CN109521733A - 用于使声发射传感器多功能化的方法与设备 - Google Patents
用于使声发射传感器多功能化的方法与设备 Download PDFInfo
- Publication number
- CN109521733A CN109521733A CN201811093660.3A CN201811093660A CN109521733A CN 109521733 A CN109521733 A CN 109521733A CN 201811093660 A CN201811093660 A CN 201811093660A CN 109521733 A CN109521733 A CN 109521733A
- Authority
- CN
- China
- Prior art keywords
- valve
- control assembly
- sensor
- fluid flowing
- flowing control
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 89
- 239000012530 fluid Substances 0.000 claims abstract description 135
- 239000003550 marker Substances 0.000 claims abstract description 53
- 238000003860 storage Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 20
- 230000003321 amplification Effects 0.000 claims description 11
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 11
- 238000007667 floating Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 46
- 238000001228 spectrum Methods 0.000 description 21
- 238000004886 process control Methods 0.000 description 18
- 230000015654 memory Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 230000003595 spectral effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000005611 electricity Effects 0.000 description 6
- IWSZDQRGNFLMJS-UHFFFAOYSA-N 2-(dibutylamino)ethanol Chemical compound CCCCN(CCO)CCCC IWSZDQRGNFLMJS-UHFFFAOYSA-N 0.000 description 4
- 238000012369 In process control Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010965 in-process control Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000009833 condensation Methods 0.000 description 3
- 230000005494 condensation Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000013064 chemical raw material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002999 depolarising effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4427—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with stored values, e.g. threshold values
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15C—FLUID-CIRCUIT ELEMENTS PREDOMINANTLY USED FOR COMPUTING OR CONTROL PURPOSES
- F15C3/00—Circuit elements having moving parts
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16K—VALVES; TAPS; COCKS; ACTUATING-FLOATS; DEVICES FOR VENTING OR AERATING
- F16K37/00—Special means in or on valves or other cut-off apparatus for indicating or recording operation thereof, or for enabling an alarm to be given
- F16K37/0025—Electrical or magnetic means
- F16K37/0041—Electrical or magnetic means for measuring valve parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N2011/006—Determining flow properties indirectly by measuring other parameters of the system
- G01N2011/0073—Determining flow properties indirectly by measuring other parameters of the system acoustic properties
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25428—Field device
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Mechanical Engineering (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Fluid Mechanics (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Examining Or Testing Airtightness (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本公开的实施例涉及用于使声发射传感器多功能化的方法与设备。本公开的实施例涉及用于使声发射传感器多功能化的方法、设备和制品。示例性设备包括收集引擎,所述收集引擎用于从被耦合至流体流动控制组件的声发射传感器获取测量值并获取所述流体流动控制组件的状态。所述示例性设备还包括:选择器,用于基于所述状态调节前置放大器的增益以调节所述测量值;以及状况标识器,用于基于经调节的测量值标识所述流体流动控制组件的状况。
Description
技术领域
本公开大体上涉及工艺控制***,更具体地涉及用于使声发射传感器多功能化的方法与设备。
背景技术
近年来,随着比其前身的处理能力更高的现场设备的普及,如化学、石油和/或其他工艺中使用的工艺控制***的工艺控制***已经逐渐变得更加复杂。当代工艺控制***包括更多数量和种类的现场设备或仪器,用于测量和/或控制工艺控制环境的不同方面。除了利用现场设备监测和/或控制核心工艺之外,已经有越来越多的现场设备用于***任务,诸如流体流动控制组件(诸如泵和阀)的预后健康监测。
工艺控制***内的流体流动控制组件可能处于艰难环境中,诸如具有可能会引起故障加速的极端振动、高压和/或温度变化较大的地区。随着日益强大的现场设备的实现,工艺控制***可以通过使用各种各样的感测设备来监测这些艰难环境中的流体流动控制组件的预后健康。使用与***算法例程耦合的感测设备监测现场设备可以用于预测潜在故障。通过预测潜在故障,技术人员能够在定期维护期间更换可能会出故障的流体流动控制组件,而不是停止***运行来更换可能会出故障的流体流动控制组件。
发明内容
本文公开了一种示例性设备,包括:收集引擎,该收集引擎用以从被耦合至流体流动控制组件的声发射传感器获取测量值并获取流体流动控制组件的状态。该示例性设备还包括:选择器,用以基于该状态来调节前置放大器的增益,以调节测量值;以及状况标识器,用以基于经调节的测量值来标识流体流动控制组件的状况。
本文公开了一种示例性方法,包括:从被耦合至流体流动控制组件的声发射传感器获取操作测量值;获取流体流动控制组件的状态;基于该状态来调节前置放大器的增益,以调节操作测量值;以及,基于经调节的操作测量值标识流体流动控制组件的状况。
本文公开了一种示例性非暂时性计算机可读存储介质,其包括指令,该指令在被执行时使机器至少:从被耦合至流体流动控制组件的声发射传感器获取操作测量值;获取流体流动控制组件的状态;基于该状态来调节前置放大器的增益,以调节操作测量值;以及,基于经调节的操作测量值标识流体流动控制组件的状况。
附图说明
图1是根据本公开的教导的示例性声发射管理器设备的示意图。
图2是图1所示的示例性声发射管理器设备的示例性实施方式的框图。
图3至图6是表示可以使用图1至图2中的示例性声发射管理器设备来监测流体流动控制组件的声发射的示例性方法的流程图。
图7是描述根据本公开的教导的可以被图1至图2所示的示例性声发射管理器设备检测的示例性主动声发射源的示例性表格。
图8是描述流体流动控制组件状况域的范围的示例性图表。
图9是描述流体流动控制组件状况域的范围的示例性表格。
图10是被构造为执行机器可读指令以实施图3至图6所示的方法和/或图1至图2所示的示例性声发射管理器设备的示例性处理器平台的框图。
在任何可能的情况下,在附图和所附的书面说明书中,自始至终都使用相同的附图标记来表示相同或相似的部件。如本文所使用的术语“耦合”和“可操作地耦合”被定义为直接连接或(例如通过一个或多个中间结构和/或层)间接连接。
具体实施方式
随着数据采集分辨率、处理能力和信号调节得到增强的单个部件的发展,工艺控制***也变得越来越复杂。工艺控制***被用于监测和/或控制工艺控制环境中待执行的操作的不同方面,诸如,例如制造部件、处理化学原料等。工艺控制***通常包含带有伴随输入和/或输出的至少一个控制器,这允许控制器从各种输入现场设备和/或仪器获取信号并控制各种输出现场设备和/或仪器。
如本文所使用的术语“流体流动控制组件”是指可以在整个工艺控制***中用于测量和/或控制工艺控制***的不同方面(例如其他工艺控制设备)的流体输导设备,诸如,例如泵(例如液压泵、正排量泵等)、泵组件、阀(例如液压阀、气动蝶阀等)、阀组件等。流体流动控制组件(诸如阀组件)可以包括电气组件和机械组件。例如,阀组件可以包括诸如数字阀***、流速传感器、压力传感器、阀控制器等电气部件。阀组件可以包括诸如致动器(例如液压致动器、气动致动器等)、控制连接(例如液压控制连接、气动控制连接等)、机械壳体、过程连接件等机械部件。
流体流动控制组件故障可能由多种原因引起,诸如,例如连续操作、环境因素、制造缺陷等。在一些示例中,流体流动控制组件在高循环应用中运行。例如,阀可以连续进行全冲程操作,该全冲程操作包括阀从完全打开到完全关闭、以及从完全关闭到完全打开。这种全冲程阀可以被设计用于延长操作生命周期。然而,不可避免的故障的时间可能是不可预测的,并且可能发生在操作期间。不知道流体流动控制组件何时将发生故障或者即将到达临界故障的状态会对现有工艺控制***的连续操作造成严重问题。在操作期间突发的流体流动控制组件故障可能会引起该流体流动控制组件和/或被连接至该流体流动控制组件的设备的损失。流体流动控制组件可能表现出非典型运行状况,诸如,例如空化、流体泄漏(例如阀座泄漏)等。
如本文所使用的术语“空化(cavitation)”是指由于一个或多个局部化低压区而引起的流体流动控制组件(诸如调制阀、节流阀等)下游的流体的突然冷凝和/或蒸发过程。在一些示例中,空穴在大约50微秒到几毫秒的使用期间形成并***。在一个示例性空化过程中,当流体流经过程连接件(例如,管道、处理线、压力容器等)时,局部化低压区可以紧邻阀的上游而形成。如果局部化低压区下降到流体的蒸汽压力以下,则流体蒸发(即沸腾),形成蒸汽囊,随后形成一个或多个蒸汽泡。随着蒸汽泡流过阀,流体的蒸汽压力可能恢复,导致蒸汽泡的强烈内爆,从而产生例如砰砰声、隆隆声等清晰的声音。此外,蒸汽泡的冷凝不仅会产生另一种清晰的声音(例如,叮铃声),而且还会在阀壁内的局部区域产生应力。另外,当在阀内的表面附近发生空化时,蒸汽泡的冷凝可能会损坏阀(例如使阀严重孔蚀)或阀下游管道的内壁。监测阀的空化(例如空化状况)可以为工艺控制***的操作者提供可行动信息,以停止引起空化的状况或防止空化的发生。
如本文所使用的术语“阀座泄漏”是指当流体流动控制组件被设置在关闭状态(例如阀被关闭)时流经流体流动控制组件的流体量。阀座泄漏可能由多种原因引起。例如,当在阀(例如,由于灰尘、碎片、障碍物等)未完全关闭时,可能发生阀座泄漏。在另一个示例中,当阀的部件被损坏(例如,密封件被破坏,阀座被损坏等)时,可能发生阀座泄漏。监测流体流动控制组件的阀座泄漏可以为工艺控制***的操作者提供可行动信息,以便在(1)附加部件被损坏或者(2)流体流动控制组件损坏到无法修复的情况或状态(例如需要更换整个流体流动控制组件的情况)之前更换流体流动控制组件的部件。
本文中公开的示例性声发射管理器(AEM)设备涉及工艺控制***,更具体地涉及使声发射传感器多功能化。通常,本文中公开的示例性AEM设备利用控制器从现场设备获取信息,该现场设备诸如,例如致动器控制器(例如阀控制器)、声发射传感器、位置传感器(例如数字阀***、接近传感器等)、工艺传感器(例如流速传感器、压力传感器等)等。
声发射(AE)传感器将由弹性波引起的结构的表面运动转换成可由数据采集***(例如控制器)处理的电信号。在一些示例中,AE传感器包括压电传感元件(例如压电晶体),用于监测表面运动并将表面运动转换成诸如电压的电信号。通常,AE传感器适用于特定的监测应用。AE传感器可能对特定频带内的表面运动敏感。例如,AE传感器可以具有100kHz到200kHz范围的峰敏感度,以监测流体流动控制组件的泄漏域(例如,在其中可检测到阀座泄漏的频带)、无阻流动(open flow)或开阀流动域(例如,在其中可检测到流经阀的不受阻碍的流体流动的频带、通过阀的无阻流动等)。在另一个示例中,AE传感器可以具有650kHz到850kHz范围的峰敏感度,以监测流体流动控制组件的空化域(例如,在其中可检测到空化的频带)。
在一些示例中,基于被耦合至AE传感器的前置放大器的有效范围,AE传感器可以被适用于特定的监测应用。前置放大器可以在AE传感器内部耦合至AE传感器,或者从外部耦合至AE传感器。前置放大器用于增加去往前置放大器的输入信号(例如,AE传感器输出)的强度,以将输入信号的强度增加到对于示例性AEM设备的数据采集测量电路而言是最佳的水平。例如,前置放大器可以对输入信号进行放大,以最小化由将AE传感器电耦合至前置放大器的电缆拾取的任何电磁噪音的作用。例如,前置放大器可以将输入信号中的噪音(例如背景噪音、电磁噪音等)放大到对电耦合至前置放大器的一个或多个滤波器(例如带通滤波器、低通滤波器等)的运行而言是最佳的水平。前置放大器可以实现线性电压放大器,其中增益根据下述等式(1)计算:
在等式(1)的示例中,变量“V0(t,f)”指的是时间“t”和频率“f”下的输出电压,变量“Vi(t,f)”指的是时间“t”和频率“f”下的输入电压,并且变量“G”表示增益。
在等式(1)的示例中,增益基于用频率“f”表示的滤波器(例如带通滤波器、低通滤波器等)的频率设置。例如,可以基于针对带通滤波器的频带的选择(例如,由频率域中的频率上限和频率下限所定义的带)来确定增益。如等式(1)所示,增益随着电信号(例如AE信号)的频率而变化。在一些示例中,滤波器的频带的设置或改变基本上与增益放大带(gainamplification band)的设置或改变同时进行。如本文所使用的术语“增益”和“增益值”是可互换的,并且都是指在通带(例如,可以通过滤波器(例如带通滤波器)的频率范围)内的频率下的输出电压与输入电压之间的比值。如本文所使用的,增益包括放大带(例如,由功率或电压放大上限和功率或电压放大下限所定义的带)或频带中的至少一个带。
在一些示例中,前置放大器被配置为利用增益值放大AE传感器信号,以监测所关注的状况域。例如,前置放大器可以具有40dB到80dB范围的峰增益值以放大AE传感器信号,以便监测流体流动控制组件的泄漏域。在另一个示例中,前置放大器可以具有90dB到150dB范围的峰增益值以放大AE传感器信号,以便监测流体流动控制组件的开阀流动域。在又一个示例中,前置放大器可以具有100dB到160dB范围的峰增益值以放大AE传感器信号,以便监测流体流动控制组件的空化域。
在一些示例中,峰增益用于放大AE传感器信号,以产生AE幅度。AE幅度可以被转换成AE标度,诸如dBAE。AE标度表示声发射信号幅度相对于前置放大器输入处的基线电压(例如,1皮伏的基线电压、1微伏的基线电压等)的对数测度。在一些示例中,基线电压是固定的。例如,用dBAE表示的AE幅度可以根据下述等式(2)计算:
在等式(2)的示例中,变量“VAE”表示前置放大器的输入电压或AE幅度。如本文所使用的术语“AE幅度”是指特定频率下的波形中的最大测量电压,并以AE分贝(dBAE)为单位进行测量。如用于放大AE传感器信号以监测流体流动控制组件的不同状况域(例如空化域、泄漏域等)的不同宽峰增益范围所示的,可以并行使用多个AE传感器来监测多个状况域。
在一些示例中,工艺控制***包括用于监测多个状况域的多个AE传感器。但是,***的成本函数可能会随着附加AE传感器的增加而增加。除了增加***的货币成本之外,还可能会使技术成本增加,诸如实施复杂性增加。例如,对于被添加到***的各附加AE传感器,可能需要附加电缆、输入数据采集通道、输入数据采集模块、前置放大器、信号调节器等。在另一个示例中,对于被添加的各附加AE传感器,可能需要对***的控制器进行附加软件开发。通过使传感器多功能化,可以实现传感器以及相应复杂度的减小。
本文中公开的示例性AEM设备利用具有足够频率宽度或带宽和与自适应信号调节相耦合的动态输出范围的多源AE传感器,来检测多个阀退化状况或状况域。传感器可以通信耦合至可变前置放大器,以监测流体流动控制组件的多个状况域。例如,传感器可以具有频率响应范围、电输出范围等,以监测多个状况域。如本文所使用的术语“频率响应”是指AE传感器根据频率响应于激励(例如振动)的电输出的幅度和相位。同样,可变前置放大器可以具有可变增益范围、可变频率范围等,以将传感器的电输出放大到可以监测到多个所关注的状况域的值。示例性AEM设备可以调节可变前置放大器的前置放大器信息,以在监测不同状况域之间转换。如本文所使用的术语“前置放大器信息”是指前置放大器的一个或多个配置和/或操作参数,诸如,例如增益;被应用的一个或多个滤波器的类型(例如低通滤波器、高通滤波器、带通滤波器、带阻滤波器等);被应用的一个或多个滤波器的设置(例如频带(例如频率通带)、输入传感器信号范围、噪音抑制水平等);等等。
本文中公开的一些示例性AEM设备利用示例性宽带传感器来监测流体流动控制组件的多个状况域,该示例性宽带传感器缺乏线性频率保真度且被耦合至可变前置放大器。在一些示例中,AEM设备生成命令,并将该命令发送到可变前置放大器,以调节前置放大器的增益。例如,AEM设备可以基于从流体流动控制组件获取的信息(例如阀状态信息)生成用于调节可变前置放大器的增益的命令。在一些示例中,该信息是阀的状态。例如,该状态包括阀的阀位置,诸如打开百分比、关闭百分比等。示例性AEM设备可以从阀组件中包括的阀控制器、阀***等获取信息。因此,基于流体流动控制组件的状态,示例性AEM设备可以通过选择被耦合至AE传感器的可变前置放大器的增益来使AE传感器多功能化。
回到图1,本文中公开的示例性声发射管理器(AEM)100通过从流体流动控制组件108的现场设备104(例如电子阀控制器)获取阀状态信息来在工艺控制环境102中运行。在图示的示例中,流体流动控制组件108是气动致动阀组件。在图示的示例中,现场设备104是被容纳在外壳106中的电子阀控制器。外壳106被耦合至流体流动控制组件108,流体流动控制组件108至少包括致动器110和阀112(例如蝶阀、闸阀等)。但是,也可以另外地或备选地使用其他阀组件,诸如电致动阀组件、液压致动阀组件等。现场设备104测量致动器110和/或阀112的一个或多个参数(例如阀112的位置)并且/或者控制致动器110和/或阀112。现场设备104可以测量诸如,例如阀行程(例如阀位置)、致动器压力、驱动信号等参数。现场设备104可以经由诸如,例如命令或输入信号(例如行程设定点)等参数来控制致动器110和/或阀112。现场设备104的外壳106包括用于气动管连接114的连接点。现场设备104能够经由气动管连接114实现对致动器110的气动控制。
在图示的示例中,流体流动控制组件108被安装在工厂环境的流体工艺***116(例如分配管道***)或处理***中。流体工艺***116可以处于使流体流动控制组件108暴露于一个或多个艰难运行状况(例如极端振动、宽温度范围等)的环境中,并且由于磨损加速而引起现场设备104和/或流体流动控制组件108的过早故障。例如,流体流动控制组件108可以被安装在正排量泵的下游并且遭受极端振动。由于磨损加速,可能会出现流体流动控制组件108的不同故障模式,例如,致动器110的弹簧断裂,气动管连接114与致动器110分离并且向致动器110提供的空气不足,阀112存在机械阻塞等。
在图示的示例中,现场设备104被通信耦合至AEM 100。虽然在图1中将现场设备104描述为经由包括一根或多根电线的电缆118通信耦合至示例性AEM 100,但是现场设备104可以另外地或备选地经由无线连接被连接至AEM 100。例如,现场设备104可以经由连接、网络等与AEM 100进行通信。在一些示例中,AEM 100是工艺控制***或工艺控制***的一部分(例如AEM 100被通信耦合至工艺控制***),该工艺控制***包括用于数据采集和/或工艺控制的控制器。示例性AEM 100在运行(例如,运行过程)期间从现场设备104获取阀状态信息以确定阀112是打开的还是关闭的。
在图1所示的示例中,AEM 100从被耦合至流体流动控制组件108的传感器120获取声发射(AE)信息。备选地,可以利用一个以上的传感器120。在图示的示例中,传感器120是基于压电的AE传感器(例如谐振传感器等)。备选地,可以使用被设计为基本上匹配(例如,在公差内匹配)基于压电的AE传感器的灵敏度参数、噪音隔离参数和/或一个或多个频率特征的任何其他AE传感器,诸如电容传感器、光学传感器(例如激光光学干涉仪等)等。在图示的示例中,传感器120是被配置为监测多个主动源(例如空化、阀座泄漏、无阻流动等)的低保真度混合型宽带高灵敏度传感器。例如,传感器120可以根据占空比在以微伏测量的一定电噪音范围内响应于以数百伏(例如约400伏)测量的去极化极限。在图示的示例中,传感器120具有50kHz到950kHz的频率响应范围。备选地,传感器120可以具有与上述范围不同的电压输出范围和/或不同的频率响应范围。
在图1所示的示例中,传感器120经由电缆124被耦合至前置放大器122。虽然在图1中将传感器120描述为经由包括一根或多根电线的电缆124被耦合至前置放大器122,但是传感器120可以另外地或备选地经由无线连接被连接至前置放大器122和/或示例性AEM100。示例性前置放大器122是可变前置放大器(例如多增益放大器),其中可以对前置放大器的一个或多个特征(例如增益、滤波器等)进行调节。
在图示的示例中,前置放大器122包括输入和输出。例如,前置放大器122的输入可以是传感器120、来自AEM 100的命令等。前置放大器122的输出可以是基于传感器120的电输出的放大电信号。前置放大器122可以用来自示例性AEM 100或另一个外部源的交流(AC)或DC电源供电。前置放大器122可以用AC电源或DC电源为传感器120供电。例如,前置放大器122可以用额定28V DC电源为传感器120供电。虽然在图1中将前置放大器122描述为与传感器120分开,但是备选地,前置放大器122可以与示例性AEM 100或传感器120一体成型。
在图示的示例中,传感器120在与前置放大器122耦合时变为多源AE传感器。例如,基于前置放大器122将可变增益应用于从传感器120获取的AE传感器信息,传感器120可以检测多个退化状况。在这种示例中,可变增益是基于从现场设备104获取的阀状态信息来选择的。
在图1所示的示例中,前置放大器122经由电缆126耦合至AEM 100。例如,AEM 100可以经由以太网连接、USB连接等通信地耦合至前置放大器122。虽然在图1中将前置放大器122描述为经由包括一根或多个电线的电缆126被耦合至示例性AEM 100,但是前置放大器122可以另外地或备选地经由无线连接来连接至AEM 100。例如,AEM 100可以经由连接、Direct网络等通信地耦合至前置放大器122。
在一些示例中,AEM 100基于从现场设备104获取的阀状态信息生成命令并且/或者将命令发送到前置放大器122。例如,基于从现场设备104获取阀状态信息,AEM 100可以确定阀112基本是打开的(例如100%打开、在1%公差内100%打开等)或者基本是关闭的(例如100%关闭、在1%公差内100%关闭等)。在这种示例中,基于阀112基本是打开的,AEM100可以检测主动源,诸如无阻流动和/或空化。基于阀112基本是打开的,示例性AEM 100可以生成命令,该命令包括前置放大器122的增益、频带等的期望设定点。示例AEM 100可以将该命令发送到前置放大器122。响应于前置放大器122接收到该命令,前置放大器122可以将前置放大器122的增益、频带等调节至该期望设定点。另外地,前置放大器122可以向示例性AEM 100发送确认或反馈消息,指示前置放大器122的增益的当前值和/或当前设定点。
图2是图1的示例性AEM 100的示例性实施方式的框图。基于从传感器120获取的随后由前置放大器122调节的AE传感器信息,示例性AEM 100标识图1的流体流动控制组件的状况。示例性AEM 100基于获取的阀状态信息确定前置放大器的参数,以调节AE传感器信息。示例性AEM 100包括示例性收集引擎200、示例性数据库210、示例性选择器220、示例性差值计算器230、示例性趋势分析器240、示例性异常值标识器(outlier identifier)250、示例性状况标识器260和示例性警报生成器270。示例性AEM 100经由示例性网络280通信地耦合至示例性前置放大器122。另外地或备选地,示例性AEM 100经由直接有线连接或直接无线连接通信地耦合至前置放大器122。
在图2所示的示例中,AEM 100包括用于选择和/或处理从AE传感器获取的AE传感器信息的收集引擎200。例如,收集引擎200可以选择和/或处理经由网络280从前置放大器122获取的AE传感器信息(例如由传感器120捕获的AE信息)和/或经由直接有线连接或直接无线连接从前置放大器122获取的AE传感器信息。收集引擎200可以选择获取的所关注的AE传感器信息以供示例性AEM 100的一个或多个算法、过程、程序等使用。所选择的AE传感器信息可以包括:例如,由前置放大器122放大的模拟电信号、数字电信号等。收集引擎200可以通过将前置放大器122的电输出转换(例如使用转换计算进行转换、转换为不同度量单位等)、缩放(例如使用缩放因子进行缩放)和/或转化(例如使用敏感度曲线进行转化)成可能被示例性AEM 100使用的表面运动(例如频率响应、电压幅度等)的测量值来对AE传感器信号进行处理。
在一些示例中,收集引擎200使用浮动阈值处理AE传感器信息,以针对AE传感器信息中的背景噪音水平而调节AE传感器信息。例如,当图1的阀112或阀112下游的机械结构(例如,管道、处理线连接等)表现出空化状况时,收集引擎200可以使用浮动阈值对从传感器120获取的AE传感器信息进行调节、清除等。在先前示例中,基于校准或设置数据采集期间观察到的噪音曲线,AE数据采集与处理***在AE数据采集通道上使用固定阈值。然而,通过使用固定阈值,先前示例可能会产生不精确的AE测量结果。例如,AE传感器信息中包括的噪音曲线可能随着流动和阀节流状况的不同而变化;而且,在固定阈值设置得太低的情况下可能会导致一个或多个数据采集通道饱和,而在固定阈值设置得太高的情况下可能会导致在低噪音期间对于有效声发射的监测和定位不敏感等。
在一些示例中,收集引擎200通过基于AE传感器信息(例如,在收集引擎200的一个或多个数据采集通道上从AE传感器120获取的AE传感器信息)动态地测量和计算平均信号电平(ASL)(例如以均方根毫伏为单位的ASL)来对AE传感器信号进行处理。在这些示例中,收集引擎200将ASL添加到固定阈值以生成浮动阈值。例如,收集引擎200可以基于计算出的1.0伏ASL和0.3伏的固定阈值生成1.3伏的浮动阈值(例如,1.3伏=1.0伏+0.3伏)。
在一些示例中,收集引擎200获取基线AE传感器信息、经调节的基线AE传感器信息、基线测量值等。如本文所使用的术语“基线AE传感器信息”、“基线传感器测量值”或“基线测量值”指的是在与阀动作(例如图1的阀112的打开或关闭)相对应的校准过程(例如调试过程、安装过程、验收测试等)中从图1至图2中所示的传感器120获取的AE传感器数据,因此可互换使用。如本文所使用的术语“经调节的基线AE传感器信息”或“经调节的基线传感器测量值”指的是在与阀动作相对应的校准过程中从传感器120获取的随后由图1至图2中所示的前置放大器122放大的AE传感器数据,因此可互换使用。
在一些示例中,收集引擎200获取操作AE传感器信息、经调节的操作AE传感器信息、基线测量值等。如本文所使用的术语“操作AE传感器信息”、“操作传感器测量值”或“操作测量值”指的是在正常操作状况下的典型阀操作期间从传感器120获取的AE传感器数据,因此可互换使用。如本文所使用的术语“经调节的操作AE传感器信息”或“经调节的操作传感器测量值”指的是在正常操作状况下的典型阀操作期间从传感器120获取的随后由前置放大器122放大的AE传感器数据,因此可互换使用。
在一些示例中,收集引擎200通过应用或执行诸如快速傅里叶变换(FFT)、谱密度(例如能量谱密度、功率谱密度等)计算等和/或其组合来处理AE传感器信息,以生成频率信息或AE频率信息。例如,收集引擎200可以对获取的AE传感器信息采用能量谱密度计算,以生成与根据频率(每单位频率)的传感器信息中存在的能量相对应的AE频率信息。在另一个示例中,收集引擎200可以对获取的AE传感器信息采用功率谱密度计算,以生成与根据频率(每单位频率)的传感器信息中存在的功率相对应的AE频率信息。在一些情况下,收集引擎200在进行频率分析操作之前和/或之后对AE传感器信息采用一个或多个滤波器(例如,低通滤波器、高通滤波器、带通滤波器、带阻滤波器等)。
在一些示例中,收集引擎200计算基线AE频率信息和操作AE频率信息。如本文所使用的术语“基线AE频率信息”指的是根据频率在与阀动作相对应的校准期间捕获的AE传感器数据,其中AE传感器数据是从前置放大器122获取的。如本文所使用的术语“操作AE频率信息”指的是根据频率在正常操作状况下的典型阀操作期间所捕获的AE传感器数据,其中AE传感器数据是从前置放大器122获取的。
在一些示例中,收集引擎200对从流体流动控制组件108获取的阀状态信息进行选择和/或处理。例如,收集引擎200可以对经由网络280从现场设备104获取的阀状态信息和/或经由直接有线连接或直接无线连接从现场设备104获取的阀状态信息进行选择和/或处理。收集引擎200可以结合获取的AE传感器信息对上述获取的所关注的阀状态信息进行选择和/或处理。在一些示例中,收集引擎200将AE传感器信息、阀状态信息、基线或操作AE频率信息等存储到数据库210中。在一些情况下,收集引擎200从数据库210中检索AE传感器信息、阀状态信息、固定阈值、前置放大器122的参数(例如滤波器的增益、频带等)等。
在图2所示的示例中,AEM 100包括用于记录数据(例如,AE传感器信息、阀状态信息、前置放大器信息(例如当前增益值、当前增益设定点等)等)的数据库210。在一些示例中,数据库210记录与获取的数据关联的标记(例如计算机和/或机器可读指令中的标记)和/或变量。例如,AEM 100可以设置阀112的阀状态标记以指示阀112是打开的,并且将该阀状态标记存储到数据库210中。示例性210可以响应对与数据库210中的数据有关的信息的查询。例如,数据库210可以通过提供附加数据(例如一个或多个数据点)、通过提供与数据库210中的附加数据关联的索引等来响应对附加数据的查询。另外地或备选地,当数据库210中没有附加数据时,示例性数据库210可以通过空索引、数据库210结束标识符等来响应查询。
示例性数据库210可以通过易失性存储器(例如,同步动态随机存取存储器(SDRAM)、(动态随机存取存储器(DRAM))、RAMBUS动态随机存取存储器(RDRAM)等)和/或非易失性存储器(例如闪速存储器)来实现。另外地或备选地,示例性数据库210可以通过一个或多个双倍数据速率(DDR)存储器,诸如DDR、DDR2、DDR3、DDR4、移动DDR(mDDR)等来实现。另外地或备选地,示例性数据库210可以通过一个或多个大容量存储设备,诸如硬盘驱动器、光盘驱动器、数字通用光盘驱动器、固态驱动器等来实现。虽然在图示的示例中将数据库210图示为单个数据库,但是数据库210可以由任何数量和/或类型的数据库实现。虽然在图2中将示例性数据库210描述为被包括在示例性AEM 100中,但是备选地,数据库210可以与AEM 100分开。
在图2所示的示例中,AEM 100包括用于确定前置放大器122的参数的选择器220。在一些示例中,选择器220基于流体流动控制组件108的阀位置确定前置放大器122的参数。例如,在基于阀位置确定了流体量控制组件108是基本打开的情况下,选择器220可以确定第一增益值(例如开阀增益值、闭阀增益值等),其包括带通滤波器的第一频带。在另一个示例中,在基于阀位置确定流体流动控制组件108是基本关闭的情况下,选择器220可以确定第二增益值(例如闭阀增益值),其包括带通滤波器的第二频带。在一些示例中,第一增益值和第二增益值是不同的。在一些示例中,选择器220基于查询数据库210中的查找表来确定第一增益值和第二增益值。例如,选择器220可以将阀112基本打开的状况映射到数据库210的查找表中的开阀增益值。
在一些示例中,选择器220基于阀状态标记的值来确定阀112是基本打开的还是基本关闭的,其中阀状态标记的值是由选择器220从数据库210中检索到的。在一些示例中,选择器220生成命令并且/或者将命令发送到前置放大器122以调节前置放大器122的参数。例如,选择器220可以生成命令并将命令发送到前置放大器122以将前置放大器122的当前增益值调节到开阀增益值、闭阀增益值等。
在一些示例中,选择器220确定将要被图1至图2所示的前置放大器122应用于从图1所示的传感器120获取的AE传感器信息的滤波器的配置和/或设置。例如,传感器220可以确定应用于AE传感器信息的一个或多个滤波器的类型(例如低通滤波器、高通滤波器、带通滤波器、带阻滤波器等)、应用于AE传感器信息的一个或多个滤波器的设置(例如频带、输入传感器信号范围、噪音抑制水平等)等。在一些情况下,选择器220基于所关注的流体流动控制组件108的状况、获取的阀状态信息等确定应用于AE传感器信息的一个或多个滤波器的类型和/或设置。例如,选择器220可以基于获取的阀状态信息确定阀112是基本打开的。响应于阀112是基本打开的,选择器220可以应用带通滤波器以除去100kHz到680kHz频率范围外的操作AE频率信息,以监测开阀流动状况。
在图2所示的示例中,AEM 100包括差值计算器230,用于计算操作AE传感器信息与基线AE传感器信息之间的差值。例如,差值计算器230可以计算经调节的操作AE传感器信息与经调节的基线AE传感器信息之间的差值,并且确定该差值是否满足阈值(例如差值阈值、比值阈值、电压幅度阈值等)。例如,差值阈值230可以计算(1)在阀112基本打开时在操作过程期间捕获的图1至图2所示的前置放大器122的第一输出的电压幅度与(2)在阀112基本打开时在基线过程期间捕获的前置放大器122的第二输出的电压幅度之间的差值。差值计算器230可以确定电压幅度差值是否满足电压幅度阈值(例如大于0.5V的差值)。
在一些示例中,差值计算器230计算经调节的第一操作AE传感器信息与经调节的第二操作AE传感器信息之间的差值,并且确定该差值是否满足阈值。例如,差值计算器230可以计算(1)在第一操作过程期间捕获的前置放大器122的第一输出的第一电压幅度与(2)在第二操作过程期间捕获的前置放大器122的第二输出的第二电压幅度之间的差值,其中第二操作过程在第一操作过程后完成。在这种示例中,差值计算器230可以将该差值与电压幅度阈值进行比较,并且基于该比较确定该差值是否满足电压幅度阈值。
在一些情况下,差值计算器230计算经调节的第一基线AE传感器信息与经调节的第二基线AE传感器信息之间的差值,并且确定该差值是否满足阈值。例如,差值计算器230可以计算(1)在第一基线过程期间捕获的前置放大器122的第一输出的第一电压幅度与(2)在第二基线过程期间捕获的前置放大器122的第二输出的第二电压幅度之间的差值,其中第二基线过程在第一基线过程后完成。在这种示例中,差值计算器230可以将该差值与电压幅度阈值进行比较,并且基于该比较确定该差值是否满足电压幅度阈值。
在一些示例中,差值计算器230计算操作AE频率信息与基线AE频率信息之间的比值,并且确定该比值是否满足阈值。例如,差值计算器230可以计算(1)在操作过程期间捕获的频率下的功率谱峰值的幅度与(2)在基线过程期间捕获的频率下的功率谱峰值的幅度之间的比值。差值计算器230可以将该比值与比值阈值进行比较,并且确定功率谱峰值幅度的比值是否满足比值阈值(例如大于5dB、10dB等的比值)。例如,差值计算器230可以计算10dB的比值,将10dB的比值与5dB或更大的比值阈值进行比较,并且确定10dB的比值是否满足5dB或更大的比值阈值。
在另一个示例中,比值计算器230可以确定功率谱峰值的幅度是否满足阈值(例如,功率谱峰值是否大于80dB、90dB等)。在一些示例中,差值计算器230将信息(例如计算出的差值)存储到数据库210中。在一些情况下,差值计算器230从数据库210中检索诸如经调节的AE传感器信息、基线AE传感器信息、操作AE频率信息、基线AE频率信息、阈值等信息。
在图2所示的示例中,AEM 100包括用于对AE传感器信息和/或AE频率信息的趋势进行选择、比较并分析的趋势分析器240。在一些示例中,趋势分析器240对在第一时间周期内(例如在流体流动控制组件108的基线过程期间)获取的所关注的AE传感器信息和/或AE频率信息进行选择和分析。例如,趋势分析器240可以针对所选择的第一时间周期内的一组AE传感器信息和/或AE频率信息计算电压幅度、功率谱峰值幅度等的平均值、标准差等。趋势分析器240可以将在第一时间周期内获取的AE传感器信息和/或AE频率信息与在第二时间周期内(例如流体流动控制组件108的操作过程期间)获取的AE传感器信息和/或AE频率信息进行比较。例如,趋势分析器240可以针对所选择的第二时间周期内的一组AE传感器信息和/或AE频率信息计算电压幅度、功率谱峰值幅度等的平均值、标准差等。趋势分析器240可以基于与流体流动控制组件108对应的AE传感器信息、AE频率信息等标识趋势信息(例如向下趋势、向上趋势等)。
在一些示例中,趋势分析器240确定指示流体流动控制组件108的状况的趋势信息。例如,电压幅度随时间的向上趋势可以指示正在发生空化或者指示流体流动控制组件108正在空化状况域中运行。在另一个示例中,电压幅度随时间的向上趋势可以指示更换损坏(例如需要更换的持续受损量等)。在一些示例中,趋势分析器240可以基于趋势信息生成曲线图或平面图。例如,趋势分析器240可以生成描绘电压幅度、频率响应等根据时间的平均值的平面图。在一些示例中,趋势分析器240将趋势信息存储到数据库210中。在一些情况下,趋势分析器240从数据库210中检索AE传感器信息、AE频率信息等。
在图2所示的示例中,AEM 100包括异常值标识器250,该异常值标识器250用于在所选择的AE传感器信息(例如基线AE传感器信息、操作AE传感器信息等)、所选择的AE频率信息(例如,基线AE频率信息、操作AE频率信息等)等内选择所关注的值(例如数据点)并确定该所关注的值是否是异常值。在一些示例中,异常值标识器250计算所选择的AE传感器信息、所选择的AE频率信息等中的数据的平均值和标准差。例如,异常值标识器250可以计算所选择的AE传感器信息中包括的电压幅度、所选择的AE频率信息中包括的功率谱峰值幅度等的平均值和标准差。在一些情况下,异常值标识器250确定在时间周期内平均值与所选择的AE传感器信息中的所关注的数据点之间的差值。当该差值满足阈值(例如,该差值超过一个或多个标准差值等)时,异常值标识器250可以确定该所关注的数据点为异常值。在一些情况下,异常值标识器250将标识出的异常值从AE传感器信息、AE频率信息等中移除。在一些示例中,异常值标识器250将平均值、标准差值、异常值等存储到数据库210中。例如,异常值标识器250可以将异常值存储到数据库210中,以便进一步分析、生成警报等。在一些情况下,异常值标识器250从数据库210中检索所关注的数据点、平均值、标准差值等。
在图2所示的示例中,AEM 100包括用于标识流体流动控制组件108状况的状况标识器260。例如,基于AE传感器信息、AE频率信息、阀状态信息等,状况标识器260可以确定流体流动控制组件108正表现出空化状况、无阻流动或开阀流动状况、阀座泄漏状况等。AE传感器信息可以包括从前置放大器122获取的模拟信号数据,诸如电压幅度。AE频率信息可以包括FFT数据、能量谱密度数据、功率谱密度数据等,其中AE频率信息包括根据频率(每单位频率)的幅度。阀状态信息可以包括从现场设备104获取的阀112的状态。阀112的状态可以包括指示阀112基本打开或基本关闭的阀位置百分比(例如100%关闭、100%打开等)、标识符等。
例如,可以基于(1)阀122基本关闭和(2)从前置放大器122获取的满足阈值的电压幅度输出(例如大于0.5V、1.0V、1.5V等的电压幅度),状况标识器260可以标识流体流动控制组件108的阀座泄漏状况。在另一个示例中,基于(1)阀122基本打开和(2)从前置放大器122获取的满足阈值的传感器输出(例如大于80dBAE、90dBAE等的传感器输出),状况标识器260可以标识空化状况。在又一个示例中,基于(1)阀112基本打开和(2)在满足阈值的频率下的功率谱峰值的幅度之间的差值,状况标识器260可以标识流体流动控制组件108的开阀流动状况。例如,差值可以介于(1)在操作过程期间捕获的频率下的功率谱峰值的幅度与(2)在基线过程期间捕获的频率下的功率谱峰值的幅度之间。在一些示例中,状况标识器260将流体流动控制组件108的状况存储到数据库210中。在一些情况下,状况标识器260从数据库210中检索所关注的AE传感器信息、所关注的AE频率信息、所关注的阀状态信息、计算出的差值等。
在图2所示的示例中,AEM 100包括用于基于流体流动控制组件108的状况变化生成警报的警报生成器270。例如,当流体流动控制组件108正表现出空化状况、开阀流动状况、阀座泄漏状况等时,警报生成器270生成警报。在一些示例中,当经调节的AE传感器信息与基线AE传感器信息之间的差值满足阈值时,警报生成器270生成警报。在其他示例中,当操作AE频率信息与基线AE频率信息之间的差值满足阈值时,警报生成器270生成警报。在一些情况下,当趋势信息指示流体流动控制组件108的状况可能改变时,警报生成器270生成警报。响应于标识流体流动控制组件108的状况或待定状况变化,示例性警报生成器270可以生成警报,诸如,例如发出警告,在整个工艺控制网络中传播警报消息,生成故障日志和/或报告,在显示器上显示警报、生成维护任务列表(例如,可能需要更换的阀的列表等)等。在一些情况下,警报生成器270基于标识异常值来生成警报。
在一些示例中,基于与流体流动控制组件108对应的经调节的当前和/或过往AE传感器信息、当前和/或过往AE频率信息等,警报生成器270生成阈值(例如调节现有阈值、产生新阈值等)。例如,警报生成器270可以基于最新计算出的前置放大器122的电压幅度来修改前置放大器122的电压幅度的现有阈值(例如默认阈值)。备选地,警报生成器270可以基于从被耦合至监测第二阀的第二传感器的第二前置放大器获取的经调节的当前和/或过往AE传感器信息、当前和/或过往AE频率信息等来生成阈值。第二阀可以经由工艺管道耦合至图1所示的流体工艺***116。备选地,第二阀可以耦合至不同于流体工艺***116的流体工艺***。警报生成器270可以基于从第二前置放大器获取的电压幅度输出来修改前置放大器122的电压幅度输出的现有阈值。另外地或备选地,警报生成器270可以基于与第二阀对应的AE频率信息来修改与流体流动控制组件108的AE频率信息对应的现有阈值。
在一些示例中,警报生成器270采用可取决于默认阈值或用户输入的预定义阈值。在一些示例中,警报生成器270利用计算出的阈值。例如,警报生成器270可以使计算出的阈值基于一个或多个标准差值。在一些情况下,警报生成器270将阈值和/或生成的警报存储到数据库210中。在一些情况下,警报生成器270从数据库210中检索阈值和/或生成的警报。
在图2所示的示例中,网络280是总线和/或计算机网络。例如,网络280可以是内部控制器总线、工艺控制网络、至现场设备104或现场设备104的接口的直接有线或无线连接等。在一些示例中,网络280是具有通信耦合至互联网的能力的网络。然而,网络280可以使用任何合适的有线和/或无线网络来实现,例如,包括一个或多个数据总线、一个或多个局域网(LAN)、一个或多个无线LAN、一个或多个蜂窝网络、一个或多个光纤网络、一个或多个卫星网络、一个或多个专用网络、一个或多个公用网络等。网络280可以使示例性AEM 100与现场设备104、前置放大器122等进行通信。如本文所使用的措辞“通信”(包括其变形)包含直接通信和/或通过一个或多个中间部件的间接通信,并且不需要直接物理(例如有线)通信和/或持续通信而是包括周期性或非周期性间隔的选择性通信以及一次性事件。
虽然在图2中图示了实现图1的AEM 100的示例性方式,但是图2所示的元素、过程和/或装置中的一个或多个可以以任何其他方式组合、划分、重新布置、省略、排除和/或实现。进一步,图2的示例性收集引擎200、示例性数据库210、示例性选择器220、示例性差值计算器230、示例性趋势分析器240、示例性异常值标识器250、示例性状况标识器260、示例性警报生成器270和/或(更普遍地)示例性AEM 100可以通过硬件、软件、固件和/或硬件、软件和/或固件的任何组合来实现。因此,例如,图2的示例性收集引擎200、示例性数据库210、示例性选择器220、示例性差值计算器230、示例性趋势分析器240、示例性异常值标识器250、示例性状况标识器260、示例性警报生成器270和/或(更普遍地)示例性AEM 100中的任何一个可以通过一个或多个模拟或数字电路、逻辑电路、可编程处理器、专用集成电路(ASIC)、可编程逻辑器件(PLD)和/或现场可编程逻辑器件(FPLD)来实现。当阅读仅用于涵盖硬件和/或固件实现的本专利的任何设备和/或***权利要求时,图2的示例性收集引擎200、示例性数据库210、示例性选择器220、示例性差值计算器230、示例性趋势分析器240、示例性异常值标识器250、示例性状况标识器260、示例性警报生成器270和/或(更普遍地)示例性AEM 100中的至少一个被明确定义为包括非暂时性计算机可读存储设备或存储盘,诸如存储器、数字通用光盘(DVD)、光盘(CD)、蓝光光盘等,包括软件和/或固件。更进一步,图2的示例性AEM 100可以包括除了图2所示的元素、过程和/或装置之外或替代这些元素、过程和/或装置的一个或多个元素、过程和/或装置,并且/或者可以包括一个以上的任何一种或全部图示元素、过程和装置。
在图3至图6中图示了表示用于实现图2的示例性AEM 100的示例性方法的流程图。在这些示例中,这些方法可以使用机器可读指令来实现,该机器可读指令包括由处理器(诸如下面结合图10论述的示例性处理器平台1000中示出的处理器1012)执行的程序。该程序可以体现在非暂时性计算机可读存储介质(诸如CD-ROM、软盘、硬盘驱动器、数字通用光盘(DVD)、蓝光光盘或与处理器1012关联的存储器)上存储的软件中,但是整个程序和/或其一部分可以备选地由除了处理器1012之外的设备执行,并且/或者体现在固件或专用硬件中。进一步,虽然参照图3至图6所示的流程图描述了示例性程序,但是可以备选地使用实现示例性AEM 100的许多其他方法。例如,可以改变框的执行顺序,并且/或者可以对所描述的框进行变化、消除或组合。另外地或备选地,在不执行软件或固件的情况下,任何一个框或全部框可以通过被构造为执行相应操作的一个或多个硬件电路(例如,分立和/或集成模拟和/或数字电路、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、比较器、运算放大器(op-amp)、逻辑电路等)来实现。
如上所述,图3至图6所示的示例性方法可以使用存储在非暂时性计算机可读和/或机器可读介质上的编码指令(例如计算机可读和/或机器可读指令)来实现,该非暂时性计算机可读和/或机器可读介质诸如硬盘驱动器、闪速存储器、只读存储器、光盘、数字通用光盘、缓存、随机存取存储器、和/或信息被存储于其中达任何持续时间(例如延长时间段、永久地、短暂情况、暂时缓冲和/或信息的高速缓存)的任何其他存储设备或存储盘。如本文所使用的术语“非暂时性计算机可读介质”被明确定义为包括任何类型的计算机可读存储设备和/或存储盘,并且排除传播的信号和传输介质。“包含”和“包括”(及其所有形式和时态)在本文中均用作开放式术语。因此,每当权利要求在“包含(include)”或“包括(comprise)”的任何形式(例如comprises、includes、comprising、including等)之后列出任何内容时,应该理解的是,可能存在超出相应权利要求的范围的附加元素、条款等。如本文所使用的,当措辞“至少”被用作权利要求的前序中的过渡术语时,由于术语“包含”和“包括”是开放式的,所以“至少”同样也是开放式的。
图3是代表示例性方法300的流程图,该示例性方法300可以由图1至图2所示的示例性AEM 100来执行,用以基于获取的AE传感器信息和获取的阀状态信息标识流体流动控制组件的状况。示例性方法300开始于框302,在框302时,示例性AEM 100获取阀的阀状态信息。例如,收集引擎200可以经由图1的现场设备104和/或图2的网络280从流体流动控制组件108获取图1的流体流动控制组件108的阀位置百分比(例如阀是100%打开的)。
在框304中,示例性AEM 100确定增益。例如,选择器220可以确定图1至图2所示的前置放大器122的增益。选择器220可以基于流体流动控制组件108的阀状态信息确定增益。在框306中,示例性AEM 100调节增益。例如,通过生成命令(例如调节增益命令)并将该命令发送到前置放大器122以调节前置放大器122的增益,选择器220可以调节前置放大器122的增益。
在框308中,示例性AEM 100获取经调节的传感器信息。例如,收集引擎200可以从前置放大器122和/或经由网络208从前置放大器122获取经调节的AE传感器信息。例如,前置放大器122可以通过利用经调节的增益来放大从图1至图2所示的传感器120获取的AE传感器信息,来输出经调节的AE传感器信息。在框310中,示例性AEM 100对经调节的AE传感器信息进行频率分析操作。例如,收集引擎200可以进行FFT计算、功率谱密度计算等和/或其组合,以生成AE频率信息。
在框312中,示例性AEM 100计算操作频率信息与基线频率信息之间的差值。例如,差值计算器230可以计算(1)在操作过程期间捕获的频率下的功率谱峰值的幅度与(2)在基线过程期间捕获的频率下的功率谱峰值的幅度之间的差值。备选地,示例性AEM 100可以计算经调节的AE传感器信息与基线AE传感器信息之间的差值。例如,差值计算器230可以计算(1)在操作过程期间捕获的图1所示的阀112的阀位置处的电压幅度与(2)在基线过程期间捕获的阀位置处的电压幅度之间的差值。
在框314中,示例性AEM 100确定该差值是否满足阈值。例如,差值计算器230可以计算操作AE频率信息与基线AE频率信息之间的比值,将该比值与阈值进行比较,并且确定该比值是否满足阈值(例如,功率谱峰值幅度之间的比值大于5dB、10dB等)。备选地,差值计算器230可以确定操作AE频率信息是否满足阈值(例如,功率谱峰值的幅度大于5dB、10dB等),经调节的AE传感器信息与基线AE传感器信息之间的差值是否满足阈值(例如,电压幅度差值大于0.5V、1.0V、1.5V等)等。
如果示例性AEM 100在框314中确定了该差值不满足阈值,则控制返回到框302,以获取阀的阀状态信息。如果示例性AEM 100在框314中确定了该差值确实满足阈值,则AEM100在框316中标识阀的状况。例如,状况标识器260可以确定流体流动控制组件108正表现出空化状况、开阀流动状况、阀座泄漏状况等。
在框318中,示例性AEM 100生成警报。例如,警报生成器270可以生成包括流体流动控制组件108的状况标识的警报。在框320中,示例性AEM 100确定是否继续监测阀。例如,收集引擎200可以确定是否继续监测流体流动控制组件108。如果在框320中示例性AEM 100确定继续监测阀,则控制返回到框302以获取阀的阀状态信息;否则,该示例性方法300结束。
与确定增益(图3中框304)有关的更多细节如图4所示。图4是表示示例性方法400的流程图,该示例性方法400可以由图1至图2所示的确定前置放大器的增益的示例性AEM100执行。示例性方法400开始于框402。在框402时,示例性AEM 100确定阀位置。例如,收集引擎200可以从阀状态信息中确定阀的阀位置百分比(例如阀112是100%打开的)。
在框404中,示例性AEM 100确定阀是否处于过渡位置。例如,收集引擎200可以确定阀112的阀位置不满足打开阀状况(例如阀112的阀位置大于99%打开)或关闭阀状况(例如阀112的阀位置大于99%关闭)的阈值。如果在框404中示例性AEM 100确定阀未处于过渡位置,则控制转到框408以确定阀是否是打开的。如果示例性AEM 100在框404中确定阀处于过渡位置,则在框406中,AEM 100标识与过渡中的阀对应的增益。例如,选择器200可以将阀112的阀位置映射到查找表中与过渡阀状况或位置对应的增益值(例如过渡阀状况增益值)。选择器220可以从数据库210中检索增益值。
在框408中,示例性AEM 100确定阀是否是打开的。例如,基于阀112的阀位置满足打开阀状况(例如阀112的阀位置大于99%打开),收集引擎200可以确定阀112是基本打开的。如果示例性AEM 100在框408中确定阀是未打开的,则控制转到框412,以确定阀是否是关闭的。如果示例性AEM 100在框408中确定阀是打开的,则AEM 100在框410中标识与打开阀对应的增益。例如,选择器200可以将阀112基本打开映射到查找表中与打开阀状况或位置对应的增益值(例如打开阀增益值)。选择器220可以从数据库210中检索增益值。
示例性AEM 100在框412中确定阀是否是关闭的。例如,基于阀位置满足关闭阀状况(例如阀112的阀位置大于99%关闭),收集引擎200可以确定阀112是基本关闭的。如果示例性AEM 100在框412中确定阀是关闭的,则AEM 100在框414中标识与关闭阀对应的增益。例如,选择器200可以将阀112基本关闭映射到查找表中与关闭阀状况或位置对应的增益值(例如关闭阀状况增益值)。选择器220可以从数据库210中检索增益值。如果示例性AEM 100在框412中确定阀是未关闭的,则结束该示例性方法400。
与标识阀的状况(图3中框316)有关的更多细节如图5所示。图5是表示示例性方法500的流程图,该示例性方法500可以由图1至图2所示的标识图1的流体流动控制组件108的状况的示例性AEM 100执行。示例性方法500开始于框502,在框502时,示例性AEM 100获取阀的阀状态信息。例如,收集引擎200可以从图1的现场设备104、图2的数据库210等获取图1的阀112的阀位置。
示例性AEM 100在框504中获取声发射(AE)传感器信息和AE频率信息。例如,收集引擎200可以从图1至图2所示的前置放大器122、数据库210等获取经调节的AE传感器信息。在另一个示例中,收集引擎200可以从数据库210获取操作AE频率信息,或者通过对获取的经调节的AE传感器信息进行频率分析计算(例如FFT、功率谱密度计算等)来获取AE频率信息。
在框506中,示例性AEM 100确定AE传感器信息和/或AE频率信息是否满足空化阈值。例如,状况标识器260可以确定从阀位置处的前置放大器122获取的电压幅度满足空化阈值(例如电压幅度输出大于0.5V、1.0V、1.5V等)。在另一个示例中,状况标识器260可以确定一定频率下的功率谱峰值的幅度满足空化阈值(例如,800kHz下的功率谱峰值的幅度大于110dBAE、120dBAE、130dBAE等)。
如果在框506中示例性AEM 100确定AE传感器信息和/或AE频率信息不满足空化阈值,则控制转到框510以确定AE传感器信息和/或AE频率信息是否满足开阀流动阈值。如果示例性AEM 100框506中确定AE传感器信息和/或AE频率信息确实满足空化阈值,则AEM 100在框508中标识空化状况。例如,状况标识器260可以标识出流体流动控制组件108正表现出空化状况。响应于示例性AEM 100标识出空化状况,该示例性方法500结束。
示例性AEM 100在框510中确定AE传感器信息和/或AE频率信息是否满足开阀流动阈值。例如,状况标识器260可以确定从阀位置处的前置放大器122获取的电压幅度满足开阀流动阈值(例如电压幅度输出大于0.5V、1.0V、1.5V等)。在另一个示例中,状况标识器260可以确定一定频率下的功率谱峰值的幅度满足开阀流动阈值(例如,500kHz下的功率谱峰值的幅度大于95dBAE、105dBAE、115dBAE等)。
如果示例性AEM 100在框510中确定AE传感器信息和/或AE频率信息不满足开阀流动阈值,则控制转到框514以确定AE传感器信息和/或AE频率信息是否满足阀座泄漏阈值。如果示例性AEM 100在框510中确定AE传感器信息和/或AE频率信息确实满足开阀流动阈值,则在框512中,AEM 100标识开阀流动状况。例如,状况标识器260可以标识出流体流动控制组件108正表现出开阀流动状况。响应于示例性AEM 100标识出开阀流动状况,该示例性方法500结束。
在框514中,示例性AEM 100确定AE传感器信息和/或AE频率信息是否满足阀座泄漏阈值。例如,状况标识器260可以确定从阀位置处的前置放大器122获取的电压幅度满足阀座泄漏阈值(例如电压幅度输出大于0.5V、1.0V、1.5V等)。在另一个示例中,状况标识器260可以确定一定频率下的功率谱峰值的幅度满足阀座泄漏阈值(例如,300kHz下的功率谱峰值的幅度大于45dBAE、55dBAE、65dBAE等)。
如果示例性AEM 100在框514中确定AE传感器信息和/或AE频率信息不满足阀座泄漏阈值,则控制转框518以处理潜在异常值。例如,异常值标识器250可以处理潜在异常值。如果示例性AEM 100在框514中确定AE传感器信息和/或AE频率信息确实满足阀座泄漏阈值,则在框516中,AEM 100标识阀座泄漏状况。例如,状况标识器260可以标识出流体流动控制组件108正表现出阀座泄漏状况。在框516中标识出阀座泄漏状况或者在框518中处理了潜在异常值之后,该示例性方法500结束。
与处理潜在异常值(图5中框518)有关的更多细节如图6所示。
图6是表示示例性方法600的流程图,该示例性方法600可以由图2所示的用以处理潜在异常值的示例性AEM 100执行。示例性方法600开始于框602,示例性AEM 100在框602时选择所关注的声发射(AE)传感器信息进行处理。例如,收集引擎200可以选择针对规定时间间隔的基线AE传感器信息、操作AE传感器信息等进行处理。另外地或备选地,异常值标识器250可以对从被耦合至在流体工艺***116外部的流体工艺***的一个或多个阀获取的AE传感器信息进行选择。
示例性AEM 100在框604中计算所选择的AE传感器信息的平均值和标准差。例如,异常值标识器250可以基于所选择的基线AE传感器信息、所选择的操作AE传感器信息等计算平均值和标准差值。
示例性AEM 100在框606中选择所关注的潜在异常值进行处理。例如,异常值标识器250可以选择在所选择的AE传感器信息内的数据点(例如图1至图2的前置放大器122的输出的电压幅度)进行处理。示例性AEM 100在框608中计算潜在异常值与平均值之间的差值。例如,异常值标识器250可以计算数据点与平均值之间的差值。在框610中,示例性AEM 100确定该差值是否满足阈值。例如,异常值标识器250可以确定该差值是否满足阈值(例如该差值大于一个标准差值)。
在一些示例中,用户输入确定该阈值。在一些情况下,该阈值是基于一个或多个标准差值的。另外地或备选地,可以基于流体流动控制组件108的所选择的AE传感器信息和/或先前获取的AE传感器信息来生成(例如调节、创建、修改等)该阈值。备选地,可以基于从被耦合至另一个流体流动控制组件的另一个传感器获取的AE传感器信息来生成该阈值。
如果示例性AEM 100在框610中确定了该差值不满足阈值,则控制转到框616以确定是否存在另一个所关注的潜在异常值需要处理。如果示例性AEM 100在框610中确定了该差值确实满足阈值,则在框612中,AEM 100将潜在异常值标识为异常值。例如,异常值标识器250可以将所关注的数据点标识为异常值。
在框614中,示例性AEM 100将异常值从所选择的AE传感器信息中移除。例如,异常值标识器250可以将所关注的数据点从所选择的AE传感器信息中移除。备选地,异常值标识器250可以将异常值存储到数据库210中以便进一步分析和/或生成警报。在框616中,示例性AEM 100确定是否存在另一个所关注的潜在异常值需要处理。例如,异常值标识器250可以确定是否存在另一个所关注的数据点需要处理。如果示例性AEM 100在框616中确定存在另一个所关注的潜在异常值需要处理,则控制返回到框606以选择另一个所关注的潜在异常值进行处理。如果示例性AEM 100在框616中确定不存在另一个所关注的潜在异常值需要处理(例如数据库210返回空索引等),则结束该示例性方法600。
图7是描述示例性主动声发射(AE)源的示例性表格700,其可以经由图1至图2所示的传感器120和前置放大器122被图1至图2所示的示例性AEM 100检测到。在图示的示例中,AEM 100可以基于泄漏、开阀流动、空化损坏和阀损坏使用传感器120来检测多个示例性主动AE源。在示例性表格700中,当所获取的图1所示的流体流动控制组件108的阀状态是关闭时,示例性AEM 100可以基于泄漏来监测主动源。在示例性表格700中,当获取的流体流动控制组件108的阀状态是打开时,示例性AEM 100可以基于开阀流动来监测主动源。在示例性表格700中,当获取的流体流动控制组件108的阀状态是打开时,示例性AEM 100可以基于空化损坏来监测主动源。在示例性表格700中,当获取的流体流动控制组件108的阀状态是关闭时,示例性AEM 100可以基于阀损坏(例如具有一个或多个破损部件的阀等)来监测主动源。
在图7所示的示例中,AEM 100通过调节前置放大器122的增益来补偿竞争源。例如,当传感器120基于泄漏监测主动源时,AEM 100可以增大前置放大器122的增益,以补偿工厂噪音。在另一个示例中,当传感器120基于开阀流动监测主动源时,AEM 100可以减小前置放大器122的增益,以补偿工厂噪音。在又一个示例中,当传感器120基于空化损坏监测主动源时,AEM 100可以减小前置放大器122的增益,以补偿工厂噪音以及由于开阀流动而产生的噪音。如图7所示的示例中描述的,通过基于流体流动控制组件108的阀状态调节前置放大器122的增益,AEM 100可以使传感器120多功能化,以监测多个主动源。
图8是描述图1的流体流动控制组件108的示例性状况域的范围的图表。图8所示的图表描述了包括示例性参数范围的平面图800,这些示例性参数范围可以用于基于以下来标识状况域:(1)以声发射分贝(dBAE)为单位的图1至图2所示的前置放大器122的输出、和(2)以千赫(kHz)为单位的前置放大器122的电压输出的幅度出现的相应频率。平面图800图示了示例性空化域805、示例性开阀流动域810和示例性阀座泄漏域815。
在图示的示例中,空化域805跨675kHz到975kHz的频率范围,并且跨100dBAE到160dBAE的前置放大器输出范围。例如,在675kHz到975kHz范围内的频率下发生的在100dBAE到160dBAE范围内的前置放大器122的电压输出的幅度可以对应流体流动控制组件108呈现空化状况。例如,基于电压输出满足阈值(例如电压输出大于0.5V、1.0V、1.5V等)且阀122的位置是基本打开的,在800kHz频率下发生的110dBAE的前置放大器122的电压输出的幅度可以对应空化状况。
在图示的示例中,开阀流动域810跨100kHz到685kHz的频率范围,并且跨90dBAE到150dBAE的前置放大器输出范围。例如,基于电压输出满足阈值(例如电压输出大于0.5V、1.0V、1.5V等)且阀122的位置是基本打开的,在500kHz频率下发生的95dBAE的前置放大器122的电压输出的幅度可以对应开阀流动状况。
在图示的示例中,阀座泄漏域815跨100kHz到675kHz的频率范围,并且跨40dBAE到80dBAE的前置放大器输出范围。例如,基于电压输出满足阈值(例如电压输出大于0.5V、1.0V、1.5V等)且阀122的位置是基本关闭的,在300kHz频率下发生的60dBAE的前置放大器122的电压输出的幅度可以对应阀座泄漏状况。
在图8所示的示例中,平面图800描述了声发射(AE)前置放大器820的示例性有效范围。例如,有效范围820可以对应图1至图2所示的前置放大器122的输出值范围。在图示的示例中,有效范围820从20dBAE扩大到120dBAE。例如,可以调节前置放大器122的增益,以产生在20dBAE到120dBAE范围内的输出,以放大传感器120对应于不同状况域的测量值。例如,当阀112基本关闭时,AEM 100可以确定调节前置放大器122的增益值,以产生在阀座泄漏域内的输出值(例如在40dBAE到80dBAE范围内的输出值)。在另一个示例中,当阀112基本打开时,AEM 100可以确定调节前置放大器122的增益值以产生在开阀流动域内的输出值(例如在90dBAE到150dBAE范围内的输出值)。示例性AEM 100可以调节前置放大器122的增益值以监测跨多个状况域的频率响应。例如,AEM 100可以在阀112关闭时调节前置放大器122的增益值以产生60dBAE的输出值以便监测阀座泄漏域815,而在阀112打开时调节增益值以产生95dBAE的输出值以便监测空化域805和/或开阀流动域810。
在图8所示的示例中,可以使一个AE传感器多功能化,以监测多个状况域。取代具有专用于测量单个状况域的单个传感器,可以利用适当选择的传感器(例如低保真度宽带声发射传感器等)来监测多个状况域。例如,AEM 100可以基于与空化域805、开阀流动域810和/或阀座泄漏域815对应的AE传感器信息来调节前置放大器122的增益值以产生输出。示例性AEM 100可以基于阀状态(例如,阀122是打开的,阀112是关闭的,等等)调节前置放大器122的增益值,以在状况域之间转换。
图9是描述针对图1的流体流动控制组件108的示例性状况域的示例性传感器输出范围的示例性表格900。表格900描述了传感器输出范围列905、声发射(AE)刻度(dBAE)的传感器输出范围列910、阀座泄漏检测的AE范围列915、无阻流动检测的AE范围列920和空化检测的AE范围列925。在图示的示例中,传感器输出范围列905对应图1至图2所示的传感器120的电压输出的幅度。在图示的示例中,AE刻度的传感器输出范围列910对应传感器输出幅度列905转换为dBAE的值。例如,可以将1毫伏到10毫伏的传感器输出范围输入到上述等式(2)中,以生成40dBAE到60dBAE的AE刻度的传感器输出范围。
在图9所示的示例中,阀座泄漏检测的AE范围列915对应可以满足指示流体流动控制组件108正表现出阀座泄漏状况的阈值的传感器120的电压输出的示例性幅度。在图示的示例中,在3微伏到100毫伏范围内的幅度可以满足阈值(例如,100微伏的幅度大于50微伏的阈值,在300kHz下100微伏的幅度大于300kHz下50微伏的阈值等)。在一些示例中,AEM100确定AE刻度的传感器输出指示流体流动控制组件108的更换。例如,AEM 100可以确定60dBAE到100dBAE范围内的传感器输出指示更换。
在图9所示的示例中,开阀流动状况域列920对应可以满足指示流体流动控制组件108正表现出开阀流动状况的阈值的传感器120的电压输出的示例性幅度。在图示的示例中,在100微伏到10伏范围内的幅度可以满足阈值(例如,1V的幅度大于100毫伏的阈值,在500kHz下1V的幅度大于500kHz下100毫伏的阈值等)。类似地,空化状况域列925对应可以满足指示流体流动控制组件108正表现出空化状况的阈值的传感器120的电压输出的示例性幅度。
在图9所示的示例中,虽然传感器输出幅度范围在不同状况域上重叠,但是AEM100可以基于阀状态信息区分不同的状况域。例如,10毫伏的传感器输出可应用于阀座泄漏检测的AE范围列915和无阻流动检测列920。示例性AEM 100可以确定图1的阀112是基本打开的,从而确定10毫伏的传感器输出对应无阻流动检测列820并对应开阀流动状况域。另外地或备选地,示例性AEM 100可以利用在阀状态信息中和/或由一种或多种数字处理技术产生的信息中包括的附加信息,来确定传感器输出的适用状况域和/或在多个状况域范围内的前置放大器增益。
图10是能够执行指令以实施图3至图6所示的方法和/或图1至图2所示的示例性AEM 100的示例性处理器平台1000的框图。处理器平台1000可以是,例如,数据采集***、可编程逻辑控制器、服务器、个人计算机或任何其他类型的计算设备。
图示示例中的处理平台1000包括处理器1012。图示示例中的处理器1012是硬件。例如,处理器1012可以由任何期望系列或制造商的一个或多个集成电路、逻辑电路、微处理器或控制器实现。硬件处理器可以是基于半导体的(例如硅基)设备。在该示例中,处理器1012实现了示例性收集引擎200、示例性选择器220、示例性差值计算器230、示例性趋势分析器240、示例性异常值标识器250、示例性状况标识器260和示例性警报生成器270。
图示示例中的处理器1012包括本地存储器1013(例如缓存)。图示示例中的处理器1012经由总线1018与主存储器进行通信,该主存储器包括易失性存储器1014和非易失性存储器1016。易失性存储器1014可以由同步动态随机存取存储器(SDRAM)、动态随机存取存储器(DRAM)、RAMBUS动态随机存取存储器(RDRAM)和/或任何其他类型的随机存取存储器设备实现。非易失性存储器1016可以由闪速存储器和/或任何其他期望类型的存储器设备实现。对主存储器1014、1016的访问由存储器控制器来控制。
图示示例中的处理器平台1000还包括接口电路10120。接口电路1020可以由任何类型的接口标准(诸如以太网接口、通用串行总线(USB)和/或PCI express接口)实现。
在图示的示例中,将一个或多个输入设备1022连接至接口电路1020。输入设备1022允许用户将数据和命令输入到处理器1012中。输入设备可以由例如音频传感器、麦克风、摄像头(静物或视频)、键盘、按键、鼠标、触摸屏、轨迹板、isopoint和/或语音标识***实现。
还可以将一个或多个输出设备1024连接至图示示例中的接口电路1020。输出设备1024可以由例如显示器件(例如发光二极管(LED)、有机发光二极管(OLED)、液晶显示器、阴极射线管显示器(CRT)、触摸屏、触觉输出设备、打印机和/或扬声器)实现。因此,图示示例中的接口电路1020通常包括图形驱动卡、图形驱动芯片或图形驱动处理器。
图示示例中的接口电路1020还包括通信设备,诸如发射器、接收器、收发器、调制解调器和/或网络接口卡,以便于经由网络1026(例如以太网连接、数字用户线(DSL)、电话线、同轴电缆、蜂窝电话***等)与外部机器(例如任何类型的计算设备)进行数据交换。
图示示例中的处理器平台1000还包括用于存储软件和/或数据的一个或多个大容量存储设备1028。大容量存储设备1028的示例包括软盘驱动器、硬盘驱动器、磁性介质、固态驱动器、光盘驱动器、蓝光光盘驱动器、RAID***和数字通用光盘(DVD)驱动器。示例性大容量存储设备1028实现了示例性数据量210。
用于实现图3至图6的流程图所示的方法的编码指令1032可以存储在大容量存储设备1028、易失性存储器1014、非易失性存储器1016和/或可移除有形计算机可读存储介质(诸如CD或DVD)中。
从上述内容中,可以理解的是,上述公开的设备、方法和制品能够实现声发射传感器的多种用途。通过使声发射传感器多功能化,单个传感器可以监测多个状况域的流体流动控制组件。因此,实现了传感器和传感器相关硬件的减少。而且,对流体流动控制组件的状况域的标识向工作人员发出警报,以允许在可能在工艺控制环境中引起不期望的停机时间的潜在故障之前进行预防性维护和/或更换流体流动控制组件。
尽管本文已经公开了一些示例性方法、设备和制品,但是本专利的覆盖范围并不限于此。相反,本专利涵盖了完全落入本专利的权利要求范围内的所有方法、设备和制品。
Claims (23)
1.一种设备,包括:
收集引擎,用以:
从被耦合至流体流动控制组件的声发射传感器获取测量值;以及
获取所述流体流动控制组件的状态;
选择器,用以基于所述状态来调节前置放大器的增益,以调节所述测量值;以及
状况标识器,用以基于经调节的测量值来标识所述流体流动控制组件的状况。
2.根据权利要求1所述的设备,其中所述声发射传感器是被配置为监测多个主动源的混合型宽带高灵敏度传感器。
3.根据权利要求1所述的设备,其中所述增益包括放大带和频带中的至少一个带。
4.根据权利要求1所述的设备,其中所述状态包括所述流体流动控制组件的打开百分比或关闭百分比。
5.根据权利要求1所述的设备,其中所述状态是从所述流体流动控制组件获取的。
6.根据权利要求1所述的设备,其中所述状况包括所述流体流动控制组件的空化、泄漏或无阻流动中的至少一种。
7.根据权利要求1所述的设备,其中获取所述测量值包括:计算浮动阈值。
8.一种方法,包括:
从被耦合至流体流动控制组件的声发射传感器获取操作测量值;
获取所述流体流动控制组件的状态;
基于所述状态来调节前置放大器的增益,以调节所述操作测量值;以及
基于经调节的操作测量值标识所述流体流动控制组件的状况。
9.根据权利要求8所述的方法,其中所述声发射传感器是被配置为监测多个主动源的混合型宽带高灵敏度传感器。
10.根据权利要求8所述的方法,其中所述增益包括放大带和频带中的至少一个带。
11.根据权利要求8所述的方法,其中所述状态包括所述流体流动控制组件的打开百分比或关闭百分比。
12.根据权利要求8所述的方法,还包括:计算经调节的操作测量值与基线测量值之间的差值,并且基于所述差值是否满足阈值来标识所述状况。
13.根据权利要求12所述的方法,还包括:当所述差值满足所述阈值时生成警报。
14.根据权利要求8所述的方法,其中所述状况包括所述流体流动控制组件的空化、泄漏或无阻流动中的至少一种。
15.根据权利要求8所述的方法,其中获取所述操作测量值包括:计算浮动阈值。
16.一种非暂时性计算机可读存储介质,其包括指令,所述指令在被执行时使机器至少:
从被耦合至流体流动控制组件的声发射传感器获取操作测量值;
获取所述流体流动控制组件的状态;
基于所述状态来调节前置放大器的增益,以调节所述操作测量值;以及
基于经调节的操作测量值标识所述流体流动控制组件的状况。
17.根据权利要求16所述的非暂时性计算机可读存储介质,其中所述声发射传感器是被配置为监测多个主动源的混合型宽带高灵敏度传感器。
18.根据权利要求16所述的非暂时性计算机可读存储介质,其中所述增益包括放大带和频带中的至少一个带。
19.根据权利要求16所述的非暂时性计算机可读存储介质,其中所述状态包括所述流体流动控制组件的打开百分比或关闭百分比。
20.根据权利要求16所述的非暂时性计算机可读存储介质,还包括在被执行时使所述机器至少计算经调节的操作测量值与基线测量值之间的差值、并基于所述差值是否满足阈值来标识所述状况的指令。
21.根据权利要求20所述的非暂时性计算机可读存储介质,还包括在被执行时使所述机器在所述差值满足所述阈值时至少生成警报的指令。
22.根据权利要求16所述的非暂时性计算机可读存储介质,其中所述状况包括所述流体流动控制组件的空化、泄漏或无阻流动中的至少一种。
23.根据权利要求16所述的非暂时性计算机可读存储介质,其中获取所述操作测量值包括计算浮动阈值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/710,546 | 2017-09-20 | ||
US15/710,546 US10697940B2 (en) | 2017-09-20 | 2017-09-20 | Methods and apparatus to multi-purpose an acoustic emission sensor |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109521733A true CN109521733A (zh) | 2019-03-26 |
Family
ID=63684432
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811093660.3A Pending CN109521733A (zh) | 2017-09-20 | 2018-09-19 | 用于使声发射传感器多功能化的方法与设备 |
CN201821532218.1U Active CN208781062U (zh) | 2017-09-20 | 2018-09-19 | 用于使声发射传感器多功能化的设备 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201821532218.1U Active CN208781062U (zh) | 2017-09-20 | 2018-09-19 | 用于使声发射传感器多功能化的设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10697940B2 (zh) |
EP (1) | EP3685153A1 (zh) |
CN (2) | CN109521733A (zh) |
CA (1) | CA3075725A1 (zh) |
RU (1) | RU2020112636A (zh) |
WO (1) | WO2019060096A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568067A (zh) * | 2019-08-29 | 2019-12-13 | 合肥超科电子有限公司 | 一种钢轨探伤自动增益调节方法、***、设备及存储介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3748210B1 (de) * | 2019-06-07 | 2023-01-04 | Focus-On V.O.F. | Absperrorgan für ein fluid |
JP7313252B2 (ja) * | 2019-10-08 | 2023-07-24 | 東京エレクトロン株式会社 | リーク測定システム、半導体製造システム及びリーク測定方法 |
EP3825799B1 (de) * | 2019-11-25 | 2023-06-07 | Primetals Technologies Austria GmbH | Verfahren und vorrichtung zur akustischen überwachung von industrieanlagen |
JP2023078720A (ja) * | 2021-11-26 | 2023-06-07 | 日本電気株式会社 | 電波特徴量計算装置、電波発信源識別装置、それらの方法、及びプログラム |
GB2613587B (en) * | 2021-12-07 | 2023-12-06 | Rolls Royce Plc | Sensor assembly |
CN116626171B (zh) * | 2023-07-24 | 2023-12-19 | 之江实验室 | 声发射信号检测***及其方法、故障诊断设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5154080A (en) * | 1986-10-29 | 1992-10-13 | Westinghouse Electric Corp. | Integrated check valve testing system |
JPH1162846A (ja) * | 1997-08-08 | 1999-03-05 | Ebara Corp | 真空ポンプの故障予知システム |
US6234021B1 (en) * | 1999-02-02 | 2001-05-22 | Csi Technology, Inc. | Enhanced detection of vibration |
US20020140566A1 (en) * | 2001-04-02 | 2002-10-03 | Holroyd Trevor James | Monitoring the condition or mechanical health of machinery. |
US20050257618A1 (en) * | 2004-05-21 | 2005-11-24 | Michael Boken | Valve monitoring system and method |
US20140366612A1 (en) * | 2012-12-04 | 2014-12-18 | Stephen J. Horne | Fluid flow detection and analysis device and system |
CN106353406A (zh) * | 2016-08-26 | 2017-01-25 | 北京普华亿能风电技术有限公司 | 一种风电机组螺栓断裂监测装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0711466B2 (ja) * | 1987-04-28 | 1995-02-08 | 株式会社荏原製作所 | メカニカルシールの運転状態監視方法 |
US9810598B2 (en) * | 2012-12-27 | 2017-11-07 | Score Group Plc | Systems and methods for determining a leak rate through an opening using acoustical sensors |
US9726643B2 (en) * | 2012-12-28 | 2017-08-08 | Vetco Gray Inc. | Gate valve real time health monitoring system, apparatus, program code and related methods |
-
2017
- 2017-09-20 US US15/710,546 patent/US10697940B2/en active Active
-
2018
- 2018-08-27 RU RU2020112636A patent/RU2020112636A/ru unknown
- 2018-08-27 EP EP18778597.7A patent/EP3685153A1/en active Pending
- 2018-08-27 CA CA3075725A patent/CA3075725A1/en active Pending
- 2018-08-27 WO PCT/US2018/048130 patent/WO2019060096A1/en unknown
- 2018-09-19 CN CN201811093660.3A patent/CN109521733A/zh active Pending
- 2018-09-19 CN CN201821532218.1U patent/CN208781062U/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5154080A (en) * | 1986-10-29 | 1992-10-13 | Westinghouse Electric Corp. | Integrated check valve testing system |
JPH1162846A (ja) * | 1997-08-08 | 1999-03-05 | Ebara Corp | 真空ポンプの故障予知システム |
US6234021B1 (en) * | 1999-02-02 | 2001-05-22 | Csi Technology, Inc. | Enhanced detection of vibration |
US20020140566A1 (en) * | 2001-04-02 | 2002-10-03 | Holroyd Trevor James | Monitoring the condition or mechanical health of machinery. |
US20050257618A1 (en) * | 2004-05-21 | 2005-11-24 | Michael Boken | Valve monitoring system and method |
US20140366612A1 (en) * | 2012-12-04 | 2014-12-18 | Stephen J. Horne | Fluid flow detection and analysis device and system |
CN106353406A (zh) * | 2016-08-26 | 2017-01-25 | 北京普华亿能风电技术有限公司 | 一种风电机组螺栓断裂监测装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568067A (zh) * | 2019-08-29 | 2019-12-13 | 合肥超科电子有限公司 | 一种钢轨探伤自动增益调节方法、***、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019060096A1 (en) | 2019-03-28 |
RU2020112636A3 (zh) | 2021-10-20 |
EP3685153A1 (en) | 2020-07-29 |
CA3075725A1 (en) | 2019-03-28 |
RU2020112636A (ru) | 2021-10-20 |
US10697940B2 (en) | 2020-06-30 |
US20190086311A1 (en) | 2019-03-21 |
CN208781062U (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN208781062U (zh) | 用于使声发射传感器多功能化的设备 | |
US10175070B2 (en) | Selective decimation and analysis of oversampled data | |
Safizadeh et al. | Using multi-sensor data fusion for vibration fault diagnosis of rolling element bearings by accelerometer and load cell | |
CN208834172U (zh) | 用于监测结构的状况的装置和处理器平台 | |
Lee et al. | Oil and gas pipeline failure prediction system using long range ultrasonic transducers and Euclidean-Support Vector Machines classification approach | |
JP4680930B2 (ja) | ウェーブレット分解を用いてバルブの可能性のある欠陥標識を識別する装置及び方法 | |
AU2018228866B2 (en) | Methods and apparatus to analyze recordings in leak detection | |
JP2007513415A (ja) | 欠陥バルブを識別する装置及び方法 | |
KR20090010430A (ko) | 기계 장치의 고장 진단 장치 | |
JP2023011029A (ja) | リアルタイム電圧監視を用いたプラズマガン診断 | |
CN110632484A (zh) | 一种基于elm的gis局部放电缺陷诊断分类***及方法 | |
US20210116423A1 (en) | Particle filter monitoring | |
WO2009127879A2 (en) | Improvements in and relating to steam wastage measurement and management | |
CN110411677A (zh) | 一种基于水声信号的阀门泄露和空化监测装置及监测方法 | |
KR20070087139A (ko) | 진공펌프의 고장 방지 및 예보유지를 위한 정밀진단 기법과그 구현 시스템. | |
KR102549490B1 (ko) | 예지정비장치 및 방법 | |
US11188292B1 (en) | System and method for customized heterodyning of collected sounds from electromechanical equipment | |
Yerra et al. | Sequential state logic for pneumatic valve monitoring using piezo film sensors | |
Tareen et al. | Predictive maintenance oriented pattern recognition system based on ultrasound data analysis | |
Piccoli et al. | Design of an integrated system for on-line test and diagnosis of rotary actuators | |
Hashemian et al. | A practical review of methods for measuring the dynamic characteristics of industrial pressure transmitters | |
Lind et al. | Jet Printing Quality ImprovementThrough Anomaly Detection UsingMachine Learning | |
Ma et al. | Circuit state analysis using chaotic signal excitation | |
Gerdes et al. | Vibration Resonance Spectrometry (VRS) for the Advanced Streaming Detection of Rotor Unbalance. Machines 2023, 11, 639 | |
KR20230070917A (ko) | 마그네토 레지스터 전류 센서 기반 전동기 고장 학습에 의한 온라인 고장 진단 시스템 |
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 |