气动系统中的异常检测技术方案

本发明专利技术涉及气动系统(AA)中的错误检测和定位，尤其涉及错误检测模块(FM)，该模块包括：读入接口(I1)，用于读入来自自动化设备(AA)的数字信号；第一处理器单元(P1)，被设计为执行检测算法(S2)，以基于读入的信号组来计算自动化设备(AA)的异常分数；第二处理器单元(P2)，被设计为在用第一处理器单元(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，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，基于自动化设备(AA)的检测的回路图，计算与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。

【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的说明。因此，可以改善监测并从整体上使自动化设备更可靠。至少在部件级别提供缺陷与有关的说明。该目的通过一种用于检测和评估自动化设备、特别是气动自动化设备中的异常的错误检测模块来实现，该错误检测模块包括：-读入接口，例如数字OPC-UA接口，用于从自动化设备读入数字信号；特别地，可以只有三个数字信号可用(两个最终位置开关的时间信号和阀切换命令的时间点)；-第一处理器单元，其被设计为执行检测算法，以基于该组读入信号来计算自动化设备的异常分数；-第二处理器单元，该第二处理器单元被设计为在由第一处理器单元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，以便针对异常分数，计算和提供与自动化设备的各个部件有关的可能的错误原因的结果概率。在一种有利的改进方案中，甚至可以关于部件的子部件提供结果，并且因此以更详细的方式提供结果。本专利技术具有以下技术优点，即可以关于自动化设备的部件直接定位错误，并且还可以在仅安装少量传感器、特别是仅安装两个最终位置传感器时定位错误。因此，仅基于三个数字信号值(即在汽缸上两个最终位置开关的时间点和阀切换信号的时间点)即可进行错误定位(阀切换信号表示控制器是否用命令“SWITCHNOW”指示阀的技术过程，因此也可以定义为阀切换命令)。为了配置或训练机器定位方法，可以设计另外的(例如第三)处理器单元。该另外的处理器单元包括：-回路图读入接口，用于读入自动化设备的回路图；这用于训练将要生成的错误定位模型的目的，优选地是一次读入数字化回路图。在本专利技术的优选实施例中，第一处理器单元(可以分配给检测算法的功能)在除第二处理器单元之外的设备上实现(具有用于定位具有增加的异常分数的错误的机器定位方法的功能)，并且特别是在控制单元上形成。因此，用于错误检测和定位的系统可以非常灵活地适应于相应的硬件，因此计算密集型过程可以转移到高能力的硬件(例如云服务器)。在本专利技术的替代的另一优选实施例中，错误检测模块包括配置接口，该配置接口作为用于配置和训练模型的前端。因此，例如，系统的用户或操作员可以快速轻松地配置决策树的结构。在错误检测模块的另一优选实施例中，其也适用于包括特定架构或典型结构的自动化设备。该气动系统包括一个至多个气动驱动器，每个气动驱动器连接至至少一个阀，其中，多个阀可布置在一个阀组上和/或多个阀组可连接至一个供应单元。多个驱动器也可以同时连接到一个阀。该架构在电子回路图中表示，该回路图由系统读入并用于计算目的。在其他示例性实施例中，可以使用不同的架构作为基础。因为机器定位方法考虑了相应的回路图，并且在这样做时自动识别活动模式和与模式的偏差，并可以通过检测的回路逻辑的推断来定位可能的错误，所以这成为可能。在另一方面，本专利技术涉及一种用于检测和评估自动化设备、特别是气动系统中的异常的错误检测系统，包括：-如上所述的错误检测模块；-网关(到互联网，例如边缘计算机)，和-基于云的服务器，该服务器通过web接口连接到错误检测模块。可以将第一处理器单元和第二处理器单元作为分布式系统部署(实现和设置)在不同单元(控制器、网关和/或服务器)上。它也可以在同一单元上形成。上面已经关于设备(错误检测模块、系统)描述了该目的的实现。本文提到的特征、优点或替代实施例也将转移到其他要求保护的主题，反之亦然。换句话说，该方法和计算机程序也可以利用结合模块或系统描述和/或要求保护的特征来开发。在这样做时，方法的对应功能特征通过系统或产品的对应物理模块，尤其是硬件模块或微处理器模块来体现，反之亦然。在另一方面，本专利技术涉及一种用于检测和评估自动化设备、特别是气动自动化设备中的异常的方法，包括以下方法步骤：-通过读入接口读入(优选地，两个)数字信号，这些数字信号来自(气动)驱动器和来自自动化设备的阀的数字切换命令；信号的发出器或发送器也被称为“传感器”；-基于该组读入信号执行用于计算自动化设备的异常分数的检测算法；在一种有利的改进方案中，不仅总体地针对整个自动化设备计算异常分数，而且针对其各个驱动器以逐件和专用的方式计算异常分数。因此，可以显著改善并且以更详细的方式提供重要性。-如果计算出的异常分数指示异常并且特别是超过可预先配置的极限值：触发用于定位错误的机器定位方法，其中，机器定位方法已在训练阶段进行了训练，以便针对计算出的异常分数，基于自动化设备的检测的回路图，计算与自动化设备的各个部件或部件的子部件(组成部分)有关的可能的错误原因的概率并将其作为结果而提供。在试运转期间以一种有利的方式在训练阶段从文件读入回路图，以便配置数据相关性和相依性。替代地，回路图也可以在错误检测模块上本地地编程，或者可以手动输入。在本专利技术的一种有利的改进方案中，机器学习方法(或第二处理器单元)可以被设计为不仅输出具有设备的每个部件的计算出的错误概率的结果，而且还可以以更详细的形式进行输出，即相应部件的每个子部件进行输出。因此，可以以更细粒度和特定的方式针对部件的组成部分或元件提供结果。在优选实施例中，模式识别算法被用作用于计算异常分数的检测算法。替代地，可以通过访问存储器来计算异常分数，经训练的检测模型被存储在该存储器中。可以通过自动分类方法，特别是通过k均值算法来创建模型。为此，提供了训练阶段，其中，可以创建其他配置，并在其中使模型进行学习。该模型用于在两个类别之间进行分类或区分，即，第一类别具有气动系统正本文档来自技高网...

【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