CN112131030A - 利用智能滤波算法的数字输入边缘检测 - Google Patents
利用智能滤波算法的数字输入边缘检测 Download PDFInfo
- Publication number
- CN112131030A CN112131030A CN202010520708.5A CN202010520708A CN112131030A CN 112131030 A CN112131030 A CN 112131030A CN 202010520708 A CN202010520708 A CN 202010520708A CN 112131030 A CN112131030 A CN 112131030A
- Authority
- CN
- China
- Prior art keywords
- samples
- sample
- event
- filter
- invalid
- 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
- 238000001914 filtration Methods 0.000 title abstract description 17
- 238000003708 edge detection Methods 0.000 title abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 15
- 230000007704 transition Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009897 systematic effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000007717 exclusion Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G05B19/0425—Safety, monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0766—Error or fault reporting or storing
- G06F11/0781—Error filtering or prioritizing based on a policy defined by the user or on a policy defined by a hardware/software module, e.g. according to a severity level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0796—Safety measures, i.e. ensuring safe condition in the event of error, e.g. for controlling element
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/25—Testing of logic operation, e.g. by logic analysers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
- G06F11/3096—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents wherein the means or processing minimize the use of computing system or of computing system component resources, e.g. non-intrusive monitoring which minimizes the probe effect: sniffing, intercepting, indirectly deriving the monitored data from other directly available data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
-
- 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
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14004—On error I-O control state is substituted by actual state to continue
-
- 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
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14006—Safety, monitoring in general
-
- 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
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14055—Make log, journal, history file of state changes
-
- 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
- G05B2219/10—Plc systems
- G05B2219/14—Plc safety
- G05B2219/14067—Log, history of key, input information before last fault occurred
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明题为“利用智能滤波算法的数字输入边缘检测”。本发明提供了一种方法，所述方法为在工业过程的操作中的事件报告序列提供数据分析。本发明提供了数字滤波器和边缘检测器，所述数字滤波器和所述边缘检测器组合了用于排除已知无效样本的方法和用于排除在输入处于行进范围中时取得的样本的方法。滤波方法减少了CPU上管理所述事件序列机器的开销，并且允许CPU集中于执行安全功能。
Description
技术领域
本发明的实施方案整体涉及数据处理和根本原因分析。实施方案还涉及识别在工作环境中的***性故障和事故的根本原因，在该工作环境中，数字滤波器和边缘检测器用于指定与在操作期间发生的事故相关的事件。
背景技术
工作环境(诸如，过程控制、核动力、保健、军事和制造业)通常缺乏对与事故相关的***性故障和原因的共识。这些示例中的“事故”可以是可被调查的“实际损失”事件，使得可采取有效的行动来防止相同或类似的损失再次发生。“相近差错”事件或失常状况也可视为“事故”。在这种情况下，可能不会发生实际损失，但可能已存在潜在的损失。“相近差错”可被视为这样的情况，其中如果情况稍有不同，则可能会导致“实际损失”(例如，财产损失、环境影响或人力损失)或操作中断。因此，此类事件可被认为是“事故”、“过程失常”或“***失常”，其中此类“***”包括工作环境中的***的人工部件和机器部分。
事故可由现场设备(诸如，仪器、控制阀和泵)的故障或由导致操作偏离正常操作状态的某种形式的过程干扰引起。事故也会由于人为因素和相关故障，诸如人为误差或当前管理***的问题(例如，培训、工作过程、程序、通信、监督等)而发生。事故也可能由意外的外部原因所导致。早期检测到此类故障，无论这些故障是操作实践故障、设备故障还是管理***问题，都使得操作团队能够改善当前操作来防止将来发生事故或者在问题发生时以更有效的响应来支持。异常情况可由操作失常演变而来，该操作失常可能成为涉及对工厂及周围社区造成严重破坏和伤害的灾难性事件。不断从事故中吸取教训并理解***性故障是形成具有长期有益效果的有效纠正措施的关键。安全管理***可检测和记录指示偏差正常过程操作的事件。此类事件的一些示例包括阀限位开关的状态变化、蒸汽压力超过极限、维护超控或强制点、现场故障或安全管理器输入/输出接口中的故障。安全管理***对事件序列的扫描时间将通常等于应用程序周期时间，并且对于事件管理的低延迟序列，扫描时间可被设置为1毫秒(ms)。每个改变的过程量是记录在驻留在***内的事件缓冲器中的事件。如果发生了针对应用于在过程点和***点两者的点的事件，则事件序列功能记录事件。或者在某个点上施加或移除力。事件记录包含对事件序列的一些识别，诸如通过特定时间点或其他唯一指定、如相关事件说明书中所述的对事件的描述来识别。将所有记录的事件发送到收集和管理此类信息的管理***。
基于前文所述，据信需要存在用于有效地识别***性故障和事故的根本原因的改善的方法和***。具体地讲，需要在两个基本水平上理解故障和根本原因：(1)单个事故；以及(2)更重要的是，事故和事故之间的。据信，对事故和事故之间进行分析是识别***性故障和根本原因的关键因素。否则，人们将不断地解决独立于单个事故的问题，并且具有期望的长期且深远效果的成功纠正措施的可能性将较低。
当被监测的电压或电流可能引起来自自测试、触点跳动和其他外部影响的干扰时，报告事件序列的输入的数字滤波和状态边缘检测的变化。这还需要滞后的性能以忽略在输入信号在状态之间行进时取得的样本。目标是应用在其中实际发生采样转变的时间戳，同时防止当样本数据受内部因素或外部因素影响时报告错误事件，并且避免在输入转变缓慢的情况下过早报告转变。
发明内容
本发明提供了一种用于具有智能滤波的数字输入边缘检测的方法和***。更具体地讲，提供了用于事件报告序列的输入的数字滤波和状态边缘检测的变化，其忽略由于来自自测试、触点跳动和其他外部影响的干扰而接收到的信号的变化。提供了改善的事件分析序列，其能够更好地确定故障序列的主要原因。数字滤波器比硬件滤波器更具灵活性，因为滤波器时间常数可以是可配置的。
附图说明
图1示出了使用数字滤波器来检测事件的I/O板和处理板。
图2示出了数字输入随时间推移的变化，以示出实现数字滤波器的效果。
具体实施方式
事件序列在许多行业中用于识别故障序列。在关闭或故障的情况下，收集潜在大量的数据点。这些数据点包括当状态变化发生时具有高分辨率时间戳的输入状态变化。工程师稍后审查日志以确定故障(诸如，轴承摇晃、传入电力失常、与网络其余部分的A/C同步的损失、蒸汽压力的损失、或蒸汽温度或其他温度变化)的主要原因。关闭或故障的这些主要原因可根据具体行业而具有显著差异。这些原因中的一些需要维修设备，并且一些外部原因甚至可能涉及供应商的金钱损失。事件检测和报告的序列通常通过以高速率采样并分析针对“状态变化”的输入数据来完成，并且当该事件检测和报告的序列被检测时，使用在所有设备之间同步的实时时钟源来应用高分辨率时间戳。
本公开具体地涉及事件的低延迟序列。在***中，可存在传输信息的数百或数千个信道。在一些***(诸如，示例性***)中，尽管实际上监测经常(例如，每毫秒)发生，但存在被连续监测的32个信道。最重要的是，以事件发生的顺序来记录这些事件。这可产生大量的数据。当存在事故时，则可返回并分析事件序列以及将确切时间甚至向下精确到毫秒来确定事件何时发生。这可允许操作者随后确定异常发生的根本原因或仅确定操作正常。
在典型的***中，***处理数据的能力可能存在限制(诸如，处理器或有限存储器上的有限速度)，这使得开发分析数据的有效方法很重要。在本文所述的公开中利用32位输入/输出模块。这些模块中的约40至64个连接到控制器。模块对输入和边缘检测进行所有采样。然后分析采样信息以确定事件序列。
在分析事件信息时，重要的是监测何时发生边缘或实际变化。例如，特定读数不断地“打开”，然后切换到“关闭”。有必要确定这是实际变化还是仅一次发生的情况，在该仅一次发生的情况中，特定读数切换到“关闭”，但随后立即返回到其先前状态。此外，还发生了连续测试，该连续测试需要与需要记录的真实情况区分开来。因此，有必要记录真实事件并除去自测试。此外，存在可包含信号中的“跳动”的情况。在一些情况下，不存在明显的时间“打开”的瞬间。相反，在稳态操作之前存在短时间波动。在监测存在跳动或波动的这些情况时，需要考虑到这种情况并且能够忽略或过滤掉不显著的事件的方式。需要能够忽略在有限时间段内发生的跳动的方式。此外，通常存在发生的不应包括在事件序列分析中的自测试。那么，目标是能够在真正发生状态变化时识别单数事件。监测信道中的每个的***将会读取信号是“打开”还是“关闭”，或者是“1”还是“0”。这种类型的监测需要最小量的处理容量。
在本公开中，监测信号的一种方式是读取可为逐渐变化或瞬时变化的电压。给定的电压例如超过5伏可被读作“打开”或者当其低于1伏时读作“关闭”。“边缘”被定义为当电压高于指定电压诸如该电压超过5伏阈值时的时间点。
在安全***中，执行安全功能的设备必须保持其安全完整性水平，该安全完整性水平包括对其输入电路的连续自测试和诊断。这些自测试可短暂地影响输入感测的结果并且影响用于事件报告序列的样本数据。为了在执行自测试以保持安全完整性的同时提供事件的准确定序，需要可靠的方法来检测状态变化，同时过滤掉包括自测试数据的无效样本数据。
在开发事件的准确定序中可采取的动作是执行过滤以防止离散部件的外部影响。然而，这可导致不变的时间常数，在所有条件下提供较慢的响应时间，并且容易受到部件故障、公差或漂移的影响。可在执行自测试时停止事件数据收集序列。这将意味着仍然需要辅助方法来管理影响输入的检测到的但非计划的因素，诸如冗余设备的丢失。除了使用计数滤波器之外或代替使用计数滤波器，该方法可与去跳动计数器集成。当两个比较器读数指示输入已变为相反状态时，去跳动计数器将启动计数器。在值跨越两个比较器阈值转变的任何时间，计数器将复位。当计数器达到其目标值时，将报告转变。在一些情况下，这可提供该转变的前缘的更准确的时间戳。在其他情况下，具有少量滤波和显著触点跳动的输入可能花费更长时间来解决，并且由于计数器保持复位而不太准确。
现在已经开发出如图1所示的更好的方式，其中存在通过集成用于排除已知无效样本的方法和用于排除在输入处于行进范围中时取得的样本的方法来增强的数字滤波器(100)和边缘检测器(101)。与硬件滤波器相比，本发明的技术有益效果包括数字滤波器(100)的更大灵活性，这可在例如软件或可编程逻辑中实现，因为滤波器时间常数可以是可配置的。通过将排除掩模作为滤波器的输入，在设备执行自测试的同时收集输入样本的引擎(102)继续执行，并且可向滤波器馈送连续的样本数据流。与现有技术相比，该方法通过保持在排除范围之前取得的样本历史来更好地近似于转变的开始。本发明的申请人负责标记执行自测试期间以及何时已知输入值无效的样本范围。
本公开向安全I/O模块添加事件报告的低延迟序列。该模块周期性地运行简要影响输入值的诊断。该模块支持具有低延迟SOE的多达32个信道的数字输入，这引入了CPU性能风险。该滤波方法的一个优点是减少了CPU上管理SOE状态机器的开销，并且允许其集中于执行安全功能。
该过程的特征在于其依赖于输入点的电压的周期性转换。这些样本(103)必须以固定的频率取得以提供数据点之间的已知时间差。将采样值(103)与两组可配置阈值(105)进行比较(104)以提供一组高和低的比较结果。对于每个样本，保持有效位以指示样本是否已经受自测试影响，并且当被馈送到滤波器(100)中时是否应该被排除。
如图1所示的滤波算法(100)具有可编程的滤波时间值以允许基于应用的灵活性。滤波器还采用初始状态和滤波器计数以允许检测在高状态或低状态下开始。如果在通过通信链路(107)连接的不同设备上实现采样和过滤，则滤波算法(100)对于高和低的比较值(106a)(或106b)中的每一个取16位字。该通信链路可以是任何通信链路(在图1中描绘了SPI链路)和16位排除掩模。滤波算法(100)遍历每个位并执行以下操作：如果样本有效并且输入被检测为高，则滤波器计数(108)增加。如果样本有效并且输入被检测为低，则滤波器计数(108)减少。如果样本被标记为无效或状态既不高也不低，则滤波器计数(108)不改变。如果滤波器计数(108)达到最高计数并且先前状态为低，或者如果滤波器计数(108)达到最低计数并且先前状态为高，则滤波器(100)输出事件结果以指示转变完成时的新状态和样本的位数(109)。为了允许程序暂停过滤并继续任务关键功能，滤波器在处理每组字之后始终呈现当前样本计数器和最后已知的状态(109)。当时间允许并且已收集到更多物理样本数据时，滤波器通过将该计数和状态接受为输入来恢复。
本公开和现有技术之间的主要差异是能够基于与输入样本具有1比1相关性的有效/无效样本串来排除样本。这可包括排除掩模，该排除掩模过滤掉样本，诸如在样本在短时间段内表现出均匀进入稳态的波动时存在“跳动”情况时记录的那些样本。
图1示出了产生信号并对信号进行采样的I/O板和处理板的***。左上(103)示出具有信道1、信道2的样本，然后是32个信道中的最后一个信道32。在该示例中，每个信道有255个样本，其中每个样本相隔0.256ms取得。在位的记录对于给定数量的位处于高水平之后，例如，在第20个样本之后，其将被认为是要记录的事件。您继续通过位阵列处理，直到存在状态已改变的转变。该分析在I/O板上继续，直到达到转变为止。在左下框中，存在数字滤波框(100)以及有效样本阵列的确定(102)。
图2示出了4ms滤波器数字输入延迟。具体地讲，其示出了时间间隔，这些时间间隔将被忽视为示出随机事件(200)或不指示需要包括在正被记录的事件序列中的事件的其他数据。从附图的顶部开始，示出了(201)0.256毫秒的每个采样时间的时间序列。图2的下一个区段示出了随时间推移的组合输入(202)，其中在左侧部分上示出了延长的平台，并且在右侧示出了包括在远右侧的测试脉冲的输入信号的多个不规则波动。接下来的两个区段示出当输入信号处于或高于高比较状态或低比较状态(204)时的累积时间(203)。然后，存在示出由于测试脉冲而被忽略的时间线的部分的区段(205)。
具体的实施方案
虽然结合具体的实施方案描述了以下内容，但应当理解，该描述旨在说明而不是限制前述描述和所附权利要求书的范围。
本发明的第一实施方案是用于在过程中检测并随后识别异常事件的方法，该方法包括以下步骤：以固定的采样频率获得多个样本(103)，以提供过程数据点之间的已知时间差；将该多个样本(103)发送到数字滤波器(100)；使用数字滤波器(100)来将样本中的每一个与两组可配置阈值(105)进行比较，其中这两组可配置阈值是不同的以提供一组高和低的比较结果；确定样本中的每一个与可配置阈值进行比较(104)的关系；确定该多个样本中的每一个是否被重复；对要计数的有效样本的数量进行计数作为滤波器计数(108)；以及当滤波器计数(108)达到预先指定的水平时记录事件(109)。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其还包括确定每个样本是有效的还是无效的。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中在确定无效样本是无效的之后丢弃该无效样本。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中基于观察到波动的样本值之后是稳定的样本值来确定该样本是无效的。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中基于与输入样本具有1比1相关性的样本串来确定所述样本是无效的。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中滤波器计数(108)包括被定义为构成要记录的事件的预先确定的值。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中当过程数据点在两组可配置阈值之内时，滤波器计数(108)减少。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中数字滤波器(100)采用初始状态和滤波器计数(108)。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中事件被记录在存储于处理器(109)上的存储器中的事件收集器中。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中关系的确定是多个过程数据点高于可配置阈值上限。本发明的一个实施方案是本段中的先前实施方案至本段中的第一实施方案中的一个、任一个或所有实施方案，其中关系的确定是多个过程数据点低于可配置阈值下限。
尽管没有进一步的详细说明，但据信，本领域的技术人员通过使用前面的描述可最大程度利用本发明并且可容易地确定本发明的基本特征而不脱离本发明的实质和范围以作出本发明的各种变化和修改，并且使其适合各种使用和状况。因此，前述优选的具体的实施方案应理解为仅例示性的，而不以无论任何方式限制本公开的其余部分，并且旨在涵盖包括在所附权利要求书的范围内的各种修改和等效布置。
在前述内容中，所有温度均以摄氏度示出，并且所有份数和百分比均按重量计，除非另外指明。
Claims (10)
1.一种用于在过程中检测并随后识别异常事件的方法，所述方法包括以下步骤：
a.以固定的采样频率获得多个样本(103)，以提供过程数据点之间的已知时间差；
b.将所述多个样本(103)发送到数字滤波器(100)；
c.使用所述数字滤波器(100)来将所述样本中的每一个与两组可配置阈值(105)进行比较，其中所述两组可配置阈值是不同的以提供一组高和低的比较结果；
d.确定所述样本中的每一个与所述可配置阈值进行比较(104)的关系；
e.确定所述多个样本中的每一个是否被重复；
f.对要计数的有效样本的数量进行计数作为滤波器计数(108)；以及
g.当滤波器计数(108)达到预先指定的水平时记录事件(109)。
2.根据权利要求1所述的方法，还包括确定每个样本是有效的还是无效的。
3.根据权利要求2所述的方法，其中在确定所述无效样本是无效的之后丢弃所述无效样本。
4.根据权利要求3所述的方法，其中基于观察到波动的样本值之后是稳定的样本值来确定所述样本是无效的。
5.根据权利要求3所述的方法，其中基于与输入样本具有1比1相关性的样本串来确定所述样本是无效的。
6.根据权利要求1所述的方法，其中所述滤波器计数(108)包括被定义为构成要记录的事件的预先确定的值。
7.根据权利要求1所述的方法，其中当所述过程数据点低于阈值下限时，所述滤波器计数(108)减少。
8.根据权利要求1所述的方法，其中所述数字滤波器(100)采用初始状态和滤波器计数(108)。
9.根据权利要求1所述的方法，其中所述事件被记录在存储于处理器(109)上的存储器中的事件收集器中。
10.根据权利要求1所述的方法，其中所述关系的所述确定是所述多个过程数据点高于可配置阈值上限或低于可配置阈值下限。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962859142P | 2019-06-09 | 2019-06-09 | |
| US62/859,142 | 2019-06-09 | ||
| US16/888,753 | 2020-05-31 | ||
| US16/888,753 US11669065B2 (en) | 2019-06-09 | 2020-05-31 | Digital input edge detection with smart filtering algorithm |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112131030A true CN112131030A (zh) | 2020-12-25 |
Family
ID=71078433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010520708.5A Pending CN112131030A (zh) | 2019-06-09 | 2020-06-09 | 利用智能滤波算法的数字输入边缘检测 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11669065B2 (zh) |
| EP (1) | EP3751419B1 (zh) |
| CN (1) | CN112131030A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053189A (zh) * | 2009-11-10 | 2011-05-11 | 北京普源精电科技有限公司 | 一种具有序列触发功能的数字示波器及其控制方法 |
| US20120303321A1 (en) * | 2011-05-26 | 2012-11-29 | Honeywell International Inc. | Monitoring for invalid data from field instruments |
| CN108092836A (zh) * | 2016-11-21 | 2018-05-29 | 深圳市蓝希领地科技有限公司 | 一种服务器的监控方法及装置 |
| CN108805359A (zh) * | 2018-06-15 | 2018-11-13 | 新奥泛能网络科技有限公司 | 一种故障预判方法及装置 |
| CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS55138634A (en) * | 1979-04-16 | 1980-10-29 | Kansai Electric Power Co Inc:The | Fault diagnosis apparatus of apparatus |
| US5426774A (en) | 1993-04-06 | 1995-06-20 | Honeywell Inc. | Method for maintaining a sequence of events function during failover in a redundant multiple layer system |
| US7383134B2 (en) | 2002-01-15 | 2008-06-03 | Piper James R | Method and/or system for analyzing biological samples using a computer system |
| US7096390B2 (en) | 2002-04-01 | 2006-08-22 | Sun Microsystems, Inc. | Sampling mechanism including instruction filtering |
| US7103610B2 (en) | 2002-11-25 | 2006-09-05 | General Electric Company | Method, system and computer product for integrating case based reasoning data and failure modes, effects and corrective action data |
| US6912474B2 (en) | 2003-06-19 | 2005-06-28 | Tektronix, Inc. | Method and apparatus for high-speed synchronous digital acquisition derived in real -time from analog samples |
| US7181654B2 (en) * | 2004-09-17 | 2007-02-20 | Fisher-Rosemount Systems, Inc. | System and method for detecting an abnormal situation associated with a reactor |
| US8429654B2 (en) | 2006-07-06 | 2013-04-23 | Honeywell International Inc. | Apparatus and method for guaranteed batch event delivery in a process control system |
| US20080167842A1 (en) | 2007-01-04 | 2008-07-10 | Honeywell International Inc. | Method and system for detecting, analyzing and subsequently recognizing abnormal events |
| US8301676B2 (en) * | 2007-08-23 | 2012-10-30 | Fisher-Rosemount Systems, Inc. | Field device with capability of calculating digital filter coefficients |
| US7526395B2 (en) | 2007-09-05 | 2009-04-28 | Tektronix, Inc. | Logic analyzer using a digital filter |
| US20110313580A1 (en) * | 2010-06-17 | 2011-12-22 | Levgenii Bakhmach | Method and platform to implement safety critical systems |
| US8572404B2 (en) | 2011-11-04 | 2013-10-29 | Honeywell International Inc. | Security and safety manager implementation in a multi-core processor |
| US20170147427A1 (en) | 2015-11-23 | 2017-05-25 | Honeywell International, Inc. | System and method for software simulation for testing a safety manager platform |
-
2020
- 2020-05-31 US US16/888,753 patent/US11669065B2/en active Active
- 2020-06-08 EP EP20178847.8A patent/EP3751419B1/en active Active
- 2020-06-09 CN CN202010520708.5A patent/CN112131030A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053189A (zh) * | 2009-11-10 | 2011-05-11 | 北京普源精电科技有限公司 | 一种具有序列触发功能的数字示波器及其控制方法 |
| US20120303321A1 (en) * | 2011-05-26 | 2012-11-29 | Honeywell International Inc. | Monitoring for invalid data from field instruments |
| CN108092836A (zh) * | 2016-11-21 | 2018-05-29 | 深圳市蓝希领地科技有限公司 | 一种服务器的监控方法及装置 |
| CN108805359A (zh) * | 2018-06-15 | 2018-11-13 | 新奥泛能网络科技有限公司 | 一种故障预判方法及装置 |
| CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3751419B1 (en) | 2022-04-13 |
| EP3751419A1 (en) | 2020-12-16 |
| US11669065B2 (en) | 2023-06-06 |
| US20200387128A1 (en) | 2020-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2992340B1 (en) | System and method for ups battery monitoring and data analysis | |
| US7444263B2 (en) | Performance metric collection and automated analysis | |
| US10373065B2 (en) | Generating database cluster health alerts using machine learning | |
| GB2476246A (en) | Diagnosing an operation mode of a machine | |
| KR100997009B1 (ko) | 산업설비의 공정 여유도에 대한 동적 감시 및 적시 경보 방법 | |
| US20220137611A1 (en) | Abnormality determination apparatus, learning apparatus and abnormality determination method | |
| CN111881594B (zh) | 一种核动力设备的非平稳信号状态监测方法及*** | |
| Ozcelik et al. | Seer: a lightweight online failure prediction approach | |
| US20180131560A1 (en) | Content-aware anomaly detection and diagnosis | |
| US11928565B2 (en) | Automated model building and updating environment | |
| CN116295948B (zh) | 大温差环境下工业温度传感器的异常检测方法、***及存储介质 | |
| CA2252868C (en) | Automatic control loop monitoring and diagnostics | |
| Ginart et al. | Automated feature selection for embeddable prognostic and health monitoring (PHM) architectures | |
| CN114664063A (zh) | 一种基于通用指标趋势分析的设备分级报警方法 | |
| KR101957744B1 (ko) | 원자력발전소 내의 디지털 계통의 사이버보안 모니터링 시스템 및 그 방법 | |
| CN113221096A (zh) | 一种在混沌工程中随机事件相关性分析方法及*** | |
| CN112131030A (zh) | 利用智能滤波算法的数字输入边缘检测 | |
| CN116910677A (zh) | 一种工业仪表故障诊断方法及*** | |
| Li et al. | Meteorological radar fault diagnosis based on deep learning | |
| US20240219267A1 (en) | Strong-robustness method for extracting early degradation features of signals and monitoring operational status of device | |
| Ding et al. | A data analytic engine towards self-management of cyber-physical systems | |
| Galotto et al. | Data based tools for sensors continuous monitoring in industry applications | |
| KR101553891B1 (ko) | 원자력발전소 내의 디지털 안전계통의 사이버보안 모니터링 방법 및 그의 시스템 | |
| CN105930870A (zh) | 一种工程安全监测数据离群值检测方法 | |
| CN118118319B (zh) | 一种基于大数据的网络设备智能诊断方法及*** |
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 |