CN101375221B

CN101375221B - 用于根源诊断的规则集

Info

Publication number: CN101375221B
Application number: CN2006800528158A
Authority: CN
Inventors: 约翰·P·米勒; 埃夫伦·埃尔于雷克
Original assignee: Fisher Rosemount Systems Inc
Current assignee: Fisher Rosemount Systems Inc
Priority date: 2005-12-20
Filing date: 2006-12-13
Publication date: 2011-06-15
Anticipated expiration: 2026-12-13
Also published as: WO2007078794A3; CN101375221A; WO2007078794A2; US7623932B2; US20060095394A1

Abstract

一种用于识别工业过程中的失常的根源的简化规则集(310)从完整的规则基础中产生。规则基础包括用于工业过程的多个规则，每个规则包括工业过程的至少一个过程信号的条件，以及与所述至少一个过程信号的条件相对应的故障。识别工业过程的可用过程信号。从规则基础中选择性地移除规则，以产生简化规则集。

Description

用于根源诊断的规则集

技术领域

本发明涉及工业过程控制，以及过程控制环路。更具体地，本发明涉及这样的环路的诊断。

背景技术

过程控制环路用于过程工业中控制过程的运行，如炼油厂。典型地，变送机是环路的一部分，位于测量和向例如控制室装备变送如压力、流或温度之类的过程变量的场中。如阀门之类的控制器也是过程控制环路的一部分，基于从环路上接收的或内部产生的控制信号来控制阀门的位置。其他控制器控制例如电动机或螺线管。控制室装备也是过程控制环路的一部分，使控制室中的操作者或计算机能够基于从场中的变送机接收到的过程变量监控过程，并通过向合适的控制设备发送控制信号而有响应地控制过程。另一个可以是控制环路的一部分的过程设备是便携式通讯器，能够在过程控制环路上监控和传送过程信号。典型地，这些被用于配置形成环路的设备。

各种技术已经被用于监控过程控制环路的运行，以及在环路中诊断和识别故障。然而，还希望识别故障的源或“根源”，如通过识别***中特定设备或元件是过程运行中失常的源。这将为操作者提供附加的信息，说明过程中那个设备需要修复或替换。

发明内容

提供了一种用于识别工业过程中的失常的根源的简化规则集。为了产生简化规则集，使用包括用于工业过程的多个规则的规则基础。每个规则包括工业过程的多个过程信号的条件，以及与所述过程信号的条件相对应的故障。识别工业过程的可用过程信号。从规则基础的多个规则中选择性地移除规则，以产生简化规则集。

附图说明

图1是示出了过程控制环路的简化图，所述过程控制环路包括变送机、控制器、手持通讯器以及控制室。

图2是用于液位环路的过程控制环路模型的示意图。

图3是用于流速控制环路的过程控制环路模型的示意图。

图4是用于实现本发明的一个示例的设备的框图。

图5是示出了图4的硬件实现方式的一个示例的框图。

图6是示出了根据本发明的用于产生简化规则集的步骤的简化框图。

图7是示出了用于执行图6的步骤的自动化***的框图。

具体实施方式

本发明可以用于工业过程中，识别发生在过程中的失常的“根源”。图1是示出了用于控制过程流体的流动的工业过程控制***2，所述***2包括承载过程流体的过程管道4和承载环路电流I的双线过程控制环路6。变送机8，与例如致动器、阀门、泵、电动机或螺线管之类的环路中的最终控制元件相耦合的控制器10，通讯器12，以及控制室14都是过程控制***2的一部分。若过程的运行中发生失常，本发明可用于识别所观察到的失常的起因。

为示意目的，环路6表示了一种配置，可以使用任何合适的过程控制环路，如4-20mA环路、2、3或4线环路、多点环路以及根据HART

、Fieldbus或其他数字或模拟通信协议运行的环路。在运行中，变送机8使用传感器16感测如流速之类的过程变量，并通过环路6变送所感测的过程变量。过程变量可以由控制器/阀门致动器10、通讯器12和/或控制室装备14接收。控制器10被示为与阀门18相耦合，能够通过调节阀门18从而改变管道4中的流速来控制过程。控制器10通过环路6接收来自例如控制室14、变送机8或通讯器12的控制输入，并有响应地调节阀门18。在另一个实施例中，控制器10基于通过环路6接收的过程信号，内部地产生控制信号。通讯器12可以是图1所示的便携式通讯器，或可以是永久安装的、监控过程并执行计算的过程单元。过程设备包括，例如图1所示的变送机8(如可从Rosemount Inc.得到的3095变送机)、控制器10、通讯器12和控制室14。另一类过程设备是PC、可编程逻辑单元(PLC)或其他使用合适的I/O电路与环路耦合的计算机，允许在环路上监控、管理、和/或传输。

图2是用于控制桶52中的液位的过程控制环路50的图形模型的简化图50。如以下所讨论的，这样的模型可以被选择并用于诊断过程运行中发生的失常的根源。液位变送机54测量桶52中的液位，并向控制器56提供主要过程变量(PV)。如所示的控制器56是PID控制器，然而，它也可以是任何类型的控制器。控制器56也接收与桶52中的期望液位相关的设定点(SP)。使用已知的控制算法，控制器56提供了输出至阀门58的控制需求(CD)。可选的阀门位置传感器60可以用于测量阀门58的阀杆的实际位置。用于该特定示例模型的其他可选组件包括，被配置为从桶52中抽取液体的泵62，被配置为测量入口流速的变送机64，以及被配置为测量出口流速的变送机66。如以下所述，模型和用于模型的可选组件被存储在存储器中，可以由操作者或其他选择技术来选择。在各种方面，存储器可以位于或可访问任何与过程耦合的设备，或可以访问过程信号。

优选地，在过程的运行确定并在稳定状态模式之后，对过程控制***执行本发明的诊断。这一点通过观察过程信号的均值和标准差来确保。对一组N个测量值，计算每个过程信号(如过程变量和控制信号)的均值(μ)和标准差(σ)，均值和标准差可按如下计算：

μ = \frac{1}{N} Σ_{i = 1}^{N} x_{i}

等式1

σ = \sqrt{\frac{1}{N - 1} Σ_{i = 1}^{N} {(x_{i} - μ)}^{2}}

等式2

点数N取决于信号的持续时间和采样速率。在等式1和2中，X_i是在样本号i所取得的过程信号的值。初始地，可以使用10分钟的采样周期与每秒一个样本的采样率。在一个示例中，若过程均值是100 inH₂O(标准差为1inH₂O)，且后续的过程均值在97 inH₂O和103 inH₂O之间，则确定环路正运行在稳定状态模式。涉及在初始化诊断之前确定过程稳定性的一项专利是美国专利No.6,11 9,047，2000年9月1 2日公布，其全文结合在此作为参考。

一旦达到稳定状态运行，丢弃数据的瞬时值或尖峰也是有利的。一种用于识别这样的数据的技术是通过连续地将信号均值与信号标准差进行比较。两个连续数据块的均值(μ₁和μ₂)之间的差应小于标准差除以样本数N的平方根。这可以表示为：

μ_{1} - \frac{σ_{1}}{\sqrt{N}} \leq μ_{2} \leq μ_{1} + \frac{σ_{1}}{\sqrt{N}}

等式3

其中μ是前一块的均值，μ₂是当前块的均值，N是块中的点数，σ₁是前一块的标准差。

根据可用于进行诊断和用于该模型的过程信号，可以识别不同的根源。例如，在图2所示的过程模型的情况下，有三个不同的情况：

表1

情况	可用信号	监控的故障
			1	SPPVCD	液位传感器偏移阀门问题
2	SPPVCDVP	液位传感器偏移阀门问题
			3	SPPVCDVPIFOF	液位传感器偏移阀门问题液体泄漏

在初始训练阶段，在用户可选择的时间量，例如20分钟，收集所有过程信号。计算信号的均值和标准差。重复这个训练阶段直到过程进入稳定状态。一旦过程处于稳定状态，存储针对每个过程信号的均值(μ_t)和标准差(σ_t)的训练值(即“名义值”)。

此外，在识别根源故障之前，可以计算各过程信号，以确保过程正确运行。例如，可以计算主要过程变量(PV)。在图2所示的液位的情况下：

表2

条件	故障
		PV＞0.95^*PV RANGE	液位高(桶溢出)

PV＜0.05^*PV RANGE

液位低(桶枯竭)

其中PV_RANGE是液位的范围(最大值和最小值)。当配置过程控制***时，这个值可以被存储在过程控制***可访问的存储器中，或可以由用户输入。类似地，对于控制信号(CD)，可以识别以下故障：

表3

条件	故障
		CD＜5％	控制减缓(WOUND DOWN)
CD＞95％	控制结束(WOUND UP)

在表3的示例中，假定控制需求是0和100之间的百分数。若可用，可以对阀门位置(VP)过程信号进行类似的测试。

在监控阶段，监控各种过程信号以确定其是否没有经过改变(NC)，上偏离(U)(均值信号高于训练均值)，或下偏离(D)(均值信号低于训练均值)。若满足以下等式，则确定为NC条件：

μ_{t} - \frac{σ_{t}}{\sqrt{N}} \leq μ \leq μ_{t} + \frac{σ_{t}}{\sqrt{N}}

等式4

其中，μ_t是训练块的均值，μ是当前块的均值，N是块中的点数，以及σ_t是训练块的标准差，μ_t和σ_t分别是在训练阶段期间存储的过程信号的均值和标准差。N是样本的数目，μ是过程信号的当前均值。

若满足以下等式，则识别为上变化(U)：

μ > μ_{t} + \frac{σ_{t}}{\sqrt{N}}

等式5

其中，μ_t是训练块的均值，μ是当前块的均值，N是块中的点数，以及σ_t是训练块的标准差。

最后，若满足以下等式，则识别为向下变化(D)：

μ < μ_{t} - \frac{σ_{t}}{\sqrt{N}}

等式6

根据可用的过程信号的数目，可以将不同的根源识别为过程中的失常的源。例如，若设定点、主要变量和控制需求过程信号可用，则可以识别液位传感器偏移或与阀门相关的问题。表4中给出了示例的规则基础：

表4

若附加过程信号，即实际阀门位置(VP)可用，则可以更具体地识别根源，如表5中所给出：

表5

最后，若流入速率(IF)和流出速率(OF)过程信号可用，也可以确定桶52中是否有泄漏，如表6中所示的规则基础：

表6

若过程信号的改变不匹配表4、5和6中提出的任何规则集，则可以提供未知故障输出。进一步，若过程50包括泵62或基于用于为桶52进行排放的压差而运行，则可以应用这些规则。

图3是控制流速的过程控制环路的图形模型的简化图100。这示出了过程控制环路的另一个示例。在图3中，桶102(或泵103或其他差压源)可以提供过程流体流。变送机104感测流速并向控制器106提供主要过程变量(流速)。控制器106也接收设定点(SP)并向阀门108提供控制需求(CD)信号。阀门108可以可选地反向报告其阀杆的实际位置(VP)。附加选项包括被配置为感测过程压力(PT)的压力变送机110，以及被配置为感测过剩流速(FT2)的过剩流变送机112。

在运行中，在训练阶段期间，以类似于图2的及上述等式1和2所述的方式，确定均值和标准差。然而，由于流速控制典型地响应相对较快，可以使用较短的学习时间，例如两分钟。

根据可用的不同过程信号的数目，可以识别多个不同根源，如表7所示：

表7

情况	可用信号	监控的故障
			1	SPPVCD	流传感器偏移阀门问题
2	SPPVCDVP	流传感器偏移阀门问题
			3	SP	流传感器偏移
	PVCDVPFT2	阀门问题液体泄漏

在识别根源之前，可以检查基本故障。例如使用表8中的规则基础：

表8

条件	故障
		PT为D	压头损失(HEAD LOSS)

进一步，阀门的条件可以如下确定：

表9

条件

故障

CD＜5％	控制减缓
		CD＞95％	CD结束

使用附加过程变量，可以识别过程中的失常的“根源”。当设定点、主要过程变量和控制需求信号可用时，可以将流传感器偏移或阀门问题识别为过程失常的根源，如下：

表10

若附加过程信号，即实际阀门位置(VP)可用，则可以将根源识别为流传感器偏移或阀门问题，如下：

表11

最后，若使用过剩变送机来测量第二流速变量(FT2)，则也可以识别过程中的泄漏：

表12

图4是示出了实现本发明的一个示例实施例的过程设备100的框图。过程设备100包括根源分析模块102，用于通过控制信号输入104接收控制信号CD、通过过程变量输入106接收过程变量PV以及通过设定点输入108接收设定点SP。根据可用的附加过程信号的数目，可以通过如过程信号输入110、111等之类的其他输入来接收附加过程信号(PS₁，PS₂......)。

根源分析模块102也与多个过程配置模型112耦合。模型112可以被存储在例如***存储器中。在所示的实施例中，有总计X个不同的模型，与可能的过程控制配置相对应。在这个示例中，每个模型包括提供了过程的图形示意的图形模型GM₁......GM_x。这可以被用于提供图形用户接口以便于操作者输入配置数据。例如，图形模型可以与图2和3中所示的图类似。

每个过程模型可以接收任何数目的过程信号(PS_1A、PS_1B等)。在图2和3所示的具体示例中，需要最少3个过程信号来识别过程中失常的根源：控制需求CD、主要过程变量PV和设定点SP。在一个实施例中，与模型相关联的过程信号的数目是进行根源分析所需的过程信号的最小数目，或依所需的更大数目的过程信号。

接下来，每个模型可以包含任何数目的可选过程信号(OP_1A、OP_1B......)。每个可选过程信号与通过输入110、111等接收的过程信号(PS₁，PS₂......)相对应。在图2的示例中，阀门位置VP、流入速率IF和流出速率OF是这样的可选过程变量的示例。一些模型可以被配置为不具有附加可选过程信号。

接下来，每个模型包含任意数目的规则基础(RB_1A、RB_1B......)，用于基于接收到的过程信号(所需的最小过程信号PS_1A、PS_1B......以及任意可选过程信号OP_1A、OP_1B......)来确定根源。规则基础的示例在表4、5、6、10、11和12中示出，上文已经讨论过。应注意，本发明不局限于上述规则基础的特定使用来进行根源分析。一方面，可以使用任何技术，包括神经网络、其他规则基础、回归学习、模糊逻辑和其他已知的诊断技术或尚待发现的技术。作为此处给出的示例，接收最少3个过程信号，即控制需求CD信号、主要过程变量PV信号和设定点SP信号。然而，可以使用其他过程信号、更少的信号或不同的信号组合来进行根源分析。

根源分析模块102接收用于选择多个模型112之一的模型选择输入116。模型选择输入可以来自操作者或来自其他源。模型选择输入116识别多个模型112之一，用于根源分析模块102的后续使用。此外，在一个示例中，可以选择附加可选过程(OP)信号与所选的模型一起使用。若使用图形用户界面，则模型可以包括可以显示在显示输出118上并用于配置模型的图形模型。例如，可以使用模型选择输入116，将特定过程信号分配给与所选的模型相关联的一个过程信号(PS_1A、PS_1B......)或可选过程信号(OP_1A、OP_1B......)。这种分配可以用图形的形式表示。

一旦选择了模型，模型规则基础所使用的过程信号被分配给从过程接收到的实际过程信号。根源分析模块102可以使用如上所述的任何所需的技术来进行根源分析。基于根源分析，提供根源输出120，根源输出120是过程中发生的事件失常的根源的指示。

按照本发明的一个实施例，图5是示出了过程设备100的一个物理实现的简化框图。在图5的示例中，设备100通过输入/输出134与过程控制环路132耦合。环路132可以是例如图1所示的双线环路或其他过程控制环路。进一步，连接不必须是直接连接，可以是简单的逻辑连接，其中通过逻辑输入/输出模块134从环路接收变量。微处理器136与存储器138和图形用户接口140耦合。存储器138可以被用于存储变量和程序指令，以及图4所示的模型112。

图形用户接口140提供了用于接收模型选择输入116的输入，以及用于模型选择和配置期间的图4的显示输出118。微处理器136也可以与可选的数据库142耦合，数据库142可以包含与正在被监控的过程的配置和运行相关的信息。例如，许多过程控制或监控***包含这样的数据库。一个示例是AMS Suite：Intelligent Device Manager，可以从Emerson Process Management of Eden Prairie，Minnesota得到。

应理解，根源过程设备100可以在任何过程设备，如图1所示的变送机、控制器、手持通讯器或控制室计算机中实现。在一个实施例中，过程设备100将在位于控制室或其他远距离位置的计算机***或PC上运行。过程控制环路132典型地包括某种基于Fieldbus的环路，或多个控制环路。在这样的配置中，过程设备100可以轮询所需的过程信号，与控制环路连接的各种设备用于所选的模型。虽然示出了图形用户接口140，但是可以使用任何选择技术来选择模型，而不必须由人类操作者来选择和配置。例如，基于存储在通过其他技术提供的另一个位置中的配置信息，可以由设备100接收合适的规则基础和任何模型选项。备选地，例如，根源过程设备100可以在现场中实现并驻留在变送机中。

如上所述，一种用于识别过程中失常的根源的技术是通过对工业过程的过程信号应用规则。这允许基于所测量的过程变量来检测故障。例如，对于其中有大量可用测量值的过程控制环路，可以检测大量不同种类的故障。相反地，在其中做出较少测量的类似的过程控制环路中，可能不能识别一些故障条件。因此，对于每个环路，都有所需的测量和可选的测量。

当配置规则基础以针对特定过程控制环路运行时，必须定义检测哪些故障以及这些故障如何取决于可用的过程变量。若一些测量值是可选的，则必须定义多个情况。例如，对于具有两个可选测量的环路，由于在特定情况下两个可选过程变量的每一个都可能可用或不可用，因此，可能必须定义多达4种不同的情况。类似地，若有三个可选测量值，则必须定义多达8种情况，若有4个可选测量值，则有16种不同情况。因此，随着可选测量值数目的增加，必须定义的不同情况的数目指数地增大。

然而，在许多情况下，为特定规则基础定义的每个不同的可能情况可能没有显著的意义。在一些应用中，可以定义小于全部可能情况的数目。然而，这仍需要基于哪些测量值可用而手动定义多个情况。这样在定义规则基础的过程中引入了附加的人为误差。这也难以维护，而且改变规则基础的一部分可能需要规则基础的其他部分的其他改变。对于如温度-流级联环路之类的复杂环路，定义规则基础的复杂度大大增加。若用户向规则基础输入用户定义的规则，这个问题将变得甚至更加恶化。

一方面，本发明提供了方法和装置，用于基于哪些过程变量可以应用到规则集来创建简化规则集。当仅有可能测量值的子集可用时，这提供了用于自动确定可以检测哪些故障的***。进一步，若测量值的子集产生了用于检测具有相同条件(或特征)的两个不同故障的两个规则，则自动确定这样的多义性(ambiguity)，在配置环路期间可以向操作者显示。

为了定义规则基础，必须定义测量值、过程信号、故障和各自的规则。如上所述，过程信号是过程变量、控制信号等。特定规则需要一些过程信号而其他则是可选的。故障是可以基于这些过程信号来检测的各种不同的故障。规则定义了过程信号的具体条件(特征)，当满足这些条件(特征)时，识别工业过程中的特定故障。可能存在对应于故障的多于一个的规则。

每个规则必须规定描述一个或更多个过程信号的状态或条件的值或其他特征。状态的示例包括过程信号大于常数、小于常数、趋于向上、趋于向下、无改变或不相关(即空)，其中，用于该特定过程变量的任何条件将满足规则。

图6是简化框图200，示出了当仅有可能的过程变量的子集可用时，根据本发明的用于确定简化规则基础的步骤。在方框202，基于针对特定过程的所有可能的过程信号，获得完整的规则基础。

对于在特定工业过程中不可用的每个可选过程信号，如图6中204所述，从规则矩阵中移除该列。在方框206，从矩阵中移除不再具有任何非空过程信号的任何规则或故障，这样产生了简化规则集。接下来，在方框208，检查剩下的规则以识别匹配条件(特征)。在方框210，具有相同条件的任何剩余的规则被合并为单个规则。若合并的规则具有不同的故障，则将故障合并在一起以创建新的故障，只要新合并的故障尚不存在即可。重复步骤208-210，直到在简化规则矩阵中只剩下独特的规则。

以下提供了用于液位测量环路的本发明的一个示例，其中所述液位由泵驱动。在这个示例中，只有以下过程信号可用：设定点(SP)、过程变量(PV)、控制需求(CD)和流入速率(IF)。在步骤202，获得完整的规则基础：

表13由泵驱动的液位环路

*表示可选过程变量

在步骤204，从规则矩阵中移除不可用的任何可选过程信号。对于这个示例，不可用的是阀门位置(VP)、流出速率(OF)以及过程压力(PT)。这产生了如表14的简化规则集：

表14移除VP、OF和PT

接下来，在步骤206，从矩阵中移除仅具有空过程信号的任何规则/故障。在这个示例中，与规则R₅相对应的故障“压头损失(HL)”仅具有空过程信号。因此，可以从矩阵中移除该规则：

表15移除压头损失故障

接下来，在步骤208，检查剩余的规则用于匹配模式。在本示例中，规则R6和R8具有相同的模式，规则R7和R9以及R10具有相同的模式。在步骤210，将这些相同的模式合并为单个规则，并创建新的故障，新的故障是合并的规则的故障的合并。在本示例中，保留规则R6并创建新的故障“测量偏移(MD)/阀门问题(VP)”。类似地，保留规则R7，并定义新的故障“测量偏移/阀门问题/液体泄漏”。最终的简化规则基础如下：

表16最终的简化规则基础

上述示例是针对相对简单的过程控制环路，该过程控制环路具有对应的简单规则基础。然而，当自动化操作这种方法时，它可以应用到任何规则基础，包括如温度-流级联环路之类的更复杂的规则基础。

例如，对一般的规则基础，可以使用以下术语来表示过程信号、规则和故障：

所需过程信号：＝{M_R，1，M_R，2，...M_R，Nmr}，等式7

其中Nmr是所需过程信号的数目

可选过程信号：＝{M_O，1，M_O，2，...M_O，Nmo}，

其中Nmo是可选过程信号的数目

故障：＝{F₁，F₂，...F_Nf}，其中Nf是故障的数目。

规则：＝{R₁，R₂，...R_Nr}，其中Nr是规则的数目。

V_R，a，b是过程信号M_R，b要满足规则R_a所需的条件或状态。

V_O，a，b是过程信号M_O，b要满足规则R_a所需的条件或状态。

根据这样的定义，完整的规则基础如下：

表17一般RCD规则表

在步骤204，从表中移除不可用的所有可选过程信号。在一般的配置中，不可用的可选过程信号可以标识为：M_ona，1、M_ona，2……可用的可选过程信号可以标识为：M_oa，1，M_oa，2，...，M_oa，Nmoa，其中Nmoa＜＝Nmo。产生的规则表是：

表18移除了不可用过程信号的一般RCD规则表

在步骤206，在移除了不可用过程信号之后，可能存在某些规则R_n，对于该规则R_n，所有的测量条件V_r，n，i(1＜＝i＜＝Nmr)和V_Oa，n，j(1＜＝j＜＝Nmoa)都为空。可以从规则表中移除这些规则。若任何故障的所有规则都被从规则表中移除，则这些故障也应被从规则表中移除。假定对于本示例，已经从规则表中完全移除F₃，已经从规则表中移除了与F₂相对应的R₄和R₅，则规则R、R₅和R₆完全依赖于不可用的可选测量值。产生的规则表如下：

表19移除了不可检测的故障的一般RCD规则表

接下来，在步骤208，识别具有相同特征的任何规则，并在步骤210将其合并。例如，可以使用以下伪计算机代码：

For i＝1 to Nr

Forj＝i+1 to Nr

Rule1＝Ri

Rule 2＝Rj

RulesSame＝True

For k＝1 to Nmr

If VR，i，k！＝VR，j，k then RulesSame＝False

If Voa，i，k！＝Voa，j，k then RulesSame＝False

Sub CombineRules(Rule 1，Rule2)

FaultName＝[Rule 1 Fault]&[Rule 2 Fault]

If(FaultName Exists)then

Add Rule 1 to FaultName

Else

Create New Fault(FaultName)

Add Rule 1 to FaultName

EndIf

End Sub

本发明方法中的步骤可以在如图7所示的基于计算机的***中实现。在图7中，计算机***300包括处理器302，被配置为接收输入304。输入304可以是任何合适的输入，包括手动输入、如通过数据总线的电输入、或包括从存储器或其他存储设备接收的数据的输入。该输入接收完整的规则基础306，以及可选过程信号308的识别。处理器302执行如上所述的图6所示的步骤。基于这些步骤，提供简化规则集310作为输出。简化规则集310可以是任何合适的形式，包括人类可读或机器可读的形式，并可以在任何合适的输出上提供，包括输出至另外的计算机、存储器、数据总线等的输出。图7还示出了表示为图形用户接口312的可选用户接口。通过用户接口(GUI)312，操作者可以控制处理器302的运行，并从处理器302接收与图6所示的步骤的应用相关的信息和其他信息。提供存储器314用于例如存储根据本发明的步骤的程序指令。存储器314可以是任何种类的存储介质。在一种配置中，存储器314包括如磁盘之类的持久性存储器，或临时存储器，包括与数据总线或网络耦合的存储器，存储器314存储用于执行图6所示的步骤的程序指令。这些程序指令从存储器314被提供给处理器302，使处理器302实现这些步骤。

如此处所使用的，过程变量典型地是在过程中被控制的主要变量。如此处所使用的，过程变量是指描述过程的条件，例如，压力、流、温度、产品等级、pH、浑浊度、振动、位置、电动机电流及其他过程特征等的任何变量。控制信号是指用于控制过程的任何信号(除了过程变量之外)。例如，控制信号是指所需的过程变量值(即设定点)，如所需的温度、压力、流、产品等级、pH、浑浊度等，这些过程变量值由控制器调节或用于控制过程。此外，控制信号是指，校准值、告警、告警条件、被提供给控制元件的信号，如被提供给阀门致动器的阀门位置信号、被提供给加热元件的能量等级、螺线管开/关信号等，或与过程控制相关的任何其他信号。如此处所使用的诊断信号包括与过程控制环路中的设备和元件的运行相关的信息，但不包括过程变量或控制信号。例如，诊断信号包括阀杆位置、所施加的扭矩或力、致动器压力、用于致动阀门的加压气体的压力、电压、电流、功率、电阻、电容、电感、设备温度、粘力、摩擦、完全开和关的位置、行程、频率、振幅、频谱和频谱分量、硬度、电或磁场强度、持续时间、强度、运动、电动机反向电动势、电动机电流、与环路相关的参数(如控制环路的电阻、电压或电流)，或***中可以检测或测量的任何其他参数。进一步，过程信号是指与过程或过程中的元件相关的任何信号，例如过程变量、控制信号或诊断信号。过程设备包括形成过程控制环路的一部分或与过程控制环路耦合、并用于过程的控制或监控的任意设备。

虽然本发明参照优选实施例进行描述，但是，本领域技术人员可以认识到，可以做出形式和细节的改变而不背离本发明的精神和范围。虽然在描述中示出了两个示例过程和示例模型，但是，本发明可以应用到可以使用已知技术或未来发现的技术所产生的其他过程配置和模型。进一步，其他种类的规则基础或模型配置可以与本发明一起使用。本发明可以在独立设备中实现，或可以是软件模块，所述软件模块可以被加入用于控制或监控工业过程的软件中。一方面，本发明包括用于实现本发明的计算机指令和/或存储介质。如此处所使用的，“过程模型”是过程的任何逻辑表示，不局限于此处所述的具体示例。“根源”是过程运行中变化和失常的最初起因。可被建模的其他种类的过程控制环路包括但不限于：流控制、液位控制、温度控制等等，包括气体、液体、固体或其他形式的过程材料的调校控制和级联控制。环路的具体示例包括，例如，带有由差压驱动的阀门的流控制环路、带有由差压驱动的阀门的液位控制环路、用于流调校控制的温度调校控制、用于阀门泵驱动的液位调校控制、带有由泵驱动的阀门的流控制、用于阀门冷却冷凝器的液位调校控制、用于流调校控制级联馈送的液位调校控制、用于阀门的液体温度调校控制、用于流调校控制的液体温度调校控制、带有由差压驱动的阀门的气流控制、用于阀门的气温调校控制、用于阀门的气压调校控制、用于流调校控制的气压调校控制、用于流调校控制级联重沸器的液位调校控制。可以被控制的各种过程元件包括，例如，鼓和桶、热交换器、塔、蒸汽***、冷凝器、煮沸器、反应堆以及加热器、压缩器、燃料***、涡轮和燃烧***。

Claims

1.一种用于产生简化规则集的方法，所述简化规则集用于识别工业过程中的失常的根源，所述方法包括：

(a)获得规则基础，所述规则基础包括用于工业过程的多个规则，每个规则包括工业过程的至少一个过程信号的条件以及与至少一个过程信号的条件相对应的故障；

(b)识别可用的工业过程的过程信号；

(c)从规则基础的多个规则中选择性地移除规则，以产生简化规则集，其中，选择性地移除规则的步骤是基于识别可用的工业的过程信号的步骤的。

2.如权利要求1所述的方法，包括在简化规则集中识别具有相同过程信号条件的规则。

3.如权利要求2所述的方法，包括合并简化规则集中具有相同过程信号条件的规则。

4.如权利要求3所述的方法，包括针对合并的规则创建新的故障。

5.如权利要求1所述的方法，其中，过程信号包括过程变量。

6.如权利要求1所述的方法，包括自动执行步骤(a)至(c)。

7.如权利要求6所述的方法，包括在计算机中执行(a)至(c)。

8.如权利要求3所述的方法，包括重复合并步骤，直到在简化规则集中只留下独特的规则。

9.如权利要求1所述的方法，其中，至少一个过程信号的条件包括由下列条件组成的条件组：小于常数、大于常数、趋于向上、趋于向下、无改变和空。

10.一种用于确定简化规则集的设备，所述简化规则集用于识别工业过程中的失常的根源，所述设备包括：

(a)用于获得规则基础的装置，所述规则基础包括用于工业过程的多个规则，每个规则包括工业过程的至少一个过程信号的条件以及与至少一个过程信号的条件相对应的故障；

(b)用于识别可用的工业过程的过程信号的装置；

(c)用于从规则基础的多个规则中选择性地移除规则以产生简化规则集的装置，其中，所述用于选择性地移除规则的装置基于所述用于识别可用的工业过程的过程信号的装置的操作而操作。

11.如权利要求10所述的设备，包括用于在简化规则集中识别具有相同过程信号条件的规则的装置。

12.如权利要求11所述的设备，包括用于合并简化规则集中具有相同过程信号条件的规则的装置。

13.如权利要求12所述的设备，包括用于针对合并的规则创建新的故障的装置。

14.如权利要求10所述的设备，其中，过程信号包括过程变量。

15.如权利要求10所述的设备，其中，至少一个过程信号的条件包括由下列条件组成的条件组：小于常数、大于常数、趋于向上、趋于向下、无改变和空。