[发明专利]用于监控工程设施的运行的诊断装置和方法

说明书

本发明涉及一种用于利用自动化系统(3)监控工程设施(1)的运行的诊断装置以及诊断方法。在具有重复执行的步序的设施运行中，在实施待检查执行的每个步骤时测定并且根据至少一个预定的根据无故障执行学习到的自组织映射来评估过程变量的值，该过程变量事先通过分析用于顺序控制的程序(17)自动地被确定作为与诊断相关的。自动选择与诊断相关的过程变量具有以下优点，尽可能避免错误诊断并且能够提高诊断表现的可靠性。

技术领域

本发明涉及一种用于利用自动化系统监控工程设施的运行的诊断装置以及相应的诊断方法。

背景技术

当对子设施或构件的正确功能进行监控时，能够改进对自动化工程设施的维护和维修。在功能衰退时，能够有针对性地在设施的正确位置处采用一定的措施以进行维护、保养或故障处理。

从论文“Monitoring of Complex Industrial Processes based on Self-Organising Maps and Watershed Transformations”，作者Christian W.Frey，Fraunhofer研究所IOSB，2016年03月11日，网址www.iosb.fraunhofer.de/servlet/is/22544/Paper_ICIT2012_Frey.pdf？command＝downloadContentfilename＝Paper_ICIT2012_Frey.pdf，已知了用于监控负载的工业过程的诊断方法，在其中，根据过程变量、即根据所检测的测量参量值和输出给过程的调节参量值为过程的无故障表现训练出自组织映射。根据2016年03月04日的维基百科，“自组织映射”、Kohonen映射网络或Kohonen网(来自Teuvo Kohonen，英文self-organizing map，SOM或者self-organizing featuremap，SOFM)是一种人工神经细胞网络类型。其作为无监督学习方法是数据挖掘的有效工具。其功能原理基于生物学知识，即大脑的多个结构具有线性或平面的拓扑。根据按照上述论文预定的自组织映射，将随后的运行表现与所学习到的无故障表现相比较。以该方式识别有偏差的表现，该表现随后能够关于在过程运行时的起因和可能的故障方面被分析。

然而，已知的诊断方法的弊端在于，要评估的过程变量和其当前的值通过监听现场总线通信来测定，而在此没有对要评估的过程变量专门进行选择。因此，以不利的方式也能够将可能对于诊断来说不具有相关性的过程变量引用到用于确定诊断说明的评估中，并且因此能够使得诊断说明失真。

发明内容

因此，本发明的目的在于，提出一种用于监控工程设施的运行的诊断装置和诊断方法，其特征在于改进了诊断说明的可靠性。

有利地能够在多种方法、制造和过程技术设施上应用新的诊断方法，因为技术顺序通常通过步序来控制，步序也被称为批量指令(Batch-Rezepte)、批量控制(Batch-Steuerung)、顺序链或顺序控制(英文：Sequential Function Chart，SFC)。各个步骤的顺序能够不仅承受由生产决定的波动、也承受由于故障决定的波动。通过获得具有更高可靠性的诊断说明，改进了设施运行的安全性并改进地实现借助于工程设施生产的产品的质量性目标。在此，可靠地区分不寻常的与正常波动的偏差。