CN111665761B - 工业控制***及控制方法 - Google Patents
工业控制***及控制方法 Download PDFInfo
- Publication number
- CN111665761B CN111665761B CN202010583828.XA CN202010583828A CN111665761B CN 111665761 B CN111665761 B CN 111665761B CN 202010583828 A CN202010583828 A CN 202010583828A CN 111665761 B CN111665761 B CN 111665761B
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- voltage
- fault
- temperature
- 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
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- G05B2219/25257—Microcontroller
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种工业控制***及控制方法,包括:运算执行模块,主要依赖于软件应用,根据智能控制的对象和任务,从数据库中选择能够解决相应问题的习惯数据进行处理,所述习惯数据是对工业控制的大量原始数据进行筛选、提炼而成的;比较执行模块,结合软件应用和硬件应用,将通过传感器检测获得的数据与MCU存储的明确数据进行比较、并作出判断和处理,所述明确数据是通过包括机器学习或统计学在内的手段从习惯数据提取的;本能执行模块,主要依赖于硬件应用,通过功能数据进行对硬件的设定,并对传感器的检测结果作出快速反应和控制,确保用电设备的安全运行,所述功能数据是从明确数据提炼的,是针对具体的硬件电路的控制功能设置的。
Description
技术领域
本发明涉及工业控制领域,尤其涉及一种工业控制***及控制方法。
背景技术
目前,工业控制领域正在开发高度智能化的工业控制器,这种由各种传感器和微处理器MCU(以下简称MCU)等嵌入于各种功率半导体器件组成的智能工业控制器,其中功率半导体器件可以是可控硅器件、IGBT及各种新型宽禁带半导体功率器件。嵌入的传感器可感应电流、电压、温度三个基础传输参数,并可根据实际工作需要植入其它如振动、外置温度、压力、红外图像传感器等得到所需要感应的信息,并由MCU完成分析处理。智能工业控制器能够智能地对所工作的客观条件进行电流、电压、温度的合理感应分析、判断及做出有效的快捷反应和有效的处理,并具备充分保护智能工业控制器完成数据的采集和传输,通过处理数据最终实现对数据的综合利用。应用于各种功率半导体组成的IPM功率模块或者智能工业控制器,在工业自动信息化控制中与制造和执行管理***良好对接的基层数据,能够对单一的大批量生产和既有多品种小批量生产又有大批量生产的混合型制造企业提供良好的操控方法和企业信息管理,也为物联网、大数据信息反馈提供了良好的信息基础,故已开始大量应用于工业电机、可控阻性加热器等场合。人们可以通过设定输出功率精确地控制负载功率,用来调节温度、压力、转速、流量、光亮度等。但现有各种功率半导体组成的IPM功率模块或者智能工业控制器都无法对瞬间短路、电压突然变化、小概率传感器失效等突发故障产生迅速的反应和确切的保护,易产生许多重大灾害性事故。
发明内容
本发明的目的在于克服现有技术存在的缺陷,提供一种新颖的工业控制***及控制方法。
根据本发明的一个方面,提供一种工业控制方法,包括:
运算执行步骤,主要依赖于软件应用,根据智能控制的对象和任务,从数据库中选择能够解决相应问题的习惯数据进行处理,所述习惯数据是对工业控制的大量原始数据进行筛选、提炼而成的;
比较执行步骤,结合软件应用和硬件应用,将通过传感器检测获得的数据与MCU存储的明确数据进行比较、并作出判断和处理,所述明确数据是通过包括机器学习或统计学在内的手段从习惯数据提取的;
本能执行步骤,主要依赖于硬件应用,通过功能数据进行对硬件的设定,并对传感器的检测结果作出快速反应和控制,确保用电设备的安全运行,所述功能数据是从明确数据提炼的,是针对具体的硬件电路的控制功能设置的.
所述工业控制方法根据工业控制的对象和任务,应用所述运算执行步骤、比较执行步骤和本能执行步骤的至少一个执行步骤完成对工业控制器和工业设备的检测和控制。
如上所述的方法,其中,所述运算执行步骤根据所述习惯数据判定故障传感器,包括:寻找和检测与该故障传感器关联的其它传感器、发出故障传感器的定位信息以及判别该故障传感器的故障等级。
如上所述的方法,其中,所述比较执行步骤包括根据电压传感器测得的失压状态数据由MCU进行判别:如发生电流过大同时温度上升,则判别为缺相并立即关断用电器具;如仅失去一相电压传感器输出信号但工作电流仍正常,则判别为电压传感器故障并发出报警信号。
如上所述的方法,其中,所述比较执行步骤包括根据电压传感器测得的低电压状态数据由MCU进行判别:如工作电压低于额定工作电压的10%,则判别为发生低电压故障并发出报警信号。
如上所述的方法,其中,所述本能执行步骤包括根据电压传感器感应到的瞬间外界高电压判别有外界高电压的侵入,并在10us内关断功率半导体器件,停止用电器具的使用并发出报警信号。
如上所述的方法,其中,所述本能执行步骤包括根据电流传感器感应到的功率驱动电路发生快速过电流或短路,在微秒级时间内关断可控硅功率器件,停止用电器具的使用并发出报警信号。
如上所述的方法,其中,所述比较执行步骤包括检测温度传感器感应到的功率半导体芯片的工作温度,将该工作温度与MCU内设定的安全温度进行比较,当判别该工作温度超出设定温度时迅速关断电源,停止用电器具的使用并发出报警信号。
如上所述的方法,其中,所述本能执行步骤包括检测IGBT电力半导体器件传导到温度传感器的工作结温,并当检测到该工作结温过温时使该器件快速截止,避免其工作结温快速上升。
如上所述的方法,其中,所述本能执行步骤包括检测IGBT电力半导体器件发生的过流或短路,当检测到该过流或短路时使输入其的控制电压置于零,并在其关断时免遭高反电动势的冲击。
如上所述的方法,其中,所述比较执行步骤包括检测IGBT电力半导体器件输出的逆变电流的大小及完整性并与MCU存储的数据进行比较,当检测到其输出波形不完整或缺损时停止其工作并发出报警信号。
根据本发明的另一方面,提供一种工业控制***,包括:
运算执行模块,主要依赖于软件应用,根据智能控制的对象和任务,从数据库中选择能够解决相应问题的习惯数据进行处理,所述习惯数据是对工业控制的大量原始数据进行筛选、提炼而成的;
比较执行模块,结合软件应用和硬件应用,将通过传感器检测获得的数据与MCU存储的明确数据进行比较、并作出判断和处理,所述明确数据是通过包括机器学习或统计学在内的手段从习惯数据提取的;
本能执行模块,主要依赖于硬件应用,通过功能数据进行对硬件的设定,并对传感器的检测结果作出快速反应和控制,确保用电设备的安全运行,所述功能数据是从明确数据提炼的,是针对具体的硬件电路的控制功能设置的.
所述工业控制***根据工业控制的对象和任务,应用所述运算执行模块、比较执行模块和本能执行模块的至少一个执行模块完成对工业控制器和工业设备的检测和控制。
如上所述的***,其中,所述工业控制器包括电压传感器、电流传感器和温度传感器的至少一种传感器。
如上所述的***,其中,所述工业控制器还包括振动传感器、外温度传感器、压力传感器和红外图像传感器的至少一种传感器。
如上所述的***,其中,所述运算执行模块根据所述习惯数据判定故障传感器,包括:寻找和检测与该故障传感器关联的其它传感器、发出故障传感器的定位信息以及判别该故障传感器的故障等级。
如上所述的***,其中,所述比较执行模块和本能执行模块分别用以执行如上所述方法的相应步骤。
根据本发明的工业控制***及控制方法,可以根据工业控制的对象和任务,应用运算执行、比较执行和本能执行的至少一个执行模块和步骤完成对工业控制器和工业设备的检测和控制,故具有适用性广、针对性强等特点。尤其是,根据本发明的工业控制***及控制方法,可以对瞬间短路、电压突然变化、小概率传感器失效等突发故障产生迅速的反应和确切的保护措施,有效避免许多重大灾害性事故的发生,切实保障工业设备的安全运行。
附图说明
附图是为提供对本公开内容的进一步的理解。附图示出了本公开内容的实施例,并与本说明书一起起到解释本公开内容原理的作用。在结合附图并阅读了下面的对特定的非限制性本公开内容的实施例之后,本公开内容的技术方案及其优点将变得显而易见。其中:
图1是表示根据本发明的工业控制***及控制方法的基本原理框架示意图。
图2是表示根据图1所示的基本原理框架构建的工业控制***及控制方法的数据模型示意图。
图3是表示根据图2所示的数据模型建立的工业控制***及控制方法的基本架构示意图。
图4是表示根据本发明的一个实施例的工业控制***及控制方法应用于智能工业控制器方案的流程图。
图5是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对电流传感器进行故障判别的流程示意图。
图6是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对电压传感器进行故障判别的流程示意图。
图7是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对温度传感器进行故障判别的流程示意图。
图8是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对振动传感器进行故障判别的流程示意图。
图9是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对压力传感器进行故障判别的流程示意图。
图10A和10B分别是表示根据本发明另一个实施例的工业控制***及控制方法应用于电压传感器方案的方框图和电路示意图。
图11A和11B分别是表示根据本发明另一个实施例的工业控制***及控制方法应用于电流传感器方案的方框图和电路示意图。
图12是表示根据本发明另一个实施例的工业控制***及控制方法应用于温度传感器方案的电路示意图。
图13是表示根据本发明另一个实施例的工业控制***及控制方法应用于由IGBT功率模块及各种新型宽禁带半导体功率器件所构成的工业控制器的电路示意图。
具体实施方式
参考在附图中示出和在以下描述中详述的非限制性实施例,更完整地说明本公开内容的多个技术特征和有利细节。并且,以下描述忽略了对公知的原始材料、处理技术、组件以及设备的描述,以免不必要地混淆本公开内容的技术要点。然而,本领域技术人员能够理解到,在下文中描述本公开内容的实施例时,描述和特定示例仅作为说明而非限制的方式来给出。
在任何可能的情况下,在所有附图中将使用相同的标记来表示相同或相似的部分。此外,尽管本公开内容中所使用的术语是从公知公用的术语中选择的,但是本公开内容的说明书中所提及的一些术语可能是公开内容人按他或她的判断来选择的,其详细含义在本文的描述的相关部分中说明。此外,要求不仅仅通过所使用的实际术语,而是还要通过每个术语所蕴含的意义来理解本公开内容。
图1是表示根据本发明的工业控制***及控制方法的基本原理框架示意图。参见图1,根据本发明的工业控制器及控制方法包含了软件应用1和硬件应用2两部分,其中,软件应用1例如主要由MCU支持11,硬件应用2例如主要由硬件的功能设定12。软件应用1包括传统的工业控制软件,也包括先进的人工智能,例如基于大数据5的数据挖掘和机器学习方法,在收集大量数据的基础上,通过训练和测试等建立的数据模型。硬件应用2例如主要由传感器和控制电路组成,可以通过设定输出功率精确地控制负载功率,用来调节温度、转速、压力、流量、光亮度等。从图1所示的框架可以发现,软件应用1和硬件应用2可以有交集3,即,两者既可独立运行也可组合运行。在根据本发明的一个实施例中,软件应用1和硬件应用2也可以通过相互渗透和学习提高工业控制的精度和速度。例如,根据人和动物对周围突发事件具有快速反应的本能特性,人们可以从大量与工业控制相关的数据中挖掘出有价值的规则的计算模式,利用计算机对对象进行分类,在错误概率最小的条件下,使获得的结果尽量与客观事实相符。例如,可以在人工智能的基础上,例如通过机器学习的方法,在收集数据的基础上,通过训练和测试建立数据模型,并将该数据模型转化(固化)为具有类似的本能特性的执行模块,以下也称为本能执行模块或功能执行模块。
图2是表示根据图1所示的基本原理框架构建的工业控制***及控制方法的数据模型示意图。结合参见图1和图2,根据本发明的工业控制器及控制方法包括主要依赖于软件应用1的运算执行21、结合软件应用1和硬件应用2的比较执行22,以及主要依赖于硬件应用2的本能执行23。其中,运算执行21需要有数据库211的支持,它例如通过互联网从海量数据库20提取原始数据,并对该原始数据进行筛选、提炼后作为习惯数据212存储在专用数据库211。采用运算执行21的工业控制***及控制方法,可以从专用数据库211中获取相应的控制流程以完成控制任务。比较执行22同时需要有硬件和MCU及存储其中的专用软件和数据的支持,它例如在MCU的flash内存221中存储有工业控制数据,也称明确数据222,可以将传感器检测获得的数据与该明确数据进行比对分析和处理。而本能执行23则主要依靠硬件完成工业控制过程,它根据控制功能进行对硬件的设置,使之布局成能够对突发事件进行迅速反应并完成动作的本能机制。
从图2中可见,包括运算执行21、比较执行22和本能执行23在内的各个执行模块对于数据的需求和要求是不同的。其中,运算执行模式主要采用计算机,根据工业控制的对象和任务,从数据库中选择能够解决相应问题的习惯数据进行处理。相对于数据量巨大的海量数据库20,数据库211存储的习惯数据212是数据量为中等的级别。比较执行模式组合电子电路和计算机程序,其中,MCU存储的数据可以是从习惯数据中提炼的明确数据222,相对于习惯数据它是数据量更少而精度更高的等级。本能执行模式主要采用硬件电路结构,它通过对硬件的功能设置231完成工业控制任务,其中,用以完成对硬件的功能设置的数据也称为功能数据232,它例如可以从明确数据222中进一步提炼出,是针对具体的硬件电路的控制功能设置的。
根据本发明的工业控制***及控制方法,可以根据不同的应用场景和针对不同的突发事件选择运算执行21、对比执行22和本能执行23中的任一执行模式,构建合适的工业控制***25以完成对工业设备26例如电动机和其它用电器具的控制。从图2中还可见,在运算执行模式下,存储在数据库211中的习惯数据212虽然是从海量数据库20提炼出来的,但它的数据量仍然是很大的,其中不乏有某些重复和无用的数据,占据了宝贵的设备资源。而在本能执行模式下,由于主要是依靠硬件完成对工业设备的控制,故适用的数据量极少,较佳的,它实际上例如就是一个相关的电压值。数据量的大幅减少对于资源的节省和控制速度的提高无疑是非常有利的。
图3是表示根据图2所示的数据模型建立的工业控制***及控制方法的基本架构示意图。结合参见图1至图3,根据本发明的工业控制***包括运算执行模块21、比较执行模块22和本能执行模块23,是由各种传感器、MCU嵌入于各种功率半导体器件组成的工业控制***,其中功率半导体器件例如是可控硅器件、IGBT及各种新型宽禁带半导体功率器件等。嵌入的传感器包括电流传感器31、电压传感器32和温度传感器33,可分别感应电流、电压、温度三个基础传输参数,并可根据实际工作需要植入其它如振动传感器34、外温度传感器35、压力传感器36和红外图像传感器37等,可分别感应如振动、外部温度、压力、红外图像等其它所需感应的信息。各种传感器感应获得的信息例如可以由MCU221完成分析处理,工业控制器能够智能地对工业设备所工作的客观条件进行电流、电压、温度的合理分析、判断及做出有效的快捷反应和有效地处理,并能够充分保护工业控制器完成数据的采集和传输,通过处理数据最终实现对数据的综合利用。应用于各种功率半导体组成的IPM功率模块或者智能工业控制器,在工业自动信息化控制中具有能够与制造执行管理***良好对接的基层数据,能够为单一的大批量生产,或者既有多品种小批量生产又有大批量生产的混合型制造企业提供良好的操控方法和企业信息管理。也能为物联网、大数据***的信息反馈提供良好的信息基础。类似的智能工业控制器已经开始大量应用于工业电机、可控阻性加热器和大范围照明等场合,可以通过设定输出功率精确的控制负载功率,用来调节温度、转速、压力、流量、光亮度等。
如前所述,运算执行模块主要采用计算机,根据工业控制的对象和任务,从数据库211中选择能够解决相应问题的习惯数据进行处理。比较执行模块组合电子电路和计算机程序,其中,MCU221的flash数据库20存储的数据可以是从习惯数据中提炼的明确数据。例如,它可以是通过包括机器学习或统计学在内的手段从习惯数据所在的数据库中提取的。当然,它也可以在实验室里在习惯数据的基础上通过多次的试验和修正,包括在实际运行中的修正而提炼并确定。本能执行模块主要采用硬件电路结构,它通过对硬件的功能设置完成工业控制任务,其中,用以完成对硬件的功能设置的数据也称为功能数据,故本能执行模式或模块也称功能执行模式或模块。
从图3可见,例如电流传感器31、电压传感器32和温度传感器33也可以仅仅采用功能设置的方法,即,由它们感应获得的信息例如并不送往MCU221进行处理,而是通过采用功能数据对硬件进行的功能设置,使之直接采取动作完成对工业设备的迅速控制,其动作和反应速度之快类似于动物的本能特性,故相对于运算执行和比较执行也称本能执行。与动物的本能特性不同的是,主要由硬件执行的工业控制器的本能特性并非是天生就有的,人们在工业控制领域通过长期的实验和探索获取的大量数据被累积在数据库里,例如通过人工智能的方法从大量数据中挖掘出有价值的规则的计算模式,利用计算机对对象进行分类,在错误概率最小的条件下,使获得的结果尽量与客观事实相符。换句话说,工业控制器的本能执行可以是在人工智能的基础上,例如通过机器学习的方法,在收集数据的基础上,通过训练和测试等过程建立各种数据模型,并将该数据模型转化(固化)为具有本能特性的执行模块。而采用本能执行的工业控制器可以大大减少数据计算量,也使数据库不会无限制的扩大。较佳的,例如对于在复杂运动体人工智能***控制的器件,如高仿真机器人、各种飞行器、工作母机、各类运动车辆、核辐射、火灾、军事应用等危险地区独立工作的设备等,可以在人工智能控制***中加入具有本能执行的功能。
结合图2和图3还可以看到,有关工业控制的原始数据经过提炼后得到“习惯数据”,再提升为“明确数据”,最高提升为“功能数据”,提炼过程例如采用机器学习、统计学和数据库的交叉方法,在大量的有关工业控制器的数据中挖掘出有价值的规则的计算模式,并例如采用决策树算法对挖掘出的数据进行分析和分类,即从给定训练数据集学得一个模型,并可以用该建立的模型对新的工业控制数据进行分类。
以上提炼得到的三种数据相对地例如储存于数据库(数据量中等)、MCU的flash内存(数据量少量)或作为硬件的功能设置(数据量极少)。亦即,这三种执行数据存储的地点不一样,“习惯数据”仍然存储于数据库,这些经过提炼的数据对减少数据库的储存量是有重大意义的,而且因为避免了重复使得相同数据不再继续增加。“明确数据”就前移了,因为数据量少而精炼,可以直接储存于MCU的flash内存数据库,用于与MCU中sram运算内存数据对比执行,提高运行速度。直至数据提炼到“功能数据”时可能仅仅是一个电压值,此时例如直接用硬件的方法,如用电压设定解决,通常可以用单向可控硅“锁定”功能解决。
因此,主要依赖数据库和软件进行运算执行的工业控制器采用的是习惯数据;部分依赖数据和软件进行比较执行的工业控制器采用的是明确数据;基本不依赖软件主要靠数据模型固化的硬件进行本能执行的控制器采用的是功能数据。这三种工业控制器的处理速度不一样,例如可以从毫秒级到百微秒,再到几微秒。尤其是,采用本能执行模式的工业控制器例如主要适用于自动控制领域,特别是工业、军工、航天航空等领域中存在生命安全,***安全,设备安全的具备运动工作的场合。
实例一
由于智能工业控制器也是人工智能在工业领域应用的一种基础器件,其发展与应用离不开不同类型传感器的大量应用,而每种传感器又有不同的规格,故构成了一个庞大的传感器使用网络,可以为大数据中心提供巨量的各种原始数据。这些传感器是人工智能在工业领域应用的必需基础器件,所以对传感器工作状态的判别、诊断和处理十分重要。智能工业控制器一般都是独立控制单台用电设备(例如电动机),并可以与其它的智能工业控制器联网,在物联网基础上可构成功能性以设备为单位的单体,再以设备组成流水作业线为单位的组合,再向上一级以车间为单位的组合,然后再以企业为单位的组合。在这些组合中,越是底层组合联系紧密度越高,包括相互工作依赖度、可靠性都有高度相关,一旦其中任何一个传感器出现故障都是致命性的后果,轻则可以使整个***的运行性能下降,严重的可能会导致重大的人员伤亡及设备财产损失等灾害性事故。传感器出现故障的表现有以下几种,偏差故障、冲击故障、开路故障、短路故障、周期性干扰故障和漂移故障等,一般传感器故障发生率并不高,约为千分之一左右。随着工业人工智能的大量推广应用,大量的传感器在现场应用,传感器的故障发生也是大概率的事了。在工业控制器中各种传感器可能发生的故障如表一所列。
表一:传感器故障表
其中:
△表示一般故障,
○表示严重故障。
表1列出了智能工业控制器所用的传感器故障表现,一般三相智能工业控制器所用的电流传感器、电压传感器和温度传感器每相一个,这样三相位的监测就需要共九个传感器,由于一般都封装在智能工业控制器内,所以故障率并不高,主要以传输数据漂移故障为主。外置于电动机上的振动传感器和外置温度传感器,因工作条件恶劣,则出现故障的可能性就大了。例如,有线传输方案会出现开路和短路故障,振动传感器还会出现冲击故障,外置温度传感器出现漂移故障等。压力传感器通常也是外置于压力器件上,如空气压力容器,液压管路压力测试等,其工作环境更为恶劣,则有可能出现全部的故障类型。红外图像传感器安装于工作区域,监视工作区域的安全动态,故也可能发生开路、短路和冲击故障等。
根据以上各类传感器可能发生的故障列表,工业控制器例如采用运算执行模式是十分符合条件的。因为它主要依赖于大数据库,而大数据库在积累大量实施的传感器原始工作数据,依储存、分类、分析、提升和输出,在积累一定的传感器原始数据量前提下,例如在同工况、同环境、同功率下实施量大于1000次等,可形成运算执行数据,我们称之为“习惯数据”。
图4是表示根据本发明的一个实施例的工业控制***及控制方法应用于智能工业控制器方案的流程图。结合参见图2至图4,智能工业控制器主要依赖计算机软件处理数据,其在工业控制***中的处理方法如下:
步骤S1,在工业控制数据库已有的数据指导下,根据数据库的数据判定故障传感器的位置点,确定运算执行的功能;
步骤S2,屏蔽该传感器,不考虑冗余前提下寻找相关联的传感器。例如电流传感器发生故障,那就检测同一电路电压传感器有电压吗?温度传感器有没有工作温度?甚至于考虑振动传感器检测的电动机工作频率是否有变化等来判别电流传感器的故障。如温度传感器发生故障,则用上述同样方法,检测同一电路的工作电流是否在正常范围,工作电压是否在正常范围等来判别温度传感器的故障;
步骤S3,立即发出传感器故障定位信息(唯一故障码),同时发出报警;
步骤S4,判别传感器故障的等级;
步骤S5,当判别传感器的故障为严重故障(即,影响智能工业控制器工作或有安全问题)时,则在步骤S6,立即使用电设备停止运行;
步骤S7,当判别传感器的故障为中等故障(例如只影响数据传输)时,则在步骤S8,例如可以等待一些产品加工完成后立即更换;
步骤S9,当判别传感器的故障为一般故障(不影响工作)时,则在步骤S10,例如可以等待一个班次工作完成后进行更换。
图5是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对电流传感器进行故障判别的流程示意图。结合参见图4和图5,对于电流传感器,如判断电流传感器有信号输出,正常工作的必要条件是电压传感器有电压信号,温度传感器有温度信号。非必要条件也可得到安装于电动机的振动传感器和外温度传感器有信号输出。如是智能工业控制器在控制一个有关压力设备(空气压缩机、液压***),压力传感器也会有一个压力信号的输出,红外图像传感器也有信号输出等信息的验证。智能工业控制器的运算执行模块主要依赖计算机软件来判别电流传感器的工作是否正常,通过数据库积累的大量的电流传感器的工作数据可得知,其处理方法如下:
步骤S21,进入电流传感器故障判别阶段;步骤S211,判断智能工业控制器某一相检测得到的工作电流是否突然增大,突然减小或者没有电流;如是,流程进入步骤S212,继续判断其它二相电流是否正常;如是,流程进入步骤S213,判断这一相的温度传感器、电压传感器和外置的电动机的振动传感器、外置温度传感器是否也正常;如是,步骤S214,即可判断该电流传感器本身存在故障,可以进行更换;如步骤S213判断为否(亦即,这一相的温度传感器温度升高、减小或者无信号,电压传感器所检测到的电压值升高、减小或者无信号,外置的电动机的振动传感器无信号,或者外置温度传感器检测到的温度也升高、减小或者无信号);步骤S215,即可判断故障发生在用电器具(例如电动机),而电流传感器正常。
图6是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对电压传感器进行故障判别的流程示意图。结合参见图4和图6,对于电压传感器,如判断电压传感器有信号输出,正常工作的必要条件是电流传感器有电压信号,温度传感器有温度信号。非必要条件也可得到安装于电动机的振动传感器和外温度传感器有信号输出。如是智能工业控制器在控制一个有关压力设备(空气压缩机、液压***),压力传感器也会有一个压力信号的输出,红外图像传感器也有信号输出等信息的验证。
步骤S22,处理流程进入电压传感器故障判别阶段;步骤S221,判断智能工业控制器某一相检测得到的工作电压是否突然增大,突然减小或者没有电压;如是,流程进入步骤S222,继续判断其它二相电压是否正常;如是,流程进入步骤S223,判断这一相的温度传感器、电流传感器和外置的电动机的振动传感器、外置温度是否也正常;如是,步骤S224,即可判别是该电压传感器本身的故障,可以进行更换;如步骤S223判断为否(亦即,判断这一相的温度传感器温度升高、减小或者无信号,电流传感器所检测到的电流值升高、减小或者无信号,外置的电动机的振动传感器无信号,或者外置温度传感器检测到的温度也升高、减小或者无信号);即可在步骤S225,判断是用电器具(例如电动机)的问题,而电压传感器工作正常。这种情况大多数就是通常所说的“缺相”运行,***应该停止工作。
图7是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对温度传感器进行故障判别的流程示意图。结合参见图4和图7,对于温度传感器,如判断温度传感器有信号输出,正常工作的必要条件是电压传感器有电压信号,电流传感器有电流信号。非必要条件也可得到安装于电动机的振动传感器和外温度传感器有信号输出。如是智能工业控制器在控制一个有关压力设备(空气压缩机、液压***),压力传感器也会有一个压力信号的输出,红外图像传感器也有信号输出等信息的验证。
步骤S23,流程进入温度传感器故障判别阶段;步骤S231,判断智能工业控制器某一相检测得到的温度信号是否突然增大,突然减小或者没有温度;如是,流程进入步骤S232,继续判断其它二相温度是否正常;如是,流程进入步骤S233,判断这一相的电压传感器、电流传感器和外置的电动机的振动传感器、外置温度是否也正常;如是,步骤234,即可判别是温度传感器本身的故障,可以进行更换。如步骤S233判断为否(亦即这一相的温度传感器温度升高、减小或者无信号,电流传感器所检测到的电流值升高、减小或者无信号,外置的电动机的振动传感器无信号,或者外置温度也升高、减小或者无信号;步骤S235,即可判断就是用电器具(例如电动机)的问题,而温度传感器正常。这种情况大多数就是通常所说的检测相产生局部绝缘差、相间不平衡等故障,应该停止工作进行检修。
图8是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对振动传感器进行故障判别的流程示意图。结合参见图4和图8,对于振动传感器,如判别振动传感器有信号输出,正常工作的必要条件是电流传感器有电流信号,电压传感器有电压信号,温度传感器有温度信号。非必要条件也可得到安装于电动机的外置温度传感器有信号输出。如是智能工业控制器在控制一个有关压力设备(例如空气压缩机、液压***),压力传感器也会有一个压力信号的输出,红外图像传感器也有信号输出等信息的验证。
步骤S24,流程进入振动传感器故障判别阶段;步骤S241,判断智能工业控制器检测得到的安装于电动机上的振动传感器振幅信号是否突然增大,突然减小或者没有振幅信号;如是,流程进入步骤S242,继续判断安装于同一位置的外置温度传感器的信号是否正常;如是,在步骤S243,判断智能工业控制器整体的三相电压传感器、电流传感器和温度传感器是否也正常;如是,在步骤S244,即可判断是振动传感器本身的故障,可以进行更换;如步骤S243判断为否(亦即,智能工业控制器整体的三相电压传感器、电流传感器和温度传感器,甚或外置的外置温度传感器也都信号突然增大,突然减小或者没有信号);在步骤S245,即可判断是用电器具的故障(例如电动机发生轴承损坏、转子弯曲等严重故障问题,也称为电机“扫膛”事故),应立即停止工作检修。
图9是表示图4所示智能工业控制器的控制方法中,通过寻找关联传感器对压力传感器进行故障判别的流程示意图。结合参见图4和图9,压力传感器是置于有关压力设备(例如空气压缩机、液压***)中,正常工作时压力传感器也会有一个压力信号的输出。正常工作的必要条件是智能工业控制器的电流传感器、电压传感器和温度传感器有电流、电压和温度信号。非必要条件也可得到安装于电动机的振动传感器和外温度传感器有信号输出,红外图像传感器也有信号输出等信息的验证。
步骤S25,流程进入压力传感器故障判别阶段;步骤S251,流程判断智能工业控制器检测得到的安装于有关压力设备(例如空气压缩机、液压***)上的压力传感器的压力信号是否突然增大,突然减小或者没有压力信号;如是,流程进入步骤S252,判断智能工业控制器整体的三相电压传感器、电流传感器和温度传感器是否正常;如是,流程进入步骤S253,继续判断安装于电动机上的振动传感器和外置温度传感器的信号是否正常;如是,步骤S254,即可判别是压力传感器本身的故障,可以进行更换;如步骤S252和/或步骤S253判断为否,亦即智能工业控制器整体的三相电流、电压和温度传感器,以及外置安装于电动机上的外置温度传感器和振动传感器的振幅信号也同步突然增大,突然减小或者没有振幅信号;流程进入步骤S255,判断安装于有关压力设备(例如空气压缩机、液压***)上的压力传感器工作正常;同时判断压力传感器的用电器具(例如电动机)发生轴承损坏、转子弯曲等严重故障问题,或者空气压缩机、液压***出现故障,应该停止工作检修。
至于外置温度传感器,由于其与振动传感器封装一起,同时安装在电动机上监测电动机工作状态,故可与振动传感器同时验证工作,即,外置温度传感器正常与否,其判别方法类同振动传感器,不再赘述。
而至于红外图像传感器,由于其安装于工作区域监视工作区域的安全动态,其基本上与智能工业控制器所设置的传感器工作状态无关,但也可以部分验证智能工业控制器工作状态和红外图像传感器的工作状态。验证包括:如智能工业控制器整体的三相电压传感器、电流传感器和温度传感器正常,安装于电动机上的振动传感器、外置温度传感器信号也正常,但红外图像传感器无法识别电动机工作红外图像,或者无法识别人员或小动物进入危险工作区域,即可判别是红外图像传感器本身的故障,可能为冲击故障、开路故障、短路故障等,但它并不影响智能工业控制器整体实际工作,只是说明红外图像传感器应该检修。
通过以上在大数据库的支持下检测并判别传感器是否工作正常的原理与方法,说明此类智能工业控制器主要是依赖数据库的原始数据和计算机软件的支持,比较多的是采用人工智能的方法,是属于运算执行的模式。其中,从数据库中所采集的数据为习惯数据。
实例二
图10A和10B分别是表示根据本发明另一个实施例的工业控制***及控制方法应用于电压传感器方案的方框图和电路示意图,其中,采用了根据本发明的比较执行模块和本能执行模块。结合参见图2、图3和图10A、10B,根据该实例的电压传感器,包括工作电压检测和过压触发电路101,线性隔离光耦电压检测电路102,以及分压电路103。其中,工作电压检测和过压触发电路101包括二极管D11、单向可控硅U9、以及连接在D11与U9之间的电阻R32、R33、R34、R35和电容C15。线性隔离光耦电压检测电路102包括线性隔离光耦电路U6、连接在U9与U6端1之间的电阻R36、以及连接在U6端1与端2之间的二极管D10。分压电路103包括连接在U6端3的电阻R23和R27、以及与电阻R23和R27并联的电容C14。为了描述方便,这里只例举了三相中的A相。正常工作时,A相电压通过D11简易半波整流,经过R32、R36降压到线性隔离光耦电路U6的驱动工作电压。三相电压检测电路接成Y型,共用零线。线性隔离光耦电路U6会随输入端电压变化而在输出端产生相对应的线性电压,在VCC 3.3V电压下,经过R23、C14、R27分压输出一个适合MCU运算的电压,完成电压传感器功能。当发生如下情况后会有如下一些变化:
a、失压状态,对于三相交流工作电压,如失去了其中一相电压就是缺相运行,工作时间一长,立即因过电流、过温烧坏电动机等用电器具。根据本实例,例如由MCU进行判别,电流过大,温度上升,立即关断用电器具,并发出缺相信息。但是,如仅失去一相电压传感器输出信号、工作电流仍正常,即可判断是电压传感器损坏,据此发出传感器损坏的信息。这种由传感器检测的信号通过MCU所设置的软件对比信息的方法属于根据本发明的工业控制方法的比较执行模式。
b、高、低电压状态,一般工作电压不得高于或低于额定工作电压的10%,如低于额定工作电压的10%,由MCU判别后,则停止工作,并发出高或低电压故障信息。这是通过***软件进行数据对比后采取的保护措施,故也属于根据本发明的工业控制方法的比较执行模式。
c、瞬间外界高电压侵入,一般是自然环境雷电造成,绝少数有可能是高电压用户设备的接线错误。智能工业控制器电压传感器一旦感应到瞬间外界高电压后,从本实例的电压传感器电路中我们可得知,瞬间外界高电压侵入后通过R33、R34分压后通过R35、C15使单向可控硅U9触发导通,在R36作用下立即在10us内关断线性隔离光耦电压检测电路U6。一般情况下,在瞬间外界高电压作用下三相电压全部过压,就在10us内关断功率半导体器件,不再经过MCU判别。由于单向可控硅U9触发导通后有R32提供的保持电流,不可恢复,确保功率半导体器件与用电设备安全,并且发出报警信号和故障代码,通知设备必需停止运行,并要人工检修后再启动。这种情况没有***软件的介入,故属于根据本发明的工业控制方法的本能执行模式。
实例三
图11A和11B分别是表示根据本发明另一个实施例的工业控制***及控制方法应用于电流传感器方案的方框图和电路示意图。结合参见图2、图3和图11A、11B,根据该实例的电流传感器,包括工作电压显示电路111、隔离光耦及其驱动电路112、光耦工作显示电路113、电流短路(过流)触发电路114、电流传感电路的信号源115、功率驱动电路116。其中,工作电压显示电路111由二极管D1和电阻R5串联构成;隔离光耦及其驱动电路112包括串联连接的隔离光耦电路U1、U2、U3以及由晶体管Q1、Q2和电阻R1、R2、R3、R4组成的驱动电路;光耦工作显示电路113包括与隔离光耦电路并接的串联连接的发光二极管D2和电阻R6;电流短路(过流)触发电路114包括单向可控硅U7,连接在U7与电路112之间的电阻R7、二极管D3和发光二极管D4,以及连接在U7触发端的电感L1、电容C1和电阻R8;电流传感电路的信号源115包括电感L2,与L2并接的电阻R11和R12,以及一端连接在R11与R12之间、另一端连接至电流短路(过流)触发电路114的二极管D5、D6和D7;功率驱动电路116包括连接到L2一端的双单向反并联可控硅功率器件V1,并联连接到L2另一端的电阻R9、二极管D8、D9串联支路、电阻R10、电容C2串联支路和RV1。
根据实例三的工作原理如下:除功率驱动电路116外,其它电路都由VCC 5V电压供电。隔离光耦及其驱动电路112得到从MCU发出的驱动工作信号OTB+驱动U1、U2、U3,同时由光耦工作显示电路113发光指示正常工作。U1、U2、U3得电后驱动功率驱动电路116。串联隔离光耦电路U1、U2、U3可分别对应控制三相交流电路的A、B、C三相。为了描述方便,这里仅描述其中的一相。正常工作时,双单向反并联可控硅功率器件V1工作通过电流,由电流传感器L2经过R11、R12给MCU1一个动态的工作电流信号,由MCU1分析处理并传输到数据库再分类、处理,经对比和反馈形成一个闭环控制***。L2由R11、R12分压后得出一个电压VP1,经过D5整流,并经过L1、C1、R8过滤杂波。单向可控硅U7的触发极对地有一个固定触发电压0.7V,当功率驱动电路116发生快速过电流或者短路,电流传感器L2由R11、R12分压后得出一个VP1电压,当其大于单向可控硅U7的固定触发电压0.7V时,U7立即导通,并通过R7和D4发出故障指示,同时通过D3把U1、U2、U3的电压降到1V以下,同时关断U1、U2、U3和光耦工作显示电路113。与此同时,也关断了双单向反并联可控硅功率器件V1的工作,时间为ms级,保护了V1的安全,也保护了用电器具(例如电动机)的安全。
由单向可控硅U7的上端电压变化可判断整个智能工业控制器是否进入电流过流(短路)状态,并可通过MCU4端口向数据库发出故障报警。由于U7触发后有不可恢复性,故,不管此时仍然有OTB+输入信号,隔离光耦电路仍在工作,但Q2导通后的工作电压都被D3通过U7单向可控硅拉低,U1、U2、U3也不能正常工作。只有人工修理到达并断开VCC5V工作电压才能恢复。这是根据本发明的工业控制方法的本能执行模式,即,没有任何软件的加入,完全是功能设定。设定的电压值例如可以由人工智能通过对数据的收集、分类、分析组合得到。例如,不同的三相电动机(异步电机、同步电机),不同的功率等级都有启动工作电流、正常工作电流和短时过载电流等都是正常状态,都可以在电流传感器L2经过R11、R12给MCU1一个动态的工作电流信号,由MCU1分析处理,传输到数据库再分类、处理,对比和反馈形成一个闭环控制***,只有超过一定电流的值后才能判定是过流(短路)故障。例如有一台最普通的Y2系列11KW三相异步电动机,额定工作电流在22A,启动电流在30A左右,一般正常工作在5--15A随负载的变化而波动。为了避免频繁触发,例如可以把触发电流设定在40A。也就是通过设置与L2并联的R11、R12电阻值参数,使R11、R12电阻值的分压值达到U7触发电压大于0.7V。这也可制定一个简明计算表,也就是基本把触发电流控制在额定电流的2-2.5倍,确保电动机工作安全。
实例四
图12是表示根据本发明另一个实施例的工业控制***及控制方法应用于温度传感器方案的电路示意图。结合参见图2、图3和图12,根据该实例的温度传感器U15例如型号为LM35的专用温度传感器。三组相同的温度传感器例如分别置于三相功率半导体器件上方检测工作温度,在VCC工作电压下可向MCU输出对应相功率半导体器件的工作温度信息TA+。智能工业控制器中嵌入的温度传感器一般反应时间需要2-5s,相对于电流、电压传感器要慢一些。温度传感器需要感应智能工业控制器工作过程的全部功率半导体芯片的工作温度,一般会预先在MCU内设定一个安全温度的比对信息。硅材料功率半导体器件设定为100℃,碳化硅材料180℃,一旦检测超过这个设定温度就要关断电源,以确保设备安全,同时向数据库发出一个带故障编码的故障信号。这些处所设置的温度传感器与前述的电流传感器有相对应的工作关系,如工作电流大了,相对应的功率半导体芯片温度也一定会高一些,这是正常的情况,但如出现工作电流大了,温度传感器所输出的温度信息却没有变化,或者温度传感器的温度信息有变化,但工作电流没有变化,即可判别该温度传感器有问题,这是根据本发明的工业控制方法的比较执行模式,即有软件的加入,需要有软件的比对执行。
实例五
图13是表示根据本发明另一个实施例的工业控制***及控制方法应用于由IGBT功率模块及各种新型宽禁带半导体功率器件所构成的工业控制器的电路示意图。结合参见图2、图3和图13,由于IGBT功率模块及各种新型宽禁带半导体功率器件所构成的智能工业控制器一般在工业中都应用于变频调速,故要求工作频率更高,反应速度更快,在大电流、高频率工作能力环境下对嵌入式传感器和MCU的环境EMC电磁抗干扰要求也更高。
如图13所示,由于IGBT电力半导体器件及各种新型宽禁带半导体功率器件所构成的智能工业控制器局部保护电路,在高直流电压作用下能够交替导通构成逆变电路输出频率可变的一个交流电压,故,例如可应用于电动机的变速工作。三相电路应该有6个IGBT电力半导体器件,本实例为了简单说明只画出了一相电路中的两个IGBT电力半导体器件U2和U4,其它二相电路基本相同。
根据本实例的工业控制器包括过温保护电路1、过流短路保护电路2以及电流检测、过电流检测和电流完整性检测电路3。其中,过温保护电路1的输出端与过流短路保护电路2的输出端并联连接到IGBT电力半导体器件U2的输入端G触发极。过温保护电路1用于避免IGBT电力半导体器件U2的工作结温快速上升,过流短路保护电路2用于使IGBT电力半导体器件U2在出现过流或短路现象时不被损坏。电流检测、过电流检测和电流完整性检测电路3安装于IGBT电力半导体器件U2、U4输出端,检测逆变后输出工作电流的大小以及完整性。
IGBT电力半导体器件U2在Vin1-1、Vin1-2的驱动电压下可正常工作。为了可靠触发、驱动IGBT电力半导体器件U2,一般采用正15V?和负5V方波脉冲,频率从10KHz到40KHz,甚至于更高的PWM可调制控制触发信号。信号直接送到IGBT电力半导体器件U2的G触发极,正常触发或截止IGBT电力半导体器件U2的工作。
其中,过温保护电路1包括串联连接的负温度传感器R1和正温度传感器R2。R1与R2的中间接点通过二极管D1连接到单向可控硅U1。R1、R2、D1和U1都封装于导热和绝缘都很好的陶瓷复铜板,再紧密结合电力半导体器件U2芯片,可快速的把IGBT电力半导体器件U2的工作结温传导到R1、R2温度传感器,向MCU传输出一个温度信号MCU-t1。
一般的正温度传感器或负温度传感器都有一个温度传导滞后感应时间,约5到7秒,用了本实例中的负温度传感器R1和正温度传感器R2串联工作,在温度作用下起了一个推、拉作用,在0.7到1.5秒时间内迅速感应出一个温度信号。在非正常工作环境下,当IGBT电力半导体器件U2的工作结温快速上升,引发R1、R2温度传感器其分电压的快速变化,当分压电压值超过单向可控硅U1的触发电压,使单向可控硅U1导通,直接把输入IGBT电力半导体器件U2的驱动电压Vin1-1、Vin1-2导通到零电压,使IGBT电力半导体器件U2截止。由于单向可控硅的工作特性,不可恢复性,一直要到停止驱动重新启动才能工作。IGBT电力半导体器件U2的驱动输出模块感知输出短路能够自动停止驱动电压Vin1-1、Vin1-2的输出,因此确保了IGBT电力半导体器件U2的安全可靠,不被损坏,此属于根据本发明的工业控制方法的本能执行模式。
过电流短路保护电路2包括电阻R3、R4、R5、二极管D2、延时电容C1和快速恢复二极管D3。第一分压电阻R3与第二分压电阻R4串联,其连接点连接快速恢复二极管D3的正极,D3的负极与IGBT电力半导体器件U2的C极相连;
第二分压电阻R4与第三分压电阻R5串联,其连接点通过二极管D2与单向可控硅U1的触发极相连。二极管D2正极连接R4、R5串联接点,负极与单向可控硅U1的触发极相连。延时电容C1,并联在第三分压电阻R5的两端。
IGBT电力半导体器件U2正常工作时管压降约3V,第一分压电阻R3与第二分压电阻R4串联节点得到快速恢复二极管16?钳位电压在2V左右,第二分压电阻R4与第三分压电阻R5串联节点分电压通过二极管D2不足以启动单向可控硅U1工作。一旦发生过流(超过正常负载电流的150-200%)或者短路时,IGBT电力半导体器件U2承受大电流而退饱和,使其压降快速上升,当上升到7V以上时,第二分压电阻R4与第三分压电阻R5串联节点形成的电压通过二极管D2足够启动单向可控硅U1工作,使单向可控硅U1导通,直接把输入IGBT电力半导体器件U2的输入控制电压导通到零电压,从而使IGBT电力半导体器件U2截止工作。但由于延时电容C1存在,还有t=R5 X C1约5微秒的延时缓慢关断IGBT电力半导体器件U2,确保IGBT电力半导体器件U2不受电感性负载在快速截止时承受高反电动势冲击,安全可靠,不被损坏,故也属于根据本发明的工业控制方法的本能执行模式。
过电流短路保护电路2的启动工作电流可根据不同电力半导体芯片额定容量设定为150%、200%、300%等,延时截止时间也可作调整,以避免可能产生过多的误动作。这些容量都可以根据功能数据或实验室经过大量试验后的数据设定。
电流检测、过电流检测和电流完整性检测电路3安装于IGBT电力半导体器件U2、U4的输出端,检测逆变后输出工作电流的大小以及完整性。电路3包括适合于检测高频电流的霍尔电流传感器L1及其负载电阻R11。L1向MCU输出工作电流的大小和波形质量,当IGBT电力半导体器件U2、U4,发生工作不平衡或者故障时,输出电流波形必然会发生缺损,不再是完整正弦波或者是正半波和负半波,经与MCU储存的数据比较后可发出故障报警或停止工作,属于根据本发明的工业控制方法的比较执行模式。
过温保护电路1、过流短路保护电路2、电流检测、过电流检测和电流完整性检测3都封装于导热和绝缘都很好的陶瓷复铜板,紧密结合IGBT电力半导体器件芯片,所以对于电压、温度和电流的感应都可更精确,灵敏和快速。
从以上实例一至实例五的描述中可以看到,根据本发明的工业控制***及控制方法,可以根据工业控制的对象和任务,应用运算执行、比较执行和本能执行的至少一个执行模块和步骤完成对工业控制器和工业设备的检测和控制。仍以电压检测为例,从实例二可见,相关电压检测的明确数据目前包括:1、当其中一相的电压检测为零;2、按照相关标准,工业电源供电电压不能大于正负10%,也就是380V不能大于420V,小于340V。为了避免瞬间电压波动,延时10秒;
3、当瞬间供电电压大于500V以上。根据实例二中的电压检测,先通过数据库把相关电压的明确数据写入MCU的flash里面,将其与运行内存sram检测的电压、电流和温度传感器等得到的数据进行对比。
而以电流检测为例,如实例三列举的Y2系列11KW三相异步电动机,额定工作电流在22A,启动电流在30A左右,时间约为10秒,一般正常工作在5--15A随负载的变化而波动。为了避免频繁触发,例如可以把触发电流设定在40A。例如,可以先通过数据库把相关电流的明确数据写入MCU的flash里面,与运行内存sram检测的电压、电流和温度传感器等得到的数据进行对比。
当其中一相的电流检测为零,可以先进入数据库运行习惯数据,并采用运算执行模式工作,包括:①与其它二相的原工作电流比较,如不变,本相还有电压信息不变,本相的温度信息同时也不变,则判定本相电流传感器损坏,可事后处理;②如其它二相的工作电流比原工作电流大15%以上,本相无电压信息,本相的温度信息同时在下降,则判定是缺相运行,进入对比执行模式,通过MCU发出关断控制器指令,并发出故障报警代码。
当发生如下情况则利用明确数据采用比较执行模式工作,包括:①启动电流在30A左右,如超过30秒还不下降,则通过MCU发出关断控制器指令,并发出启动过流故障报警代码;②如工作电流在22-25A,超过60秒。则通过MCU发出关断控制器指令,并发出工作过流故障报警代码。
当工作电流大于40A以上,可认定为短路状态,则跳过MCU检测程序,亦即,不采用运算执行和比较执行模式而直接进入本能执行模式。因为真正短路故障电流是无穷大,灾害性的,所以对大于11KW电动机只要检测电流大于40A以上,不管可能产生的故障可能是漏电、严重过温产生绝缘问题等,都判定为短路,也就是严重灾害性故障。
从以上三种不同执行模式的处理方法上可看到,不管何种处理方法,所运用的触发阀值不一样,当传感器输出的正常信息不会触发任何运算执行,按最低阀值触发运算执行模式,按再高一档的阈值就触发比较执行模式,按最高阀值就直接硬件触发本能执行模式。当然电动机功率不同,各种电流阀值设定不同,但电压、温度设定的阀值相同。
从以上描述可以看到,根据本发明的工业控制***及控制方法,所采用的运算执行、比较执行和本能执行三种模式可以单独或组合应用于不同的场合,可以应对于各种故障的发生和避免。三种执行模式所对应的三种数据的提炼过程也是应对于三种风险(故障),即:一般风险(故障)-习惯数据--运算执行(可在事后处理)时间单位:小时h;中等风险(事故)--对比数据--对比执行(当即处理)时间单位:秒s;严重风险(灾害)--功能数据--本能执行(瞬间处理)时间单位:微秒μs。以上三种执行模式的设定可以是按时间为界限的。因此,可以简单概括为:在工业控制器所包含的大量传感器在工作时传输出大量的实时工作数据到数据库,经过提炼出少量有用数据(G级)进入习惯数据模块专供(指导)智能工业控制器作运算执行。可以再从习惯数据模块中提炼出精简数据(K级)的明确数据写入MCU的flash中与sram运行数据作比较执行。该写入MCU的flash中的明确数据已经包含了功能数据,功能数据可以仅仅是一个电压值,直接用硬件电压比较,以微秒级瞬间处理。故也可以说本能执行与比较执行是同时执行的,不过本能执行快于比较执行,所以提前完成了。
虽然本发明的一些实施方式已经在本申请文件中予以了描述,但是对本领域技术人员显而易见的是,这些实施方式仅仅是作为示例示出的。本领域技术人员可以想到众多的变型方案、替代方案和改进方案而不超出本发明的范围。所附权利要求书旨在限定本发明的范围,并藉此涵盖这些权利要求本身及其等同变换的范围内的方法和结构。
Claims (16)
1.一种工业控制方法,包括:
运算执行步骤,主要依赖于软件应用,根据智能控制的对象和任务,从海量数据库中选择能够解决相应问题的习惯数据进行处理,所述习惯数据存储在专用数据库,是对工业控制的大量原始数据进行筛选、提炼而成的,所述运算执行步骤根据所述习惯数据判定故障传感器,包括:寻找和检测与该故障传感器关联的其它传感器、发出故障传感器的定位信息以及判别该故障传感器的故障等级;
比较执行步骤,结合软件应用和硬件应用,将通过传感器检测获得的数据与MCU存储的明确数据进行比较、并作出判断和处理,所述明确数据是通过包括机器学习或统计学在内的手段从习惯数据提取的;
本能执行步骤,主要依赖于硬件应用,通过功能数据进行对硬件的设定,并对传感器的检测结果作出快速反应和控制,确保用电设备的安全运行,所述功能数据是从明确数据提炼的,是针对具体的硬件电路的控制功能设置的,
所述工业控制方法在由各种传感器、MCU嵌入于各种功率半导体器件组成的工业控制***中,根据工业控制的对象和任务,应用所述运算执行步骤、比较执行步骤和本能执行步骤的至少一个执行步骤完成对工业控制器和工业设备的检测和控制。
2.如权利要求1所述的方法,其特征在于,所述运算执行步骤根据所述习惯数据判定故障传感器,包括:寻找和检测与该故障传感器关联的其它传感器、发出故障传感器的定位信息以及判别该故障传感器的故障等级。
3.如权利要求1所述的方法,其特征在于,所述比较执行步骤包括根据电压传感器测得的失压状态数据由MCU进行判别:如发生电流过大同时温度上升,则判别为缺相并立即关断用电器具;如仅失去一相电压传感器输出信号但工作电流仍正常,则判别为电压传感器故障并发出报警信号。
4.如权利要求1所述的方法,其特征在于,所述比较执行步骤包括根据电压传感器测得的低电压状态数据由MCU进行判别:如工作电压低于额定工作电压的15%,则判别为发生低电压故障并发出报警信号。
5.如权利要求1所述的方法,其特征在于,所述本能执行步骤包括根据电压传感器感应到的瞬间外界高电压判别有外界高电压的侵入,并在10us内关断功率半导体器件,停止用电器具的使用并发出报警信号。
6.如权利要求1所述的方法,其特征在于,所述本能执行步骤包括根据电流传感器感应到的功率驱动电路发生快速过电流或短路,在毫秒级时间内关断可控硅功率器件,停止用电器具的使用并发出报警信号。
7.如权利要求1所述的方法,其特征在于,所述比较执行步骤包括检测温度传感器感应到的功率半导体芯片的工作温度,将该工作温度与MCU内设定的安全温度进行比较,当判别该工作温度超出设定温度时迅速关断电源,停止用电器具的使用并发出报警信号。
8.如权利要求1所述的方法,其特征在于,所述本能执行步骤包括检测IGBT电力半导体器件传导到温度传感器的工作结温,并当检测到该工作结温过温时使该器件快速截止,避免其工作结温快速上升。
9.如权利要求1所述的方法,其特征在于,所述本能执行步骤包括检测IGBT电力半导体器件发生的过流或短路,当检测到该过流或短路时使输入其的控制电压置于零,并在其关断时免遭高反电动势的冲击。
10.如权利要求1所述的方法,其特征在于,所述比较执行步骤包括检测IGBT电力半导体器件输出的逆变电流的大小及完整性并与MCU存储的数据进行比较,当检测到其输出波形不完整或缺损时停止其工作并发出报警信号。
11.一种工业控制***,包括:
运算执行模块,主要依赖于软件应用,根据智能控制的对象和任务,从海量数据库中选择能够解决相应问题的习惯数据进行处理,所述习惯数据存储在专用数据库,是对工业控制的大量原始数据进行筛选、提炼而成的,所述运算执行步骤根据所述习惯数据判定故障传感器,包括:寻找和检测与该故障传感器关联的其它传感器、发出故障传感器的定位信息以及判别该故障传感器的故障等级;
比较执行模块,结合软件应用和硬件应用,将通过传感器检测获得的数据与MCU存储的明确数据进行比较、并作出判断和处理,所述明确数据是通过包括机器学习或统计学在内的手段从习惯数据提取的;
本能执行模块,主要依赖于硬件应用,通过功能数据进行对硬件的设定,并对传感器的检测结果作出快速反应和控制,确保用电设备的安全运行,所述功能数据是从明确数据提炼的,是针对具体的硬件电路的控制功能设置的,
所述工业控制***在由各种传感器、MCU嵌入于各种功率半导体器件组成的***中,根据工业控制的对象和任务,应用所述运算执行模块、比较执行模块和本能执行模块的至少一个执行模块完成对工业控制器和工业设备的检测和控制。
12.如权利要求11所述的工业控制***,其特征在于,所述工业控制器包括电压传感器、电流传感器和温度传感器的至少一种传感器。
13.如权利要求12所述的工业控制***,其特征在于,所述工业控制器还包括振动传感器、外温度传感器、压力传感器和红外图像传感器的至少一种传感器。
14.如权利要求11所述的工业控制***,其特征在于,所述运算执行模块根据所述习惯数据判定故障传感器,包括:寻找和检测与该故障传感器关联的其它传感器、发出故障传感器的定位信息以及判别该故障传感器的故障等级。
15.如权利要求11所述的工业控制***,其特征在于,所述比较执行模块用于执行如权利要求3、4、7和10任一权利要求所述的方法。
16.如权利要求11所述的工业控制***,其特征在于,所述本能执行模块用于执行如权利要求5、6、8和9任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010583828.XA CN111665761B (zh) | 2020-06-23 | 2020-06-23 | 工业控制***及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010583828.XA CN111665761B (zh) | 2020-06-23 | 2020-06-23 | 工业控制***及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111665761A CN111665761A (zh) | 2020-09-15 |
CN111665761B true CN111665761B (zh) | 2023-05-26 |
Family
ID=72389500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010583828.XA Active CN111665761B (zh) | 2020-06-23 | 2020-06-23 | 工业控制***及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111665761B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112653306B (zh) * | 2020-12-18 | 2022-08-23 | 重庆忽米网络科技有限公司 | 基于工业ai的电动机动平衡工艺优化方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947064A (zh) * | 2019-04-03 | 2019-06-28 | 清华大学 | 智能通水温度控制专家***及硬件检测和数据监测方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1528377A3 (en) * | 1998-05-20 | 2006-12-06 | DLI Engineering Corporation | Diagnostic vibration data collector and analyzer |
US7349746B2 (en) * | 2004-09-10 | 2008-03-25 | Exxonmobil Research And Engineering Company | System and method for abnormal event detection in the operation of continuous industrial processes |
EP1980964B1 (en) * | 2007-04-13 | 2016-03-23 | Yogitech Spa | Method and computer program product for performing failure mode and effects analysis of an integrated circuit |
CN102069094B (zh) * | 2010-11-16 | 2012-08-29 | 北京首钢自动化信息技术有限公司 | 一种基于数据挖掘的板形控制关键工艺参数优化*** |
WO2015005663A1 (ko) * | 2013-07-10 | 2015-01-15 | 주식회사 글로비즈 | 신호 계측 진단 모니터링 시스템과 그 방법 및 이를 개별 장치에 적용한 방법 및 시스템 |
US20170364854A1 (en) * | 2014-12-04 | 2017-12-21 | Nec Corporation | Information processing device, conduct evaluation method, and program storage medium |
CN106855865B (zh) * | 2015-12-09 | 2021-01-22 | 郑州双杰科技有限公司 | 水利水电大数据架构建设方法 |
WO2017107159A1 (zh) * | 2015-12-25 | 2017-06-29 | 研祥智能科技股份有限公司 | 一种数字装备工业控制方法、装置及*** |
CN107291060B (zh) * | 2016-03-31 | 2019-08-02 | 上海海事大学 | 基于Oracle数据库的大规模工业信息控制***及其控制方法 |
CN105867312B (zh) * | 2016-04-12 | 2018-07-06 | 燕山大学 | 一种带材板形智能远程云测控*** |
US11005863B2 (en) * | 2016-06-10 | 2021-05-11 | General Electric Company | Threat detection and localization for monitoring nodes of an industrial asset control system |
US11029359B2 (en) * | 2018-03-09 | 2021-06-08 | Pdf Solutions, Inc. | Failure detection and classsification using sensor data and/or measurement data |
CN108416067A (zh) * | 2018-03-29 | 2018-08-17 | 重庆大学 | 工业过程中海量数据处理和存储过程的优化执行估算方法 |
CN109541498B (zh) * | 2018-11-30 | 2021-10-15 | 苏州数言信息技术有限公司 | 一种通用的灯具故障智能检测方法和*** |
-
2020
- 2020-06-23 CN CN202010583828.XA patent/CN111665761B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947064A (zh) * | 2019-04-03 | 2019-06-28 | 清华大学 | 智能通水温度控制专家***及硬件检测和数据监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111665761A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Analysis, detection, and location of open-switch submodule failures in a modular multilevel converter | |
Manohar et al. | Condition monitoring of power electronic converters in power plants—A review | |
CN103244447B (zh) | 精确检测交流风扇运行状况的故障检测电路及方法 | |
CN106711954B (zh) | 一种快响应过流短路保护电路 | |
CN106050580A (zh) | 一种风力发电机组传动链故障诊断方法及*** | |
CN105626277A (zh) | 一种内燃机发电机组远程故障诊断和健康诊断的控制器及方法 | |
CN206533117U (zh) | 一种快响应过流短路保护电路 | |
CN103344866A (zh) | 一种永磁直驱式风力发电***变流器的开路故障诊断方法 | |
CN111665761B (zh) | 工业控制***及控制方法 | |
CN106711953A (zh) | 光伏逆变器直流侧短路保护装置及保护方法 | |
CN107192964A (zh) | 基于模型预测的三相逆变器故障在线诊断方法 | |
JP2015018838A (ja) | 太陽電池用逆流防止ダイオードの故障検出装置、太陽電池用逆流防止ダイオードの故障検出システム、及び太陽電池用逆流防止ダイオードの故障検出方法 | |
CN106505739A (zh) | 一种具有自检功能的控制回路 | |
CN108319780A (zh) | 基于数据驱动的电气牵引***故障检测方法 | |
CN107463146A (zh) | 一种通过mhcims诊断起重机故障的方法 | |
CN107092247B (zh) | 一种基于状态数据的包装生产线故障诊断方法 | |
CN114487705A (zh) | 一种电网设备故障定位检测方法 | |
CN101876684A (zh) | 可控硅失效检测与保护方法及其装置 | |
CN108287301A (zh) | 一种igbt驱动器测试***及方法 | |
CN213780684U (zh) | 应用于工业控制器的传感器电路 | |
CN117791512A (zh) | 一种电力***保护装置 | |
CN205941737U (zh) | 散热风扇的故障检测装置及散热装置 | |
CN102955129B (zh) | 储能机构运行状态检测装置 | |
CN203933153U (zh) | 电力开关柜的智能控制器 | |
CN2720615Y (zh) | 智能型漏电断路器 |
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 |