摘 要: 針對(duì)在智能診斷中最底層現(xiàn)場(chǎng)控制器的診斷功能和處理方法加以闡述,提出一種基于現(xiàn)場(chǎng)控制器的模糊智能診斷方法,并指出處理及設(shè)計(jì)中的基本原則。在實(shí)際應(yīng)用中證明其可行性及有效性。
關(guān)鍵詞: 工藝過(guò)程故障診斷;現(xiàn)場(chǎng)控制器;多任務(wù)系統(tǒng);模糊智能診斷;PLC;選煤生產(chǎn)
以PLC為代表的現(xiàn)場(chǎng)控制器功能日趨完善,除了完成對(duì)設(shè)備、工藝過(guò)程的監(jiān)控任務(wù),還可以對(duì)現(xiàn)場(chǎng)的各種故障快速發(fā)現(xiàn)、及時(shí)解決[1]。統(tǒng)計(jì)表明實(shí)際中80%以上的故障為一般性故障,在解決常見(jiàn)、多發(fā)故障的處理上,現(xiàn)場(chǎng)診斷功能可發(fā)揮如下作用:(1)精確定位故障,避免診斷的盲目性;(2)立即采取措施,避免造成嚴(yán)重后果;(3)使系統(tǒng)有一定的容錯(cuò)能力,在出現(xiàn)某些故障的情況下,改變控制策略,避免停車(chē)等事故,確保系統(tǒng)繼續(xù)安全可靠的運(yùn)行。
1 控制器的診斷功能擴(kuò)展
根據(jù)故障危害程度等特征,將故障分為安全性故障、工藝過(guò)程性故障、耐用性故障等不同等級(jí)[2-3]。在組織故障處理功能時(shí),故障的等級(jí)應(yīng)予以考慮。(1)安全性故障:可能產(chǎn)生嚴(yán)重后果的故障,主要包括設(shè)備損壞、危及人身安全要求控制系統(tǒng)立即處理并報(bào)警。(2)工藝過(guò)程性故障:能夠?qū)刂七^(guò)程、產(chǎn)品質(zhì)量產(chǎn)生嚴(yán)重影響,但不易立即發(fā)現(xiàn)處理的故障,一段時(shí)間后如故障仍不排除則后果擴(kuò)大。(3)耐用性輕度故障:除上述2種故障外,不直接影響生產(chǎn)和質(zhì)量的輕度故障。
現(xiàn)場(chǎng)控制器如高端PLC、DCS系統(tǒng),其操作系統(tǒng)均采用搶先式多任務(wù)處理機(jī)制,控制器故障診斷處理可依照故障的等級(jí),采用不同的任務(wù)等級(jí)。圖1以Quantum PLC為例,給出故障診斷及處理功能在PLC中的合理結(jié)構(gòu)安排。操作系統(tǒng)為用戶程序提供不同優(yōu)先級(jí)的處理功能,在每個(gè)級(jí)別上都按照采樣輸入、處理程序、執(zhí)行輸出的過(guò)程進(jìn)行,高優(yōu)先級(jí)的任務(wù)中斷低優(yōu)先級(jí)任務(wù)。
安全性故障:在正常的掃描任務(wù)中判斷處理,由于PLC的CPU速度很高,PLC程序掃描周期一般只有幾毫秒,所以對(duì)于絕大部分故障的處理速度是滿足要求的,并可使程序簡(jiǎn)化。對(duì)于后果嚴(yán)重、響應(yīng)速度要求極高的故障,必須安排在I/O或定時(shí)中斷中處理。
工藝過(guò)程性故障:在不影響CPU掃描工作正常進(jìn)行的情況下,在正常的掃描任務(wù)中判斷處理,對(duì)于算法復(fù)雜度較高或時(shí)間響應(yīng)要求偏低的診斷過(guò)程,應(yīng)安排在背景任務(wù)中。對(duì)于需要復(fù)雜的修正及自學(xué)習(xí)過(guò)程,該過(guò)程不宜安排在控制器中。
耐用性故障:應(yīng)安排在背景任務(wù)中或上位機(jī)中進(jìn)行。
安全性故障易于發(fā)現(xiàn)處理,通常通過(guò)簡(jiǎn)單判斷進(jìn)行停機(jī)等處理。而工藝過(guò)程性故障,一方面十分隱蔽,難于發(fā)現(xiàn),另一方面卻對(duì)生產(chǎn)過(guò)程、產(chǎn)品質(zhì)量影響嚴(yán)重。以往,控制器無(wú)法為操作人員提供可靠的診斷,操作人員只有密切注視系統(tǒng)運(yùn)行情況、工藝參數(shù)的變化才能避免事故,這對(duì)于要求自動(dòng)化程度較高的場(chǎng)合更是一種挑戰(zhàn)。在現(xiàn)場(chǎng)控制系統(tǒng)設(shè)計(jì)時(shí)充分考慮可能的故障,并在控制器中做好診斷處理工作是解決這一問(wèn)題根本途徑。
2 基于控制器的模糊智能診斷
模糊邏輯系統(tǒng)應(yīng)用于現(xiàn)場(chǎng)診斷具有許多優(yōu)點(diǎn):現(xiàn)場(chǎng)信號(hào)(如信號(hào)的幅值、變化率、頻率特征等)均為實(shí)型變量,可以通過(guò)測(cè)量或提取處理為模糊邏輯系統(tǒng)的輸入。由于生產(chǎn)實(shí)際中,故障診斷領(lǐng)域存在的大量經(jīng)驗(yàn)性專(zhuān)家知識(shí)具有模糊性和不完全性,無(wú)法建立準(zhǔn)確的數(shù)學(xué)模型,因此模糊邏輯系統(tǒng)能夠充分有效地利用自然語(yǔ)言和知識(shí)信息,模糊規(guī)則基本格式“If…then…”型,非常適合于描述專(zhuān)家經(jīng)驗(yàn)知識(shí)[3]。
診斷系統(tǒng)通過(guò)設(shè)置的多源傳感器采集特征信號(hào)并分析處理,模糊化變換成故障征兆模糊向量A;推理機(jī)根據(jù)當(dāng)前的設(shè)備征兆信息A,運(yùn)用知識(shí)庫(kù)中的模糊知識(shí),按照一定的模糊推理策略進(jìn)行推理,若匹配成功則將該結(jié)論作為中間結(jié)果繼續(xù)進(jìn)行,直到問(wèn)題解決。若推理過(guò)程中有多條模糊規(guī)則匹配可用,則按照沖突消解策略從中選出1條最優(yōu)規(guī)則執(zhí)行,從而實(shí)現(xiàn)基于知識(shí)的推理求解過(guò)程。
模糊關(guān)系矩陣表達(dá)故障原因和各種征兆之間的因果關(guān)系,矩陣中的每個(gè)元素rij的大小表明了它們之間的互相關(guān)聯(lián)的密切程度。模糊診斷矩陣的確定是模糊診斷中十分重要的環(huán)節(jié),需要參考大量故障診斷經(jīng)驗(yàn)的總結(jié)和實(shí)驗(yàn)測(cè)試及統(tǒng)計(jì)分析的結(jié)果。
建立模糊診斷系統(tǒng)的其他階段,包括輸入信息的模糊化、模糊推理機(jī)制和解模糊單元的設(shè)計(jì)都有較強(qiáng)的自由度,某個(gè)環(huán)節(jié)的設(shè)計(jì)不當(dāng)都將影響故障診斷的精確性。對(duì)于特定的問(wèn)題,可以通過(guò)經(jīng)驗(yàn)積累并不斷修正來(lái)確定最佳的模糊邏輯系統(tǒng)。修正過(guò)程可以是人工的,也可采用自學(xué)習(xí)過(guò)程進(jìn)行。
3 模糊智能診斷在控制器中的實(shí)現(xiàn)[4]
現(xiàn)以選煤的流程生產(chǎn)實(shí)際為例,對(duì)基于現(xiàn)場(chǎng)控制器的故障診斷進(jìn)行研究。整個(gè)生產(chǎn)過(guò)程中,兩段的密度控制是保證產(chǎn)品質(zhì)量的關(guān)鍵,該部分工藝過(guò)程如圖3所示。以往現(xiàn)場(chǎng)控制系統(tǒng)的設(shè)計(jì)過(guò)程中沒(méi)有考慮針對(duì)工藝過(guò)程性故障的診斷、處理,出現(xiàn)故障后很長(zhǎng)時(shí)間才能發(fā)現(xiàn)。
現(xiàn)取生產(chǎn)中常見(jiàn)的5項(xiàng)故障:b1系統(tǒng)缺介質(zhì)、b2介質(zhì)系統(tǒng)煤泥多、b3一段泵堵塞、b4二段泵堵塞、b5系統(tǒng)介質(zhì)量多(液位設(shè)定不當(dāng))。相關(guān)的故障征兆:a1一段液位高、a2一段液位低、a3一段密度高、a4一段密度低、a5一段泵電流低、a6二段液位高、a7二段密度低、a8二段泵電流低、a9一段/稀介分流大。根據(jù)以往故障診斷經(jīng)驗(yàn),建立診斷矩陣,并可在應(yīng)用中進(jìn)行修正,如表1所示。
采用梯形圖或功能塊難于實(shí)現(xiàn),矩陣及多維數(shù)組的計(jì)算,診斷功能在Quantum PLC的開(kāi)發(fā)環(huán)境Concept軟件中采用高級(jí)語(yǔ)言環(huán)境STL(Statement Language)開(kāi)發(fā),首先將診斷矩陣、征兆向量及故障向量做如下定義:
TYPE
FuzzyR_Matrix: ARRAY [1..5,1..9] OF REAL;
Sympton_Array: ARRAY [1..9] OF REAL;
Conclude_Array: ARRAY [1..5] OF REAL;
END_TYPE
在隸屬度函數(shù)的選取中,高斯型等超越函數(shù)運(yùn)算量較大,占用控制器時(shí)間多。而簡(jiǎn)單代數(shù)型隸屬度函數(shù),如三角函數(shù)和梯形函數(shù),在滿足要求的前提下,更利于計(jì)算處理,本文采用后者對(duì)各現(xiàn)場(chǎng)的輸入量進(jìn)行模糊化。圖4為一段桶位的隸屬度函數(shù),Csetv_L1為一段液位設(shè)定值。
圖5所示窗口(1)給出在系統(tǒng)運(yùn)行過(guò)程中,通過(guò)采樣實(shí)時(shí)數(shù)據(jù),采用加權(quán)平均算子進(jìn)行診斷,對(duì)診斷結(jié)果變量進(jìn)行在線監(jiān)測(cè)的相關(guān)數(shù)據(jù)。窗口(2)給出相同的征兆時(shí),采用主因素型算子的診斷結(jié)果。此時(shí),Symptom[ ]=[0,0.74,0,0.24,0.04,0.01,0.075,0,0],實(shí)時(shí)過(guò)程量值略。
該系統(tǒng)現(xiàn)場(chǎng)Quantum控制器的邏輯結(jié)算時(shí)間大于0.1 ms,完成車(chē)間90個(gè)設(shè)備控制及15個(gè)閉環(huán)調(diào)節(jié)等工作。在加入診斷功能前,控制系統(tǒng)掃描任務(wù)周期為8.9 ms,診斷功能直接安排在主程序中,觸發(fā)診斷功能后,控制系統(tǒng)掃描周期為10.4 ms,Watchdog為30 ms,完全滿足安全性要求。通過(guò)診斷結(jié)論可將原模糊診斷矩陣中的參數(shù)加以人工或自動(dòng)修正,如將征兆“一段液位低”對(duì)“缺介質(zhì)”的值從原0.95進(jìn)一步向1靠近,具體的修正在上位機(jī)中完成。
本文將模糊智能故障診斷方法應(yīng)用于控制器中,提高了生產(chǎn)系統(tǒng)的可靠性。設(shè)計(jì)控制系統(tǒng)時(shí)充分考慮故障診斷及處理功能,是減少故障避免事故的重要措施;同時(shí)降低了故障診斷系統(tǒng)的開(kāi)發(fā)費(fèi)用,易于推廣應(yīng)用,有利于故障診斷系統(tǒng)、控制系統(tǒng)與信息系統(tǒng)的集成。但應(yīng)用中應(yīng)注意控制功能與故障監(jiān)控診斷的兼顧和平衡。基于控制器的診斷能夠準(zhǔn)確定位故障,為上級(jí)或遠(yuǎn)程診斷中心提供可靠的依據(jù),避免人工描述不準(zhǔn)確性。
參考文獻(xiàn)
[1] 胡友民.基于PLC高可靠性工業(yè)過(guò)程遠(yuǎn)程監(jiān)控系統(tǒng)[J]. 華中科技大學(xué)學(xué)報(bào),2002,30(4):13-15.
[2] BOUDAOUD A N. On-line diagnosis of a technological system: a fuzzy pattern recognition approach[C]. Proc.of IFAC World Congress, San Francisco, USA,1996,103-107.
[3] BALAKRSHNAN, KARTHIK. Intelligent diagnosis system[J]. Journal of Intelligent System 1998,8(3-4):239-290.
[4] 張?jiān)?模糊數(shù)學(xué)在自動(dòng)化技術(shù)中的應(yīng)用[M].北京:清華大學(xué)出版社,1997.