【技术实现步骤摘要】
气动系统中的异常检测
本专利技术涉及气动自动化设备中(例如,在包括致动器和传感器的生产设备中)的技术错误检测和定位,尤其涉及错误检测模块、错误检测系统、方法和计算机程序。
技术介绍
对不同类型的自动化设备中的部件或现场设备提出了基本高质量、稳健性和可用性要求。过程中现场设备的故障或失灵会导致极高的成本,特别是在由此导致制造中断的情况下。因此,在现场设备中部署了高度的技术复杂性,以便显著降低失灵风险或以便能够独立地识别和报告缺陷。功能以冗余方式重复地集成到现场设备中,永久地在内部监测和验证测量结果。防止现场设备故障的要求随着应用领域(例如,在核电厂中)而增加。因此,在现场设备的监测过程中,需要确保所涉及的设备以无错误的方式工作,并且尽可能以最及时的方式甚至在任何中断之前就检测到任何故障。这种监测和分析任务使用预测性维护领域的方法,该方法分析来自现场设备的大量传感器数据。这些方法通常基于预测性维护算法。这些算法的质量与来自连续地被观察的系统的可用传感器数据量相关。但是,如果只有非常少量的传感器数据可用,则这些方法通常无法产生令人满意的结果。此外,机器学习和神经网络方法在自动决策支持领域中是已知的。但是,如果要对仅具有最小的传感器系统的设备(例如只有两个最终位置传感器的气动系统)进行错误监测,则不能采用已知的方法。但是,仍然需要对这些设备进行错误监测。
技术实现思路
由此出发,本专利技术的技术目的是提供一种方法,通过该方法可以提供与自动化设备、特别是气动自动化设备的部件的缺陷有关 ...
【技术保护点】
1.一种错误检测模块(FM),用于检测和评估自动化设备(AA)中的异常,尤其是气动自动化设备中的异常,包括:/n-读入接口(I1),所述读入接口用于读入来自所述自动化设备(AA)的数字信号;/n-第一处理器单元(P1),所述第一处理器单元被设计为执行检测算法(S2),以基于读入的信号组来计算所述自动化设备(AA)的异常分数;/n-第二处理器单元(P2),所述第二处理器单元被设计为在用所述第一处理器单元(P1)计算出的异常分数指示异常的情况下,执行用于定位错误的机器定位方法(S34),其中,所述机器定位方法(S34)在训练阶段已经被训练,以便针对计算出的异常分数,基于所述自动化设备(AA)的检测的回路图,计算与所述自动化设备的各个部件(K)相关的可能的错误原因的概率并提供该概率作为结果。/n
【技术特征摘要】
20190329 DE 102019108268.41.一种错误检测模块(FM),用于检测和评估自动化设备(AA)中的异常,尤其是气动自动化设备中的异常,包括:
-读入接口(I1),所述读入接口用于读入来自所述自动化设备(AA)的数字信号;
-第一处理器单元(P1),所述第一处理器单元被设计为执行检测算法(S2),以基于读入的信号组来计算所述自动化设备(AA)的异常分数;
-第二处理器单元(P2),所述第二处理器单元被设计为在用所述第一处理器单元(P1)计算出的异常分数指示异常的情况下,执行用于定位错误的机器定位方法(S34),其中,所述机器定位方法(S34)在训练阶段已经被训练,以便针对计算出的异常分数,基于所述自动化设备(AA)的检测的回路图,计算与所述自动化设备的各个部件(K)相关的可能的错误原因的概率并提供该概率作为结果。
2.根据权利要求1所述的错误检测模块(FM),其中,所述第一处理器单元(P1)实现在与所述第二处理器单元(P2)不同的设备上,并且特别地实现在控制单元(PLC)上。
3.根据前述权利要求中的至少一项所述的错误检测模块(FM),其中,所述第二处理器单元(P2)或被设计为生成模型的另一处理器单元(P3)包括回路图读入接口(I3),用于以数字形式读入所述自动化设备(AA)的回路图。
4.根据前述权利要求中的至少一项所述的错误检测模块(FM),其包括配置接口(Config-UI)作为用于配置和/或训练所述模型的前端。
5.根据前述权利要求中的至少一项所述的错误检测模块(FM),其中,所述自动化设备(AA)包括具有气动驱动器的气动系统,其中,多个驱动器和/或致动器连接到阀且多个阀布置在阀组上,并且多个阀组连接到供应单元。
6.一种用于检测和评估自动化设备(AA)中的异常的方法,尤其是用于检测和评估气动自动化设备中的异常,包括以下方法步骤:
-通过读入接口(I1)读入(S1)所述自动化设备(AA)的数字信号;
-执行检测算法(S2),以基于读入的信号组计算所述自动化设备的异常分数;
-如果计算出的异常分数指示异常,则:触发机器定位方法(S34)以定位错误,其中,所述机器定位方法(S34)在训练阶段已经被训练,以便针对计算出的异常分数,基于所述自动化设备(AA)的检测的回路图,计算与所述自动化设备的各个部件(K)相关的可能的错误原因的概率并提供该概率作为结果。
7.根据前述方法权利要求所述的方法,其中,用于计算所述异常分数的所述检测算法(S2)是模式识别算法,或者通过访问存储有经训练的检测模型的存储器来实现...
【专利技术属性】
技术研发人员:D·克劳斯,T·施特雷彻特,W·高赫尔,
申请(专利权)人:费斯托股份有限两合公司,
类型:发明
国别省市:德国;DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。