PT107168B - METHOD AND SYSTEM OF ANALYSIS OF THE PERFORMANCE OF INDUSTRIAL CONTROL RINGS FOR THE AUTOMATIC DETECTION AND CHARACTERIZATION OF MULTIPLE OSCILLATIONS - Google Patents
METHOD AND SYSTEM OF ANALYSIS OF THE PERFORMANCE OF INDUSTRIAL CONTROL RINGS FOR THE AUTOMATIC DETECTION AND CHARACTERIZATION OF MULTIPLE OSCILLATIONS Download PDFInfo
- Publication number
- PT107168B PT107168B PT107168A PT10716813A PT107168B PT 107168 B PT107168 B PT 107168B PT 107168 A PT107168 A PT 107168A PT 10716813 A PT10716813 A PT 10716813A PT 107168 B PT107168 B PT 107168B
- Authority
- PT
- Portugal
- Prior art keywords
- oscillations
- time series
- oscillation
- characterization
- industrial control
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000012512 characterization method Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 title description 4
- 230000010355 oscillation Effects 0.000 claims abstract description 75
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 238000005311 autocorrelation function Methods 0.000 claims description 14
- 230000006854 communication Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 230000004913 activation Effects 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 239000012467 final product Substances 0.000 abstract description 2
- 238000005314 correlation function Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000003534 oscillatory effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
OS ANÉIS DE CONTROLO INDUSTRIAIS CONTÊM FREQUENTEMENTE OSCILAÇÕES DEVIDO A DIVERSOS PROBLEMAS COMO, POR EXEMPLO, A SINTONIZAÇÃO AGRESSIVA DOS CONTROLADORES PID, AS INTERACÇÕES ENTRE CONTROLADORES, OS PROBLEMAS ESTRUTURAIS E AS FALHAS NOS ELEMENTOS FINAIS DE CONTROLO. AS OSCILAÇÕES PROVOCAM UM AUMENTO INDESEJÁVEL DA VARIABILIDADE DAS VARIÁVEIS PROCESSUAIS CONDUZINDO A GASTOS DE PRODUÇÃO EXCESSIVOS E À DIMINUIÇÃO DA QUALIDADE DO PRODUTO FINAL. ALÉM DISSO, COMPROMETE A ESTABILIDADE E A SEGURANÇA DA PRODUÇÃO. A MONITORIZAÇÃO MANUAL DE CADA ANÉL DE CONTROLO INDUSTRIAL PELO OPERADOR DA FÁBRICA NÃO É EFICIENTE POIS AS SÉRIES TEMPORAIS PODEM CONTER RUÍDO, ALTERAÇÕES DAS CONDIÇÕES OPERATÓRIAS, OSCILAÇÕES COM ELEVADOS PERÍODOS DE OSCILAÇÃO OU MESMO SOBREPOSIÇÃO DE VÁRIOS PERÍODOS DE OSCILAÇÃO DIFICULTANDO A TAREFA DE MONITORIZAÇÃO. A PRESENTE INVENÇÃO DESCREVE UM MÉTODO DE ANÁLISE DO DESEMPENHO DE ANÉIS DE CONTROLO INDUSTRIAIS ATRAVÉS DA DETEÇÃO E CARACTERIZAÇÃO AUTOMÁTICAS DE MÚLTIPLAS OSCILAÇÕES PRESENTES NAS SÉRIES TEMPORAIS PROVENIENTES DESTES ANÉIS. A PRESENTE INVENÇÃO DESCREVE AINDA UM SISTEMA PARA EXECUÇÃO DO REFERIDO MÉTODO.INDUSTRIAL CONTROL RINGS CONTAIN FREQUENTLY OSCILLATIONS DUE TO VARIOUS PROBLEMS LIKE, FOR EXAMPLE, AGRESSIVE TUNING OF PID CONTROLLERS, INTERACTIONS BETWEEN CONTROLLERS, STRUCTURAL PROBLEMS AND FAILURES IN THE FINAL CONTROL ELEMENTS. THE OSCILLATIONS CAUSES AN UNSUCCESSIVE INCREASE IN THE VARIABILITY OF PROCESS VARIABLES LEADING TO EXCESSIVE PRODUCTION COSTS AND TO THE DECREASE IN THE QUALITY OF THE FINAL PRODUCT. IN ADDITION, YOU COMMIT THE STABILITY AND SAFETY OF THE PRODUCTION. MANUAL MONITORING OF EACH ANNUAL INDUSTRIAL CONTROL BY THE OPERATOR OF THE FACTORY IS NOT EFFICIENT AS THE TEMPORARY SERIES MAY CONTAIN NOISE, CHANGES TO THE OPERATING CONDITIONS, OSCILLATIONS WITH HIGH OSCILLATION PERIODS, OR OVERVOLUTION OF VARIOUS OSCILLATION PERIODS, DIFFICULTY OF THE MONITORING TASK. The present invention describes a method of analyzing the performance of industrial control rings through the automatic detection and characterization of multiple oscillations present in the time series derived from these rings. The present invention further describes a system for the implementation of said method.
Description
Sistema de Análise do Desempenho de Anéis de ControloControl Ring Performance Analysis System
Industriais por Detecção e Caracterização Automáticas deAutomatic Detection and Characterization
Oscilações MúltiplasMultiple Oscillations
Dominio técnico da invenção:Technical domain of the invention:
A presente invenção diz respeito à análise do desempenho de anéis de controlo industriais através da detecção e caracterização automáticas de oscilações múltiplas presentes em séries temporais de dados provenientes desses anéis.The present invention relates to the analysis of the performance of industrial control rings by the automatic detection and characterization of multiple oscillations present in time series of data from these rings.
Técnica anterior:Prior Art:
As unidades industriais modernas são compostas por linhas produtivas que incluem desde centenas a milhares de anéis de controlo. Estes anéis são peças essenciais em qualquer linha produtiva já que são responsáveis por assegurarem o seu bom funcionamento. Mas manter um nível de desempenho aceitável e seguro dos anéis de controlo industriais é normalmente uma tarefa morosa.Modern industrial units consist of production lines that include from hundreds to thousands of control rings. These rings are essential parts in any production line as they are responsible for ensuring their smooth operation. But maintaining an acceptable and safe performance level of industrial control rings is usually a time consuming task.
Existem diferentes circunstâncias que dão origem a um baixo desempenho dos anéis de controlo industriais. As oscilações persistentes nas variáveis processuais são as causas de maior vulto, frequentemente detectadas nas unidades industriais. São devidas, por exemplo, a sintonização agressiva dos controladores, a interacções entre controladores, a problemas estruturais e a falhas nos elementos finais de controlo.Different circumstances give rise to poor performance of industrial control rings. Persistent oscillations in procedural variables are the largest causes, often detected in industrial units. They are due, for example, to aggressive tuning of controllers, interactions between controllers, structural problems and failures in the final control elements.
As oscilações provocam um aumento indesejável da variabilidade das variáveis processuais conduzindo a gastos de produção excessivos e à diminuição da qualidade do produto final. Além disso, comprometem a estabilidade e a segurança da produção. Torna-se, então, desejável uma monitorização permanente para a detecção atempada de anéis de controlo industriais cujas variáveis apresentem oscilação.The oscillations cause an undesirable increase in the variability of the process variables leading to excessive production costs and decreased final product quality. In addition, they compromise the stability and safety of production. Permanent monitoring is therefore desirable for the early detection of industrial control rings whose variables fluctuate.
Dada a frequente ocorrência de oscilações em anéis de controlo e os seus efeitos nefastos, a detecção automática do fenómeno tem recebido alguma atenção pela comunidade industrial e científica.Given the frequent occurrence of oscillations in control rings and their harmful effects, automatic detection of the phenomenon has received some attention from the industrial and scientific community.
Os algoritmos presentes na literatura podem ser classificados atendendo ao número de séries temporais (isto é, conjuntos de dados industriais) necessários ao método. Os métodos que agrupam séries temporais múltiplas não detectam os períodos de oscilação significativos das oscilações nas variáveis processuais. Estes métodos identificam as séries que contêm padrões temporais semelhantes e determinam o anel de controlo que gera e propaga esses mesmos padrões. Uma primeira identificação individual dos anéis de controlo que apresentam oscilações reveste-se de bastante importância por forma a, posteriormente, serem aplicados os métodos para determinação dos anéis originadores dessas oscilações.The algorithms present in the literature can be classified according to the number of time series (ie industrial data sets) required for the method. Methods that group multiple time series do not detect significant oscillation periods of oscillations in process variables. These methods identify the series that contain similar time patterns and determine the control ring that generates and propagates those same patterns. A first individual identification of the oscillating control rings is of great importance in order to subsequently apply the methods for determining the oscillating rings.
Vários desenvolvimentos têm sido realizados para o caso em que cada série temporal é tratada individualmente. Contudo, estes métodos apresentam características que levam à identificação e/ou caracterização incompleta das oscilações em anéis de controlo. A maioria deles não consegue lidar com tendências mais lentas, ruído e oscilações resultantes da sobreposição de períodos de oscilação múltiplos, característícas frequentemente encontradas nos dados industriais. Carecem, por isso, de uma atenção cuidada na determinação manual dos seus parâmetros de sintonização.Several developments have been made for the case where each time series is treated individually. However, these methods have characteristics that lead to the identification and / or incomplete characterization of oscillations in control rings. Most of them cannot cope with slower trends, noise and oscillations resulting from overlapping multiple oscillation periods, characteristics often found in industrial data. They therefore need careful attention in the manual determination of their tuning parameters.
[Hãgglund, T. (1995). Control Engineering Practice, 3:Hglglund, T. (1995). Control Engineering Practice, 3:
1543-1551] e [Thornhill, N.F. and Hãgglund, T. (1997). Control Engineering Practice, 5(10): 1343-1354] desenvolveram dois métodos para detecção de oscilações baseados na monitorização do erro absoluto integral (EAI) entre zeros sucessivos do sinal do erro do controlador. Pese embora a sua importância uma vez que conseguem detectar oscilações de amplitude significativa, ambos os métodos necessitam que a variável controlada esteja centrada no valor de referência e são muito sensíveis à presença de ruído, o que constitui fortes limitações ao seu bom desempenho.1543-1551] and [Thornhill, N.F. and Hglglund, T. (1997). Control Engineering Practice, 5 (10): 1343-1354] developed two methods for detecting oscillations based on integral absolute error (EAI) monitoring between successive zeroes of the controller error signal. Despite their importance since they can detect significant amplitude oscillations, both methods require that the controlled variable be centered on the reference value and are very sensitive to the presence of noise, which constitute strong limitations to its good performance.
[Miao, T. and Seborg, D.E. (1999). Proceedings of the 1999 IEEE International Conference on Control Applications, 1: 359-364] desenvolveram um método com base na razão de decaimento da função de auto-correlação (FAC) do sinal do erro. A utilização desta função é bastante apelativa, porque, por si só, reduz o ruído presente no sinal. Porém, a razão de decaimento de sinais que contêm a sobreposição de oscilações pode levar a conclusões erradas.[Miao, T. and Seborg, D.E. (1999). Proceedings of the 1999 IEEE International Conference on Control Applications, 1: 359-364] developed a method based on the decay ratio of the error signal self-correlation function (FAC). The use of this function is quite appealing, as it in itself reduces the noise present in the signal. However, the decay ratio of signals containing oscillation overlap may lead to wrong conclusions.
Com base na ideia de que o período de oscilação e o EAI entre zeros sucessivos do sinal não devem variar muito ao longo do tempo, [Forsman, K. and Stattin, A. (1999) . Proceedings of the European Control Conference] introduziram um índice que traduz a regularidade destas duas grandezas. O ponto forte deste método é a sua capacidade de detectar oscilações assimétricas. Porém, também lhe estão associadas algumas limitações: a presença de ruído afecta significativamente o desempenho do método, o método requer que a variável controlada esteja centrada no valor de referência e detecta oscilações independentemente da sua significância.Based on the idea that the period of oscillation and the EAI between successive zeros of the signal should not vary much over time, [Forsman, K. and Stattin, A. (1999). Proceedings of the European Control Conference] introduced an index that reflects the regularity of these two quantities. The strength of this method is its ability to detect asymmetric oscillations. However, some limitations are also associated with it: the presence of noise significantly affects the performance of the method, the method requires that the controlled variable be centered on the reference value and detects oscillations regardless of their significance.
Também recorrendo à utilização da FAC do sinal, na patente [US 6, 466, 893] foi desenvolvido um método que, após a detecção visual de oscilação, estima o período dessa oscilação tendo por base os máximos e mínimos da função. Este método reduz o erro na determinação do período da oscilação mesmo em sinais que contêm sobreposição de oscilações. Não obstante, a detecção visual da oscilação e a caracterização apenas do menor período de oscilação presente no sinal reduzem a sua aplicabilidade.Also utilizing the use of signal FAC, in US [6,466,893] a method has been developed which, after visual detection of oscillation, estimates the period of such oscillation based on the maximum and minimum of the function. This method reduces the error in determining the oscillation period even on signals containing oscillation overlap. However, the visual detection of oscillation and the characterization of only the shortest period of oscillation present in the signal reduces its applicability.
Na caracterização de oscilações presentes numa série temporal, [Thornhill, N.F. and Huang, B. and Zhang, H. (2003). Journal of Process Control, 13(1): 91-100] utilizam os zeros da FAC da série para a determinação dos períodos de oscilação. Contudo, a presença de oscilações múltiplas afecta a determinação destes zeros. O método recorre por isso à determinação do espectro do sinal por forma a identificar as frequências dominantes. Aplica depois um filtro para remover os períodos de oscilação menos significativos. Mas o processo de filtragem dificulta a utilização automatizada do método.In the characterization of oscillations present in a time series, [Thornhill, N.F. and Huang, B. and Zhang, H. (2003). Journal of Process Control, 13 (1): 91-100] use the series FAC zeros to determine the oscillation periods. However, the presence of multiple oscillations affects the determination of these zeros. The method therefore uses the determination of the signal spectrum in order to identify the dominant frequencies. Then apply a filter to remove the least significant sway periods. But the filtering process makes the automated use of the method difficult.
Em particular, a sobreposição de oscilações continua a ser um desafio para a detecção automática de oscilações, isto é, detecção de oscilações sem interacção humana. Nesta direcção, [Srinivasan, R. and Rengaswamy, R. and Miller, R. (2007) . Control Engineering Practice, 15(9) : 1135-1148] e [Srinivasan, B. and Rengaswamy, R. (2012). Control Engineering Practice, 20(8): 733-746] propuseram uma abordagem utilizando a decomposição modal empírica (em inglês, modified empirical mode decomposition) capaz de seleccionar as diferentes oscilações presentes no sinal. Após a selecção, os zeros das componentes são determinados e os períodos da oscilação calculados.In particular, oscillation overlap remains a challenge for automatic oscillation detection, that is, oscillation detection without human interaction. In this direction, [Srinivasan, R. and Rengaswamy, R. and Miller, R. (2007). Control Engineering Practice, 15 (9): 1135-1148] and [Srinivasan, B. and Rengaswamy, R. (2012). Control Engineering Practice, 20 (8): 733-746] proposed an approach using modified empirical mode decomposition capable of selecting the different oscillations present in the signal. After selection, the component zeros are determined and the oscillation periods calculated.
Também [Wang, J., Huang, B. and Lu, S. (2013) . Con5 trol Engineering Practice, 21(5): 622-630] desenvolveram um método capaz de caracterizar oscilações múltiplas presentes num sinal. Este método recorre à transformada discreta do co-seno para converter o sinal nas suas componentes de frequência mais elementares. Todavia, a utilização da transformada torna o método mais intensivo computacionalmente. Além disso, o método requer a aplicação de um filtro de ruído devido à grande influência do ruído no desempenho do método.Also [Wang, J., Huang, B. and Lu, S. (2013). Control Engineering Practice, 21 (5): 622-630] have developed a method capable of characterizing multiple oscillations present in a signal. This method uses the discrete cosine transform to convert the signal to its most elementary frequency components. However, using the transform makes the method more computationally intensive. In addition, the method requires the application of a noise filter due to the large influence of noise on method performance.
Descrição das figuras:Description of the figures:
A FIG. 1 ilustra o diagrama de blocos de um anel de controlo industrial.FIG. 1 illustrates the block diagram of an industrial control ring.
A FIG. 2 mostra o diagrama de fluxo do método de análise do desempenho de anéis de controlo industriais pela detecção e caracterização automática de oscilações múltiplas.FIG. 2 shows the flow diagram of the method for analyzing industrial control ring performance by the automatic detection and characterization of multiple oscillations.
A FIG. 3 ilustra a interacção do sistema de detecção e caracterização de oscilações com a fábrica.FIG. 3 illustrates the interaction of the oscillation detection and characterization system with the factory.
Descrição pormenorizada da invenção:Detailed Description of the Invention:
A presente invenção efectua a análise de desempenho de anéis de controlo industriais através da detecção e caracterização automática das oscilações presentes em séries temporais de dados provenientes desses anéis.The present invention performs the performance analysis of industrial control rings by automatically detecting and characterizing the oscillations present in time series of data coming from these rings.
O sistema de detecção e caracterização de oscilações é constituído por três módulos: um módulo de detecção e caracterização de oscilações, um módulo de comunicação e uma interface gráfica.The oscillation detection and characterization system consists of three modules: an oscillation detection and characterization module, a communication module and a graphical interface.
O módulo de detecção e caracterização de oscilações implementa o método desenvolvido para o efeito.The oscillation detection and characterization module implements the method developed for this purpose.
Um anel de controlo industrial contém um controlador do tipo Proporcional-Integral-Derivativo (controlador PID), um elemento final de controlo (que normalmente é uma válvula de controlo) e um processo (que se pretende controlar), como representado na FIG. 1. A ordem emitida pelo controlador PID ao elemento final de controlo (variável manipulada MV) , a posição real do elemento final de controlo (variável OP) e a variável controlada (variável PV) podem conter oscilações.An industrial control ring contains a Proportional Integral-Derivative type controller (PID controller), a final control element (which is usually a control valve), and a process (to be controlled) as depicted in FIG. 1. The order issued by the PID controller to the final control element (manipulated variable MV), the actual position of the final control element (variable OP) and the controlled variable (variable PV) may contain oscillations.
A principal ideia do método consiste em detectar as várias oscilações presentes nas séries temporais destas variáveis ao mesmo tempo que as caracteriza determinando os períodos de oscilação. Para tal, recorre-se à função de auto-correlação das séries temporais. De forma automática e após a detecção e caracterização do primeiro período de oscilação, o método reduz o número de pontos da série e volta a analisá-la procurando uma nova oscilação de maior período de oscilação.The main idea of the method is to detect the various oscillations present in the time series of these variables while characterizing them by determining the oscillation periods. To do this, we use the self-correlation function of the time series. Automatically and after detection and characterization of the first oscillation period, the method reduces the number of points of the series and re-analyzes it looking for a new oscillation of longer oscillation period.
Um conjunto de N pontos das variáveis MV, OP e PV relativas aos anéis de controlo industriais que se encontram activos na fábrica e que foram previamente seleccionados são lidos com um período de amostragem Δί e armazenados por ordem temporal de leitura de modo a construir as respectivas séries temporais.A set of N points of the MV, OP and PV variables relative to the factory-activated industrial control rings that have been previously selected are read with a sampling period Δί and stored in readable order so as to construct the respective time series.
Considere-se que cada uma destas séries temporais pode ser representada por uma série temporal genérica estacionária de tamanho finito N em pontos de tempo discretos t constituída por xt = {x1,x2,··· ,xn} contaminada pelo ruído gaussiano wt ~ Ν(Ο,σ^). A função de auto-correlação de xt é uma medida da dependência estatística entre os valores correspondentes a diferentes tempos da série temporal sendo caracterizada matematicamente por px(t,t + r) = ^t=iT(xt ~ xXxt+r ~ x)Consider that each of these time series can be represented by a finite-size stationary generic time series N at discrete time points t consisting of x t = {x 1 , x 2 , ···, xn} contaminated by Gaussian noise w t ~ Ν (Ο, σ ^). The self-correlation function of xt is a measure of the statistical dependence between the values corresponding to different times of the time series being mathematically characterized by p x (t, t + r) = ^ t = i T ( x t ~ x X x t + r ~ x)
ΣίΙιΒ-^)2 (D onde x é a média da amostra de tamanho N, τ é o número de(ΊΙιΒ- ^) 2 (D where x is the average of the sample size N, τ is the number of
Ί intervalos correspondente ao atraso da série e px varia no intervalo [—1,1]·Ί intervals corresponding to the delay of series p and x varies in the interval [—1,1] ·
A função de auto-correlação de uma série temporal oscilatória Xt corrompida por ruído gaussiano wt gera um sinal também oscilatório e com o mesmo período. Dado que a função de auto-correlação do ruído pw é nula, a utilização desta função traduz-se numa redução muito vantajosa do impacto do ruído, permitindo uma determinação mais exacta dos períodos de oscilação presentes na série temporal.The auto-correlation function of an oscillatory time series Xt corrupted by Gaussian noise w t generates an oscillatory signal with the same period. Since the noise self-correlation function p w is null, the use of this function results in a very advantageous reduction of the noise impact, allowing a more accurate determination of the oscillation periods present in the time series.
Com base nestas considerações, o método desenvolvido e apresentado sob a forma gráfica na FIG. 2 consiste nos seguintes passos:Based on these considerations, the method developed and presented graphically in FIG. 2 consists of the following steps:
Passo 1. Determinação da função de auto-correlação px através da Equação (1) com τ = 1, - , N — 1.Step 1. Determination of the self-correlation function p x through Equation (1) with τ = 1, -, N - 1.
Passo 2. Verificação da existência de oscilações através do critério de paragem CPI.Step 2. Check for oscillations using the CPI stopping criterion.
Passo 3. Determinação do menor período de oscilação presente na função de auto-correlação.Step 3. Determination of the shortest oscillation period present in the auto-correlation function.
(a) Determinação dos valores de tempo t{ (i = 1, · · · ,M) para os quais a função de auto-correlação px é máxima.(a) Determination of the time values t {(i = 1, · · ·, M) for which the auto correlation function p x is maximum.
(b) Verificação da existência de suficiente informação através do critério de paragem CP2.(b) Verification of sufficient information by stopping criterion CP2.
(c) Cálculo dos períodos de oscilação usando íj-|-l t{ , (2 )(c) Calculation of the oscillation periods using ij- | -1 t {, (2)
Ί) = Ui At, (3) onde e q é o número de pontos da série temporal correspondente a uma oscilação.Ί) = Ui At, (3) where e q is the number of points in the time series corresponding to an oscillation.
(d) Cálculo dos parâmetros estatísticos(d) Calculation of statistical parameters
M-l i=lM-l i = l
M-lM-l
ΊΓ^ΣΤ>·ΊΓ ^ Σ Τ > ·
Í=1 (4) (5) (6)Í = 1 (4) (5) (6)
onde n é o número médio de pontos da série temporal correspondente a uma oscilação, T e στ são a média e o desvio padrão dos períodos de oscilação, respectivamente.where n is the average number of points in the time series corresponding to an oscillation, T and σ τ are the mean and standard deviation of the oscillation periods, respectively.
(e) Cálculo da regularidade estatística r através da expressão(e) Calculation of statistical regularity r by the expression
T r =----. (7)T r = ----. (7)
3στ 3σ τ
Passo 4. Detecção de oscilações no sinal por aplicação do seguinte testeStep 4. Detect signal fluctuations by applying the following test
Se r > 1, detectada oscilação de período T.If r> 1, T period oscillation is detected.
Se r<l, nenhuma oscilação detectada.If r <l, no oscillation detected.
Passo 5. Repetição dos Passos 3 e 4 utilizando a função de auto-correlação p'x obtida por remoção do período de oscilação T através de inStep 5. Repeat Steps 3 and 4 using the auto correlation function p ' x obtained by removing the oscillation period T by entering
Px,i ΞΞ Px,k > (θ) k=l+n(i— 1) onde i = 1,··· ,#px/n com #px a representar o número de pontos de px. 0 período de amostragem é, então redefinido para At = T.Px, i ΞΞ Px, k> (θ) k = l + n (i— 1) where i = 1, ···, # p x / n with #p x representing the number of points of p x . The sampling period is then reset to At = T.
Os dois critérios de paragem referidos, CPI e CP2, definem9 se de acordo com:The two stopping criteria referred to, CPI and CP2, are defined according to:
CPI. Presença de oscilações: Quando os dados não estão correlacionados, a função de auto-correlação é nula indicando a existência exclusiva de ruído gaussiano no sinal. No método que está na base da presente invenção, a detecção destas situações em séries temporais recorre ao conceito de intervalo de confiança. Assim, se grande parte dos pontos da função de auto-correlação coincidir no intervalo de confiança, conclui-se que os pontos não apresentam dependência temporal e, por isso, o sinal não contém oscilações. 0 critério é matematicamente definido por /3 = #{* < ^ < > toh , (9) comCPI Presence of oscillations: When data are uncorrelated, the auto-correlation function is null indicating the exclusive existence of Gaussian noise in the signal. In the method underlying this invention, the detection of these situations in time series uses the concept of confidence interval. Thus, if most of the points of the auto-correlation function coincide in the confidence interval, it is concluded that the points do not have temporal dependence and, therefore, the signal does not contain oscillations. The criterion is mathematically defined by / 3 = # { * < ^ < > toh, (9) with
Zi a/2 (10) onde β representa a percentagem de pontos de px coincidentes no intervalo de confiança e define o número de elementos no conjunto S. Os limites do intervalo de confiança para a função de auto-correlação são calculados por ±pXilím, onde Zi_q/2 é a função de distribuição cumulativa da normal reduzida. Para um intervalo de confiança a 95% (u = 0.05) , Zi_q/2 = 1.96.Zi a / 2 (10) where β represents the percentage of coincident p x points in the confidence interval and defines the number of elements in the set S. The confidence interval limits for the auto-correlation function are calculated by ± p. Xilim , where Zi_ q / 2 is the cumulative normal reduced distribution function. For a 95% confidence interval (u = 0.05), Zi_ q / 2 = 1.96.
CP2. Informação insuficiente: Para determinação do período de oscilação são necessários pelo menos 4 intervalos (um intervalo corresponde à distância entre os zeros consecutivos da função de auto-correlação) porque o cálculo do período e do desvio padrão da oscilação com menor número de intervalos torna-se falível. Este critério é traduzido porCP2 Insufficient information: At least 4 intervals are required to determine the oscillation period (one interval is the distance between consecutive zeros of the auto-correlation function) because the calculation of the oscillation period and standard deviation with the least number of intervals becomes if fallible. This criterion is translated by
M > tol2 , (11) onde M é o número de intervalos.M> tol 2 , (11) where M is the number of intervals.
Usando dados facilmente acessíveis nas fábricas, o método é aplicado de forma individual a cada série calculando uma única vez a FAC dessa série e identificando os seus máximos para detectar e caracterizar oscilaçõesmúltiplas. A automatização do método é de especial importância e é conseguida pela introdução de critérios de paragem que permitem:(i) detetar, ainda numa fase inicial, a inexistência de oscilações e (ii) procurar outras oscilações enquanto a qualidade da informação for suficiente.Using easily accessible data in the factories, the method is applied individually to each series by calculating the series FAC once and identifying their maximums to detect and characterize multiple oscillations. Automation of the method is of particular importance and is achieved by introducing stopping criteria that allow: (i) to detect, still at an early stage, the absence of oscillations and (ii) to look for other oscillations as long as the quality of the information is sufficient.
módulo de detecção e caracterização de oscilações providencia a execução periódica do método descrito. Os dados operacionais (variáveis MV, OP e PV) que lhe são necessários chegam através de um módulo que estabelece a comunicação bidireccional com o Sistema de Controlo Industrial da fábrica. Finalmente, a configuração do sistema de detecção e caracterização de oscilações é realizada através da interface gráfica de que o sistema dispõe. A interface permite ainda a visualização dos dados operacionais e dos resultados encontrados pelo método.The oscillation detection and characterization module provides the periodic execution of the described method. The operational data (variables MV, OP and PV) you need comes through a module that establishes bidirectional communication with the factory's Industrial Control System. Finally, the configuration of the oscillation detection and characterization system is performed through the graphical interface available to the system. The interface also allows the visualization of operational data and the results found by the method.
A interacção do sistema de detecção e caracterização de oscilações com a fábrica é ilustrada na FIG. 3. 0 sistema de detecção e caracterização de oscilações (1) comunica com o Sistema de Controlo Industrial (2) que, por sua vez, interage directamente com o processo industrial (3).The interaction of the oscillation detection and characterization system with the factory is illustrated in FIG. 3. The oscillation detection and characterization system (1) communicates with the Industrial Control System (2) which in turn interacts directly with the industrial process (3).
Coimbra, 18 de Dezembro de 2014Coimbra, December 18, 2014
Claims (2)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PT107168A PT107168B (en) | 2013-09-18 | 2013-09-18 | METHOD AND SYSTEM OF ANALYSIS OF THE PERFORMANCE OF INDUSTRIAL CONTROL RINGS FOR THE AUTOMATIC DETECTION AND CHARACTERIZATION OF MULTIPLE OSCILLATIONS |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PT107168A PT107168B (en) | 2013-09-18 | 2013-09-18 | METHOD AND SYSTEM OF ANALYSIS OF THE PERFORMANCE OF INDUSTRIAL CONTROL RINGS FOR THE AUTOMATIC DETECTION AND CHARACTERIZATION OF MULTIPLE OSCILLATIONS |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| PT107168A PT107168A (en) | 2015-03-18 |
| PT107168B true PT107168B (en) | 2015-11-03 |
Family
ID=52822223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PT107168A PT107168B (en) | 2013-09-18 | 2013-09-18 | METHOD AND SYSTEM OF ANALYSIS OF THE PERFORMANCE OF INDUSTRIAL CONTROL RINGS FOR THE AUTOMATIC DETECTION AND CHARACTERIZATION OF MULTIPLE OSCILLATIONS |
Country Status (1)
| Country | Link |
|---|---|
| PT (1) | PT107168B (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5719788A (en) * | 1995-04-18 | 1998-02-17 | The Regents Of The University Of California | Automatic detection of excessively oscillatory feedback control loops. |
| WO1999005685A1 (en) * | 1997-07-25 | 1999-02-04 | Arch Development Corporation | Self-tuning system for industrial surveillance |
| PT106716A (en) * | 2012-12-31 | 2014-06-30 | Ciengis Sist S De Controlo Avançado Sa | MONITORING AND OPTIMIZING THE PERFORMANCE OF CONTROLLERS IN THE PRESENCE OF FAULTS IN THE FINAL CONTROL ELEMENTS |
-
2013
- 2013-09-18 PT PT107168A patent/PT107168B/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5719788A (en) * | 1995-04-18 | 1998-02-17 | The Regents Of The University Of California | Automatic detection of excessively oscillatory feedback control loops. |
| WO1999005685A1 (en) * | 1997-07-25 | 1999-02-04 | Arch Development Corporation | Self-tuning system for industrial surveillance |
| PT106716A (en) * | 2012-12-31 | 2014-06-30 | Ciengis Sist S De Controlo Avançado Sa | MONITORING AND OPTIMIZING THE PERFORMANCE OF CONTROLLERS IN THE PRESENCE OF FAULTS IN THE FINAL CONTROL ELEMENTS |
Also Published As
| Publication number | Publication date |
|---|---|
| PT107168A (en) | 2015-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xiao et al. | A parameterized non-intrusive reduced order model and error analysis for general time-dependent nonlinear partial differential equations and its applications | |
| US10061677B2 (en) | Fast automated detection of seasonal patterns in time series data without prior knowledge of seasonal periodicity | |
| JP6141235B2 (en) | How to detect anomalies in time series data | |
| Shardt et al. | A new soft-sensor-based process monitoring scheme incorporating infrequent KPI measurements | |
| JP2016076218A5 (en) | ||
| CN109238455B (en) | A kind of characteristic of rotating machines vibration signal monitoring method and system based on graph theory | |
| CN107302450A (en) | A kind of data acquisition session variation and device | |
| US10212058B2 (en) | System and method for detecting system's performance regression | |
| CN114936675A (en) | Fault early warning method and device, storage medium and electronic equipment | |
| RU2014124392A (en) | ELECTRIC ARC DETECTION METHOD AND DEVICE | |
| CN115372699A (en) | Adaptive filtering method, adaptive filtering device, fault detection method, electronic device, and medium | |
| Sadhu et al. | Decentralized modal identification of a pony truss pedestrian bridge using wireless sensors | |
| CN106209404A (en) | Analyzing abnormal network flow method and system | |
| WO2019101963A1 (en) | Method and device for monitoring a process of generating metric data for predicting anomalies | |
| BRPI0713799A2 (en) | procedure for the instant determination of signal distortion rates over an alternative power grid and associated device | |
| CN109359822A (en) | Electronic voltage transformer measurement state evaluation method and system | |
| CN105069763A (en) | Fluorescence spectrum data noise filtering method based on cubical smoothing algorithm with five-point approximation | |
| CA3109182C (en) | Static gain estimation method for dynamic system based on historical data ramp responses | |
| US20150094966A1 (en) | Quadrature-based voltage events detection method | |
| PT107168B (en) | METHOD AND SYSTEM OF ANALYSIS OF THE PERFORMANCE OF INDUSTRIAL CONTROL RINGS FOR THE AUTOMATIC DETECTION AND CHARACTERIZATION OF MULTIPLE OSCILLATIONS | |
| CN105389475A (en) | Power plant equipment fault detection method based on wavelet packet decomposition | |
| CN104849548A (en) | Instantaneous frequency monitoring method and system for electric power system | |
| CN105550396B (en) | A kind of non parametric system identification method based on step response correlation analysis | |
| CN108037350A (en) | A kind of parameter identification method of voltage waveform, system | |
| CN111551785B (en) | Frequency and Harmonic Detection Method Based on Unscented Kalman Filtering |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| BB1A | Laying open of patent application |
Effective date: 20150203 |
|
| FG3A | Patent granted, date of granting |
Effective date: 20151027 |