CN108494626B - 物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法 - Google Patents
物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法 Download PDFInfo
- Publication number
- CN108494626B CN108494626B CN201810245649.8A CN201810245649A CN108494626B CN 108494626 B CN108494626 B CN 108494626B CN 201810245649 A CN201810245649 A CN 201810245649A CN 108494626 B CN108494626 B CN 108494626B
- Authority
- CN
- China
- Prior art keywords
- profibus
- value
- signals
- physical layer
- physical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L12/40006—Architecture of a communication node
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
- H04L43/065—Generation of reports related to network devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L2012/40208—Bus networks characterized by the use of a particular bus standard
- H04L2012/40221—Profibus
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Small-Scale Networks (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
Abstract
本发明公开了物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法。所述方法包括1)获得所有物理层信号,将过滤掉EMI信号的其他物理层信号输入ANN;2)通过ANN对物理层信号进行分析,诊断出导致这些信号异常的物理安装问题;3)利用ES对数据链路层信号进行Profibus框架分析和诊断;4)构建全新的模糊***来计算目标循环时间TTR值,利用所述最佳的TTR值对用户层信号进行分析和诊断。本发明利用ANN、ES和模糊***分别对网络中物理层、数据链路层和用户层的信号进行分析诊断,适用于采用RS‑485模式进行通信的所有工业网络,也可应用于相应的计算机***中,有助于提高工业网络***的故障诊断智能化水平。
Description
技术领域
本发明涉及工业现场总线技术领域,特别涉及物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法。
背景技术
工业自动化对提高工业部门的竞争力和效率至关重要,它促进了各行业的工业现场总线络(工业数字通信网)技术的发展。目前国际上广泛使用的现场总线协议中,有Profibus协议,如Profibus PA、Profibus DP和PROFINET。
工业通信网络虽然有众多优点,但是它们对于物理安装引起的故障具有高度的敏感性,如使用过长的接线(影响通信速率),线缆接地或屏蔽处理不当,过载或未使用有源总线终端器等都可能会影响网络性能。这些会改变传输***的电气特性,从而降低传输信号的性能。
为了分析物理层故障,可以使用万用表、总线测试仪、示波器和网络监控工具以及使用ProfiTrace或Profibus测试仪观察物理层信号以及它们在数据链路层或用户层中传输的数据帧。在分析数据链路层和用户层数据时,需要发生故障的典型序列和统计数据;在分析物理层数据时,需要对数字波形方面的信号进行分析。网络中可能遇到的通信和安装不当问题等都以数字波形的形式呈现。而现有技术中,物理安装不当引起通信网络故障的问题往往难以用数字化的表现形式进行智能化分析和诊断。
发明内容
为克服现有技术的不足,本发明针对工业通信网络物理安装不当引起的故障问题,提出物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法。所述方法利用人工神经网络(Artificial Neural Network;ANN)、专家***(Expert System;ES)和模糊***分别对网络中物理层、数据链路层和用户层的信号进行分析诊断,有助于提高工业网络***的故障诊断智能化水平。
本发明通过以下技术方案予以实现。
物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,包括以下步骤:
步骤1:获得所有物理层信号类型的方差值,定义一个方差值的参考阈值,根据不同的方差值将电磁干扰(Electron-Magnetic Interference;EMI)信号从所述物理层信号中分离出来,将过滤掉EMI信号的其他物理层信号输入ANN;
步骤2:通过ANN对物理层信号进行分析,在进行第一次分析时,所有物理层信号的样本都用于训练ANN,进行一系列训练和测试后,检测哪些信号波形影响了结果,并将这些信号进行分类,进而诊断出导致这些信号异常的物理安装问题;
步骤3:利用ES对数据链路层信号进行Profibus框架分析和诊断,数据链路层的数据帧通过Profibus DP协议传输,所述Profibus DP协议的操作基于主从通信模型;
步骤4:构建模糊***来计算目标循环时间TTR值,根据激活规则,应用Mamdani推论,通过质心法去模糊输出,得到最佳的TTR值,利用所述最佳的TTR值对用户层信号进行分析和诊断。
本发明基于Profibus DP协议实现物理安装不当引起的工业现场总线通信故障的智能诊断,所述诊断所依靠的数据分别来自Profibus DP协议的物理层、数据链路层和用户层,利用ANN分析通过工业网络传输的信号样本,并诊断出导致Profibus DP协议物理层发生信号波形干扰的安装问题,然后,利用ES分析数据链路层传输的数据帧并进行诊断,最后,构建全新的模糊***来计算最佳的目标循环时间值TTR,以解决计算的复杂性问题并提供良好的网络性能,在需要处理数学或概念模型中的不准确性,模糊性,抽象性和矛盾性时,可以使用所述模糊***。本发明有助于提高工业网络***的故障诊断智能化水平。
优选地,步骤3中,对于所述主从通信模型,主站向根据上下文响应的从站发送数据帧,每个从站都有一个网络地址,在某些情况下,网络配置错误可能会导致协议失败,这时,相应的帧序列显示已经提交了哪种类型的错误,基于传输帧的历史分析,ES会指出可能发生的配置错误。
优选地,依据Profibus FMS、DP和PA(1998)规范,步骤4中TTR的计算表达式为:
minTTR=NA*(TTC+highTMC)+k*lowTMC+MT*retTMC (1)
其中,NA表示主站的数量;TTC表示令牌周期时间;TMC表示消息周期时间,取决于帧长度;k表示令牌循环周期内低优先级消息周期的估计数;MT表示令牌循环周期内的消息重试周期数;retTMC表示消息重试周期;minTTR表示目标循环时间TTR的最小值;highTMC表示消息周期时间的最大值;lowTMC表示消息周期时间的最小值。
具体地,考虑到正确设置目标循环时间值TTR的重要性以及确定这个参数时的难度和产生的误差,为了解决计算的复杂性问题,提供良好的网络性能,需要开发一个模糊***来计算TTR值,每当***需要处理数学或概念模型中的不准确性,模糊性,抽象性和矛盾性时,可以使用所述模糊***。
优选地,步骤4中采用下列简化算式:
TMC≈(380+300*S+11*D)*Tbit+75μs (2)
其中,S表示从站的数量,D表示所有从站的I/O数据字节数,Tbit表示每个字节数据的传输时间,Tbit值取决于网络传输的波特率。这样做的好处是:可以忽略或者粗略估计与最终结果无关的一些参数,因为在分析等式(1)时,难以精确地估计某些参数的值,例如,确定令牌循环周期内的消息重试周期数的MT取决于网络质量等。利用等式(2)的计算结果,应用Mamdani推论,通过质心法去模糊输出,为网络提供最佳的TTR值。
优选地,根据离线配置中由用户设置的TTR值创建三个模糊***,其中两个模糊集合代表输入变量,所述输入变量是发送非周期信息的时间TA和发送周期信息的时间TC,另一个模糊集合代表输出变量,即所述模糊***建议的TTR值,应用Mamdani推论,通过质心法去模糊输出,获取最佳的TTR值。
优选地,TC的值比配置的TTR低30%是可接受的,TA的值比配置的TTR低60%是可接受的。
优选地,网络传输的波特率为1.5MBit/s时,Tbit值为0.667μs。
优选地,所述Profibus DP协议的物理层、数据链路层和用户层之间的数据传输采用RS-485模式。
优选地,所述profibus故障检测***通过TCP/IP协议连接profibus模拟器,接收来自物理层的信号样本以及由Profibus协议传输的数据链路层和用户层的数据帧,提供的框架是Profibus框架。
进一步地,所述Profibus模拟器通过从ProfiTrace工具和示波器导入的信号样本获得传输帧信息。所述Profibus框架被创建后发送到所述Profibus故障检测***。
优选地,所述profibus故障检测***包括ANN模块、ES模块和模糊***模块。
本发明的有益效果在于,1)本发明引入ANN用于信号分类,有效提高了信号分类精度,其方法具有通用性和鲁棒性,且利用ANN可以更好地诊断出因物理安装不当导致的传输信号波形的畸变;2)本发明构建了全新的模糊***,能获得最优的TTR值,合理权衡了Profibus令牌传递网络时延性能;3)本发明适用于采用RS-485模式进行通信的所有工业网络,也可应用于相应的计算机***中,有助于提高工业网络***的故障诊断智能化水平。
附图说明
图1是根据实施例的Profibus故障检测***的结构示意图;
图2是根据实施例的ANN***的工作流程示意图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述发实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法包括以下步骤:
(1)获得物理层全部信号样本的方差值,定义一个方差值的参考阈值,将EMI信号从所述信号样本中分离出来,如图1所示,将所述参考阈值定义为0.4,将样本方差大于0.4的EMI信号从所述信号样本中分离出来,然后将过滤掉EMI信号的其他物理层信号输入ANN;
(2)通过ANN对物理层信号进行分析,在进行第一次分析时,所有物理层信号的样本都用于训练ANN,进行一系列训练和测试后,检测哪些信号波形影响了结果,并将这些信号进行分类,进而诊断出导致这些信号异常的物理安装问题,ANN***工作流程图如图1所示,所述***具有三层的前馈架构并使用反向传播训练算法,这里的三层分别为输入层、隐藏层和输出层,多层感知器(Multi-Layer Perceptron;MLP)由二十个输入神经元、隐层中的十五个神经元和两个输出神经元组成,最后,使用S形激活函数,所述***分为三部分,第一部分由负责检测EMI信号和长电缆信号的单个ANN组成,第二部分由三个ANN组成,分别负责检测正确安装的空闲信号、没有电源终端以及数据线A、B间短路,第三部分由四个ANN组成,分别负责检测正确安装信号、没有有效的总线端子或数据线中断、网络线路过载以及有源总线终端过载,通过ANN对Profibus DP的物理层信号进行分析,在进行第一次分析时,所有信号的样本都用于训练ANN,然后进行多次训练和测试,以检测哪些波形影响了结果并将这些信号进行分类;
(3)利用ES对数据链路层信号进行Profibus框架分析和诊断,数据链路层的数据帧通过Profibus DP协议传输,所述Profibus DP协议的操作基于主从通信模型,其中,ES***具有基于Java的用户界面,其是诊断Profibus网络问题的一个有效方案,在所述主从通信模型中,主站向根据上下文响应的从站发送数据帧,每个从站都有一个网络地址,在某些情况下,网络配置错误可能会导致协议失败,相应的帧序列显示已经提交了哪种类型的错误,对传输帧进行历史分析后,ES会指出可能发生的配置错误;
(4)构建全新的模糊***来计算目标循环时间TTR值,根据激活规则,应用Mamdani推论,通过质心法去模糊输出,得到最佳的TTR值,利用所述最佳的TTR值对用户层信号进行分析和诊断,在具体实施中,为了解决计算TTR的复杂性问题,提供良好的网络性能,需要构建一个全新模糊***来计算TTR值,每当***需要处理数学或概念模型中的不准确性,模糊性,抽象和矛盾性时,可以使用所述模糊***,这里,根据离线配置中由用户设置的TTR值创建三个模糊***,其中两个模糊集合代表输入变量,所述输入变量是发送非周期信息的时间TA和发送周期信息的时间TC,另一个模糊集合代表输出变量,即所述模糊***建议的TTR值,其中,TC的值比配置的TTR低30%是可接受的,TA的值比配置的TTR低60%是可接受的,在具体实施中,创建这些模糊集合后,采用本发明所提供方法进行智能化故障诊断的故障检测***从运行网络获取实时的周期信息时间和非周期信息时间(TC/TA)的值,这些值输入到故障检测***中后,被转化为VERY LOW,LOW,GOOD,HIGH和VERY HIGH的语言变量,然后选择激活的规则,给出新的TTR的语言变量分类,比如可以是:IF(TC为高)AND(TA非常低)THEN(TTR为高),在这个模型中,应用Mamdani算法推论,最后,根据激活规则,通过质心法得到去模糊输出,即为网络提供了最佳的TTR值,这里,
根据Profibus FMS,DP和PA(1998)规范,TTR的计算公式为:
minTTR=NA*(TTC+highTMC)+k*lowTMC+MT*retTMC (1)
其中,NA是主站的数量;k是令牌循环周期内低优先级消息周期的估计数;TTC是令牌周期时间;TMC是消息周期时间,取决于帧长度;MT是令牌循环周期内的消息重试周期数;retTMC是消息重试周期,
因为等式(1)中的某些参数难以精确获得,所以其简化算式是:
Tmc≈(380+300*S+11*D)*Tbit+75μs (2)
在这种情况下,可以忽略或者粗略估计与最终结果无关的一些参数,参数S是从站的数量,D是所有从站的I/O数据字节数,Tbit值取决于网络传输的波特率,在具体实施中,网络传输的波特率为1.5MBit/s时,Tbit值为0.667μs,至此,可以得到一个最优的TTR值,利用所述最优的TTR值对用户层信号进行分析和诊断。
本发明中所述Profibus DP协议的物理层、数据链路层和用户层之间的数据传输采用RS-485模式,对于采用此模式进行通信的所有工业网络,均可以考虑使用本发明,有助于提高工业网络***的故障诊断智能化水平。
实施例
如图2所示,将本发明提供的诊断方法应用于计算机***中,获得Profibus DP网络的诊断输出。参阅图2,profibus故障检测***通过以太网连接profibus模拟器,接收来自物理层的数据样本以及由Profibus协议传输的数据链路层和用户层的数据帧,所述数据样本和数据帧以数据包的形式传输,提供的框架是Profibus框架。所述Profibus模拟器通过从ProfiTrace工具和示波器导入的信号样本获得传输帧信息。当使用ProfiTrace工具时,从Profibus网络收集软件包,并以十六进制格式导出到文本文件,然后,软件模块解析此文件并将所有信息导入其内存。应用同样步骤处理来自示波器的波形样本。所述Profibus框架被创建后发送到所述Profibus故障检测***。为了处理这些信息,所述Profibus故障检测***分为三个软件模块,利用ANN进行物理层信号的分析和诊断,利用ES进行数据链路层信号的分析和诊断,利用模糊***进行用户层信号的分析和诊断。本实施例所提供的Profibus故障检测***可以在网络安装和监控过程中协助使用者诊断网络问题,能有效诊断网络安装和运行过程中的故障。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案。
Claims (10)
1.物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,其特征在于,包括以下步骤:
步骤1:获得所有物理层信号类型的方差值,定义一个方差值的参考阈值,根据不同的方差值将EMI信号从所述物理层信号中分离出来,将过滤掉EMI信号的其他物理层信号输入ANN;
步骤2:通过ANN对物理层信号进行分析,在进行第一次分析时,所有物理层信号的样本都用于训练ANN,进行一系列训练和测试后,检测哪些信号波形影响了结果,并将这些信号进行分类,进而诊断出导致这些信号异常的物理安装问题;
步骤3:利用ES对数据链路层信号进行Profibus框架分析和诊断,数据链路层的数据帧通过Profibus DP协议传输,所述Profibus DP协议的操作基于主从通信模型;
步骤4:构建模糊***来计算目标循环时间TTR值,根据激活规则,应用Mamdani推论,通过质心法去模糊输出,得到最佳的TTR值,利用所述最佳的TTR值对用户层信号进行分析和诊断。
2.如权利要求1所述的物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,其特征在于,步骤3中,对于所述主从通信模型,主站向根据上下文响应的从站发送数据帧,每个从站都有一个网络地址,在某些情况下,网络配置错误可能会导致协议失败,这时,相应的帧序列显示已经提交了哪种类型的错误,基于传输帧的历史分析,ES会指出可能发生的配置错误。
3.如权利要求1所述的物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,其特征在于,依据Profibus FMS、DP和PA(1998)规范,步骤4中TTR的计算表达式为:
minTTR=NA*(TTC+highTMC)+k*lowTMC+MT*retTMC (1)
其中,NA表示主站的数量;TTC表示令牌周期时间;TMC表示消息周期时间,取决于帧长度;k表示令牌循环周期内低优先级消息周期的估计数;MT表示令牌循环周期内的消息重试周期数;retTMC表示消息重试周期;minTTR表示目标循环时间TTR的最小值;highTMC表示消息周期时间的最大值;lowTMC表示消息周期时间的最小值。
4.如权利要求3所述的物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,其特征在于,步骤4中采用下列简化算式:
TMC≈(380+300*S+11*D)*Tbit+75μs (2)
其中,S表示从站的数量,D表示所有从站的I/O数据字节数,Tbit表示每个字节数据的传输时间,Tbit值取决于网络传输的波特率。
5.如权利要求3或4所述的物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,其特征在于,根据离线配置中由用户设置的TTR值创建三个模糊***,其中两个模糊集合代表输入变量,所述输入变量是发送非周期信息的时间TA和发送周期信息的时间TC,另一个模糊集合代表输出变量,即所述模糊***建议的TTR值,应用Mamdani推论,通过质心法去模糊输出,获取最佳的TTR值。
6.如权利要求5所述的物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,其特征在于,TC的值比配置的TTR低30%,TA的值比配置的TTR低60%。
7.如权利要求4所述的物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,其特征在于,网络传输的波特率为1.5MBit/s时,Tbit值为0.667μs。
8.如权利要求1所述的物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法,其特征在于,所述Profibus DP协议的物理层、数据链路层和用户层之间的数据传输采用RS-485模式。
9.一种根据权利要求1所述的方法构建的profibus故障检测***,其特征在于,所述profibus故障检测***通过TCP/IP协议连接profibus模拟器,接收来自物理层的信号样本以及由Profibus协议传输的数据链路层和用户层的数据帧,提供的框架是Profibus框架。
10.如权利要求9所述的profibus故障检测***,其特征在于,所述profibus故障检测***包括ANN模块、ES模块和模糊***模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810245649.8A CN108494626B (zh) | 2018-03-23 | 2018-03-23 | 物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810245649.8A CN108494626B (zh) | 2018-03-23 | 2018-03-23 | 物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108494626A CN108494626A (zh) | 2018-09-04 |
CN108494626B true CN108494626B (zh) | 2021-08-27 |
Family
ID=63319450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810245649.8A Active CN108494626B (zh) | 2018-03-23 | 2018-03-23 | 物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108494626B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784318A (zh) * | 2019-03-13 | 2019-05-21 | 西北工业大学 | 基于神经网络的Link16数据链信号的识别方法 |
EP4047881A1 (en) * | 2021-02-22 | 2022-08-24 | ABB Schweiz AG | Determining diagnostics information based on non-real-time data |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6108616A (en) * | 1997-07-25 | 2000-08-22 | Abb Patent Gmbh | Process diagnosis system and method for the diagnosis of processes and states in an technical process |
CN1419170A (zh) * | 2002-12-17 | 2003-05-21 | 白凤双 | 通用智能自动化*** |
CN101753486A (zh) * | 2008-12-19 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 一种工业自动化现场总线网关设备 |
CN102736617A (zh) * | 2012-06-18 | 2012-10-17 | 北京首钢自动化信息技术有限公司 | 一种profibus-dp总线的诊断方法 |
CN103973677A (zh) * | 2014-06-04 | 2014-08-06 | 周原 | 一种IPv6到PROFIBUS的协议转换装置 |
CN104506338A (zh) * | 2014-11-21 | 2015-04-08 | 河南中烟工业有限责任公司 | 一种基于决策树的工业以太网网络故障诊断专家*** |
CN107145546A (zh) * | 2017-04-26 | 2017-09-08 | 北京环境特性研究所 | 基于深度学习的监控视频人员模糊检索方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100064297A1 (en) * | 2008-09-05 | 2010-03-11 | Invensys Systems, Inc. | Configuring And Providing Enhanced Access To Profibus Device Diagnostic Data |
-
2018
- 2018-03-23 CN CN201810245649.8A patent/CN108494626B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6108616A (en) * | 1997-07-25 | 2000-08-22 | Abb Patent Gmbh | Process diagnosis system and method for the diagnosis of processes and states in an technical process |
CN1419170A (zh) * | 2002-12-17 | 2003-05-21 | 白凤双 | 通用智能自动化*** |
CN101753486A (zh) * | 2008-12-19 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 一种工业自动化现场总线网关设备 |
CN102736617A (zh) * | 2012-06-18 | 2012-10-17 | 北京首钢自动化信息技术有限公司 | 一种profibus-dp总线的诊断方法 |
CN103973677A (zh) * | 2014-06-04 | 2014-08-06 | 周原 | 一种IPv6到PROFIBUS的协议转换装置 |
CN104506338A (zh) * | 2014-11-21 | 2015-04-08 | 河南中烟工业有限责任公司 | 一种基于决策树的工业以太网网络故障诊断专家*** |
CN107145546A (zh) * | 2017-04-26 | 2017-09-08 | 北京环境特性研究所 | 基于深度学习的监控视频人员模糊检索方法 |
Non-Patent Citations (2)
Title |
---|
"Artificial neural networks and signal clipping for Profibus DP diagnostics";Guilherme Serpa Sestito,;《2014 12th IEEE International Conference on Industrial Informatics (INDIN)》;20141106;全文 * |
"基于PROFIBUS-DP的PID控制器的研制";李世红,;《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》;20060515(第 05 期);C042-66起全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108494626A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7966525B2 (en) | Diagnostic procedure and device for a field bus system | |
US8793366B2 (en) | Method and arrangement for diagnosing networks including field bus systems | |
CN107948020B (zh) | 一种can总线采样点测试的方法及装置 | |
CN108494626B (zh) | 物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法 | |
CN112737936A (zh) | 一种用于设备预维护的边缘计算网关 | |
CN112196784B (zh) | 一种基于elm的高压隔膜泵健康状态预估***及方法 | |
Suwatthikul et al. | In-vehicle network level fault diagnostics using fuzzy inference systems | |
CN110188837A (zh) | 一种基于模糊神经的mvb网络故障诊断方法 | |
CN112697267A (zh) | 一种工业设备异常振动检测装置 | |
CN115129430A (zh) | 一种基于5g网络的机器人远程控制指令下发方法及*** | |
CN112164153A (zh) | 一种ai边缘计算故障诊断器 | |
CN113484693B (zh) | 基于图神经网络的变电站二次回路故障定位方法及*** | |
EP2021736A2 (de) | Messumformer | |
Lei et al. | DeviceNet network health monitoring using physical layer parameters | |
Mossin et al. | Automatic diagnosis for profibus networks | |
Dang et al. | On the road to Industry 4.0: a fieldbus architecture to acquire specific smart instrumentation data in existing industrial plant for predictive maintenance | |
CN111108738B (zh) | 数据处理设备、数据分析设备、数据处理***和用于处理数据的方法 | |
CN110768871A (zh) | 一种自动统计dcs***数据传输正确性的测试方法及*** | |
CN101710161A (zh) | 基于自适应频率方波电压的转子接地在线监测装置及方法 | |
CN111650898B (zh) | 具备高容错性能的集散控制***及方法 | |
Du et al. | Ground Fault Diagnostics for Automotive Electronic Control Units | |
Cui | Design and research on automotive controller area network bus analyzer | |
CN112241145A (zh) | 自动加工机的异常侦测***及方法 | |
Mossin et al. | Intelligent diagnostic for PROFIBUS DP networks | |
Brissaud et al. | Improving availability and safety of control systems by cooperation between intelligent transmitters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |