè)備和裝置中的任一種。
圖2中示出的加工廠10的部分50包括具有一個(gè)以上過程控制器60的 分布式過程控制系統(tǒng)54，過程控制器60通過可以是符合任何期望通信或控 制器協(xié)議的任何期望類型的1/0設(shè)備的輸入/輸出(I/O)卡或設(shè)備68和70 連接到一個(gè)以上現(xiàn)場設(shè)備64和66?，F(xiàn)場設(shè)備64被示出為HART現(xiàn)場設(shè)備， 現(xiàn)場設(shè)備66被示出為Fieldbus現(xiàn)場設(shè)備，但是這些現(xiàn)場設(shè)備可以使用任何 其它期望的通信協(xié)議。另外，現(xiàn)場設(shè)備64和66中的每一個(gè)可以是任何類型 的設(shè)備，例如傳感器、閥、變送器、定位器等，并且可以符合任何期望的開 放、專有或其它通信或編程協(xié)議，應(yīng)當(dāng)理解I/O設(shè)備68和70必須與現(xiàn)場設(shè) 備64和66所使用的期望協(xié)議相兼容。
在任何情況下，可由諸如配置工程師、過程控制操作員、維護(hù)人員、工 廠管理員、監(jiān)管員等的工廠人員訪問的一個(gè)以上用戶接口或計(jì)算器72和74 (可以是任意類型的個(gè)人計(jì)算機(jī)、工作站等)通過通信線路或總線76被連 接至過程控射器60,其中通信線路或總線76可以使用任意期望的硬線或無 線通信結(jié)構(gòu)和使用諸如以太網(wǎng)協(xié)議之類的任意期望的或合適的通信協(xié)議來 實(shí)現(xiàn)。另外，數(shù)據(jù)庫78可以連接至通信總線76，以操作為采集并存儲(chǔ)配置 信息以及在線過程變量數(shù)據(jù)、參數(shù)數(shù)據(jù)、狀態(tài)數(shù)據(jù)和與加工廠IO中的過程 控制器60以及現(xiàn)場設(shè)備64和66相關(guān)聯(lián)的其它數(shù)據(jù)的歷史數(shù)據(jù)庫。因此， 數(shù)據(jù)庫78可以操作為配置數(shù)據(jù)庫，以存儲(chǔ)包括過程配置模塊的當(dāng)前配置， 并且在過程控制系統(tǒng)54的控制配置信息下載并存儲(chǔ)到過程控制器60以及現(xiàn) 場設(shè)備64和66時(shí)存儲(chǔ)過程控制系統(tǒng)54的控制配置信息。同樣地，數(shù)據(jù)庫 78可以存儲(chǔ)歷史異常情況預(yù)防數(shù)據(jù)，包括由加工廠10中的現(xiàn)場設(shè)備64和 66采集的統(tǒng)計(jì)數(shù)據(jù)、根據(jù)由現(xiàn)場設(shè)備64和66采集的過程變量確定的統(tǒng)計(jì)數(shù)據(jù)和以下將描述的其它類型的數(shù)據(jù)。
過程控制器60、 I/O設(shè)備68和70以及現(xiàn)場設(shè)備64和66通常位于且遍 布于有時(shí)嚴(yán)峻的工廠環(huán)境中，而工作站72、 74和數(shù)據(jù)庫78經(jīng)常位于可由操 作員、維護(hù)人員等輕松訪問的控制室、維護(hù)室或其它不太嚴(yán)峻的環(huán)境中。
一般而言，過程控制器60存儲(chǔ)并執(zhí)行使用多個(gè)不同的獨(dú)立執(zhí)行的控制 模塊或塊實(shí)現(xiàn)控制策略的一個(gè)以上控制器應(yīng)用程序。控制模塊中的每一個(gè)可 以由通常所說的功能塊組成，其中每個(gè)功能塊是總控制例程中的一部分或子 例程，并且與其它的功能塊結(jié)合起來操作(通過稱為鏈路的通信)，以實(shí)現(xiàn) 加工廠IO中的過程控制環(huán)路。公知的是，可以作為面向?qū)ο蟮木幊虆f(xié)議中 的對象的功能塊通常施行輸入功能、控制功能或輸出功能之一，輸入功能可 以與例如變送器、傳感器或其它過程參數(shù)測量設(shè)備相關(guān)聯(lián)，控制功能可以與 例如施行PID、模糊邏輯等控制的控制例程相關(guān)聯(lián)，輸出功能控制諸如閥之 類的一些設(shè)備的操作，以施行加工廠IO中的某些物理功能。當(dāng)然，還存在 諸如模型預(yù)測控制器(MPC)、優(yōu)化器等的混合和其它類型的復(fù)雜功能塊。 應(yīng)當(dāng)理解的是，盡管Fieldbus協(xié)議和DeltaV 系統(tǒng)協(xié)議使用以面向?qū)ο蟮?編程協(xié)議設(shè)計(jì)和實(shí)現(xiàn)的控制模塊和功能塊，但是控制模塊也可以使用包括例 如順序功能塊、梯形邏輯等的任意期望的控制編程方案來設(shè)計(jì)，并且不限于 使用功能塊或任意其它特定的編程技術(shù)來設(shè)計(jì)。
如圖2所示，維護(hù)工作站74包括處理器74A、存儲(chǔ)器74B和顯示設(shè)備
74C。存儲(chǔ)器74B以下面的方式存儲(chǔ)針對困1所討論的異常情況預(yù)防應(yīng)用程
序35和警告/警報(bào)應(yīng)用程序43，即可以在處理器74A上實(shí)現(xiàn)這些應(yīng)用程序
以通過顯示器74C (或諸如打印機(jī)之類的任意其它顯示設(shè)備)向用戶提供信 臺(tái)
一個(gè)以上現(xiàn)場設(shè)備64和66中的每一個(gè)都可以包括存儲(chǔ)器(未示出)， 以存儲(chǔ)諸如用于實(shí)現(xiàn)與檢測設(shè)備所檢測的一個(gè)以上過程變量有關(guān)的統(tǒng)計(jì)數(shù) 據(jù)采集的例程和/或以下將描述的用于異常操作檢測的例程之類的例程。一 個(gè)以上現(xiàn)場設(shè)備64和66中的每一個(gè)也可以包括處理器(未示出)，該處理器用于執(zhí)行諸如實(shí)現(xiàn)統(tǒng)計(jì)數(shù)據(jù)采集的例程和/或用于異常操作檢測的例程之 類的例程。統(tǒng)計(jì)數(shù)據(jù)采集和/或異常操作^f全測不需要由軟件來實(shí)現(xiàn)。相反， 本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng)認(rèn)識(shí)到，這種系統(tǒng)可以由 一個(gè)以上現(xiàn)場設(shè)備和/或 其它設(shè)備中的軟件、固件和/或硬件的任意組合來實(shí)現(xiàn)。
如圖2所示，現(xiàn)場設(shè)備64和66中的某些(和可能所有)現(xiàn)場設(shè)備包括 以下將更詳細(xì)描述的異常操作檢測(即異常情況預(yù)防)塊80和82。盡管圖 2的塊80和82被示為位于設(shè)備64之一和設(shè)備66之一中，但是這些塊或類 似的塊可以位于任意數(shù)目的現(xiàn)場設(shè)備64和66中，或者位于其它設(shè)備中，例 如控制器60、 1/0設(shè)備68、 70或圖1中所示的任意設(shè)備。另外，塊80和82 可以在現(xiàn)場i殳備64和66的任意子集中。 -
一般而言，塊80和82或這些塊的子元件從它們所位于的設(shè)備和/或從 其它設(shè)備采集諸如過程變量數(shù)據(jù)之類的數(shù)據(jù)。另外，塊80和82或這些塊的 子元件可以出于若干原因?qū)ψ兞繑?shù)據(jù)進(jìn)行處理并對該數(shù)據(jù)施行分析。例如， 被示為與閥相關(guān)聯(lián)的塊80可以具有對閥過程變量數(shù)據(jù)進(jìn)行分析以確定閥是 否處于阻塞狀態(tài)的閥阻塞4全測例程82。另外，塊80可以包括一個(gè)以上統(tǒng)計(jì) 過程監(jiān)控(SPM)塊或單元的集合，例如塊SPM1 - SPM4，這些塊可以采集 閥中的過程變量或其它數(shù)據(jù)，并對所采集的數(shù)據(jù)施行一個(gè)以上統(tǒng)計(jì)計(jì)算，以 確定例如所采集的數(shù)據(jù)的均值、中值、標(biāo)準(zhǔn)差、均方才艮(RMS)、變化率、 范圍、最小值、最大值等和/或檢測所采集的數(shù)據(jù)中的諸如漂移、偏置、噪 音、毛刺等事件。所生成的具體統(tǒng)計(jì)數(shù)據(jù)和生成的方法并不重要。因此，還 可以生成不同類型的統(tǒng)計(jì)數(shù)據(jù)，作為以上所述的具體類型的補(bǔ)充或替代。另 外，包括已知技術(shù)的多種技術(shù)可以用于生成這類數(shù)據(jù)。這里術(shù)語"統(tǒng)計(jì)過程 監(jiān)控(SPM)塊"被用于描述對至少一個(gè)過程變量或其它過程參數(shù)施行統(tǒng)計(jì) 過程監(jiān)控的功能，該功能可以由數(shù)據(jù)被采集的設(shè)備中的或甚至是該設(shè)備外部 的任意期望的軟件、固件或硬件來實(shí)現(xiàn)。應(yīng)當(dāng)理解，由于SPM通常位于在 其中設(shè)備數(shù)據(jù)被采集的設(shè)備中，因此SPM能夠獲得數(shù)量更多并且質(zhì)量更準(zhǔn) 確的過程變量數(shù)據(jù)。因此對于所采集的過程變量數(shù)據(jù)，SPM塊通常能夠比位于其中過程變量數(shù)據(jù)被采集的設(shè)備外部的塊確定更好的統(tǒng)計(jì)計(jì)算。
應(yīng)該理解，盡管在圖2中塊80和82被示為包括SPM塊，但是相反， SPM塊可以是與塊80和82分離的獨(dú)立塊，并且可以位于與對應(yīng)的塊80或 82相同的設(shè)備中，也可以位于不同的設(shè)備中。這里所討論的SPM塊可以包 括已知的Foundation Fieldbus SPM塊、或者與已知的Foundation Fiddbus SPM塊相比具有不同的或附加能力的SPM塊。這里使用的術(shù)語"統(tǒng)計(jì)過程 監(jiān)控(SPM)塊"是指采集諸如過程變量數(shù)據(jù)之類的數(shù)據(jù)并對該數(shù)據(jù)施行某 些統(tǒng)計(jì)處理以確定諸如均值、標(biāo)準(zhǔn)差等的統(tǒng)計(jì)測量值的任意類型的塊或元 件。因此，該術(shù)語意在覆蓋可以施行該功能的軟件、固件、硬件和/或其它 元件，而不管這些元件是否采用功能塊、或其它類型的塊、程序、例程或元 件的形式，也不管這些元件是否符合Foundation Fieldbus協(xié)議或諸如 Profibus、 HART、 CAN等協(xié)議之類的某些其它協(xié)議。如果需要，塊80、 82 的基礎(chǔ)操作可以至少部分如美國專利No. 6,017,143中所描述的那沖羊來施4亍 或?qū)崿F(xiàn)，該專利通過引用合并于此。
應(yīng)當(dāng)理解，盡管在圖2中塊80和82被示為包括SPM塊，但是SPM塊 不是塊80和82所必需的。例如，塊80和82的異常操作檢測例程可以使用 未被SPM塊處理的過程變量數(shù)據(jù)來操作。作為另一示例，塊80和82可以 各自接收由位于其它設(shè)備中的一個(gè)以上SPM塊提供的數(shù)據(jù)，并對該數(shù)據(jù)進(jìn) 行操作。作為再一示例，過程變量數(shù)據(jù)可以通過并不是由很多典型的SPM 塊提供的方式來處理。僅作為一個(gè)示例，過程變量數(shù)據(jù)可以由諸如帶通濾波 器或某種其它類型的濾波器之類的有限脈沖響應(yīng)(FIR)或無限脈沖響應(yīng) (IIR)濾波器濾波。作為另一示例，可以對過程變量數(shù)據(jù)進(jìn)行削減，從而 使其保持在特定的范圍內(nèi)。當(dāng)然，可以對已知的SPM塊進(jìn)行修改，以提供 這種不同的或附加的處理能力。
圖2的被示出為與變送器相關(guān)聯(lián)的塊82可以具有分析由變送器采集的 過程變量數(shù)據(jù)以確定工廠內(nèi)的線路是否被插接上的線路插接檢測單元。另 外，塊82可以包括諸如塊SPM1-SPM4之類的一個(gè)以上SPM塊或單元，其例如可以采集變送器內(nèi)的過程變量或其它數(shù)據(jù)，并對所采集的數(shù)據(jù)施行一種 以上統(tǒng)計(jì)計(jì)算以確定所采集的數(shù)據(jù)的例如均值、中值、標(biāo)準(zhǔn)差等。盡管塊
80和82被示出為各自包括四個(gè)SPM塊，但是塊80和82中也可以具有任 意其它數(shù)目的SPM塊來采集和確定統(tǒng)計(jì)數(shù)據(jù)。
現(xiàn)為美國專利No.7，079,984的美國專利公開No.2005/0197803 ("Abnormal situation prevention in a process plant (力口工廠中的異常情況預(yù) 防)")、美國專利公開No.2005/0197806 ( "Configuration system and method for abnormal situation prevention in a process plant (用于力口工廠中的異常情況 預(yù)防的配置系統(tǒng)和方法)")以及美國專利公開No.2005/0197805 ( "Data presentation system for abnormal situation prevention in the process plant (用于 加工廠中的異常情況預(yù)防的數(shù)據(jù)呈現(xiàn)系統(tǒng))")中可以找到與異常情況預(yù)防 系統(tǒng)及其部件的實(shí)現(xiàn)和配置有關(guān)的進(jìn)一步細(xì)節(jié)，上述專利中的每一個(gè)出于所 有目的通過引用合并與此。
在上述異常情況預(yù)防系統(tǒng)和技術(shù)以及所引用的文件中，SPM (或異常情 況預(yù)防)塊80、 82可以與一個(gè)以上異常情況預(yù)防模塊相關(guān)聯(lián)，或被認(rèn)為是 一個(gè)以上異常情況預(yù)防模塊的部件。盡管異常情況預(yù)防塊可以駐留于可獲得 更快速采樣的數(shù)據(jù)的現(xiàn)場設(shè)備中，但異常情況預(yù)防模塊也可以駐留于主機(jī)系 統(tǒng)或控制器中。異常情況預(yù)防模塊可以從一個(gè)以上異常情況預(yù)防塊中獲取數(shù) 據(jù)，并使用該數(shù)據(jù)做出關(guān)于更大系統(tǒng)的決策。更概括地說，異常情況預(yù)防模 塊可以被建立和配置為從一個(gè)以上功能塊(例如異常情況預(yù)防塊)接收數(shù)據(jù)， 以支持對每種類型的現(xiàn)場設(shè)備、儀表或其它裝置(例如，閥、泵等)的診斷。 但是，與異常情況預(yù)防模塊相關(guān)聯(lián)的功能塊可以駐留于與該功能塊被建立所 針對的特定裝置不同的設(shè)備中，并且由該設(shè)備實(shí)現(xiàn)。在這種情況下，異常情 況預(yù)防模塊具有分布式特性。其它異常情況預(yù)防模塊可以完全在諸如過程控 制器60之內(nèi)的一個(gè)裝置內(nèi)實(shí)現(xiàn)，即使針對的是對特定現(xiàn)場設(shè)備的診斷。在 任意事件中，可以針對每種裝置類型開發(fā)診斷例程或技術(shù)，以檢測、預(yù)測和 預(yù)防裝置(或過程)的異常 況或操作。出于易于描述的目的，術(shù)語"異常情況預(yù)防模塊，，在這里將用于指代這種例程或技術(shù)。因此異常情況預(yù)防模塊 響應(yīng)于施行診斷所需的測量值集合，并且進(jìn)一步包括(i)將由模塊檢測的 異常狀況的集合，以及(ii)將測量值的改變與對應(yīng)的異常狀況聯(lián)系起來的 規(guī)則的集合。此外，將提出對下面公開的技術(shù)的描述中的異常情況預(yù)防模塊 的參考，并且應(yīng)當(dāng)理解這些技術(shù)也可以與異常情況預(yù)防塊結(jié)合使用。
在某些情況下，配置應(yīng)用程序38或異常情況預(yù)防系統(tǒng)35的其它部件可 以支持針對每個(gè)異常情況預(yù)防模塊的模板的開發(fā)或生成。例如，由Delta 控制系統(tǒng)提供的配置和開發(fā)平臺(tái)可以用于根據(jù)相應(yīng)合成模板塊創(chuàng)建異常情 況預(yù)防模塊的特定事例或例示。
盡管結(jié)合圖2示出并描述為異常情況預(yù)防功能，但是上述模塊和塊也可 以更廣泛地致力于實(shí)現(xiàn)為如下所述的過程監(jiān)控和診斷以及故障;險(xiǎn)測所配置 的多元統(tǒng)計(jì)技術(shù)。在某些情況下，下述技術(shù)可以包括異常情況預(yù)防模塊或塊， 或與異常情況預(yù)防模塊或塊集成。在任意情況下，下面對系統(tǒng)和技術(shù)(以及 任何模塊、功能塊、應(yīng)用程序、軟件或其它部件及其方面)的參考可以與上 述的工作站工具17、 19，操作員接口 12A、 14A，應(yīng)用程序23，異常情況預(yù) 防系統(tǒng)25以及接口72、 74—起使用、包括在其中，與其集成在一起或與其 相關(guān)聯(lián)。
轉(zhuǎn)向圖3，這里描述的若干種多元監(jiān)控和診斷技術(shù)可以基于并合并多元 和一元診斷工具的可視化和其它方面。例如，過程變量(PV)在圖3中被 示出為具有其對應(yīng)的過程要求，該圖經(jīng)常被稱為休哈特(Shewhart)圖。每 個(gè)過程變量都可以按照休哈特困來描述，休哈特圖繪制出變量與控制上限 (UCL) 100、控制下限(LCL) 102和目標(biāo)值104之間的關(guān)系。UCL 100 和LCL 102是真實(shí)物理極限而非統(tǒng)計(jì)極限。在操作期間，每個(gè)過程變量優(yōu)選 被限制在其UCL和LCL之間，并且過程變量的理想值為目標(biāo)值。在這些極 限內(nèi)時(shí)，過程變量被叫做在控制下，否則，過程變量被叫做失控。如所指示 的，UCL和LCL表示可以由過程操作要求提供的物理極限。盡管這種可視 化的方式基于過程變量數(shù)據(jù)的多維視圖，但是如下所述，這種對過程變量的描述對于結(jié)合基于過程變量歸一化的其它可視化技術(shù)是有用的。
然而，為了參照下面將進(jìn)一步描述的各方面，提供基本PCA算法的概 述。盡管這里PCA作為可以與本公開內(nèi)容的各方面一起使用的多元統(tǒng)計(jì)分 析被公開，但是應(yīng)當(dāng)理解，也可以使用其它多元統(tǒng)計(jì)分析來代替PCA，所述 其它多元統(tǒng)計(jì)分析包括但不限于主成分回歸(PCR)、偏最小平方(PLS)、 費(fèi)舍判別分析(FDA)或規(guī)范變量分析(CVA)。
對于一給定過程、過程單元、過程設(shè)備等，存在大量測量得到的過程變 量。這些變量中的每一個(gè)都可以用作PCA算法的輸入變量。來自每個(gè)過程 變量的數(shù)據(jù)被采集特定長度的時(shí)間或特定數(shù)目個(gè)點(diǎn)，并且在這里被稱為過程 變量的觀測值。通常，在PCA中使用的所有過程變量被同時(shí)采樣。
如果w是輸入變量的數(shù)目，w是每個(gè)輸入變量的觀測值的數(shù)目，則矩陣 X是包含所有輸入變量的所有觀測值的"x附矩陣。在典型的過程中，某些
變量的幅度明顯大于其它變量的幅度。為了保證所有的過程變量對PCA模 型具有同等的影響，可以對X數(shù)據(jù)進(jìn)行自動(dòng)縮放(對于每個(gè)輸入變量，減 去均值并除以標(biāo)準(zhǔn)差)。在對輸入變量進(jìn)行自動(dòng)縮放之后，通過S:X、X/(w-l) 計(jì)算樣本協(xié)方差矩陣，其中T是矩陣X的轉(zhuǎn)置運(yùn)算。
對樣本協(xié)方差矩陣進(jìn)行特征值-特征向量分解S = V D*VT,其中D是 包含從最大到最小排序的m個(gè)特征值的對角矩陣。V的列是相應(yīng)特征向量， T是矩陣V的轉(zhuǎn)置運(yùn)算。最大特征值及其相應(yīng)特征向量對應(yīng)于原始輸入空間 中包含原始過程數(shù)據(jù)的最大變化量的方向。這被認(rèn)為是第一主成分。第二大 特征值及其相應(yīng)特征向量對應(yīng)于與正交于第一主成分、包含次最大變化量的 方向。這繼續(xù)下去，直到創(chuàng)建了解釋所有原始過程數(shù)據(jù)的新正交向量空間為 止。
在計(jì)算出特征值和特征向量之后，PCA確定哪些特征值和特征向量是 通常與過程中的重要變化相對應(yīng)的重要主成分，哪些是通常與噪聲相對應(yīng)的 非重要主成分。有很多種不同的方法已被提出用來選擇重要主成分的數(shù)目，包括凱澤(Kaiser)法則(選擇特征值大于一的主成分)，變化百分比測試 (即選擇解釋數(shù)據(jù)中總變化的特定百分比(例如80%或90%)的主成分的數(shù) 目)，平行分析以及交叉驗(yàn)證。
無論使用哪種方法，最終結(jié)果確定為PCA模型保留的重要主成分的數(shù) 目a。然后，通過從V中取前"列來創(chuàng)建負(fù)荷矩陣Pe9Tx。。原始觀測值到 由負(fù)荷矩陣定義的子空間上的投影被稱作得分矩陣，并由T-X,P表示。T
的列被稱作PCA模型的得分，被引作tht2,…ta。負(fù)荷矩陣P連同在自動(dòng)縮放
中使用的均值和標(biāo)準(zhǔn)差一起被認(rèn)為是PCA模型。該P(yáng)CA模型然后可應(yīng)用于 任意未來的數(shù)據(jù)集。
在創(chuàng)建了 PCA模型之后，可以基于原始過程數(shù)據(jù)創(chuàng)建基于統(tǒng)計(jì)的極限， 以定義由原始數(shù)據(jù)定義的過程的正常操作。所使用的一種方法是霍特林 (Hotelling)的T"則試，但是應(yīng)當(dāng)理解，也可以使用其它方法得到基于統(tǒng)計(jì) 的極限。當(dāng)?shù)梅殖鰳O限時(shí)，這可能是過程中某種事物異常的指示。另外， 可替代地，可以應(yīng)用相應(yīng)地限制變化量的2-<5和3-o極限。
基于來自PCA模型的得分?jǐn)?shù)據(jù)，可以繪制若干幅圖。最簡單的圖是得 分對時(shí)間的圖。在該圖中，上限和下限是基于統(tǒng)計(jì)創(chuàng)建的，并且如果超出任 一闊值，則可以觸發(fā)警報(bào)。第二常見的圖是兩個(gè)得分的散布圖。最常見的是， 前兩個(gè)得分ti和t2被繪制，因?yàn)檫@兩個(gè)得分描述過程中的最大變化量。在下 述的用戶界面中示出了若干個(gè)示例性兩個(gè)得分的散布圖。在這些以及其它情 況下，基于統(tǒng)計(jì)的極限可以包括或涉及圍繞正常過程數(shù)據(jù)的圓形或橢圓形。 再次，如果得分超出這些極限，則可以觸發(fā)警報(bào)。
轉(zhuǎn)向圖4和5,并且根據(jù)通常致力于支持多元實(shí)時(shí)過程數(shù)據(jù)的在線監(jiān)控 和分析的本公開內(nèi)容的方面，過程可視化技術(shù)利用多維(或多元)的過程變 量數(shù)據(jù)的集合內(nèi)的控制極限，例如與上面的休哈特表相關(guān)聯(lián)的控制極限。盡 管是多元數(shù)據(jù)集，但是可以使用如下所述的變換之類的變換以一元形式表示 極限。 一般而言，變換可以基于一元技術(shù)來監(jiān)控多元數(shù)據(jù)。使用該技術(shù)，可以通過使用單個(gè)投影參數(shù)將任意數(shù)目的過程變量的過程數(shù)據(jù)和控制極限進(jìn) 行歸一化并引向同一標(biāo)準(zhǔn)。
作為比較，存在用于離線應(yīng)用程序的不同統(tǒng)計(jì)工具，并且這些統(tǒng)計(jì)工具
中的某些可以用于在線監(jiān)控。例如，如上所論述的，主成分分析(PCA)是 一種經(jīng)常用于將多元數(shù)據(jù)空間的維度降低到幾維(經(jīng)常是二或三)的技術(shù)。 然而，為了實(shí)現(xiàn)PCA，使用訓(xùn)練數(shù)據(jù)或來自"正常"過程操作的數(shù)據(jù)建立 PCA模型，然后將該模型應(yīng)用于過程的進(jìn)一步監(jiān)控。如上所論述的，得到的 模型是關(guān)于主成分的，主成分是由訓(xùn)練數(shù)據(jù)確定的協(xié)方差矩陣中本質(zhì)上最主 要的特征向量。由于這種PCA結(jié)果，也稱為得分，并不直接與真實(shí)的過程 變量相關(guān)，因此所監(jiān)控的變量的物理過程極限在分析中不起作用。出于這個(gè) 原因，當(dāng)使用PCA工具時(shí)，某些統(tǒng)計(jì)解釋經(jīng)常用于量化"數(shù)據(jù)的優(yōu)度"(即 使用霍特林T2統(tǒng)計(jì)計(jì)算95%或99%的置信區(qū)間)。
使用一元分析，提出一種確定性方法來利用單個(gè)監(jiān)控變量監(jiān)控多元過程 數(shù)據(jù)。該方法可以容易地應(yīng)用于離線和在線數(shù)據(jù)監(jiān)控和分析應(yīng)用程序中。下 面描述該方法和模型建立。
在開始時(shí)，Xi,X2,…,Xn被公開為表示過程變量。每個(gè)變量Xi, i-l，…,n, 是包含時(shí)變數(shù)據(jù)xg的向量，其中j指代Xi的第j個(gè)樣本或成分。例如， X產(chǎn)[Xu，Xi,2，…,Xi,m]T，其中T表示Xi的轉(zhuǎn)置運(yùn)算，m是由數(shù)據(jù)采樣速率和數(shù) 據(jù)采集的總時(shí)間確定的向量維度。利用這種命名法，根據(jù)變換
A-fcy-《)2+^i/2J描述每個(gè)過程變量，其中i-l，…,"，j=l,...,m，并且其中y 是被指派為將多元過程變量捆扎在一起的變量，otj是給變量Xj分配的唯一 位置，ki是縮放參數(shù)，且Xij是Xi的第j個(gè)成分。由于可以針對每個(gè)變量Xi，
i i，j "
i=l,…，n ， 唯 一 地定義變換& ,因此可以將多元變換定義為
P(y)-p,(y)承P2(y)......*pn(y)。
接下來，P被用于導(dǎo)出投影模型My(y)-Kp/P(y),其中Kp是縮放因子， My(y)指代多元投影。使用這些指定，多元數(shù)據(jù)通過單個(gè)變量y被投影。圖4和5圖示出多個(gè)過程變量(PV1、 PV2等)相對于每個(gè)變量各自的 物理操作極限在單個(gè)圖上的合成視圖。圖4描繪出針對每個(gè)過程變量都保持 在操作極限內(nèi)的數(shù)據(jù)點(diǎn)的圖106。圖5描繪出針對過程變量之一可能已超出 其控制極限的另外的數(shù)據(jù)點(diǎn)的圖108。
為了進(jìn)一步圖示出該方法(包括視圖以何種方式指示已超出控制極限)， 使用六個(gè)過程變量Xp X2， X3, X4， Xs和X6提供示例。在正常操作狀況下，
這些變量中的每一個(gè)都具有由lx」定義的操作極限(假設(shè)數(shù)據(jù)點(diǎn)居中)。利
用該信息，每個(gè)變換Pi利用系數(shù)kj被調(diào)諧至相同的水平，從而獲得圖4和5 的視圖。這有效地定義了一組多元監(jiān)控設(shè)置值?？梢钥闯觯@六個(gè)過程變量 中的每一個(gè)針對變量y (橫軸)都具有由di--lO， -5, 0， 5, 10， 15給定的 唯一位置。此外，所有的過程變量都由參數(shù)Ki調(diào)諧以達(dá)到由X^給定的最大 操作范圍的均等最大響應(yīng)或極限。
現(xiàn)在，如果在監(jiān)控階段期間六個(gè)峰值中的任一個(gè)突破過程變量指示符， 則該特定變量可能已遇到超出范圍的事件。這在圖5中示出?？梢钥闯觯^ 程變量#2相對于容許極限處于邊緣，而過程變量糾明顯超出跡線。但是， 圖5中描繪的情況清楚地圖示出六個(gè)過程變量的正常操作狀況。
在監(jiān)控階段，圖4和5的事件并不是孤立的，或者說是獨(dú)立的事件，它 們實(shí)際上是持續(xù)改變的變量的可視片段(snippet)或幀。也就是說，當(dāng)新的 過程數(shù)據(jù)輸入模型(以給定的采樣速率)時(shí)，響應(yīng)即時(shí)改變。因此監(jiān)控圖像 按照采樣速率被更新，在任意情況下，所述采樣速率可以大約為0.1到1秒 或更長。
在該監(jiān)控方法中，當(dāng)所有過程變量的極限已知時(shí)，所公開的方法不需要 訓(xùn)練數(shù)據(jù)。例如，為了創(chuàng)建多元監(jiān)控，人們應(yīng)用以上描述的設(shè)計(jì)程序完成一 元模型，利用其它方法這是不可能的。在其它情況下，如果并非所有的過程 變量極限都已知，則可以使用沒有預(yù)定極限的過程變量的訓(xùn)練數(shù)據(jù)來確定在 正常過程操作狀況下的過程變量極限，然后可以計(jì)算出模型。在已知或未知極限的情況下，可以使用一元分析方法對每個(gè)過程變量進(jìn)行歸一化以定義公
共過程變量極限(見例如圖4),并且可以相對于公共過程變量極限監(jiān)控每 個(gè)過程變量。下面進(jìn)一步論述的既使用已知過程變量極限又使用未知過程變 量極限的歸一化的其它示例可以利用一元分析方法來實(shí)現(xiàn)。
所公開的一元分析方法不局限于任何特定的過程變量的集合或類型。它 可以應(yīng)用于過程變量的任意組合(例如，過程輸入、輸出和外部變量)。另 外， 一元方法提供創(chuàng)建和分析過程數(shù)據(jù)模式的唯一方式。這些模式可以進(jìn)一 步用于過程診斷，包括異常情況預(yù)防應(yīng)用程序。例如，如果在大多數(shù)時(shí)間兩 個(gè)以上峰值有同步上移或下移的趨勢，則相應(yīng)的過程變量相關(guān)聯(lián)。否則，這 些變量不相關(guān)聯(lián)。類似地， 一元技術(shù)可以用于估計(jì)過程變量是否發(fā)生故障。 簡言之,所公開的一元數(shù)據(jù)建模和可視化方法提供使用單個(gè)變量實(shí)現(xiàn)在線或 離線場景的多元監(jiān)控的技術(shù)。如果所有過程變量的極限均已知，則該方法不 需要訓(xùn)練數(shù)據(jù)，并且同樣它提供可被過程操作員容易地解釋的監(jiān)控結(jié)果。
現(xiàn)在提供關(guān)于三種可替代方法的進(jìn)一步信息，這三種可替代方法可以用 于歸一化過程變量以釆用圖4和5示出的形式顯示。為了描述它們，可以考 慮圖3 (休哈特圖)中示出的典型過程變量描述。在該圖中，過程變量被限 制在UCL 100和LCL 102之間，并且過程變量的理想值是目標(biāo)值。在這些 極限之內(nèi)時(shí)，該控制變量被叫做在控制下，否則，該控制變量被叫做失控。
基于此，可以利用以下數(shù)據(jù)歸一化方法。
當(dāng)每個(gè)過程變量的控制極限都已知時(shí)，可以使用第一方法。具體而言， 可以將過程變量PV歸一化為控制極限和目標(biāo)值的函數(shù)
V C丄2
其中目標(biāo)-T, CL = |UCL —T| = |LCL-T|。
當(dāng)并非所有過程變量的過程變量控制極限都已知時(shí)，可以使用第二方 法。具體而言，可以將過程變量PV歸一化為當(dāng)過程正常操作時(shí)為過程變量采集的訓(xùn)練數(shù)據(jù)集的函數(shù)，該函數(shù)包括在訓(xùn)練數(shù)據(jù)集內(nèi)過程變量的觀測值:
其中正常過程操作由訓(xùn)練數(shù)據(jù)集T(PV)表示，Mpv是T《PV》的均值，并且 CL-T(PV〉中的lPV-Mp丄x。
第三方法使用統(tǒng)計(jì)自動(dòng)縮放方法，該方法也可以在并非所有過程變量的 過程變量控制極限都已知時(shí)使用。具體而言，可以將過程變量PV歸一化為 當(dāng)過程正常操作時(shí)為過程變量采集的訓(xùn)練數(shù)據(jù)集的函數(shù)，該函數(shù)包括在訓(xùn)練 數(shù)據(jù)集內(nèi)過程變量的觀測值
其中正常過程操作由訓(xùn)練數(shù)據(jù)集T(PV)表示，y是T(PV)的方差，Mpv是 T(PV〉的均值，并且ka,k-l,2，…,n確定統(tǒng)計(jì)控制極限(例如3cj )。
的控制極限(以及確定這些控制極限的方法)。
上述數(shù)據(jù)監(jiān)控和分析技術(shù)對于快速在線可視化和過程數(shù)據(jù)行為的理解 是理想的。它可以用于過程診斷和異常情況預(yù)防應(yīng)用程序。例如，來自遍布 于Fieldbus的多個(gè)智能設(shè)備的數(shù)據(jù)可以得到快速的分析和監(jiān)控。對于來自傳 感器陣列和生物微型陣列(bio-microarray)的數(shù)據(jù)而言也是如此。監(jiān)控結(jié)果 也可以用于過程優(yōu)化和質(zhì)量控制。此外，該方法可以與統(tǒng)計(jì)數(shù)據(jù)建模方法一 起使用以增強(qiáng)數(shù)據(jù)分析。例如，它可以與PCA方法同時(shí)使用以加快和增強(qiáng) 對得分?jǐn)?shù)據(jù)的解釋。
根據(jù)公開內(nèi)容的特定方面，上述可視化技術(shù)可以集成在操作員界面中， 所述操作員界面以其它方式，例如在處理之后通過如下所述的其它多元統(tǒng)計(jì) 技術(shù)，顯示過程數(shù)據(jù)。例如，過程變量相對于它們的物理極限的可視化可以 與PCA得分圖結(jié)合起來使用以使能關(guān)于過程當(dāng)前狀態(tài)的更準(zhǔn)確決策。
上述一元技術(shù)可以并入提供監(jiān)控多元實(shí)時(shí)過程數(shù)據(jù)的方法的確定性多
可以根據(jù)需元數(shù)據(jù)分析工具(其示例將在下文中描述)中。以這種方式，單個(gè)變量監(jiān)控 模型可以用于多元數(shù)據(jù)的行為的可視化。
更概括地說，該方法的優(yōu)點(diǎn)在于所有的過程變量都在單個(gè)監(jiān)控變量內(nèi)捆 扎在一起。所公開的一元方法很好地適于在線和離線應(yīng)用程序。如以上所提 及的，當(dāng)所有過程變量的操作極限都已知時(shí)，所公開的方法不需要訓(xùn)練數(shù)據(jù)。 與過程變量相關(guān)聯(lián)的操作極限用于建立單個(gè)變量監(jiān)控模型。在某些情況下， 對于操作極限未知的過程變量，可以使用訓(xùn)練數(shù)據(jù)。模型可以在包括例如
DeltaV 的若干種軟件平臺(tái)上實(shí)現(xiàn)。
現(xiàn)在參見圖6和7，本公開內(nèi)容的另一方面致力于由主成分分析(PCA) 和其它多元統(tǒng)計(jì)技術(shù)提供的功能。PCA和下述其它多元統(tǒng)計(jì)技術(shù)可以是過程 控制系統(tǒng)的集成部件，例如分布式控制系統(tǒng)DeltaVTM和Ovation 。這種集 成支持工廠人員將PCA技術(shù)用于在線監(jiān)控應(yīng)用程序。如下所述，PCA和其 它技術(shù)所支持的可視化和警報(bào)可以連同諸如以上結(jié)合圖4和5所描述的其它 可視化方案集成到控制系統(tǒng)中。出于這些以及其它原因，工廠人員可以利用 流線型或單個(gè)用戶界面，而不需要監(jiān)控、維護(hù)或支持分立的軟件應(yīng)用程序。 如下所述，將PCA實(shí)現(xiàn)成過程控制系統(tǒng)的一部分也使得使用在線過程數(shù)據(jù) 實(shí)現(xiàn)監(jiān)控和診斷更加實(shí)用。
圖6和7描繪過程控制系統(tǒng)內(nèi)的用于實(shí)現(xiàn)以上所論述的基于PCA的技 術(shù)的示例性PCA功能塊110、 112。 一般而言，每個(gè)PCA功能塊llO、 112 可以在訓(xùn)練時(shí)段采集數(shù)據(jù)，在訓(xùn)練時(shí)段結(jié)束時(shí)建立PCA模型，而后將PCA 模型應(yīng)用于所有的未來數(shù)據(jù)。功能塊110、 112的左手側(cè)是PCA的輸入，這 些輸入為原始過程變量。功能塊的輸出為對應(yīng)于最重要特征值的得分。
例如，功能塊110、 112可以是通過也由得克薩斯州奧斯汀市的愛默生 過程管理公司銷售的DeltaVTM控制工作室(control studio )可獲得的定制功 能塊，所述DeltaVTM控制工作室的界面114可以用于描繪功能塊輸入/輸出 連接以及其它細(xì)節(jié)。在該示例中，可以提供多達(dá)20個(gè)過程變量作為PCA的 輸入。當(dāng)然，通常，可以將任意數(shù)目的數(shù)據(jù)用于PCA。 PCA塊llO、 112的輸入是正常情況下在DCS中可用的過程變量。還存在可以用于進(jìn)行主成分 回歸(PCR)的過程因變量(YIN)的輸入，主成分回歸是一種可以用在這 里所描述的公開方法中的 一種以上的統(tǒng)計(jì)技術(shù)。盡管所公開的示例示出單個(gè) 變量，但是應(yīng)當(dāng)理解，通?？梢源嬖诙鄠€(gè)因變量。
PCA功能塊110、112可以包括若干種用于配置和應(yīng)用PCA模型的操作 模式。在示出的示例性實(shí)施例中，PCA功能塊llO、 112在兩種不同的^f莫式 下運(yùn)行學(xué)習(xí)和監(jiān)控(由學(xué)習(xí)(LEARN)功能塊輸入上的是/否(True/False) 確定)。在學(xué)習(xí)模式期間，功能塊從每個(gè)輸入變量采集數(shù)據(jù)。例如，當(dāng)用戶 發(fā)出學(xué)習(xí)命令時(shí)，PCA塊llO、 112開始采集所有輸入變量的過程數(shù)據(jù)。過 程數(shù)據(jù)被存儲(chǔ)在計(jì)算機(jī)存儲(chǔ)器中，并且數(shù)據(jù)采集無限期地持續(xù)下去，直到用 戶發(fā)出監(jiān)控命令為止。
在已采集了足夠量的數(shù)據(jù)之后，用戶向PCA塊發(fā)出監(jiān)控命令。在發(fā)出 監(jiān)控命令之后，PCA塊llO、 112施行PCA算法以基于所采集的數(shù)據(jù)建立 PCA模型。模型的建立可以包括以下步驟自動(dòng)縮放輸入數(shù)據(jù)(對于每個(gè)輸 入變量，減去其均值，并除以其標(biāo)準(zhǔn)差)，根據(jù)縮放后的數(shù)據(jù)計(jì)算協(xié)方差矩 陣，計(jì)算特征值和特征向量，確定重要特征向量的數(shù)目以保留PCA負(fù)荷矩 陣，并使用基于o的極限或PCA得分的f霍特林統(tǒng)計(jì)(例如95%或99%) 計(jì)算統(tǒng)計(jì)極限。
當(dāng)該計(jì)算完成時(shí)，PCA塊llO、 112前進(jìn)到監(jiān)控模式，此時(shí)其基于輸入 至塊的新過程數(shù)據(jù)計(jì)算得分。具體而言，新過程數(shù)據(jù)可以是實(shí)時(shí)生成的在線 過程數(shù)據(jù)。如果得分中的任一個(gè)超出極限，則這可能指示異常情況，并且塊 110、 112上的警報(bào)參數(shù)被置位。該警報(bào)參數(shù)可以與過程控制系統(tǒng)或網(wǎng)絡(luò)的 任意其它部分聯(lián)系起來。
可以提供或生成每個(gè)PCA結(jié)果視圖作為控制系統(tǒng)操作員界面的一部 分。例如，界面可以用于在Delta Process History View (過程歷史查看) 中生成繪制隨時(shí)間變化的得分的PCA得分圖?？商娲鼗蚋郊拥兀缟厦?和下面所示出和提出的，可以在兩維圖上繪制針對兩個(gè)PCA得分的數(shù)據(jù)。統(tǒng)計(jì)極限計(jì)算出也可以通過操作員界面提供的圓形或橢圓形結(jié)果。如果得分 超出極限，則可能會(huì)觸發(fā)警報(bào)。
在某些情況下，這里描述的多元監(jiān)控和診斷技術(shù)可以在致力于異常情況 預(yù)防的系統(tǒng)的模塊(或其它元件或系統(tǒng)部件)中實(shí)現(xiàn)。類似于其它異常情況 預(yù)防算法，該技術(shù)可以致力于在異常過程情況出現(xiàn)之前檢測這些異常過程情 況。這些算法通常呈現(xiàn)"警惕性"并且對于若千種異常情況都持續(xù)準(zhǔn)確。相 應(yīng)地，異常情況預(yù)防模塊可以是持續(xù)性過程，而非提供一次性或非實(shí)時(shí)的方 案。
這里描述的多元監(jiān)控和診斷技術(shù)也可以用在批處理中，因而功能塊110、 112可以采集針對輸入變量的過程數(shù)據(jù)的不同集合，其中每個(gè)集合對應(yīng)于過 程的不同在線狀態(tài)。例如，當(dāng)過程以各種能力操作時(shí)，用戶可以發(fā)出學(xué)習(xí)命 令，從而使過程正常操作時(shí)PCA功能塊針對特定能力水平(例如特定在線 狀態(tài))采集針對輸入變量的過程數(shù)據(jù)。此后，用戶可以發(fā)出監(jiān)控命令，使 PCA塊llO、 112施行PCA算法，以基于針對該特定在線狀態(tài)(例如能力水 平)采集的數(shù)據(jù)來建立PCA模型。同樣，可以建立多個(gè)PCA模型，每個(gè)PCA 模型對應(yīng)于當(dāng)過程正常操作時(shí)該過程的不同在線狀態(tài)。此后，當(dāng)該過程在特 定在線狀態(tài)下執(zhí)行時(shí)(例如50%的能力)，PCA塊llO、 112使用相應(yīng)PCA 模型前進(jìn)到監(jiān)控模式，在監(jiān)控模式下PCA塊110、 112基于輸入到該塊的新 過程數(shù)據(jù)計(jì)算得分。相應(yīng)地，用戶可以從多個(gè)多元統(tǒng)計(jì)模型中選擇，以選擇 與該過程的在線狀態(tài)最相關(guān)的多元統(tǒng)計(jì)模型，以分析該過程的在線、實(shí)時(shí)操 作，從而監(jiān)控該過程、檢測異常情況等。在一個(gè)示例中，用戶可以選擇特定 的訓(xùn)練會(huì)話并決定建立針對過程的特定在線狀態(tài)定制的新模型。
該公開內(nèi)容的這個(gè)方面為在線(即實(shí)時(shí))多元監(jiān)控和診斷應(yīng)用程序提出 一種通用(開源)數(shù)據(jù)驅(qū)動(dòng)方法。此外，該方法通常支持創(chuàng)建和操縱用于建 立在線模型的數(shù)據(jù)，并對用于診斷、故障檢測等的模型參數(shù)進(jìn)行比較。所公 開的方法包括為過程監(jiān)控和診斷定義集成平臺(tái)，這最終可以通過使用系統(tǒng)級 或聯(lián)網(wǎng)架構(gòu)來實(shí)現(xiàn)，例如由得克薩斯州奧斯汀市的愛默生過程管理公司銷售的PlantWeb⑧架構(gòu)。所提出的集成平臺(tái)基于多元方法，并且可以適應(yīng)不同的 計(jì)算算法，包括那些在下面描述的檢測技術(shù)中使用的計(jì)算算法。關(guān)于數(shù)據(jù)驅(qū) 動(dòng)平臺(tái)的開源特性，應(yīng)當(dāng)理解，所公開的方法和系統(tǒng)可以從不同的輸入域(例 如Foundation Fieldbus、 HART、 Modbus、 OPC、無線等)接收數(shù)據(jù)。所接 收的數(shù)據(jù)可以是從任意數(shù)目的不同的變送器、傳感器和致動(dòng)器采集的在線過 程數(shù)據(jù)，并且用于定義多元過程域。相同的數(shù)據(jù)被過程控制系統(tǒng)使用，并且 可以存儲(chǔ)在歷史數(shù)據(jù)庫中。
圖8中示出通過所公開的系統(tǒng)和模塊的數(shù)據(jù)流。 一旦來自過程的數(shù)據(jù)進(jìn) 入所公開的模塊，該數(shù)據(jù)可以用于在線訓(xùn)練、在線監(jiān)控或在同一時(shí)段中用于 在線訓(xùn)練和在線監(jiān)控。根據(jù)需要，兩個(gè)開關(guān)SW1和SW2以支持不同數(shù)據(jù)路 徑的方式實(shí)現(xiàn)。如果需要訓(xùn)練，可以累積數(shù)據(jù)，直到用戶/操作員停止累積 過程為止。該程序可以通過將SW置于在線訓(xùn)練狀態(tài)來完成。任何累積的數(shù) 據(jù)可以存儲(chǔ)在文件120中，并且然后用在模型構(gòu)造器或發(fā)生器122中。每個(gè) 生成的模型可以如所示的那樣被存儲(chǔ)，并且通過例如開關(guān)SW2使其可用于 監(jiān)控模式中所涉及的部件。當(dāng)模型構(gòu)造操作完成時(shí)，該模型與訓(xùn)練數(shù)據(jù)一起 被存儲(chǔ)，典型地，是作為.txt文件存儲(chǔ)在位于數(shù)據(jù)庫或存儲(chǔ)器(驅(qū)動(dòng)器C:/) 中的模型文件夾中。
可以由該數(shù)據(jù)構(gòu)造的才莫型包括但不限于主成分分析(PCA)、人工神經(jīng) 網(wǎng)絡(luò)(ANN)、模糊邏輯和貝葉斯決策樹。每種算法的工具可以由例如異常 情況預(yù)防模塊采用下拉窗口的方式提供。這些模型中的每一個(gè)都可以用來建 立預(yù)測，如下所迷。相同的模型也可以用于在線監(jiān)控。當(dāng)模型處于在線監(jiān)控 模式時(shí)，異常情況預(yù)防模塊使用模型輸出(O/P)生成三種類型的輸出統(tǒng) 計(jì)、歸一化過程變量(PV)和過程變量(PV)等級。如圖8所示，每個(gè)輸 出(PV等級、歸一化PV&物理極限以及得分&統(tǒng)計(jì)極限)可以進(jìn)一步用來 生成警報(bào)狀態(tài)(警報(bào)診斷)、視圖(操作員圖形界面)和/或模型的驗(yàn)證。
統(tǒng)計(jì)輸出由作為多元數(shù)據(jù)點(diǎn)的低維表示的得分構(gòu)成。低維空間是基于多 元域中具有最大數(shù)據(jù)變化的方向獲得的。如以上已論述的，PCA建模是一種
36它建模技術(shù)也可以產(chǎn)生得分。統(tǒng)計(jì)輸出還
可以包含95% ( 99%)的置信極限或基于o的極限。
以上相對于已知和未知的過程變量極限描述了歸一化過程變量的概念。 基于該概念，可以用條形圖(或其它兩維圖)呈現(xiàn)歸一化數(shù)據(jù)。這些圖也可 以包含有助于警報(bào)識(shí)別的物理或過程極限。如下面結(jié)合本公開內(nèi)容的另一方 面所描述的，在單個(gè)用戶界面中結(jié)合統(tǒng)計(jì)極限和物理極限提供一種準(zhǔn)確識(shí)別 異常情況預(yù)防警報(bào)狀態(tài)的有用方式，并且同樣提供支持異常情況預(yù)防啟動(dòng)的 技術(shù)。
過程變量等級可能有助于異常情況預(yù)防，因?yàn)檫^程變量等級基本上是針 對過程變量的可變性給定該過程變量的等級。過程變量呈現(xiàn)的變化越大，其 等級越高。這是一個(gè)有用的參數(shù)，因?yàn)樗梢匀菀椎厥褂迷诓煌瑫r(shí)刻監(jiān)控同 一過程情況所獲取的等級被交叉驗(yàn)證。例如，如果所有的過程變量對于兩個(gè) 以上監(jiān)控模型均呈現(xiàn)出相同的等級，則監(jiān)控模型中的置信度提高。為了獲取 過程變量等級，可以使用下列計(jì)算
其中PVj一是第j個(gè)過程變量的等級，S是"x"自動(dòng)縮放協(xié)方差矩陣， w是多元數(shù)據(jù)空間的維度，trS是S的主對角線元素之和，k<n是主成分空間， 對于i-l,…,k， cJi和Pi分別是S的主特征值和特征向量，pi,j是特征向量pi的
第j個(gè)成分，pij也被稱為負(fù)荷?？梢詾樗⒌拿總€(gè)PCA模型計(jì)算等級， 并且可以將該等級與其它模型參數(shù)一起存儲(chǔ)在模型文件中。
以上公式由模型參數(shù)構(gòu)成，并且以這種方式獲取的過程變量等級與模型 密切相關(guān)。因此，如果兩個(gè)模型正確地描述了相同的過程事件，則它們將過 程變量的等級評定為相同的順序。同樣，可以基于過程變量各自的等級來驗(yàn) 證模型。這在模型不同時(shí)通常也是可行的。例如， 一個(gè)模型可能基于PCA, 另一個(gè)模型可能基于ANN,并且它們的過程變量等級通常處于相同的順序。 當(dāng)過程數(shù)據(jù)是非線性的(即顯著偏離正態(tài)分布)時(shí)可能包括例外。進(jìn)一步需要注意的是，其它模型參數(shù)可以用于模型驗(yàn)證。諸如特征向量
負(fù)荷&和特征值a之類的pca參數(shù)或者諸如隱藏層的數(shù)目和輸出的數(shù)目之
類的ann參數(shù)也是有用的參數(shù)。每個(gè)模型呈現(xiàn)出可以用于驗(yàn)證任務(wù)的特定 參數(shù)集合。
根據(jù)本公開.內(nèi)容的另一方面，模型輸出數(shù)據(jù)可以用來生成警報(bào)狀態(tài)，并 且更概括地說，生成供操作員使用的合成多元圖形界面。圖9-13圖示出顯 示歸一化過程變量、過程變量等級(參見圖13)、得分和警報(bào)狀態(tài)的示例 性圖形界面。該圖形界面還包含選項(xiàng)卡，從這些選項(xiàng)卡中可以訪問其它模型 信息和圖。如圖13所示，可以在圖13的左上部的變量描述后面的括號(hào)中給 出過程變量等級[例如，(2)]。在該特定實(shí)例中，有10個(gè)過程變量，等級范 圍從1到10。過程變量S21531具有等級1，表明它是具有最大變化的變量。
現(xiàn)在參見圖14,對BiPlot選項(xiàng)卡130的訪問向操作員提供觀看如得分 圖面板132中所描繪的兩個(gè)得分顯示。bi-plot (雙圖)用于同時(shí)表示得分和 在圖中由它們的負(fù)荷Pij定義的過程變量。線表示有多少主成分存在于過程
變量中。例如，可以看出等級為1的過程變量S21531具有最大的第一主成 分tl (橫軸)。相反，等級為8的過程變量S21008具有最大的第三主成分 t3(縱軸)。這是非常有意義的，因?yàn)閠l定義數(shù)據(jù)空間中具有最大變化的方 向，而t3明顯次要。人們可以通過簡單地改變在圖的右上部的窗口中的顯 示來探究過程變量與其它主成分的關(guān)系(例如可以獲得針對tl-t2的得分)。
該bi-plot提供一種將在線得分(黑點(diǎn))與過程變量關(guān)聯(lián)起來的簡單方 式。最接近得分的線確定該得分的主要過程變量?，F(xiàn)在由于圖上線總是在相 同的位置，且得分是唯一的動(dòng)態(tài)成分，因此操作員可以快速地理解哪個(gè)過程 變量或哪組過程變量對于投影到任意給定的時(shí)刻的得分而言是最有影響力 的。同樣，操作員可以通過單個(gè)顯示快速熟悉所有過程變量。
關(guān)于實(shí)現(xiàn)選項(xiàng)，所公開的用戶界面顯示(以及負(fù)責(zé)生成所述用戶界面顯 示的系統(tǒng)或模塊)可以在DeltaVTM、 Ovatioi^或任意其它控制系統(tǒng)平臺(tái)上實(shí)現(xiàn)。例如，為此可以利用基于PCA的功能塊?？商娲?，也可以將Visual Basic (VB)和.NET技術(shù)用作實(shí)現(xiàn)平臺(tái)。在一種情況下，示例性實(shí)現(xiàn)策略可以合 并VB.NET和DeltaVTM或Ovation⑧的某些組合。盡管有了前面的描述，但 是也可以在不同的軟件平臺(tái)(即Java、 Delphi、 C++)上完成實(shí)現(xiàn)。下面提 供關(guān)于圖9-13的操作員顯示界面的進(jìn)一步細(xì)節(jié)。
應(yīng)當(dāng)注意到，盡管PCA是有用的，但是PCA技術(shù)并不能容易地傳送關(guān) 于過程動(dòng)態(tài)的信息。這通常是由使用散布圖顯示PCA分析(得分)的結(jié)果 造成的。散布圖雖然有用，但是一般是過程數(shù)據(jù)的統(tǒng)計(jì)表示。如上所論述的， 多維訓(xùn)練或監(jiān)控?cái)?shù)據(jù)集被投影到(得分)到低維主成分空河。通常，前兩個(gè) 主成分捕獲數(shù)據(jù)中的最大變化，結(jié)果它們利用關(guān)于數(shù)據(jù)行為的最重要信息產(chǎn) 生散布圖?；籼亓值膄分布也可以用來計(jì)算95%或99%的置信區(qū)間，或應(yīng) 用基于C5的極限。該區(qū)間的知識(shí)對于檢測異常情況可能是很重要的，因?yàn)槿?果訓(xùn)練數(shù)據(jù)表示正常過程性能，那么對于該區(qū)間內(nèi)的任何新的得分點(diǎn)，人們 可以95%(99%)地確定該數(shù)據(jù)點(diǎn)正常。相反，對于該極限區(qū)間外部的得分， 人們可以95% (99%)地確定該數(shù)據(jù)點(diǎn)不正常(異常)。
從上面的描述中顯而易見，通過散布圖對得分的記錄和解釋導(dǎo)致與被不 正確地解釋的數(shù)據(jù)相關(guān)聯(lián)的不確定性的程度。如以上所論述的，不幸的是, 經(jīng)驗(yàn)顯示該方法通常導(dǎo)致錯(cuò)誤警報(bào)。其主要原因是統(tǒng)計(jì)計(jì)算的極限沒有將過 程變量的實(shí)際物理極限考慮進(jìn)來。每個(gè)得分是以均值為中心的輸入變量的線 性組合。例如，置信極限區(qū)間內(nèi)部和外部有5% ( 1%)的不確定性，使得不 能100%地保證任何給定得分都是正?；虍惓５模⑶覀鹘y(tǒng)的PCA在檢測異 常情況上并不總是可靠的。例如，PCA得分可能觸發(fā)不存在的異常情況(錯(cuò) 誤警報(bào))，并且相反地，PCA得分可能在過程實(shí)際上異常運(yùn)轉(zhuǎn)時(shí)指示正常運(yùn) 轉(zhuǎn)(遺漏的診斷)。顯然，當(dāng)確定異常情況并發(fā)布異常警告時(shí)，這通常是不 可接受的。問題在于當(dāng)人們采用物理極限的相同線性組合時(shí)發(fā)生什么。因?yàn)?過程變量具有不同的數(shù)值范圍，因此對于人們會(huì)以何種方式將這些極限變換 成PCA得分圖并不總是清楚的。圖9-13的界面顯示盡管致力于前述事項(xiàng)，但是還示出操作員界面可以 用來顯現(xiàn)應(yīng)用于當(dāng)前過程數(shù)據(jù)的PCA ;f莫型的示例性方式。簡言之，包括可 以根據(jù)PCA或其它多元分析生成的PCA得分圖146和可以根據(jù)一元分析生 成的物理極限圖148。這兩個(gè)圖的組合給出過程的當(dāng)前狀態(tài)的指示。在圖9 的示例中，由于PCA得分在統(tǒng)計(jì)極限內(nèi)，并且所有的過程變量都在它們的 物理極限內(nèi)，因此這指示該過程在正常操作狀況下，并且指示符塊150針對 該結(jié)果被突出顯示。
圖IO圖示出如何根據(jù)PCA得分圖146得出任何事物看起來都正常的示 例。然而，過程變量之一已超出其物理操作極限，如物理極限圖148所示。 因此，指示符塊152突出顯示遺漏的警報(bào)。
相反，PCA得分圖也可以在所有的過程變量仍然在它們的物理操作極 限的情況下指示存在問題。圖11圖示出這種情況，我們將其稱之為錯(cuò)誤警 報(bào)，如指示符塊154所描繪的。因此，當(dāng)PCA圖和物理操作極限顯示都超 出時(shí)，檢測到真實(shí)的警報(bào)狀況。在圖12中通過指示符塊156圖示出這種情 況。
參見圖13，示出圖形表示附有以滑條示出的供選擇先前所采集的數(shù)據(jù) 的集合的用戶可選擇的圖形以及以下拉菜單示出的用戶可選擇的主成分的 圖。滑條或其它圖形表示使用戶能夠基于該過程的先前操作選擇先前所采集 的數(shù)據(jù)，并基于先前所采集的數(shù)據(jù)生成PCA得分。然后可以隨PCA得分更 新圖形表示，使得用戶可以容易地訪問和分析異常運(yùn)轉(zhuǎn)的任何先前過程操 作。更進(jìn)一步，應(yīng)當(dāng)注意到，過程變量可以用它們的過程極限的函數(shù)表示， 所述過程極限可以包括如上所論述的/>共過程極限。同樣，不同主成分的選 擇使用戶能夠觀看對過程具有不同重要程度的不同過程變量的操作，并且可 以相應(yīng)地更新圖形表示。
圖15-19以與結(jié)合圖9-14的實(shí)施例所示出的類似的方式，圖示出呈現(xiàn) 動(dòng)態(tài)過程數(shù)據(jù)視圖與控制極限的PCA得分的示例性用戶界面的不同狀態(tài)。 如上所述，七個(gè)過程變量的控制極限已歸一化為唯一值，并且如果這種情況的PCA得分超出95%的置信區(qū)間，則可以發(fā)布提醒。這兩個(gè)圖形示例對于 任何導(dǎo)入數(shù)據(jù)在線同時(shí)運(yùn)行。另外，PCA得分圖包含一個(gè)動(dòng)態(tài)點(diǎn)，過程變量 的峰值根據(jù)數(shù)據(jù)輸入對改變進(jìn)行監(jiān)控。當(dāng)所有的峰值都低于控制極限線160 時(shí)，該過程在控制下，并且^t喿作正常。相應(yīng)統(tǒng)計(jì)得分應(yīng)當(dāng)也在極限圓162之 內(nèi)。圖16中描^^了這種情況。類似地，當(dāng)一個(gè)以上峰值越過極限線160時(shí)， 發(fā)生失控或異常狀況，并且PCA得分應(yīng)當(dāng)在極限圓162之外，如圖17所示。
也可能會(huì)經(jīng)歷錯(cuò)誤呼叫診斷。在圖18中，盡管所有的過程變量低于極 限線160 (正常)，但是得分在極限圓162之外(異常)。這種情況明顯是 要忽略的錯(cuò)誤警告。然而，也可能發(fā)生相反的情況。圖19所示的情況示出 得分在極限圓162之內(nèi)(正常)，而過程變量指示符指示過程變量#2已違 背極限要求(異常)。這是遺漏檢測或遺漏警告的情況。
兩個(gè)在線圖形表示可以準(zhǔn)確地診斷數(shù)據(jù)點(diǎn)是與正常情況還是與異常過 程情況對應(yīng)。此外，如果發(fā)生異常情況，違背正常狀態(tài)的過程變量可以立即 被識(shí)別出來。然而，過程操作的這些變量的重要性可能不盡相同。對于特定 監(jiān)控要求的過程變量的重要性由負(fù)荷矩陣P中的PCA負(fù)荷值確定。如果用 信號(hào)指示警告的過程變量與小的PCA負(fù)荷值相關(guān)聯(lián)，則它可能對過程操作 的重要性很低，并且該警告可以僅僅被歸類為提醒。相反，如果負(fù)荷值高， 變量很可能對過程操作重要，且應(yīng)當(dāng)建議發(fā)出高度警告。
前述視圖技術(shù)和所附的操作員界面可以在任意過程控制系統(tǒng)架構(gòu)或平 臺(tái)內(nèi)實(shí)現(xiàn)，并且在任何情況下，可以得到由上述PCA塊實(shí)現(xiàn)的功能的支持。
圖20和21描繪根據(jù)所公開的技術(shù)生成的另一可替代操作員界面，這兩 種操作員界面都支持如上所述的在線監(jiān)控、診斷和錯(cuò)誤警報(bào)檢測功能。具體 而言，圖20以條形圖將過程變量描繪為它們的過程變量極限的百分比，可 以包括如上所論述的/^共過程變量極限。
利用多元統(tǒng)計(jì)技術(shù)檢測穩(wěn)態(tài)操作
圖22和23致力于本公開內(nèi)容的另一方面，涉及使用基于PCA的統(tǒng)計(jì)
特征識(shí)別和檢測穩(wěn)態(tài)纟栗作。很多異常情況預(yù)防算法依賴于通過學(xué)習(xí)一個(gè)以上過程變量的初始狀態(tài) 做出檢測，然后在過程變量以特定方式改變時(shí)觸發(fā)警報(bào)。然而，這些異常情 況預(yù)防算法中很多也需要過程在針對初始狀況的訓(xùn)練之前和做出檢測之前 處于穩(wěn)態(tài)。讓人工操作員看著一個(gè)以上過程變量的圖，并辨別它們是否處于 穩(wěn)態(tài)是很容易的。然而，為了創(chuàng)建能夠可靠地做出該判斷的算法明顯困難得 多。
現(xiàn)在描述一種致力于檢測穩(wěn)態(tài)的技術(shù)。該技術(shù)能夠基于監(jiān)控多個(gè)過程變 量做出判斷。
過去，給定過程變量X,可以在給定長度的非交疊采樣窗口內(nèi)(例如五 分鐘)計(jì)算均值和標(biāo)準(zhǔn)差。均值可以通過；=丄|>;計(jì)算，標(biāo)準(zhǔn)差可以通過

計(jì)算，其中n是樣本的個(gè)數(shù)，A,X2,…，X"是過程變量x在采
w-l
樣窗口內(nèi)獲得的樣本。
假設(shè)和s!是在一個(gè)采樣窗口中計(jì)算出的均值和標(biāo)準(zhǔn)差，；2和S2是在
下一采樣窗口中計(jì)算出的均值和標(biāo)準(zhǔn)差。那么，如果l:-;2 3.s,則可以 說該過程處于穩(wěn)態(tài)。相反，如果l;,-^1〉3.s,則該過程沒有處于穩(wěn)態(tài)。
下一步陳述在該計(jì)算中使用的參數(shù)s應(yīng)當(dāng)由什么構(gòu)成。如果過程處于穩(wěn) 態(tài)，并且正確地選擇了采樣窗口 ，則我們應(yīng)當(dāng)發(fā)現(xiàn)^^&。在這種情況下， 無論我們采用5 ^還是5 52都應(yīng)當(dāng)無關(guān)緊要。然而，可以使用會(huì)產(chǎn)生用于 宣告穩(wěn)態(tài)的更小極限的更魯棒算法(并且因此，我們可以更加確定當(dāng)異常情
況預(yù)防模塊開始運(yùn)行時(shí)，過程確實(shí)處于穩(wěn)態(tài))來使用Sl和S2的最小值或
rniin(s^2)。
在這種情況下，宣告穩(wěn)態(tài)的準(zhǔn)則是& - ;21S 3. minfe, &)。
當(dāng)然，也可以使倍數(shù)"3"成為用戶可配置的參數(shù)。然而，這使得異常 情況預(yù)防系統(tǒng)的配置變復(fù)雜，特別是在存在很多過程變量時(shí)。計(jì)算過程變量的均值和標(biāo)準(zhǔn)差并確定穩(wěn)態(tài)的功能以及這里沒有記載的
其它功能可以封裝到如上所述的統(tǒng)計(jì)過程監(jiān)控(SPM)塊中。
根據(jù)本公開內(nèi)容的另 一方面， 一種穩(wěn)態(tài)檢測技術(shù)包括使用由PCA模型 (而非直接由過程變量)生成的得分來確定具有多個(gè)過程變量的過程是否處 于穩(wěn)態(tài)。圖22圖示出連接至PCA塊172的SPM塊170，用于確定具有多個(gè) 過程變量(IN1,IN2,IN3，…)當(dāng)前是否處于穩(wěn)態(tài)。PCA塊172可以與上述功 能塊相對應(yīng)。
圖22中所示的實(shí)施例使用PCA模型的第一得分實(shí)現(xiàn)穩(wěn)態(tài)檢測?；叵朐?PCA模型中，與最大特征值數(shù)值對應(yīng)并且根據(jù)第 一負(fù)荷向量計(jì)算出的第 一得 分表示過程中的最大變化量。例如，在某些過程中，最大變化量可以與傳播 給大多數(shù)其它過程變量的負(fù)荷改變相對應(yīng)。在這種情況下，如果只有第一主 成分符合穩(wěn)態(tài)標(biāo)準(zhǔn)，則我們很可能可以說整個(gè)系統(tǒng)處于穩(wěn)態(tài)。
雖然第一成分可能是統(tǒng)計(jì)上最重要的成分，但可替換的實(shí)施例可以使用 PCA模型的多個(gè)得分，如圖23所示。在這種情況下，PCA功能塊172被連 接至多個(gè)SPM塊170，每個(gè)SPM塊170監(jiān)控PCA模型的得分中的一個(gè)。在 這種情況下，對于根據(jù)所選擇的方法(凱澤法則、變化百分比、并行分析等) 被確定為重要的每個(gè)主成分，都會(huì)有一個(gè)SPM塊170。然后，邏輯才莫塊174 可以用于進(jìn)行整個(gè)系統(tǒng)的穩(wěn)態(tài)確定。如果所有SPM塊170都指示穩(wěn)態(tài)，則 可以將整個(gè)系統(tǒng)宣告為穩(wěn)態(tài)。如果塊170中的任意塊示出非穩(wěn)定過程，則我 們可以宣告整個(gè)系統(tǒng)未處于穩(wěn)態(tài)。
實(shí)現(xiàn)該技術(shù)的方法可以包括根據(jù)所有過程變量采集過程數(shù)據(jù)、創(chuàng)建過程 的PCA模型、將第一 PCA得分連接至統(tǒng)計(jì)過程監(jiān)控(SPM)塊以及如果SPM 塊宣告第一 PCA得分處于穩(wěn)態(tài)則宣告系統(tǒng)處于穩(wěn)態(tài)。SPM塊計(jì)算輸入變量 在連續(xù)的非交疊采樣窗口中的均值(L和；2)和標(biāo)準(zhǔn)差(sl和s2),并且 如果|5-;2卜"，min(^,A)，其中n為任意實(shí)數(shù)，則宣告輸入變量處于穩(wěn)態(tài)。
在某些情況下，穩(wěn)態(tài)可以依據(jù)^-;2 S"",來確定?？商鎿Q地，穩(wěn)態(tài)可以依據(jù) Xl —X2 S 來確定。在一個(gè)示例性實(shí)施例中，n=3。
以上描述的技術(shù)和方法可以與連接至第二和更高PCA得分以及邏輯模 塊的一個(gè)以上附加SPM塊一起實(shí)現(xiàn)，其中邏輯模塊將SPM塊中每一個(gè)的穩(wěn) 態(tài)檢測作為輸入，并在所有SPM塊指示穩(wěn)態(tài)時(shí)生成指示整個(gè)系統(tǒng)處于穩(wěn)態(tài) 的輸出信號(hào)。附加地，如果SPM塊中的任意塊指示非穩(wěn)定過程，則邏輯模 塊可以宣告整個(gè)系統(tǒng)處于非穩(wěn)定過程。
可替換地或作為附加地，可以與SPM塊一起使用其它多元技術(shù)來檢測 穩(wěn)態(tài)。這樣的技術(shù)包括PLS、 PCR、 FDA、 CVA等。
雖然在圖22和圖23中示出為涉及多個(gè)分立的單元，但所公開的技術(shù)和 方法也可以在單個(gè)集成功能塊(如Fieldbus功能塊)、現(xiàn)場設(shè)備接口模塊、 控制系統(tǒng)、單獨(dú)的軟件應(yīng)用程序等中實(shí)現(xiàn)。
瞬時(shí)動(dòng)態(tài)性的檢測
圖24-37致力于與使用多元統(tǒng)計(jì)技術(shù)的瞬時(shí)動(dòng)態(tài)性的檢測有關(guān)的本公開 內(nèi)容的另一方面。
在過程操作中經(jīng)常會(huì)遇到動(dòng)態(tài)行為。例如，過程展示由諸如流速之類的 輸入或負(fù)荷變量的改變導(dǎo)致的瞬時(shí)行為。這在火焰加熱器中相當(dāng)普遍，原因 在于火焰加熱器經(jīng)常在原油的各種流速下運(yùn)行。
在進(jìn)行故障或異常情況檢測時(shí)，重要的是區(qū)分正常操作狀況與瞬時(shí)數(shù) 據(jù)。因?yàn)樵谒矔r(shí)區(qū)域中，過程不會(huì)以正常方式運(yùn)轉(zhuǎn)，并且可能很容易得出錯(cuò) 誤的診斷(如，異常操作)。例如，在火焰加熱器中，當(dāng)原油的流速增加時(shí)， 原油的出口溫度超過正常水平，并且降低到正常水平需要時(shí)間。這是因?yàn)榱?速的改變快于被操縱的變量(燃料流速)的改變。換句話說，在一階動(dòng)態(tài)系 統(tǒng)中，最終溫度達(dá)到其新的穩(wěn)態(tài)點(diǎn)需要的時(shí)間等于時(shí)間常數(shù)加任意滯后時(shí) 間。因此，在檢測故障或異常情況時(shí)，區(qū)分動(dòng)態(tài)瞬時(shí)區(qū)域與穩(wěn)態(tài)或設(shè)置點(diǎn)、 操作區(qū)域是有用的。
根據(jù)本公開內(nèi)容的另一方面，使用多元統(tǒng)計(jì)技術(shù)基于例如主成分分析(PCA)來檢測動(dòng)態(tài)瞬時(shí)操作。結(jié)合火焰加熱器中的動(dòng)態(tài)瞬時(shí)現(xiàn)象來描述所 公開的技術(shù)，但所公開的技術(shù)還很適于結(jié)合其它過程控制環(huán)境來實(shí)施。該檢 測方法也可以將基于PCA的技術(shù)與主成分回歸(PCR)集成以區(qū)分諸如火 焰加熱器之類的過程中的異常情況與動(dòng)態(tài)瞬時(shí)現(xiàn)象。在火焰加熱器管道中檢 測焦化(或淤塞)的示例將被用于說明所提議的方法的魯棒性。在檢測算法 中，對過程的瞬時(shí)行為進(jìn)行識(shí)別以避免錯(cuò)誤警報(bào)是重要的。瞬時(shí)模式期間的 檢測可能導(dǎo)致錯(cuò)誤的結(jié)果和錯(cuò)誤的警報(bào)。還需注意的是，在這項(xiàng)工作中提出 的算法可以容易地?cái)U(kuò)展到指出諸如蒸餾塔和熱交換器之類的其它過程或單 元操作中的瞬時(shí)模式。
轉(zhuǎn)到圖24,火焰加熱器是精煉廠和石化廠中的重要單元。它們用于將 原油或重碳?xì)浠衔镞M(jìn)料的溫度升至某提升的溫度。以180全局指示的火焰 加熱器包括一個(gè)以上管道182。該進(jìn)料被均勻地分給加熱器通道182。每個(gè) 管道182充當(dāng)一熱交換器，流入管道182的進(jìn)料在此處由燃燒的燃料加熱。 燃料的流動(dòng)通常被操縱為達(dá)到原油(進(jìn)料流)的期望的目標(biāo)最終溫度。
火焰加熱器中的主要問題之一是焦化。由于火焰加熱器中的溫度提升， 原油裂化并形成被稱為焦炭的殘?jiān)肌＝固侩S時(shí)間沉積在管路的內(nèi)表面，通 常導(dǎo)致管路或火焰加熱器的性能低下。該過程被稱為淤塞。隨著時(shí)間的推移， 火焰加熱器的性能越來越差，并且可能發(fā)生意外停機(jī)以清潔火焰加熱器。在 某些實(shí)例中，某些管路可能會(huì)嚴(yán)重堵塞。高度期望在火焰加熱器管道內(nèi)對焦 炭的形成進(jìn)行監(jiān)控以調(diào)度單元清潔。
火焰加熱器呈現(xiàn)多元數(shù)據(jù)結(jié)構(gòu)，其非常適于利用這里描述的有時(shí)被稱為 MMDM (即多元監(jiān)控和診斷才莫塊)工具的多元監(jiān)控和診斷技術(shù)和工具進(jìn)行 分析。
根據(jù)這里描述的技術(shù)，由MMDM工具對表1中給出的過程變量(PV) 進(jìn)行監(jiān)控和處理。
這些過程變量也在圖24中示出。然而，值得注意的是，可以以任意期 望的方式，通過如上所述的過程控制系統(tǒng)或網(wǎng)絡(luò)，并且根據(jù)諸如PlantWeb 數(shù)字工廠架構(gòu)之類的各種不同的架構(gòu)，并利用例如愛默生FOUNDATION Fieldbus設(shè)備(即Micro Motion coriolis flow meters (微運(yùn)動(dòng)互補(bǔ)流量計(jì))、 柔斯芒特溫度設(shè)備等)，來供應(yīng)過程變量數(shù)據(jù)。
監(jiān)控的過程變量縮寫
原油的入口溫度Tin
到每個(gè)通道的流速Fi
油的總流量F
目標(biāo)通道的出口溫度Tout
原油的最終溫度(被控制的變量)TF
燃料流速FIF
燃料的最終溫度FIT
表l、火焰加熱器的監(jiān)控變量
圖25呈現(xiàn)在由主成分tl和t2定義的空間中的訓(xùn)練數(shù)據(jù)得分。針對具有 被控制變量的單個(gè)設(shè)置點(diǎn)時(shí)的多種流速收集基本訓(xùn)練數(shù)據(jù)。大約采集30，000 個(gè)實(shí)時(shí)過程數(shù)據(jù)點(diǎn)。訓(xùn)練數(shù)據(jù)用于建立MMDM工具的才莫型，并且由MMDM 工具產(chǎn)生的散布圖之一可以與圖25所示的圖相對應(yīng)。散布圖中的八個(gè)簇與 訓(xùn)練數(shù)據(jù)中八個(gè)不同的流速區(qū)域相對應(yīng)。
圖25的圖中示出的虛線190內(nèi)部的區(qū)域與圖26和27中示出的橢圓相 對應(yīng)，圖26和27則表示99%的置信橢圓。也就是說，橢圓內(nèi)的區(qū)域給出橢 圓邊界內(nèi)的任意得分都屬于火焰加熱器單元的正常操作狀況的概率為99%。
轉(zhuǎn)到圖26和27,在本公開內(nèi)容的本方面，管道的出口溫度(Tout)被 用作因變量，而其它六個(gè)變量被當(dāng)作自變量。首先，六個(gè)自變量被選擇用于 監(jiān)控。它們用于創(chuàng)建歸一化過程變量數(shù)據(jù)模型以及具有得分圖的PCA模型。 過程變量數(shù)據(jù)提供用于模型建立的訓(xùn)練數(shù)據(jù)。然后，該模型被用于為在線監(jiān) 控定義搡作員用戶界面，如圖26中所描繪的。如上所述，該界面以歸一化 和得分圖的方式顯示六個(gè)過程自變量，并顯示四個(gè)過程警報(bào)狀態(tài)指示符。一般而言，該界面可以如以上結(jié)合圖8所述的那樣生成，并且可以與結(jié)合圖 9-21描述的示例性界面的任意一個(gè)或多個(gè)方面合并。
對于過程因變量(Tout),我們使用訓(xùn)練數(shù)據(jù)創(chuàng)建回歸型的PCR模型。 這是由MMDM工具在模型建立會(huì)話期間完成的。然后，PCR模型可以通過 推操作員界面窗口中的"PCR"鍵來訪問，并且出現(xiàn)圖27所描繪的顯示窗 口。該顯示窗口示出了為得分成分T1， T2， ...， Tn計(jì)算的回歸系數(shù)。
為了通過使用建立的PCA模型驗(yàn)證瞬時(shí)行為的檢測，針對各種原油流 速創(chuàng)建驗(yàn)證數(shù)據(jù)集(4300個(gè)數(shù)據(jù)點(diǎn))。圖28示出驗(yàn)證數(shù)據(jù)的原油流速的七 個(gè)不同區(qū)域。因此，在驗(yàn)證數(shù)據(jù)中有六個(gè)不同的瞬時(shí)(動(dòng)態(tài))區(qū)域，并且 PCR-模型被用于根據(jù)驗(yàn)證數(shù)據(jù)來預(yù)測這些區(qū)域。圖29示出預(yù)測Tout ( Y) 與實(shí)際Tout。圖29中所示的迭加的圖展示出PCR模型在預(yù)測穩(wěn)態(tài)和瞬時(shí)區(qū) 域中的因變量(Y)的成功。瞬時(shí)區(qū)域中的預(yù)測稍微滯后，這與預(yù)期相符。 盡管如此，驗(yàn)證數(shù)據(jù)中呈現(xiàn)的六個(gè)瞬時(shí)區(qū)域在圖29中可清楚地辨認(rèn)。
圖30-34描繪用于瞬時(shí)區(qū)域檢測的霍特林(T2)計(jì)算的使用以及操作界 面的相應(yīng)部分。特別地，圖30示出在瞬時(shí)區(qū)域開始的時(shí)刻的T2圖。^:明顯， 當(dāng)原油的流速開始改變時(shí)，T2出現(xiàn)向上的尖峰。此外，圖30示出操作點(diǎn)位 于得分圖t2-t3的橢圓的外面。圖31示出即使沒有自變量超出極限，PCA也 檢測到動(dòng)態(tài)(瞬時(shí))區(qū)域。當(dāng)動(dòng)態(tài)瞬時(shí)現(xiàn)象發(fā)展時(shí)，T2駐留在可接受極限 之外，并且得分圖位于橢圓的外面(圖32)。 一旦過程停留在新的穩(wěn)態(tài)區(qū) 域(圖33) , T2響應(yīng)就位于極限之下，并且得分圖位于橢圓區(qū)域的內(nèi)部。 可以看出，人們可以使用PCA得分圖和T2表示檢測過程變量中的瞬時(shí)現(xiàn)象， 并且可以估計(jì)瞬時(shí)時(shí)間常數(shù)。圖34示出由T2針對整個(gè)驗(yàn)證數(shù)據(jù)檢測到的全 部六個(gè)瞬時(shí)區(qū)域。每個(gè)瞬時(shí)區(qū)域的寬度表示瞬時(shí)持續(xù)時(shí)間。
圖35和36描繪在PCR分析中不使用被控制變量的方法的結(jié)果。這樣 做時(shí)，描述了合并被控制變量的有用性以及被控制變量如何影響所提議的方 法的檢測魯棒性。在這種工作中使用的焦化加熱器示例中，原油的最終溫度 (TF)是被控制變量。在本示例中，希望將原油加熱到期望的設(shè)置點(diǎn)，即最終溫度。如前所述，使用相同訓(xùn)練數(shù)據(jù)的六個(gè)自變量中的五個(gè)建立PCA模 型。新模型通過使用與六變量分析中所使用的驗(yàn)證數(shù)據(jù)相同的驗(yàn)證數(shù)據(jù)被驗(yàn) 證。圖35示出新模型不能檢測過程的動(dòng)態(tài)行為。
T2也利用新模型針對驗(yàn)證數(shù)據(jù)而獲得。圖36示出在六變量模型中獲得 的尖峰不再存在。
基于上述內(nèi)容，在檢測瞬時(shí)或動(dòng)態(tài)行為時(shí)，模型中包含被控制變量是有 用的。這是被期待的，因?yàn)樵诒豢刂谱兞渴艿饺我庳?fù)荷或輸入變量改變的直 接影響時(shí)期望采用。
圖37致力于焦化檢測的流程。
根據(jù)以上的討論，很明顯在瞬時(shí)階段期間，過程動(dòng)態(tài)地運(yùn)轉(zhuǎn)，并且預(yù)測 的Y將不同于實(shí)際的Y。因此，在瞬時(shí)期間，不要進(jìn)行任何焦化檢測是重要 的。不進(jìn)行焦化檢測的方式是利用T2的行為。例如，如果T2超出極限， 則檢測算法禁用焦化檢測。如果T2回到可接受范圍內(nèi)，則焦化檢測將啟動(dòng)。 圖37中圖示出該程序。所公開的檢測方法和技術(shù)可以應(yīng)用于例如蒸餾塔、 熱交換器、渦輪機(jī)等的其它過程和單元操作，并且也非常適合于化學(xué)、精煉、 電力以及生命科學(xué)工業(yè)中的不同的過程應(yīng)用。
根據(jù)本公開內(nèi)容的上述方面，已經(jīng)針對過程操作中的瞬時(shí)行為的在線檢 測實(shí)現(xiàn)了基于PCA的監(jiān)控技術(shù)。PCR回歸技術(shù)也可以用于過程操作中的瞬 時(shí)行為的在線檢測。PCA和PCR兩種技術(shù)的結(jié)合支持過程警告的特征化， 原因在于所公開的技術(shù)能夠區(qū)分異常情況預(yù)防型的警告和由過程瞬時(shí)行為 導(dǎo)致的警告。通過使用諸如多元回歸、人工神經(jīng)網(wǎng)絡(luò)以及貝葉斯決策樹等技 術(shù)，可替換的設(shè)計(jì)也是可能的。
示例性應(yīng)用焦化加熱器中使用PCA和PCR的焦炭檢測
轉(zhuǎn)到圖38-41，本公開內(nèi)容的另一方面致力于使用PCA和PCR技術(shù)來 檢測火焰加熱器管道中的焦化(或淤塞)。在以下描述的實(shí)施例中，PCA和 PCR技術(shù)被用于采集和分析離線數(shù)據(jù)，然后監(jiān)控在線過程以檢測焦化。所公 開的方法和技術(shù)可以與控制器、現(xiàn)場設(shè)備和這里描述的其它過程控制系統(tǒng)元件中的任意設(shè)備集成在一起。
如下所述，所公開的焦化檢測方法通常包括三個(gè)步驟收集訓(xùn)練數(shù)據(jù)， 使用PCA和PCR技術(shù)建立模型，以及使用目標(biāo)過程變量的實(shí)際值和預(yù)測值 來檢測焦化故障。
所收集的訓(xùn)練數(shù)據(jù)通常是實(shí)時(shí)數(shù)據(jù)，其與故障無關(guān)，并且表示負(fù)荷變量 的期望的操作范圍。例如，訓(xùn)練數(shù)據(jù)可以包括在運(yùn)行火焰加熱器時(shí)期望遇到 的最小原油流速和最大原油流速。待建立的模型還可以受益于具有最小流速 與最大流速之間的若干個(gè)流速。在某些情況下，收集覆蓋負(fù)荷變量的每個(gè)范 圍的訓(xùn)練數(shù)據(jù)，并且訓(xùn)練數(shù)據(jù)還可以包括用于改變負(fù)荷變量的瞬時(shí)(即動(dòng)態(tài)) 數(shù)據(jù)。 一般而言，被控制變量的采樣時(shí)間和設(shè)置點(diǎn)在整個(gè)訓(xùn)練數(shù)據(jù)集中可以 保持恒定。
在數(shù)據(jù)具有上述特征的情況下，可以以多種方式采集訓(xùn)練數(shù)據(jù)。例如， 可以在線采集數(shù)據(jù)，或者可以從過程歷史數(shù)據(jù)庫中提取數(shù)據(jù)。在任何情況下， 所公開的方法的實(shí)踐不受收集訓(xùn)練數(shù)據(jù)的方式的限制。
使用多個(gè)過程變量來支持管道中的魯棒焦化檢測。在該示例性情況下， 所公開的方法使用表1中給出并在圖24中示出的過程變量。當(dāng)然，管道出 口溫度(Tout)是被監(jiān)控的過程因變量，因?yàn)槠鋺?yīng)當(dāng)隨管路內(nèi)焦炭的形成而 減小。對于火焰加熱器，隨著焦炭(故障)開始在管路內(nèi)部形成，管路內(nèi)從 熱端到冷端的總的熱傳遞降低。與正常操作狀況(無故障)相比，管道出口 溫度(Tout)也應(yīng)當(dāng)降低。表1中的另外六個(gè)變量被當(dāng)作自變量。
火焰加熱器提供非常適于對利用上述多元監(jiān)控和診斷模塊(MMDM)
的分析進(jìn)行解釋的多元數(shù)據(jù)結(jié)構(gòu)。 一旦選擇了六個(gè)用于監(jiān)控的自變量，則所
選擇的變量被用于創(chuàng)建歸一化過程變量數(shù)據(jù)模型和具有得分圖的PCA模型。
所收集的過程變量數(shù)據(jù)提供用于模型建立的訓(xùn)練數(shù)據(jù)。然后，所建立的模型
被用于為在線監(jiān)控生成操作員界面，如上所述。例如如圖26所示，六個(gè)過
程自變量結(jié)合四個(gè)過程警報(bào)狀態(tài)指示符以歸一化和得分圖的方式被顯示。模 型和操作員界面的細(xì)節(jié)已在以上給出。對于過程因變量(Tout),訓(xùn)練數(shù)據(jù)也可以用于創(chuàng)建回歸型的PCR模 型。如上所述，由MMDM工具在實(shí)施模型建立流程期間自動(dòng)完成PCR模 型的生成。然后可以通過選擇操作員界面中的"PCR"鍵訪問PCR模型， 這可能生成圖27所示的示例性顯示窗口。如上所述，該顯示窗口示出為得 分成分Tl， T2, ...Tn計(jì)算的回歸系數(shù)。
現(xiàn)在描述所公開的適用于焦炭檢測的火焰加熱器監(jiān)控系統(tǒng)和方法的實(shí) 施例。
如果Tout(Y)的實(shí)際值持續(xù)低于預(yù)測的值fout(力，則可以指示焦炭 形成。這意味著實(shí)際通道出口溫度持續(xù)低于預(yù)測的溫度。在這種情況下，不 會(huì)生成錯(cuò)誤的警報(bào)或警告。為此目的，可以使用Y的絕對值或均值。如以 下的進(jìn)一步說明，實(shí)際值Y與預(yù)測值t的偏離可以給出焦化嚴(yán)重性的優(yōu)良 指示。這是一個(gè)可以由工廠工程師和操作員使用的優(yōu)良工具，以基于實(shí)際的 單元性能來調(diào)度單元清潔或停機(jī)。推薦將Y/f的比值繪制為時(shí)間的函數(shù)， 從而使工廠工程師或操作員可以持續(xù)監(jiān)控單元的性能或檢測單元退化或焦
化?？商鎿Q地，兩個(gè)值之間的差可以作為時(shí)間的函數(shù)被監(jiān)控?；赮與f的 比值，工廠人員可以決定采取什么樣的行動(dòng)。由于焦化是較慢的過程，因此 工廠人員可能不選擇強(qiáng)制執(zhí)行警報(bào)或警告。然而，容易基于閾值極限而激活 警告或警報(bào)。例如，如果該比值降低到某極限U)，則可以發(fā)出警告。
可以發(fā)出各種警告來指示焦化的嚴(yán)重性。例如，A指示低焦化，^指示 中等焦化等。
更一般地，所公開的焦炭檢測方法包括以下步驟獲取足夠的訓(xùn)練數(shù)據(jù)， 建立統(tǒng)計(jì)模型，以及使用該模型來監(jiān)控單元性能。
所公開的技術(shù)的訓(xùn)練和驗(yàn)證。焦化加熱器的訓(xùn)練和驗(yàn)證數(shù)據(jù)由從GSE 系統(tǒng)商業(yè)上可獲得的高保真(hi-fidelity)仿真器SSPRO生成，并從SSPRO
廣Y、
例如，如果7 S義則可以發(fā)出警告。獲得。采樣速率為一秒。操縱燃料的流速以達(dá)到原油的期望的目標(biāo)最終溫度。 該仿真可以靈活地引入各種嚴(yán)重程度的焦化。該仿真被用于獲取訓(xùn)練數(shù)據(jù)和
仿真數(shù)據(jù)。七個(gè)過程變量被記錄，并凈皮用在由MMDM工具提供的多元分析 中。
針對各種流速來運(yùn)行訓(xùn)練。原油的流速和入口溫度被允許具有不變的噪 聲，從而模擬真實(shí)的工廠操作。約30000個(gè)實(shí)時(shí)過程數(shù)據(jù)點(diǎn)被采集。訓(xùn)練數(shù) 據(jù)被用于建立MMDM模型，由MMDM工具產(chǎn)生的散布圖在圖25中清楚的 示出，該圖描繪了與訓(xùn)練數(shù)據(jù)中的八種流動(dòng)方式對應(yīng)的八個(gè)簇。圖25還顯 示了 99%的置信橢圓。橢圓內(nèi)部的區(qū)域給出橢圓邊界內(nèi)的任意得分都屬于 火焰加熱器單元的正常操作狀況的概率為99%。
針對各種焦化水平采集若干實(shí)時(shí)仿真數(shù)據(jù)文件，以測試所提議的異常情
況檢測的魯棒性。仿真數(shù)據(jù)點(diǎn)包含好的和故障的數(shù)據(jù)。為了將焦化引入到管 道中，有意降低總的熱傳遞系數(shù)(U)。若干數(shù)據(jù)集收集如下。在集l中， 系數(shù)U從1000降低到995，然后降低到990、 980和950。在集2中，系數(shù) U從1000降低到500。
在本示例性應(yīng)用中，為該特定的情況建立的PCR回歸模型為 Y=B0+B1*T1 + B2*T2 + B3*T3 ，其中B0 = 316.9227895, Bl = -0.215154485， B2 = 0.274120980,并且B3 =-0.276083039。 Tl， T2, T3是基于變量的貢獻(xiàn) 在線確定的得分成分(驗(yàn)證數(shù)據(jù))。
在使用該模型針對故障(如焦炭)檢測而監(jiān)控新數(shù)據(jù)之前，利用新的驗(yàn) 證數(shù)據(jù)的集合來測試模型。該步驟的目的是確保模型的魯棒性。圖38示出 PCR模型在預(yù)測Y (Tout)時(shí)的準(zhǔn)確度。該模型具有高于99.9%的準(zhǔn)確度， 在數(shù)據(jù)分散于各種操作狀況中(圖25)的情況下，具有極好的準(zhǔn)確度。如 果操作狀況的范圍縮小，則準(zhǔn)確度會(huì)更高。
該模型還可以用于針對比訓(xùn)練數(shù)據(jù)中使用的流速高12 %的流速來預(yù)測 Y(Tout)。換句話說，該模型可以用于針對訓(xùn)練數(shù)據(jù)中所使用的流速范圍 之外的流速來預(yù)測過程的行為。圖39示出該預(yù)測再次以非常高的準(zhǔn)確度工作。但是可能不是非常推薦使用針對訓(xùn)練范圍之外的數(shù)據(jù)的任何模型。
上述模型被用于檢測驗(yàn)證數(shù)據(jù)中的焦化。該模型能夠針對所有的仿真驗(yàn)
證數(shù)據(jù)來檢測焦化。圖40示出實(shí)際的Y低于預(yù)測的Y的程度。實(shí)際的Y與 預(yù)測的Y的比值隨著焦化的增加(總的熱傳遞系數(shù)變低)而減小。預(yù)測的Y 是正常情況下(無故障/無焦化)的Y值。根據(jù)實(shí)際的Y相對于預(yù)測的Y的 行為，工廠人員能夠確定管道內(nèi)部的焦化的嚴(yán)重性。
使用數(shù)據(jù)的另 一 集合來驗(yàn)證所提議的監(jiān)控方法。該數(shù)據(jù)的集合包含在正 常過程中引入具有高數(shù)值的突然增大的異常情況(焦化)時(shí)的良好數(shù)據(jù)。圖 41示出實(shí)際的Y與預(yù)測的Y的比值是如何變化的。圖41中數(shù)據(jù)的第一部分 展示出該模型在預(yù)測正常行為時(shí)的卓越性能。
總之，上述技術(shù)(以及基本模型)致力于使用PCA和PCR對火焰加熱 器管道中的焦化、淤塞和其它故障檢測。為了實(shí)現(xiàn)該目的，可以對原油的入 口溫度、管道原油流速、原油總流速、管道出口溫度、最終溫度、燃庫+流速 和燃料出口溫度進(jìn)行監(jiān)控，并且可以將管道出口溫度用作火焰加熱器的性能 指示符。在某些情況下，針對模型的訓(xùn)練fe據(jù)的范圍內(nèi)的操作狀況，使用 PCA對該性能指示符進(jìn)行建模，并使用PCR進(jìn)行預(yù)測。但是，PCR也可用 于針對訓(xùn)練數(shù)據(jù)的范圍外的操作狀況對火焰加熱器的關(guān)鍵性能指示符進(jìn)行 預(yù)測。
轉(zhuǎn)到圖42和43中提出的公開內(nèi)容的方面，現(xiàn)在描述用于火焰加熱器中 的焦化的在線多元監(jiān)控和診斷的基于PCA參數(shù)的技術(shù)。該方法以建立多個(gè) 主成分分析(PCA)模型并比較不同過程操作狀況的模型參數(shù)為基礎(chǔ)。除了 焦化檢測外，所公開的技術(shù)方法對于確定或檢測其它涉及多種不同過程裝置 的慢變的過程改變(例如，鍋爐中的煙垢累積，反應(yīng)器、壓縮機(jī)、熱交換器、 蒸餾塔和隔膜中的淤塞和其它劣化等)也是有效的。
如上所述，基于PCA的技術(shù)可以與分布式過程控制系統(tǒng)(DCS)集成 在一起，以實(shí)現(xiàn)與在線監(jiān)控和診斷的結(jié)合。所公開的技術(shù)還能夠創(chuàng)建和操縱 用于建立在線模型并比較模型參數(shù)的數(shù)據(jù)。基于PCA的技術(shù)還可以應(yīng)用到使用主成分回歸(PCR)分析確定火焰加熱器中的焦化水平時(shí)的挑戰(zhàn)所呈現(xiàn) 出的特定細(xì)節(jié)。
本公開內(nèi)容的這一方面提供了在不使用基于回歸的方法的情況下檢測 諸如焦化之類的慢變的過程改變的方法。相反，所公開的方法以在過程操作 期間連續(xù)、重復(fù)或持續(xù)地建立PCA模型并將所建立的模型與正常過程操作 狀況下建立的基線模型進(jìn)行比較為基礎(chǔ)。所公開的技術(shù)在特定應(yīng)用(例如異 常情況預(yù)防應(yīng)用)中相比其它使用回歸的方法可提供更魯棒的解決方案，原 因在以下給出。 一個(gè)主要原因是基于回歸的技術(shù)在每次從現(xiàn)場設(shè)備通信鏈路 (例如，F(xiàn)ieldbus、 Modbus、無線等)中讀取數(shù)據(jù)點(diǎn)時(shí)生成預(yù)測。結(jié)果，基 于回歸的技術(shù)提供過程狀態(tài)的當(dāng)前預(yù)測，然后通過邏輯對該預(yù)測進(jìn)行處理或 評估，以確定診斷狀態(tài)。這種處理經(jīng)常會(huì)由于諸如設(shè)置點(diǎn)和穩(wěn)態(tài)改變之類的 動(dòng)態(tài)過程改變以及數(shù)據(jù)串中的異常噪聲而產(chǎn)生錯(cuò)誤的警告/警報(bào)。這些類型 的警告對于操作員來說通常很麻煩，因此如果不能完全消除的話，也應(yīng)最小 化這種警告。
作為比較，所公開的方法連續(xù)地或根據(jù)需要在過程操作的背景下創(chuàng)建預(yù) 定維度的數(shù)據(jù)文件。然后，使用這些數(shù)據(jù)文件生成用于對過程性能進(jìn)行評估 的PCA模型更新。結(jié)果，由于所公開的方法不完全依賴于當(dāng)前的過程數(shù)據(jù) 值，因此可以更加魯棒。替代地，所公開的方法可以根據(jù)基于長期數(shù)據(jù)行為 的過程性能診斷來生成警告報(bào)告，其中長期數(shù)據(jù)行為由例如數(shù)據(jù)文件的長度 來確定。所公開的方法的進(jìn)一步細(xì)節(jié)在以下描述。
開始時(shí)，人們從數(shù)據(jù)文件開始以建立PCA。訓(xùn)練數(shù)據(jù)可以表示在正常 的過程操作狀況下采集的數(shù)據(jù)。如上所述，數(shù)據(jù)文件因此可以包含數(shù)據(jù)行(觀 測值)和列，每列與分配的過程變量(PV)相對應(yīng)。過程變量可以是原始 數(shù)據(jù)，也可以是根據(jù)原始數(shù)據(jù)得到的統(tǒng)計(jì)特征(例如，異常情況預(yù)防塊數(shù)據(jù))。 結(jié)果，數(shù)據(jù)文件包括n列和m行，且通常假定111>>11。使用這樣的分配，模 型選定n個(gè)具有m個(gè)觀測值的過程變量，并且包含如上所述被自動(dòng)伸縮的 mxn的數(shù)據(jù)矩陣X。然后，實(shí)際模型可通過估計(jì)nxn協(xié)方差矩陣S的譜成分來構(gòu)建，其中，S = Xr*X/(m-l)，用于將S重寫為S-V.D.VT，其中
D =
erf 0 ... 0 0 ct^ ... 0
，并且其中of，i-l，...,n是按照從大到小排列的特征值(方
00…<
差)，并且V的列是相應(yīng)的特征向量。最大的特征值及其對應(yīng)的特征向量
對應(yīng)于原始輸入空間中包含原始過程數(shù)據(jù)中最大變化量的方向。這被當(dāng)作第 一主成分。第二大特征值及其對應(yīng)的特征向量對應(yīng)于與第一主成分正交的、 包含次最大變化量的方向。繼續(xù)本過程，直到創(chuàng)建了解釋所有原始過程數(shù)據(jù) 的新的正交向量空間。
在計(jì)算出特征值和特征向量之后，需要確定哪些是通常與過程中的重要 變化相對應(yīng)的重要主成分，哪些是通常與噪聲相對應(yīng)的非重要主成分。存在 若干種可以解決該問題的已知方法。
無論選擇哪種方法，最終結(jié)果是確定會(huì)為PCA模型保留的重要主成分 的數(shù)目a。然后，通過從V中提取前a歹'K特征向量)來創(chuàng)建負(fù)荷矩陣P e 9Ta 。 原始觀測值在負(fù)荷矩陣所定義的子空間上的投影被稱作得分矩陣，并由 T二X,P表示。T的列被稱作PCA模型的得分，被引作^，t2,…"，并且nxa 的矩陣P是PCA模型。
訓(xùn)練數(shù)據(jù)文件X。為了本公開內(nèi)容的這一方面的目的，可通過選擇對需 要分辨的過程行為有影響的過程自變量，并使這些過程自變量由X的前k 列來表示，其中k<n,以及通過選擇用于描述過程行為的過程因變量，并使 這些過程因變量由X的最后n-k列來表示，其中n-k>0，來選擇訓(xùn)練數(shù)據(jù)X。 如果將要實(shí)現(xiàn)回歸技術(shù)，則使用X的前k個(gè)過程變量來預(yù)測后n-k個(gè)過程變 量。但是，注意，當(dāng)建立PCA模型時(shí)，X只具有k個(gè)過程自變量，而且i^k。 這k個(gè)過程自變量被用于創(chuàng)建n x a的負(fù)荷矩陣P,該矩陣包含用于創(chuàng)建之 后被用于對因變量進(jìn)行預(yù)測的得分tl,t2,…ta的a個(gè)主成分向量(負(fù)荷向量)。 在所公開的方法中，自變量和因變量結(jié)合起來用于創(chuàng)建訓(xùn)練數(shù)據(jù)文件X。一旦PCA模型被指定，負(fù)荷矩陣？ = [ 1^2,...^3]就被定義，其中
Pi :[Pu，…,Pi，k,Pi,kw，…，Pu]T是負(fù)荷向量，并且i-l,…,a。Pi的前Pi"…，Pi，k成
分是與X中的前k個(gè)自變量對應(yīng)的負(fù)荷值。類似地，Piw，...，Pb成分是與X
中后n-k個(gè)因變量對應(yīng)的負(fù)荷值。結(jié)果，P定義了與原始過程變量直接相關(guān) 的相互關(guān)聯(lián)的負(fù)荷值的空間?，F(xiàn)在，X中n-k個(gè)因變量的每一個(gè)在該空間中
具有由以下公式給定的負(fù)荷值度量z = 其中j=k+l,...,n,并且cy,.是
D中的第i個(gè)特征值。
負(fù)荷值度量zj是具有以下性質(zhì)的第j個(gè)過程因變量的模型結(jié)果。假設(shè)X 和Y是來自相同過程操作并在不同時(shí)間采集的數(shù)據(jù)文件。此外，假設(shè)Zj和Vj 是分別與相同的過程因變量的X和Y對應(yīng)的模型結(jié)果。那么，如果Zj^Vj,
則由第j個(gè)過程變量描述的過程行為對于X和Y來說是相似的。作為對比， 如果Zj # Vj ，則由第j個(gè)過程變量描述的過程行為對于X和Y來說是不同的。
這個(gè)性質(zhì)對于過程診斷，特別是對于慢變的過程行為的診斷，是很有用
的。原因在于負(fù)荷值度量Zj反映了操作員所指定的時(shí)間段內(nèi)的過程行為，因
此提供了比回歸方法所給出的最近更新更完整的診斷。
火焰加熱器應(yīng)用。前述技術(shù)可用于確定火焰加熱器中的焦化水平。如上 所述，數(shù)據(jù)文件X由表1和圖24中定義的過程變量組成。Tout是唯一的因 變量，而所有其它變量都是自變量。但是，在根據(jù)本公開內(nèi)容這一方面的技 術(shù)中，所有的變量都用來創(chuàng)建PCA模型，而不需要PCR。
使用這樣的分配，在正常操作狀況下(例如0%的焦化)創(chuàng)建基線模型， 并針對Tout計(jì)算的負(fù)荷值度量Z。然后，針對火焰加熱器中不同的焦化百 分比重復(fù)相同處理，圖42示出所獲得的結(jié)果。從圖42可以看出，Z隨焦化 百分比的增加而單調(diào)下降，這暗示負(fù)荷空間由于過程變量貢獻(xiàn)隨焦化百分比 變化所產(chǎn)生的變化而出現(xiàn)了結(jié)構(gòu)性改變。注意該改變是協(xié)作產(chǎn)生的，并且通
55過當(dāng)時(shí)對一個(gè)變量的監(jiān)控不容易確定。
基于上述內(nèi)容，通過對z設(shè)置不同的極限，該技術(shù)可用在診斷/故障檢
測方法或系統(tǒng)中。由于每個(gè)模型都基于收集模型數(shù)據(jù)所使用的時(shí)間長度來表
示z的行為，因此使用該技術(shù)發(fā)出的警告或警報(bào)更加可靠。此外，在運(yùn)行時(shí)，
檢測方法可對操作者完全透明。這是因?yàn)樵摍z測方法可在監(jiān)控控制臺(tái)的后臺(tái) 運(yùn)行，并且可被配置為僅在設(shè)置的極限被超過或被破壞時(shí)才會(huì)將異常情況告
警給操作者。圖43中的流程圖示出該方法或系統(tǒng)如何根據(jù)一實(shí)施例被實(shí)施。 注意，使用該方法，可避免錯(cuò)誤的警報(bào)和警告，但是過程參數(shù)的性能會(huì)隨時(shí) 間被嚴(yán)格地監(jiān)控。
利用本公開內(nèi)容的這一方面，可以定義PCA模型參數(shù)，并將其應(yīng)用于 在線診斷，這在與焦化加熱器中的焦化以及多種過程裝置故障或異常情況結(jié) 合時(shí)是有用的?？梢岳肞CA負(fù)荷和變化信息得出模型參數(shù)，并且可以針 對過程因變量或過程自變量定義負(fù)荷值度量。在某些情況下，所公開的方法 可用于觀察長期的焦化，而不是瞬間或最近的改變。例如，所公開的方法可 用于在線長期協(xié)同診斷。可替換地或附加地，所公開的方法可以提供回歸分 析的替代方法。所公開的方法可以與包括例如DeltaV 和Ovation⑧的多種 控制系統(tǒng)平臺(tái)以及例如柔斯芒特3420 FF界面模型的多種過程裝置和設(shè)備結(jié) 合起來實(shí)施?？商娲?，所公開的方法和系統(tǒng)可以實(shí)施為單獨(dú)的異常情況預(yù) 防應(yīng)用。在任意情況下，所公開的方法和系統(tǒng)可以被配置為生成警告，并且 另外支持火焰加熱器中焦化水平的調(diào)節(jié)。
本領(lǐng)域普通技術(shù)人員將認(rèn)識(shí)到，可以以各種方式對以上描述的示例系統(tǒng) 和方法進(jìn)朽"修改。例如，可以省略塊或重新排列塊的順序，可以增加另外的 塊等。例如，對于圖7，塊146可以在流程中的不同點(diǎn)處實(shí)施。類似地，塊 148可以被實(shí)施為分立例程的一部分，因此其可能在圖7的流程的不同點(diǎn)處 實(shí)際發(fā)生，這依賴于接收到合適的啟動(dòng)分立例程的命令的時(shí)間。
以上公開了涉及異常情況預(yù)防模塊和異常情況預(yù)防塊的上述示例，但應(yīng) 當(dāng)理解所公開的系統(tǒng)、方法和技術(shù)的實(shí)踐并不限于這些上下文。相反，所公開的系統(tǒng)、方法和技術(shù)也非常適于與包括能夠選擇用于監(jiān)控、數(shù)據(jù)采集等的 具有不同組織結(jié)構(gòu)、元件布置或分散零件、單元、組件或項(xiàng)的其它集合的任 意診斷系統(tǒng)、應(yīng)用程序、例程、技術(shù)或程序一起使用。指定在診斷中使用的 過程參數(shù)的其它診斷系統(tǒng)、應(yīng)用程序等也可以被建立或者可以從這里描述的 系統(tǒng)、方法和技術(shù)中獲益。然后，參數(shù)的這種單獨(dú)指定可以被用于對其所關(guān) 聯(lián)的過程數(shù)據(jù)進(jìn)行定位、監(jiān)控和存儲(chǔ)。此外，所公開的系統(tǒng)、方法和技術(shù)不 一定僅僅與過程控制系統(tǒng)的診斷方面一起使用，尤其是在這類方面還沒有被 開發(fā)或還處于開發(fā)的早期階段時(shí)。相反，所公開的系統(tǒng)、方法和技術(shù)還適于 與過程控制系統(tǒng)、加工廠或過程控制網(wǎng)絡(luò)等的任意元素或方面 一起使用。
這里所描述的方法、過程、程序和技術(shù)可以使用硬件、固件和軟件的任 意組合來實(shí)現(xiàn)。因此，這里所述的系統(tǒng)和技術(shù)可以在標(biāo)準(zhǔn)多用途處理器中實(shí) 現(xiàn)，或根據(jù)需要使用專用設(shè)計(jì)硬件或固件來實(shí)現(xiàn)。當(dāng)以軟件實(shí)現(xiàn)時(shí)，該軟件 可以存儲(chǔ)在任意計(jì)算機(jī)可讀存儲(chǔ)器中，例如存儲(chǔ)在磁盤、光盤或其它存儲(chǔ)介
質(zhì)上，存儲(chǔ)在計(jì)算機(jī)、處理器、I/O設(shè)備、現(xiàn)場設(shè)備、接口設(shè)備等的RAM 或ROM或閃存中。同樣地，該軟件可以通過任意已知的期望的發(fā)送方法， 包括例如計(jì)算機(jī)可讀盤上或其它可傳輸計(jì)算存儲(chǔ)機(jī)構(gòu)或通信介質(zhì)，發(fā)送給用 戶或過程控制系統(tǒng)。通信介質(zhì)通常將計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序模塊 或其它數(shù)據(jù)具體體現(xiàn)為諸如載波或其它傳輸機(jī)制之類的調(diào)制數(shù)據(jù)信號(hào)。術(shù)語 "調(diào)制數(shù)據(jù)信號(hào)"意指使其一個(gè)以上特征以將信息編碼在信號(hào)中的方式被設(shè) 置或改變的信號(hào)。以示例而非限制的方式，通信介質(zhì)包括諸如有線網(wǎng)絡(luò)或直 接連接的網(wǎng)絡(luò)之類的有線介質(zhì)和諸如聲、射頻、紅外和其它無線介質(zhì)之類的 無線介質(zhì)。因此，該軟件可以通過諸如電話線、因特網(wǎng)等的通信通道發(fā)送給 用戶或過程控制系統(tǒng)(這被視為與通過可傳輸存儲(chǔ)介質(zhì)提供這類軟件相同或 可互換)。
權(quán)利要求
1、一種監(jiān)控加工廠中的過程的系統(tǒng)，該系統(tǒng)包括數(shù)據(jù)采集工具，適于從該加工廠內(nèi)的過程控制系統(tǒng)采集在線過程數(shù)據(jù)，其中所采集的在線過程數(shù)據(jù)表示當(dāng)過程在線且正常操作時(shí)該過程的正常操作；以及包括多元統(tǒng)計(jì)分析引擎的分析工具，該多元統(tǒng)計(jì)分析引擎適于基于所采集的在線過程數(shù)據(jù)的集合表示該過程的正常操作，所采集的在線過程數(shù)據(jù)的集合包括當(dāng)該過程在線且正常操作時(shí)該過程的正常操作的測量值，并且其中該分析工具適于使用所監(jiān)控的在線過程數(shù)據(jù)作為對該過程的正常操作的表示的輸入，來表示該過程的實(shí)時(shí)在線操作，所監(jiān)控的在線過程數(shù)據(jù)包括當(dāng)該過程在線時(shí)該過程的實(shí)時(shí)操作的測量值。
2、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述數(shù)據(jù)采集工具適于基于用戶定義 的過程內(nèi)的輸入變量的集合從所述過程控制系統(tǒng)釆集在線過程數(shù)據(jù)，其中所采 集的在線過程數(shù)據(jù)包括每個(gè)輸入變量的多個(gè)觀測值。
3、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述數(shù)據(jù)采集工具適于存儲(chǔ)來自所述 過程控制系統(tǒng)的所采集的在線過程數(shù)據(jù)。
4、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述分析工具在所述加工廠的過程控 制系統(tǒng)內(nèi)實(shí)現(xiàn)。
5、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所采集的在線過程數(shù)據(jù)包括來自該過 程的多元過程數(shù)據(jù)，并且表示當(dāng)該過程在線且正常操作時(shí)該過程的正常操作。
6、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所監(jiān)控的在線過程數(shù)據(jù)包括來自該過 程的多元過程數(shù)據(jù)，并且表示該過程的實(shí)時(shí)在線操作。
7、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所采集的在線過程數(shù)據(jù)包括來自該過 程的原始過程變量數(shù)據(jù)，并且表示當(dāng)該過程在線且正常操作時(shí)該過程的正常操 作。
8、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所監(jiān)控的在線過程數(shù)據(jù)包括來自該過程的原始過程變量，并且表示該過程的實(shí)時(shí)在線操作。
9、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述分析工具適于對所采集的在線過 程數(shù)據(jù)施行統(tǒng)計(jì)分析以確定閾值。
10、 根據(jù)權(quán)利要求9所述的系統(tǒng)，其中所述分析工具適于基于所監(jiān)控的在 線過程數(shù)據(jù)的對該過程的正常操作的表示的輸入，來生成該過程的正常操作的 表示的輸出，并且其中所述分析工具適于在該過程的正常操作的表示的輸出超 出所述閾值的情況下生成警報(bào)。
11、 根據(jù)權(quán)利要求9所述的系統(tǒng)，其中所述分析工具適于基于所監(jiān)控的在 線過程數(shù)據(jù)的對該過程的正常操作的表示的輸入，來生成該過程的正常操作的 表示的輸出，并且其中所述分析工具適于在該過程的正常操作的表示的輸出超 出所述閾值的情況下確定異常過程狀況的存在。
12、 根據(jù)權(quán)利要求11所述的系統(tǒng)，其中所述分析工具適于基于異常過程狀 況的存在生成警報(bào)。
13、 根據(jù)權(quán)利要求9所述的系統(tǒng)，其中所述分析工具適于基于用戶定義的 置信水平確定所述閾值。
14、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述多元統(tǒng)計(jì)分析引擎適于對所采 集的在線過程數(shù)據(jù)的集合施行主成分分析，以在定義子空間的負(fù)荷矩陣中表示 該過程的正常操作。
15、 根據(jù)權(quán)利要求14所述的系統(tǒng)，其中所述分析工具適于將所監(jiān)控的在線 過程數(shù)據(jù)投影到由負(fù)荷矩陣定義的子空間上，該負(fù)荷矩陣由表示該過程的正常 操作的多元統(tǒng)計(jì)引擎生成。
16、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述多元統(tǒng)計(jì)分析引擎適于基于所 采集的在線過程數(shù)據(jù)的不同集合來表示在多種在線狀態(tài)的每一種在線狀態(tài)下該 過程的正常操作，其中所采集的在線過程數(shù)據(jù)的每個(gè)集合包括，當(dāng)該過程在線 且在所述多種在線狀態(tài)的一種在線狀態(tài)下正常操作時(shí)，該過程的正常操作的測 量值。
17、 根據(jù)權(quán)利要求16所述的系統(tǒng)，其中所述分析工具適于使用所監(jiān)控的在線過程數(shù)據(jù)作為對該過程的正常操作的表示的輸入，來表示該過程的實(shí)時(shí)在線 操作，所監(jiān)控的在線過程數(shù)據(jù)包括，當(dāng)過程在線且在所述多種在線狀態(tài)的一種 在線狀態(tài)下操作時(shí)，該過程的實(shí)時(shí)操作的測量值，該過程的正常操作的表示與 所述多種在線狀態(tài)中的相應(yīng)一種在線狀態(tài)相對應(yīng)。
18、 根據(jù)權(quán)利要求17所述的系統(tǒng)，其中所述分析工具適于使用在所述多種 在線狀態(tài)中的 一種在線狀態(tài)下該過程的正常操作的表示，這種在線狀態(tài)由用戶 根據(jù)該過程的正常操作的多種表示的一種表示來選擇。
19、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述多元統(tǒng)計(jì)分析引擎適于基于所 采集的在線過程數(shù)據(jù)的集合來表示在用戶選擇的在線狀態(tài)下該過程的正常操 作，所采集的在線過程數(shù)據(jù)的集合包括，當(dāng)該過程在線且在用戶選擇的在線狀 態(tài)下正常操作時(shí)，該過程的正常操作的測量值，并且其中所述分析工具適于使表示的輸入，來表示該過程的實(shí)時(shí)在線操作，所監(jiān)控的在線過程數(shù)據(jù)包括在該 過程在線時(shí)該過程的實(shí)時(shí)操作的測量值。
20、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述分析工具適于基于所監(jiān)控的在 線過程數(shù)據(jù)的對該過程的正常操作的表示的輸入，來生成該過程的正常操作的 表示的輸出，該系統(tǒng)進(jìn)一步包括圖形界面工具，該圖形界面工具適于生成該過 程的正常操作的表示的多個(gè)輸出中的至少一個(gè)輸出的視圖。
21、 根據(jù)權(quán)利要求20所述的系統(tǒng)，其中所述圖形界面工具在所述過程控制 系統(tǒng)的界面中實(shí)現(xiàn)。
22、 根據(jù)權(quán)利要求20所述的系統(tǒng)，其中所述視圖包括該過程的正常操作的 表示的多個(gè)輸出中的一個(gè)輸出的數(shù)據(jù)對時(shí)間的圖。
23、 根據(jù)權(quán)利要求20所述的系統(tǒng)，其中所述視圖包括該過程的正常操作的 表示的多個(gè)輸出中的兩個(gè)及以上輸出的數(shù)據(jù)的圖，其中所述兩個(gè)及以上輸出中 的每一個(gè)輸出都包括用于該圖的參考坐標(biāo)。
24、 一種監(jiān)控加工廠的過程的方法，該方法包括從該加工廠內(nèi)的過程控制系統(tǒng)采集數(shù)據(jù)，其中所述數(shù)據(jù)表示當(dāng)該過程在線且正常操作時(shí)該過程的正常操作；基于所采集的在線過程數(shù)據(jù)的集合施行多元統(tǒng)計(jì)分析以表示該過程的正常 操作，所采集的在線過程數(shù)據(jù)的集合包括當(dāng)該過程在線且正常操作時(shí)該過程的 正常操作的測量值；以及使用所監(jiān)控的在線過程數(shù)據(jù)作為對該過程的正常操作的表示的輸入，來表 示該過程的實(shí)時(shí)在線操作，所監(jiān)控的在線過程數(shù)據(jù)包括當(dāng)該過程在線時(shí)該過程的實(shí)時(shí)操作的測量值。
25 、根據(jù)權(quán)利要求24所述的方法，其中從所述過程控制系統(tǒng)采集數(shù)據(jù)包括 基于用戶定義的過程內(nèi)的輸入變量的集合來從所述過程控制系統(tǒng)采集數(shù)據(jù)，其 中所采集的數(shù)據(jù)包括每個(gè)輸入變量的多個(gè)觀測值。
26、 根據(jù)權(quán)利要求24所述的方法，進(jìn)一步包括存儲(chǔ)來自所述過程控制系統(tǒng) 的所采集的數(shù)據(jù)。
27、 才艮據(jù)權(quán)利要求24所述的方法，其中所采集的數(shù)據(jù)包括來自該過程的多 元過程數(shù)據(jù)，并且表示當(dāng)該過程在線且正常操作時(shí)該過程的正常操作。
28、 根據(jù)權(quán)利要求24所述的方法，其中所監(jiān)控的在線過程數(shù)據(jù)包括來自該 過程的多元過程數(shù)據(jù)，并且表示該過程的實(shí)時(shí)在線操作。
29、 根據(jù)權(quán)利要求24所述的方法，其中所采集的數(shù)據(jù)包括來自該過程的原 始過程變量數(shù)據(jù)，并且表示當(dāng)該過程在線且正常操作時(shí)該過程的正常操作。
30、 根據(jù)權(quán)利要求24所述的方法，其中所監(jiān)控的在線過程數(shù)據(jù)包括來自該 過程的原始過程變量數(shù)據(jù)，并且表示該過程的實(shí)時(shí)在線操作。
31、 根據(jù)權(quán)利要求24所述的方法，進(jìn)一步包括對所采集的數(shù)據(jù)施行統(tǒng)計(jì)分 析以確定閾值。
32、 根據(jù)權(quán)利要求31所述的方法，進(jìn)一步包括基于所監(jiān)控的在線過程數(shù)據(jù)對該過程的正常操作的表示的輸入，來生成該 過程的正常操作的表示的輸出；以及在該過程的正常操作的表示的輸出超出所述閾值的情況下生成警報(bào)。
33、 根據(jù)權(quán)利要求31所述的方法，進(jìn)一步包括基于所監(jiān)控的在線過程數(shù)據(jù)對該過程的正常操作的表示的輸入，來生成該過程的正常操作的表示的輸出；以及在該過程的正常操作的表示的輸出超出所述閾值的情況下，確定異常過程 狀況的存在。
34、 根據(jù)權(quán)利要求33所述的方法，進(jìn)一步包括基于異常過程狀況的存在生 成警報(bào)。
35、 根據(jù)權(quán)利要求31所述的方法，進(jìn)一步包括基于用戶定義的置信水平確 定所述閾值。
36、 根據(jù)權(quán)利要求24所述的方法，其中施行多元統(tǒng)計(jì)分析以表示該過程的 正常操作包括對所采集的在線過程數(shù)據(jù)的集合施行主成分分析，以在定義子 空間的負(fù)荷矩陣中表示該過程的正常操作。
37、 根據(jù)權(quán)利要求36所述的方法，進(jìn)一步包括將所監(jiān)控的在線過程數(shù)據(jù)投 影到由所述負(fù)荷矩陣定義的子空間上。
38、 根據(jù)權(quán)利要求24所述的方法，其中施行多元統(tǒng)計(jì)分析以表示該過程的 正常操作包括施行多個(gè)多元統(tǒng)計(jì)分析，其中施行每個(gè)多元統(tǒng)計(jì)分析基于所采集 的數(shù)據(jù)的不同集合生成在不同的在線狀態(tài)下該過程的正常操作的表示，其中所 采集的數(shù)據(jù)的每個(gè)集合包括當(dāng)該過程在線且在所述多種在線狀態(tài)的一種在線狀 態(tài)下正常操作時(shí)該過程的正常操作的測量值。
39、 根據(jù)權(quán)利要求38所述的方法，其中使用所監(jiān)控的在線過程數(shù)據(jù)表示該 過程的實(shí)時(shí)在線操作包括使用所監(jiān)控的在線過程數(shù)據(jù)作為對該過程的正常操 作的表示的輸入，來表示該過程的實(shí)時(shí)在線操作，所監(jiān)控的在線過程數(shù)據(jù)包括 該過程在線且在所述多種在線狀態(tài)的一種在線狀態(tài)下操:作時(shí)該過程的實(shí)時(shí)操:作 的測量值，該過程的正常才喿作的表示與所述多種在線狀態(tài)中的相應(yīng)一種在線狀 態(tài)相對應(yīng)。
40、 根據(jù)權(quán)利要求39所述的方法，進(jìn)一步包括使用在所述多種在線狀態(tài)的 一種在線狀態(tài)下該過程的正常操作的表示，這種在線狀態(tài)由用戶根據(jù)該過程的 正常操作的多種表示中的一種表示來選擇。
41、 根據(jù)權(quán)利要求24所述的方法，其中使用所監(jiān)控的在線過程數(shù)據(jù)表示該 過程的實(shí)時(shí)在線操作包括基于所采集的數(shù)據(jù)的集合來表示在用戶選擇的在線 狀態(tài)下該過程的正常操作，所采集的數(shù)據(jù)的集合包括當(dāng)該過程在線且在用戶選 擇的在線狀態(tài)下正常操作時(shí)該過程的正常操作的測量值，并且其中使用所監(jiān)控 的在線過程數(shù)據(jù)表示該過程的實(shí)時(shí)在線操作包括使用所監(jiān)控的在線過程數(shù)據(jù) 作為對在用戶選擇的在線狀態(tài)下該過程的正常操作的表示的輸入，來表示該過 程的實(shí)時(shí)在線操作，所監(jiān)控的在線過程數(shù)據(jù)包括當(dāng)該過程在線時(shí)該過程的實(shí)時(shí) 才喿作的測量值。
42、 根據(jù)權(quán)利要求24所述的方法，進(jìn)一步包括基于所監(jiān)控的在線過程數(shù)據(jù)的對該過程的正常操作的表示的輸入，生成該 過程的正常操作的表示的多個(gè)輸出；以及生成該過程的正常操作的表示的多個(gè)輸出中的至少一個(gè)輸出的視圖。
43、 根據(jù)權(quán)利要求42所述的方法，其中所述視圖包括該過程的正常操作的 表示的多個(gè)輸出中的一個(gè)輸出的凄l(xiāng)據(jù)對時(shí)間的圖。
44、 根據(jù)權(quán)利要求42所述的系統(tǒng)，其中所述視圖包括該過程的正常操作的 表示的多個(gè)輸出中的兩個(gè)及以上輸出的數(shù)據(jù)的圖，其中所述兩個(gè)及以上輸出中 的每一個(gè)輸出都包括用于該圖的參考坐標(biāo)。
45、 一種監(jiān)控加工廠中的過程的過程控制系統(tǒng)，包括 分析應(yīng)用程序，被存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)器上并適于在處理器上執(zhí)行，以基于從該過程采集的所采集的在線過程數(shù)據(jù)的集合，生成該過程的正常在線操 作的多元統(tǒng)計(jì)表示，其中所采集的在線過程數(shù)據(jù)包括當(dāng)該過程在線且正常操作 時(shí)，針對過程內(nèi)多個(gè)過程變量中的每一個(gè)過程變量的高維度空間的觀測值，并 且該過程的正常操作的多元統(tǒng)計(jì)表示表示在由該過程中的重要變化定義的低維 度空間中該過程的正常操作，并且其中所述分析工具適于將所監(jiān)控的在線過程 數(shù)據(jù)投影到該低維度空間上，以生成多元統(tǒng)計(jì)表示的一個(gè)以上得分，其中所監(jiān) 控的在線過程數(shù)據(jù)包括，當(dāng)該過程在線時(shí)，針對該過程內(nèi)多個(gè)過程變量中的每 一個(gè)過程變量的高維度空間的實(shí)時(shí)在線觀測值，并且所述多元統(tǒng)計(jì)表示的一個(gè)以上得分將在低維度空間中該過程的實(shí)時(shí)在線操作表示為該過程中的重要變化的函數(shù)；以及顯示應(yīng)用程序，被存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)器上并適于在處理器上執(zhí)行，以 生成所述多元統(tǒng)計(jì)表示的 一個(gè)以上得分中的至少 一個(gè)得分的實(shí)時(shí)視圖。
46、 根據(jù)權(quán)利要求45所述的過程控制系統(tǒng)，其中所述分析應(yīng)用程序適于在 處理器上執(zhí)行以使用主成分分析生成所述多元統(tǒng)計(jì)表示。
47、 根據(jù)權(quán)利要求45所述的過程控制系統(tǒng)，其中所述分析應(yīng)用程序適于在 處理器上執(zhí)行以在所述多元統(tǒng)計(jì)表示的得分超出閾值的情況下確定異常過程狀 況的存在。
48、 根據(jù)權(quán)利要求47所述的過程控制系統(tǒng)，其中所述分析應(yīng)用程序適于在 處理器上執(zhí)行以基于異常過程狀況的存在生成警報(bào)。
49、 根據(jù)權(quán)利要求47所述的過程控制系統(tǒng)，其中所述顯示應(yīng)用程序適于在 處理器上執(zhí)行以生成所述多元統(tǒng)計(jì)表示的一個(gè)以上得分中的至少一個(gè)得分的實(shí) 時(shí)視圖與所述閾值的視圖。
50、 根據(jù)權(quán)利要求45所述的過程控制系統(tǒng)，其中所述顯示應(yīng)用程序適于在 處理器上執(zhí)行以生成所述多元統(tǒng)計(jì)表示的一個(gè)以上得分中的至少一個(gè)得分作為 時(shí)間的函數(shù)的實(shí)時(shí)視圖。
51、 根據(jù)權(quán)利要求45所述的過程控制系統(tǒng)，其中所述顯示應(yīng)用程序適于在 處理器上執(zhí)行以生成所述多元統(tǒng)計(jì)表示的一個(gè)以上得分中的至少一個(gè)得分作為 所述多元統(tǒng)計(jì)表示的另 一得分的函數(shù)的實(shí)時(shí)視圖。
全文摘要
監(jiān)控加工廠中的過程的方法和系統(tǒng)包括從加工廠內(nèi)的過程控制系統(tǒng)采集數(shù)據(jù)，其中該數(shù)據(jù)表示當(dāng)該過程在線且正常操作時(shí)該過程的正常操作，施行多元統(tǒng)計(jì)分析以基于所采集的在線過程數(shù)據(jù)的集合表示該過程的正常操作，所采集的在線過程數(shù)據(jù)包括當(dāng)該過程在線且正常操作時(shí)該過程的正常操作的測量值，以及使用所監(jiān)控的在線過程數(shù)據(jù)作為該過程正常操作的表示的輸入來表示該過程的實(shí)時(shí)在線操作，所監(jiān)控的在線過程數(shù)據(jù)包括當(dāng)該過程在線時(shí)該過程的實(shí)時(shí)操作的測量值。
文檔編號(hào)G05B23/02GK101617279SQ200780039702
公開日2009年12月30日 申請日期2007年9月28日 優(yōu)先權(quán)日2006年9月29日
發(fā)明者尼古拉·薩馬爾季亞, 約翰·菲利普·米勒 申請人:費(fèi)舍-柔斯芒特系統(tǒng)股份有限公司