CN1599889B - 过程控制环中的不稳定的检测和鉴别 - Google Patents

Abstract

一种方法和装置，当过程控制环在线工作在过程环境内时，确定在过程控制环内的诸如极限周期的不稳定的存在和来源。当过程控制环在线连接于过程控制环境内时，所述方法和装置测量过程控制环内的一个或更多信号，将所测量的信号存储为信号数据，然后对所存储的信号数据执行一个或更多统计分析，以确定是否存在不稳定，如果存在，则确定不稳定的来源是在伺服环内还是在伺服环外，并且是由于摩擦力、外力还是机械异常引起的。

Description

过程控制环中的不稳定的检测和鉴别 

相关申请 

这是1999年8月9日提交的、题目为“过程控制环参数的估计的统计确定”的美国专利申请第09/370,474号的部分继续申请，所述美国专利申请第09/370,474号是1997年9月29日提交的、题目为“用于非强迫地获得过程控制器件参数的在线测量的方法和装置”的美国专利申请第08/939,364号的部分继续申请，并且所述美国专利申请第09/370,474号也是基于1998年8月31日提交的、题目为“过程控制环参数的估计的统计确定”的临时申请第60/098,464号的正式提交的申请。 

技术领域

本发明一般地涉及过程控制网络，具体上涉及一种在例如过程控制环在过程环境中在线连接的同时用于确定在过程控制环内的诸如极限周期(limitcycle)的不稳定起因的方法和装置。 

背景技术

大型的商用制造和精制过程通常使用过程控制器，以根据来自诸如流量、温度或其他类型的传感器的一个或多个传感器的反馈来控制诸如阀门的一个或多个过程控制器件的运行。每组这样的控制器、阀门和传感器器件形成通常所称的过程控制环。而且，每个阀门或其他器件继而可以包括内环，其中例如，阀门定位器响应于控制信号来控制阀动器(valve actuator))移动诸如阀塞的控制元件，并且从诸如位置传感器的传感器获得反馈以控制阀塞的移动。这个内环有时被称为伺服环。在任何情况下，过程控制器件的控制元件可以响应于在弹簧加载的膜片上的变化的流体压力或响应于轴的旋转——其中每个可能由于命令信号中的变化而引起——来移动。在一种标准的阀门机构中，幅度在4-20mA(毫安)的范围内变化的命令信号使得定位器与所述命令信号的幅度成比例地改变压力舱内的流体的数量、因此改变流体压力。在所述压力舱内的变化的流体压力使得膜片相对于偏转弹簧移动，所述偏转弹簧继 而使得阀塞移动。 

过程控制器件通常产生用于指示所述器件对所述命令信号的响应的反馈信号，并且向过程控制器或阀动器提供这个反馈信号(或响应指示)，以用于控制所述过程或阀门。例如，阀门机构通常产生反馈信号，用于指示阀塞的位置(行程)、在阀门的流体舱内的压力或与阀塞的实际位置相关联的一些其他现象的值。 

虽然过程控制器通常与其他信号一起使用这些反馈信号作为用于对过程进行全面控制的高度调整的、中央化的控制算法的输入，但是已经发现，仍然可能通过在控制环内连接的个别控制器件的不良操作条件——例如在过程控制环内的不稳定性——而导致不良的控制环性能。系统当它不能在运行期间达到平衡点时经历“不稳定”。工厂的人员经常将这些不稳定称为振荡、摆动或波动，这与其中系统达到平衡点或“迅速移动(lines-out)”的正常操作形成对比。 

在许多情况下，与一个或多个个别过程控制器件相关联的问题不能被过程控制器从控制环中调谐出去，结果，不良执行的控制环被布置在人工状态或去调(detune)到它们在人工状态中有效的点。在一些情况下，工厂人员可以追踪到正在振荡的个别环，并且将相关联的控制器去调或将故障环布置到人工状态中。如果系统平静下来，他们知道这是调谐的问题，而不是硬件问题。以类似的方式，如果过程具有公知的快速动态特性(诸如流动环)，则操作员将控制器输出与过程变量相关联。如果控制器的输出是三角波，并且过程变量是方波，则它们将经常推论控制阀门正在粘滞。这些特别的程序被许多过程操作员使用，但是包括几个限制。例如，第一程序要求操作员将系统置入人工状态，这可能不被允许，尤其是在失控过程上。第二程序适于识别由过程控制环引发的极限周期，但是不能追踪到伺服环中的不稳定。而且，由于诸如集成过程动态特性、非线性过程动态特性、交叉耦合过程动态特性和过程扰动的复杂性，在命令信号和过程变量之间的相关性不总是直接的。伺服环中的不稳定会尤其难于识别，因为工厂人员不访问控制阀门的内部状态变量。当过程流体影响不稳定时，产生另外的问题，这是具有负梯度的情况。在这些情况下，阀门可以当工作时振荡，但是当它离线时变得表现良好。 

可以通常通过监控在环内连接的每个过程控制器件或至少在环内连接的最关键的过程控制器件的工作状态或“健康”、并且维修或替换不良执行的过 程控制器件来克服不良的控制环性能。可以通过测量与过程控制器件相关联的一个或多个参数并且确定一个或多个参数是否超出了可接受的范围来确定过程控制器件的健康。可以被监控的问题之一是检测过程环或控制器件中的不稳定。这样的不稳定可能是例如使得所述环振荡的极限周期的结果。 

具体上，术语极限周期一般指的是在诸如滑动杆阀(sliding stem valve)的过程控制器件内的可移动器件的不期望的循环移动。存在许多极限周期的起因，包括例如外力、摩擦力和机械异常。外力——诸如向例如阀塞施加负梯度的颤振或射流或其他力——可能引起元件的移动，所述元件的移动随后被伺服环内或外的控制机构补偿。例如，由施加在可移动元件上的侧面加载而引起的增加的摩擦的摩擦力可以防止元件的初始移动，因此使得控制机构提高对于可移动元件的压力。这个被提高的压力引起了过冲，因此启动了元件的循环运动。机械或器件异常可能包括在传动器气动装置和诸如供气调节器、容积升压器或快泄阀的支持设备中的那些之间的交互作用、或者涉及所述支持设备的其他异常。总之，极限周期可以被过程控制环本身、被外力、阀门附件、摩擦力等引起。 

过去，在没有技术人员查看和诊断系统——这会耗时和成本大——的情况下，不容易确定过程控制环内的不稳定的来源或起因。在一些情况下，这些人员需要从控制环移走过程控制器件以便试验台试验所述器件，或者控制环本身被提供旁通阀和冗余过程控制器件，以使得有可能旁通特定的过程控制器件，以便当过程正在进行时测试器件。或者，操作员需要等待直到过程停止或正在进行预定的关闭以测试可能是不稳定来源的、过程内的个别过程控制器件。每个这样的选择都是耗时、昂贵的，并且仅仅提供系统中的不稳定的间歇确定。而且，这些方法都不特别适用于当过程正在在线进行时、即不干扰或关闭过程的同时确定不稳定的来源或起因。 

已经进行了一些尝试来从在线的过程控制器件收集数据，并且从其获得器件的特征的指示。例如，授权给Grumstrup等的美国专利第5,687,098号公开了一种系统，用于收集器件数据和构造和显示所述器件的响应特征。同样，1997年9月29日提交的、题目为“用于非强迫地获得过程控制器件参数的在线测量的方法和装置”的美国专利申请第08/939,364号——本申请依赖于其优先权——公开了一种系统，用于在线收集器件数据和使用这种数据来直接计算某些器件参数，诸如死区(dead band)、静寂时间(dead time)等。这个申 请的公开具体涉及用于获得过程控制器件参数的在线测量的装置和方法(即与图1-3相关的公开)，在此通过引用被明确地并入。而且，1999年8月9日提交的、题目为“过程控制环参数的估计的统计确定”的美国专利申请第09/370,474号的公开也在此通过引用被明确地并入。但是，公知的现有技术方法和系统都不能确定在过程控制系统内的不稳定的起因，特别是当过程控制系统正在在线工作时。 

发明内容

当过程控制环在过程环境中在线连接时，一种方法和装置检测或确定在过程控制系统或过程控制器件内的不稳定的起因或来源。所述方法和装置在不稳定发生期间进行对于诸如阀门的过程控制环或过程控制器件的输入或输出的特定测量，并且使用所收集的数据来确定不稳定的存在或来源。这种系统使得过程操作员能够以连续的方式、非强迫地监控在一个过程内的一个或多个过程控制器件或环，以便确定不稳定的起因或来源，而不必将过程控制器件从控制环去除、不必旁通在控制环中的过程控制器件、不必将测试信号叠加到控制环内和不必以其他方式来关闭该过程或干扰该过程。 

在一个实施例中，一种用于确定在过程控制环内的不稳定来源的方法和装置确定是在过程控制环的伺服环内还是在伺服环外引起不稳定。而且，所述系统和方法可以确定例如伺服环内的不稳定是由外力、摩擦力还是机械异常引起的。通过检查相关的压力和行程信号是正相关还是负相关、通过确定传动器压力测量是领先还是滞后于阀行程测量等，所述系统和方法可以执行所述确定。 

按照本发明的一个方面，提供一种利用过程控制设备确定在过程控制环内存在不稳定的方法，包括步骤：当所述过程控制环和所述过程控制设备在线连接并且在过程控制环境内在正常操作状态下连续地运行时，测量过程控制环内的两个或更多信号；将所述两个或更多所测量的信号存储为时间相关的信号数据；和对于所存储的时间相关的信号数据执行分析，以确定在过程控制环内存在不稳定。 

按照本发明的另一方面，提供一种当过程控制环和过程控制设备在过程环境内在线连接时利用所述过程控制设备确定过程控制环内的不稳定的来源的系统，所述系统包括：传感器，包括第一传感器和第二传感器，用于当所述过程控制环在线连接并且在过程控制环境内在正常操作状态下连续地运行时，分别测量在过程控制环内包括第一信号和第二信号的至少两个信号，其中所述第一传感器和第二传感器适于测量所述第一信号和第二信号；存储器，适于将所测量的信号存储为时间相关的信号数据；和处理器，适于对所存储的信号数据执行分析，以确定不稳定的来源。 

附图说明

图1是过程控制环的方框图，包括用于确定在过程控制环或器件内的不稳定的存在和来源的器件。 

图2A和2B是经历不稳定的系统的行程信号、命令信号和净传动器压力信号对时间的图； 

图3A和3B是行程信号、命令信号和净传动器压力信号对时间的图，用于指示摩擦引起的不稳定； 

图4A和4B是用于图解行程信号、命令信号和净传动器压力信号对时间的图，用于指示由在具有出故障时自动关闭的弹簧行为的控制阀门中的负梯度引起的不稳定；和 

图5A和5B是用于图解行程信号、命令信号和净传动器压力信号对时间的图，用于指示由过程控制器中的过量增益引起的不稳定。 

具体实施方式

参见图1，其中图解了一种单输入、单输出的过程控制环10，它包括过程控制器12，用于向过程控制器件13发送例如4-20mA的命令信号。过程控制器件13可能包括数字定位器14和具有阀动器的控制阀门15，过程控制器件13被图解为包括伺服控制器16，用于向电流对压力(I/P)变换器17发送伺服控制器输出。I/P变换器17向第二级气动装置18发送第一级压力信号，所述第二级气动装置18可以是例如短管阀或气动继电器。第二级气动装置18继而使用压力信号(例如压缩空气)来来气动地控制阀动器和阀门15。阀门15的操作控制诸如被布置在其中的阀杆的可移动阀门部件(未示出)的铰接，所述可移动阀门件继而控制在过程20内的过程变量。作为标准，发送器22测量过程20的过程变量，并且向与控制器12相关联的求和点24发送被测量的过程变量的指示。求和点24将所述过程变量的测量值(被转换为标准化的百分比)与设定点相比较，以产生指示其间的差的误差信号。求和点24随后向过程控制器12提供所计算的误差信号。所述设定点——它可以由用户、操作员或另一个控制器产生——通常被标准化在百分之0和100之间，并且指示过程变量的期望值。过程控制器12按照任何期望的技术使用所述误差信号来产生命令信号，并且向器件14提供命令信号，在器件14，命令信号在求和点26中被与用于指示阀杆的实际或当前位置的位置传感器27产生的信号求和。求和点26产生误差信号，该误差信号被提供到伺服控制器16，由此实现对过程变量的控制。 

虽然过程控制器件13被图解为包括具有集成I/P单元17的定位器14，但是过程控制器件13也可以包括任何其他类型的阀门机构或元件来取代或补充在图1中图解的那些——包括例如具有独立定位器和I/P单元的器件。而且，应当明白，过程控制器件13还可以是以任何其他期望或公知的方式来控制过程变量的任何其它类型的器件(除了阀门型的器件)。过程控制器件13可以是例如阻尼器等。 

估计单元30可以检测在过程环10中的、或在许多情况下在过程控制器件13中的不稳定的存在并且确定其来源，估计单元30被使用公知的传感器连接到过程控制器件13或过程控制环10的任何其他部分。估计单元30可以包括诸如其中具有存储器31和处理器32的微计算机的计算机，收集与在过程控制环10内的一个或多个信号相关联的数据，并且使用例如在存储器31中存储并且适于在处理器32上被执行的一个或多个计算机程序或算法33来从所收集的数据确定在过程控制系统10或器件13内的不稳定的存在和不稳定来源的估计。 

如图1所示，估计单元30可以使用电流传感器34来检测被提供到求和点26的一个或多个命令信号，使用压力传感器35来检测从I/P单元17输出的压力，使用一个或多个压力传感器36来检测由第二级气动装置18输出的传动器命令信号，使用位置传感器27来检测在阀门15的输出的阀门位置。而且，可以使用位置传感器27的输出、通过杆行程传感器37来确定或测量杆行程。伺服输出单元38可以监控伺服控制器16的输出，并且向估计单元30提供这个测量结果。伺服输出单元38可以对流入I/P单元17的电流进行物理测量，或者可以发送在伺服控制器16内来自控制算法的数字输出。而且，第二级位移传感器39——它可以例如是霍尔效应器件——用于测量在第二级 气动装置18内的短管阀或继电器的位移。当然，所述多个传感器或其他器件34-39的输出被提供到估计单元30。虽然在图1中未示出，但是位移传感器39的输出可以被伺服控制器16使用来例如阻尼定位器/阀门器件13的动态响应。如果期望的话，则压力传感器36可以包括或提供对由支持活塞传动器的定位器一般提供的供给压力和两个输出压力的测量。 

估计单元30也可以或者取代而可以检测设定点信号、在求和点24的输出端的误差信号、在求和点26的输出端的误差信号、过程变量、发送器22的输出或者引起或指示过程控制器件13的移动或操作或否则与过程控制环10相关联的任何其他信号或现象。也应当注意，其他类型的过程控制器件可以具有可以由估计单元30使用的、与其相关联的其他信号或现象。 

明显的是，估计单元30可以读取控制器命令信号的指示、定位器伺服输出、来自I/P单元17的压力信号、传动器压力信号、第二级气动装置18的位移、已经被位置传感器27提供的阀门位置、杆行程等。当然，由估计单元30使用的传感器可以是任何公知的传感器和可以是模拟或数字传感器。例如，位置传感器27可以是任何期望的运动或位置测量器件，其中包括例如电位计、线性可变差动变压器(LVDT)、旋转可变差动变压器(RVDT)、霍尔效应运动传感器、磁发电机阻抗运动传感器、可变电容运动传感器等。可以明白，如果这些传感器是模拟传感器，则估计单元30可以包括一个或多个模数转换器，它采样模拟信号并且在与估计单元30相关联的存储器31存储被采样的信号。但是，如果这些传感器是数字传感器，则它们可以直接向估计单元30提供数字信号，其可以随后以任何期望的方式来在存储器31中存储那些信号。而且，如果收集两个或多个信号，则估计单元30可以在存储器31的随机存取部分中存储这些信号，作为与任何特定时间相关联的数据点的分量。例如，在时间T₁、T₂、…、T_n的每个数据点可以具有输入命令信号分量、压力信号分量、传动器行程信号分量等。当然，其这些数据点或分量可以以任何期望或公知的方式被存储在存储器31中或任何其他的存储器中。 

虽然估计单元30已经被指示为与过程控制器件13(诸如位于主器件中)分离，但是这个单元可以取代而位于过程控制器件13的内部，或者可以位于在包括手持器件的过程控制网络中的任何其他过程控制器件(例如场器件)上。如果过程控制器件13是基于微处理器的器件，则估计单元30可以共享与已经在过程控制器件13内的相同的处理器和存储器。或者，估计单元30 可以具有其本身的处理器和存储器。因此，期望可以用被发送到用户显示器或用于测量的主器件的结果来在其中进行测量的器件内(诸如在任何场器件中)执行不稳定的来源的分析，或者可以由一种器件(诸如场器件或手持单元)来进行信号测量，这样的测量结果随后被发送到远程位置(诸如主器件)，在此进行不稳定分析。 

估计单元30使用基于最好当过程控制器件13或过程控制环10在线工作在过程环境中的时候取得的测量的一个或多个数学或统计分析，来确定或估计在过程控制环10、过程控制器件13(或在过程控制环10的其他器件或部分)内的诸如极限周期的不稳定的来源。一般地，为了确定不稳定的存在或来源，估计单元30对例如过程控制器件13内的一个或多个信号进行采样，并且在存储器中存储被采样的数据。如果期望的话，估计单元30可以在存储器中存储所收集的数据前或后精处理数据，以消除不需要的数据、界外值(outlier)等。在收集了足够的能够确定不稳定的存在或来源的数据——诸如来自一个或多个整体极限周期的数据或来自极限周期的一部分的数据——以后，估计单元30使用一个或多个分析例程33来确定在环10、器件13等内的不稳定的存在或来源，所述一个或多个分析例程33可以被存储在与估计单元30相关联的存储器31中，并且在估计单元30内的处理器32上实现。估计单元30可以使用任何期望的统计分析例程或程序，下面描述了用于确定极限周期的存在或来源的一些示例分析例程，可以明白，可以使用存储在估计单元30内并且由估计单元30实现的任何适当撰写的计算机程序或算法来实现这些例程。 

而且，在确定不稳定的存在或可能来源后，估计单元30可以在显示器40上显示那个不稳定或来源的指示，所述显示器40可以是例如CRT屏幕、打印机、语音产生器、任何种类的警告产生器或在与估计单元30相同的器件或可通信地连接到估计单元30的另一个器件内的任何其他期望的通信器件。当然，估计单元30可以以任何其他方式来警告用户关于不稳定的存在或来源。如果期望的话，则估计单元30可以建议根据所检测的来源来消除不稳定的方式，可以提出对这样的推荐执行进一步的诊断或行为，或将诊断产物存储在存储器31中，并且根据例如不稳定的检测来源对其进行访问。 

因为估计单元30可以在过程控制器件13在线工作的同时对所需要的数据进行测量，因此估计单元30不必要求过程控制器件13经历用于检测不稳 定的存在或来源的全行程或测试行程序列，并且不必要求过程控制器件13离线或脱离正常的操作环境。而且，因为估计单元30连接到过程控制环10并且测量在过程控制环10的正常操作期间进行不稳定的估计所需要的信号，因此估计单元30可以连续地检测不稳定的存在或来源，而不干扰过程20或过程控制环10的运行。 

估计单元30可以被编程或配置为使用任何期望的分析来确定不稳定的存在或来源，在此详细描述对于一些不稳定来源的特别有益的统计手段。但是，本发明不限于使用任何这些手段，而且不限于确定仅仅对于具体讨论的不稳定来源的估计，可以明白可以使用其他数学手段来确定不稳定的这些或其他来源。 

估计单元30可以执行一个或多个分析，以在任何期望的时间检测在过程控制环或系统内的不稳定的存在或来源。因此，如果期望的话，当例如操作员注意到在环或器件内的不稳定时，估计单元30可以被操作员人工触发。或者或另外，估计单元30可以被自动触发。例如，估计单元30可以使用可以对在系统内的一个或多个信号——诸如传动器压力或阀行程——进行短傅立叶变换的不稳定检测软件33A，并且查看那个信号频谱中的偏离。在意外或非期望的频率处的功率可以以信号来表示不稳定的存在。当然，所述软件也可以或代替地使用任何数量的公知的、标准的模式识别算法，可以检查时间序列数据的利萨如(Lissajous)或相位简单曲线(phase plain plots)等，以检测诸如极限周期的不稳定的存在。 

例如，不稳定检测例程33A可以使用Wiener-Khinchine关系来检测不稳定的存在。一般地，Wiener-Khinchine关系声明了在所述频谱下的区域与方差(variance)成比例。基于这个原理，检测软件33A可以通过计算信号方差的改变来识别信号频谱中的改变。而且，检测软件33A可以查看诸如命令信号和行程信号的两个信号之间的方差的比率，即可以实现F测试。如果系统正确地运行，则方差的比率将大致为一，因为命令信号和行程信号之间的增益大约等于一。但是，如果从例如摩擦、负梯度或阀门附件形成伺服环不稳定，则方差的比率将变得很大。换句话说，对于伺服环不稳定，系统的功率输出将超过到系统内的功率输入。 

作为附加的益处，如果外部过程环正在振荡，则这种方法将不触发分析，这有助于稳定的识别。为了加快检测，可以使用“遗忘因子”来递归地计算 方差的比率，以便仅仅使用最近的数据。但是，一旦(通过任何手段)检测到极限周期，则可以使用所述方差的比率来追踪到所述问题是在外过程控制环内还是在内伺服控制环内。如果方差的比率比一大得多，则不稳定的来源最可能在伺服环中。图2、3和4的示例描述了这种情况。或者，如果方差的比率比一小得多，则不稳定的来源最可能在过程环中。图5A和5B的示例描述了这种情况。 

如果期望的话，则不稳定检测或识别算法可以连续地运行，并且如果区别算法超过一些阈值则可以标记检测。例如，如果在伺服环中的相位角接近-180度，如下所述，则估计或检测软件可以触发警告或否则通知操作员不稳定及其来源。 

一旦检测到不稳定，则可以使用一个或多个其他软件例程33B、33C等来确定这个不稳定的来源。确定不稳定的来源的估计的一种方法是使得估计单元30收集与在特定的时段中阀门15的(由例如图1的位置传感器27检测到的)传动器行程或位置和(由例如图1的压力传感器35或36检测的)传动器压力相关联的数据。通常，所收集的数据将被存储在存储器中，作为一系列的数据点，其中每个数据点具有从所测量的传动器压力信号得到的传动器压力分量和从所测量的传动器位置或行程信号得到的传动器位置分量。当然，可以明白，任何数据点的传动器压力和传动器位置分量应当与同一时间相关。因此，优选的是，当使用两个或多个被测量的信号时，同时采样那些信号以产生时间相关的数据。以这种方式，估计单元30收集与控制环或环的一部分的输入信号相关的数据点，和与控制环或环的一部分的输出信号相关的数据点，然后以任何方式使用这些数据点来形成与系统或控制环相关的输入/输出曲线。当然，与输入和输出信号相关的数据点可以按照期望被独立地或一起存储，但是应当一般与同一或大致同一时间相关联，以便形成输入/输出曲线的分量。 

接着，不稳定来源估计软件33B或33C通过以多种方式中的任何一种分析数据来确定不稳定的来源，所述方式包括例如确定是否由器件本身或器件外部引起不稳定，是否不稳定是由于摩擦或由于在阀塞上的负梯度或由于机械异常引起的。 

在一个实施例中，不稳定的来源是从在伺服环中收集的数据，即在图1的命令信号和阀门行程信号之间的全部来确定的。单独使用这些信号，估计 单元30可以追踪到特定系统中的许多不稳定的根本起因。这种技术的主要优点是可以在没有过程的先验知识的情况下在线进行分析，大大地降低了委托和保持这些类型的诊断所需要的成本。 

在一种示范的分析中，估计软件33B或33C可以确定是否所检测的不稳定是由于过程控制环引起的，或者取代而由在伺服环内的来源、因此在器件13内的来源引起的。具体上，当过程控制环进入极限周期时，系统内的每个分量以相同频率循环。而且，如果系统在循环，则在环中的连续动态分量之间的相位角的和将是180度。结果，如果在图1的伺服环的连续分量内的相位角的和大于-180度，诸如-90度，则伺服环是稳定的，并且不是不稳定的来源。但是，如果在伺服环13内的相位角的和等于或大致等于-180度，则极限周期的来源在伺服环本身内。估计例程33B可以确定与伺服环13或过程控制环10的任何其他部分的连续动态分量相关联的相位角，并且将这些相位角相加在一起。如果这些相位角的和为或接近-180度，则极限周期的起因在伺服环或过程控制环10的其他部分内。如果这些相位角的和比-180度大得多，则伺服环或过程控制环10的其他部分不是极限周期的来源，尽管它可能对外环的问题影响很大。 

如果期望的话，估计单元30可以确定由在过程控制环内的多个元素的每个引入的相位滞后——诸如对于在伺服环13中的多个连续元素的每个，然后识别在过程控制环中引入最大相位滞后的元素。如果期望的话，估计单元30可以按照每个元素引入过程控制环内的相位滞后的数量来将元素排序，或者可以产生用于指示每个元素的所检测的相位滞后的累计相位滞后表。这个信息可以经由显示器件40显示给用户。 

图2A和2B中描述了含有在具有出故障时自动张开(fail-open)的弹簧行为的控制阀门的伺服环中的不稳定的系统的简单示例，所述图2A和2B描绘了输入命令信号、阀门行程和净传动器压力对时间的关系。在图2-5中，在伺服环或器件13的端部或外部的信号被图解在上部的图中，而完全在伺服环或器件13内的信号被图解在下部的图中。根据图2A和2B，显然过程控制环、即外环是有效的(由命令信号中的振荡来证明)，并且试图校正由控制阀门15引起的干扰。在来自求和点26的误差信号(即命令信号减去阀门行程)和阀门行程之间的总相位角等于大约-180度。这个事实表示不稳定位于伺服环内。 

或者，估计单元30可以查看在诸如命令输入和阀门行程或命令输入和传动器压力的两个信号之间的方差的比率。如上所述，如果系统正确地运行，则方差的比率将大约为1，因为在命令信号和行程信号之间的增益大约等于1。但是，如果在伺服环中的不稳定例如从摩擦、负梯度或阀门附件形成，则方差的比率将变得很大。换句话说，对于伺服环不稳定，系统的功率输出将超过输入系统的功率。当方差的比率小于大约1时，则不稳定在过程环中。在图2A和2B的示例中，阀门行程的方差超过了命令输入的方差，这表示不稳定在伺服环内，即因为阀门行程的方差比命令信号的方差大得多，因此不稳定的起因被确定在伺服环中。 

存在用于确定每个信号的相位和方差的许多公知的方法，不在此详细讨论这些方法。而且，当在例如伺服环中的多个连续信号的每个的相位可以被加在一起时，在这个环中的第一和最后信号——诸如从求和点26输出的误差信号和来自位置传感器27的反馈信号——的相位可以被相加以确定是否和是大约-180度。当然，在环中的每个个别信号的相位可以被分析，以查看哪个信号正在加上最大的相位并且因此可以与引起不稳定的分量相关联。 

在另一种情况下，估计软件33C可以确定是否由于诸如在阀塞上的负梯度的摩擦或外力而引起不稳定。一般而言，估计软件33C可以通过检查在相关的压力和行程信号之间的相关性和/或领先/滞后关系，来将摩擦或外力识别为不稳定的来源。例如，在滑动杆阀的情况下，估计软件33C可以使用由压力传感器36检测的传动器压力和由位置传感器27检测的阀门行程。在一个时段使用从阀门15的压力传感器36和位置传感器27收集的数据，估计软件33C确定是否在压力和行程响应之间存在负或正的相关性。在负相关性——其中行程的增加伴随着压力的降低或行程的降低伴随着压力的提高——的情况下，不稳定是由于外力。这个负相关性起因于伺服控制器16通过试图强制阀杆在相反的方向中行进来尝试补偿阀杆的位置的突然变化的事实。可以在图3A和3B中看出，净传动器压力随着阀门行程的降低而增加。具体上，在图3A和3B中，在时间12秒和15秒之间发生由在阀门15内的诸如颤振或射流的外力引起的不稳定。在时间12秒，阀杆作为颤振的结果而在提高的方向上移动。传动器压力几乎立即开始降低。甚至在阀门行程已经稳定以将阀门驱动回其原始位置后，净传动器压力继续降低。但是，当阀门行程降低(在大约13.5秒)到低于其开始点时，传动器压力提高以将阀门驱动回其原点。 因此，在此，阀门行程增加的发生率与传动器压力的降低相关联，并且反之亦然，这意味着外力正在引起在伺服环内的振荡。类似的负相关的振荡在图3A和3B中在大约22秒和32秒发生。 

在正相关性——其中压力的提高伴随着行程的提高或者压力的降低伴随着行程的降低——的情况下，估计软件33C确定不稳定是由于摩擦引起的，因为定位器15尝试通过提高阀杆上的压力来将阀杆在提高的方向上移动(或尝试通过降低阀杆上的压力来将阀杆在降低的方向上移动)直到移动发生。图4A和4B图解了这种现象。例如，在大约492秒开始，当伺服控制器16尝试校正在基准(设定点)和行程之间的误差信号时，净传动器压力提高。因为阀杆被卡在摩擦闸瓦中，因此它不移动。在大约518秒，在阀杆上的净压力超过摩擦阈值，并且阀杆开始在提高的方向上移动。此时，净传动器压力由于传动器内的体积改变——这使得行程响应变慢——而降低。但是，即使净力降低并且阀门速度接近零，行程在摩擦没有时突然跳到局部最大值。当净压力降低时发生同样的过程(例如在526和538秒之间)，虽然在这个时间期间的行程响应(在降低方向中)更显著。因此，在这种情况下，传动器压力的提高导致阀门行程的提高，并且传动器压力的降低导致降低的阀门行程或与降低的阀门行程相关联。 

因此，通过确定是否传动器压力和阀门行程正或负相关，估计软件33C可以确定是否极限周期的来源是由于外力或在阀门内的摩擦力。当然，可以明白，当传动器压力在通常使得阀杆在所测量的方向中移动的方向中移动时发生正相关性，而当传动器压力在与通常使得阀杆在所测量方向中移动的方向相反的方向中移动时发生负相关性。因此，在某些传动器/阀门配置中或依赖于定义“降低”的阀门行程的方式，提高的传动器压力和“降低的”阀门行程仍然可以正相关。 

一种用于在摩擦和外部引起的不稳定之间识别的替代方式是通过查看在压力响应和行程响应之间的领先/滞后关系。如果压力响应滞后于行程响应，则不稳定是由于外力，因为伺服控制器16响应于阀门位置中的改变而作为。或者，如果行程响应滞后于压力响应，则不稳定是摩擦力引起的，因为伺服控制器16尝试强制阀门移动。可以在图4A和4B中看出，在大约492秒开始，压力提高并且没有阀门18的对应移动，直到时间518秒，此时压力响应能够克服摩擦力并且移动阀门18。在时间526秒发生同一现象，此时压力降 低并且不改变阀门位置，直到时间538秒，此时克服了摩擦力，使得阀杆向下行进。在这种情况下，到阀门(未示出)的命令信号被保持不变。注意在净压力和阀门行程之间的相位角是大约-180度，并且行程滞后于净压力，这意味着不稳定在伺服环内，并且问题在传动器和阀杆之间。 

或者，如上所述，图3A和3B示出了具有负梯度的阀门的时间序列曲线。在这个迹线中，到阀门的命令信号已经被保持大致不变。因为这不是强梯度(strong gradient)，因此不稳定不是周期的。依然，系统在莱阿波诺夫(Lyapunov)的意义上不稳定(即不存在平衡点)。在此，可以通过查看在压力和行程之间的相移来识别负梯度。对于负梯度，阀杆将首先移动，然后定位器将试图校正响应。简单来说，传动器压力滞后于行程。这与摩擦力引起的不稳定——其中传动器压力领先于行程——形成明显对比。 

为了确定领先/滞后关系，估计软件33C可以使用开始点、结束点、中点或当压力信号开始或结束和当行程信号开始或结束时的一些其他的统计方法，并且可以随后比较这两个点以确定压力和行程信号中的哪个领先或滞后于另一个。当然，如果期望的话，这估计例程33C可以通过测量或确定在行程和压力测量之间的相关性和行程和压力测量之间的领先/滞后关系中的两者或之一来确定不稳定的来源。 

可以由软件33执行以检测不稳定的存在或来源的另一种简单的稳定性分析查看在给定的时段中在一个信号中的反转的数量、或在不同信号中的反转数量中的差别，所述不同信号诸如阀门行程、传动器压力信号、命令信号等。对于伺服环不稳定，行程信号中的反转的数量将大大地超过命令信号中的反转的数量(见图2A和2B)。对于过程不稳定，行程中的反转的数量将大约等于命令信号中的反转的数量(见图5A和5B)。这个同样分析可以被应用到其他的信号以检测在与那些信号相关的分量之间的元素中存在不稳定。 

图5A和5B图解了另一个示例，其中估计单元30可以使用上述技术来将不稳定的来源确定为在伺服环之外。在图5A和5B中，不稳定是由过量的增益、即在图1的过程控制器12——当与具有出故障时自动关闭(fail-closed)的弹簧行为的阀门相结合地使用时——内的过量增益引起的。在此，命令信号与阀门行程的方差的比率小于一，这表示问题的来源在伺服环的外部。同样，伺服环内的相位角的和是大约-90度，再次表示不稳定的来源在伺服环的外部。 

虽然估计单元30已经在此被描述为检测和确定在诸如阀门器件的过程控制器件内的不稳定的可能起因或估计，但是可以明白，可以使用其他的分析来根据在过程或过程控制环内在线测量的数据而确定这些不稳定的估计，或其他过程控制器件、过程控制环等的其他不稳定。 

同样，可以明白，估计单元30可以被实现为任何期望的硬连线的逻辑器件或诸如微处理器的软件控制的处理器件，它能够检测和存储一个或多个信号，并且对这样的信号执行统计或数学分析。优选的是，通过在估计单元30的计算机可读存储器内存储的(任何类型的)程序来执行统计分析。但是，可以以任何期望的方式来以软件、硬件、固件或其组合来实现在此所述或使用的分析步骤。 

虽然已经参照具体的示例——它们意欲仅仅是说明性的而不是对本发明的限定——说明了本发明，对本领域普通技术人员明显的是，可以在不脱离本发明的精神和范围的情况下，可以进行改变、增加或删除。 

Claims (54)

1.一种利用过程控制设备确定在过程控制环内存在不稳定的方法，包括步骤：

当所述过程控制环和所述过程控制设备在线连接并且在过程控制环境内在正常操作状态下连续地运行时，测量过程控制环内的两个或更多信号；

将所述两个或更多所测量的信号存储为时间相关的信号数据；和

对于所存储的时间相关的信号数据执行分析，以确定在过程控制环内存在不稳定。

2.按照权利要求1的方法，其中测量步骤包括测量两个信号的步骤，执行分析的步骤包括步骤：检测在特定时段中所述两个信号中每个信号的反转的次数，并且确定在所述特定时段中所述两个信号的反转的次数上的差别。

3.按照权利要求1的方法，其中执行分析的步骤包括步骤：对于所述两个或更多信号执行傅立叶变换，并且检测在所述两个或更多信号的频谱中的改变，以确定存在不稳定。

4.按照权利要求1的方法，其中执行分析的步骤包括步骤：使用Wiener-Khinchine关系来确定不稳定的存在。

5.按照权利要求4的方法，其中使用Wiener-Khinchine关系的步骤包括步骤：通过计算所述两个或更多信号的方差中的变化来识别在所述两个或更多信号的频谱中的改变。

6.按照权利要求1的方法，其中测量步骤包括测量两个信号的步骤，其中执行分析的步骤包括步骤：确定所述两个信号的方差，计算所述两个信号的方差的比率，并且将所述比率与预设值进行比较，以确定不稳定的存在。

7.按照权利要求6的方法，其中测量步骤包括测量命令信号和行程信号的步骤。

8.按照权利要求6的方法，其中计算步骤包括步骤：以递归方式计算所述两个信号的方差的比率。

9.按照权利要求8的方法，其中以递归方式计算所述两个信号的方差的比率的步骤包括使用遗忘因子的步骤。

10.按照权利要求1的方法，还包括步骤：

对于所存储的信号数据执行分析，以确定过程控制环内的不稳定的来源。

11.按照权利要求10的方法，其中测量步骤包括步骤：当过程控制环在过程控制环境内在线连接时测量过程控制环境内的第一信号和第二信号，并且其中执行分析的步骤包括步骤：识别在第一和第二信号之间的领先/滞后关系，并且根据所确定的领先/滞后关系来确定不稳定的来源。

12.按照权利要求11的方法，其中所述测量步骤将压力信号测量为第一信号，测量行程信号作为第二信号，并且其中确定步骤包括步骤：当压力信号领先于行程信号时，将不稳定的来源识别为摩擦力。

13.按照权利要求11的方法，其中所述测量步骤将压力信号测量为第一信号，测量行程信号作为第二信号，并且其中确定步骤包括步骤：当压力信号滞后于行程信号时，将不稳定的来源识别为外力。

14.按照权利要求10的方法，其中所述测量步骤包括步骤：当过程控制环在过程控制环境内在线连接时，测量过程控制环内的第一信号和第二信号，并且其中执行分析的步骤包括步骤：确定在第一和第二信号之间的正相关或负相关，并且根据所确定的相关来确定不稳定的来源。

15.按照权利要求14的方法，其中所述测量步骤将压力信号测量为第一信号，测量行程信号作为第二信号，并且其中确定步骤包括步骤：当压力信号与行程信号负相关时，将不稳定的来源识别为外力。

16.按照权利要求15的方法，其中所述测量步骤将压力信号测量为第一信号，将测量行程信号作为第二信号，并且其中确定步骤包括步骤：当压力信号正相关于行程信号时，将不稳定的来源识别为摩擦力。

17.按照权利要求10的方法，其中所述执行分析的步骤包括步骤：确定由过程控制环内的多个元件中的每个所引入的相位滞后，并且识别过程控制环中引入最多相位滞后的元件。

18.按照权利要求10的方法，其中所述执行分析的步骤包括步骤：确定由过程控制环内的多个元件中的每个所引入的相位滞后，并且按照每个元件向过程控制环内引入的相位滞后量来对元件进行排序。

19.按照权利要求10的方法，其中所述执行分析的步骤包括步骤：确定由过程控制环内的多个元件中的每个所引入的相位滞后，并且提供指示所检测的相位滞后的累积相位滞后表。

20.按照权利要求10的方法，其中所述测量步骤包括测量两个或更多信号的步骤，所述执行分析的步骤包括步骤：将所述两个或更多信号的相位相加在一起，以产生和相位信号，并且将所述和相位信号与阈值进行比较。

21.按照权利要求20的方法，其中执行分析的步骤包括步骤：当和相位信号等于-180度时，确定不稳定的来源在两个信号之间。

22.按照权利要求10的方法，其中所述测量步骤包括测量两个信号的步骤，并且所述执行分析的步骤包括步骤：检测在特定时段上所述两个信号中的每一个信号的反转的次数，并且确定在所述特定时段上所述两个信号的反转的次数上的差别。

23.一种当过程控制环和过程控制设备在过程环境内在线连接时利用所述过程控制设备确定过程控制环内的不稳定的来源的系统，所述系统包括：

传感器，包括第一传感器和第二传感器，用于当所述过程控制环在线连接并且在过程控制环境内在正常操作状态下连续地运行时，分别测量在过程控制环内包括第一信号和第二信号的至少两个信号，其中所述第一传感器和第二传感器适于测量所述第一信号和第二信号；

存储器，适于将所测量的信号存储为时间相关的信号数据；和

处理器，适于对所存储的信号数据执行分析，以确定不稳定的来源。

24.按照权利要求23的系统，其中所述处理器适于识别在第一信号和第二信号之间的领先/滞后关系，并且根据所确定的领先/滞后关系来确定不稳定的来源。

25.按照权利要求24的系统，其中第一传感器是压力传感器，产生压力信号作为第一信号，第二传感器是行程传感器，产生行程信号作为第二信号，并且其中当压力信号领先于行程信号时，所述处理器适于将不稳定的来源识别为摩擦力。

26.按照权利要求24的系统，其中第一传感器是压力传感器，产生压力信号作为第一信号，第二传感器是行程传感器，产生行程信号作为第二信号，并且其中当压力信号滞后于行程信号时，所述处理器适于将不稳定的来源识别为外力。

27.按照权利要求23的系统，其中所述处理器适于使用至少第一和第二信号以确定由多个元件中的每一个引入到过程控制环内的相位滞后，并且识别向过程控制环内引入最多相位滞后的元件。

28.按照权利要求23的系统，其中所述处理器适于使用至少第一和第二信号以确定由过程控制环内的多个元件中的每一个所引入的相位滞后，并且按照每个元件向过程控制环内引入的相位滞后的数量来对元件进行排序。

29.按照权利要求23的系统，其中所述处理器适于使用至少第一和第二信号以确定由过程控制环内的多个元件中的每一个所引入的相位滞后，并且提供指示所检测的相位滞后的累积相位滞后表。

30.按照权利要求23的系统，其中所述处理器适于识别在第一信号和第二信号之间的正或负相关，并且根据所确定的相关来确定不稳定的来源。

31.按照权利要求30的系统，其中第一传感器是压力传感器，产生压力信号作为第一信号，第二传感器是行程传感器，产生行程信号作为第二信号，并且其中当压力信号与行程信号正相关时，所述处理器适于将不稳定的来源识别为摩擦力。

32.按照权利要求30的系统，其中第一传感器是压力传感器，产生压力信号作为第一信号，第二传感器是行程传感器，产生行程信号作为第二信号，并且其中当压力信号与行程信号负相关时，所述处理器适于将不稳定的来源识别为外力。

33.按照权利要求23的系统，其中所述处理器适于将所述第一和第二信号的相位相加在一起，以产生和相位信号，并且将所述和相位信号与阈值进行比较，以识别不稳定的来源。

34.按照权利要求33的系统，其中当和相位信号等于-180度时，所述处理器适于确定不稳定的来源在第一和第二信号之间的分量内。

35.按照权利要求23的系统，其中所述处理器适于检测在特定时段上所述两个信号中的每一个的反转的次数，并且确定在所述特定时段上所述两个信号中的反转数量的差别。

36.按照权利要求23的系统，还包括：

计算机可读存储器；

第一例程，存储在计算机可读存储器上，并且适于在处理器上执行，以便当在过程控制环境中在线工作时，收集和存储表示与所述过程控制环相关的两个或更多信号的数据；和

第二例程，存储在计算机可读存储器上，并且适于在处理器上执行，以对所存储的数据执行统计分析，以确定过程控制环内的不稳定的存在或不稳定的来源。

37.按照权利要求36的系统，其中所述第二例程适于使用表示所述两个或更多信号的数据，以确定由多个元件中的每一个引入到过程控制环内的相位滞后，并且识别向过程控制环内引入最大相位滞后的元件。

38.按照权利要求36的系统，其中所述第二例程适于使用表示所述两个或更多信号的数据，以确定由过程控制环内的多个元件中的每一个所引入的相位滞后，并且按照每个元件向过程控制环内引入的相位滞后量来对元件进行排序。

39.按照权利要求36的系统，其中所述第二例程适于使用表示所述两个或更多信号的数据，以确定由过程控制环内的多个元件中的每一个所引入的相位滞后，并且提供指示所检测的相位滞后的累积相位滞后表。

40.按照权利要求36的系统，其中所述第一例程适于收集和存储表示所述第一和第二信号的数据，并且其中所述第二例程适于识别在第一和第二信号之间的领先/滞后关系，并且根据所确定的领先/滞后关系来确定不稳定的来源。

41.按照权利要求40的系统，其中所述第一信号是压力信号，所述第二信号是行程信号，并且其中当压力信号领先于行程信号时，所述第二例程适于将不稳定的来源识别为摩擦力。

42.按照权利要求40的系统，其中所述第一信号是压力信号，所述第二信号是行程信号，并且其中当压力信号滞后于行程信号时，所述第二例程适于将不稳定的来源识别为外力。

43.按照权利要求36的系统，其中所述第一例程适于收集和存储表示所述第一和第二信号的数据，并且其中所述第二例程适于识别第一和第二信号之间的正或负相关，并且根据所确定的相关来确定不稳定的来源。

44.按照权利要求43的系统，其中所述第一信号是压力信号，所述第二信号是行程信号，并且其中当压力信号与行程信号正相关时，所述第二例程适于将不稳定的来源识别为摩擦力。

45.按照权利要求43的系统，其中所述第一信号是压力信号，所述第二信号是行程信号，并且其中当压力信号与行程信号负相关时，第二例程适于将不稳定的来源识别为外力。

46.按照权利要求36的系统，其中所述第一例程适于收集和存储表示所述第一和第二信号的数据，并且其中所述第二例程适于将所述第一和第二信号的相位相加在一起以产生和相位信号，并且将所述和相位信号与阈值进行比较，以识别不稳定的来源。

47.按照权利要求46的系统，其中当所述和相位信号等于-180度时，所述第二例程适于确定不稳定的来源在第一和第二信号之间的分量内。

48.按照权利要求36的系统，其中所述第一例程适于收集和存储与两个信号相关的数据，并且其中所述第二例程适于检测在特定时段上所述两个信号的每一个的反转的次数，并且确定在所述特定时段上所述两个信号中的反转的次数上的差别。

49.按照权利要求36的系统，其中所述第二例程适于对所述两个或更多信号执行傅立叶变换，并且检测所述两个或更多信号的频谱内的改变，以识别不稳定的存在。

50.按照权利要求36的系统，其中所述第二例程适于使用Wiener-Khinchine关系来确定不稳定的存在。

51.按照权利要求50的系统，其中所述第二例程通过计算所述两个或更多信号的方差中的改变来识别所述两个或更多信号的频谱内的改变。

52.按照权利要求36的系统，其中所述第一例程适于收集和存储与两个信号相关的数据，其中第二例程适于确定所述两个信号的方差，计算所述两个信号的方差的比率，并且将所述比率与预设值进行比较，以确定不稳定的存在。

53.按照权利要求52的系统，其中所述第二例程适于递归地计算所述两个信号的方差的比率。

54.按照权利要求52的系统，其中所述第二例程适于使用遗忘因子递归地计算所述方差的比率。

Images