基于模拟的征兆的异常的原因分析的制作方法

本发明涉及一种根据权利要求1所述的用于得出在技术设备运行时的异常的原因的方法。此外，本发明涉及一种根据权利要求4所述的具有能够通过计算机实施的程序代码指令的计算机程序。此外，本发明还涉及一种根据权利要求5所述的具有能够通过计算机实施的计算机程序的存储介质、一种根据权利要求6所述的用于技术设备的服务器、尤其操作员站服务器以及一种根据权利要求7所述的用于技术设备的控制系统。

背景技术：

1、通常持续地监控技术设备、尤其制造或过程设备，以便避免不利的运行状态。在此，即使必须完全手动地搜索异常的原因，在技术设备的运行中的偏差的识别(异常识别)也提供增值。当存在关于如下的信息时，即，技术设备的哪些部件以何种方式和方法与其正常行为偏离(征兆识别)，则能够提高增值。

2、手动搜索原因是麻烦和繁琐的。因此已知通过各种努力能够自动确定对于偏差的原因，使得设备人员能够直接开始修复该原因。原则上，在此能够在两种做法之间区分。

3、第一解决方案遵循纯基于数据的原因搜索。然而在此，仅当原因在过去已经发生并且相应地分类时，才能实现原因的识别。

4、第二解决方案基于模型。在此，基于技术设备的设备结构(例如管道流程图和仪器流程图)产生技术设备或其部件的模型。这随后用于给已识别的征兆配设可能的原因。

5、对于建模能够考虑不同的方法。在ep 2568348 a1、ep 2587328 a1和ep 2587329a1中描述了基于所谓的“符号有向图”的这样的建模。由此，对于(在研究设备的尺寸方面)小的设备拓扑结构，能够在得出原因时实现良好的结果。然而，对于较大的实际的工业设备，这里描述的方法不太适合。尤其，设备拓扑结构中的分支可能导致空的原因量或过多的可能原因。

6、[1]和[2]在评论中提供关于用于原因分析的可能算法的系统概述。

7、[1]venkat venkatasubramanian、raghunathan rengaswamy、kewen yin、suryan.kavuri；过程故障检测与诊断的评论，第一部分：基于定量模型的方法；计算机与化学工程，第27期，第293-31t页，2003年。

8、[2]venkat venkatasubramanian、raghunathan rengaswamy、surya n.kavuri；过程故障检测与诊断的评论，第二部分：定性模型和搜索策略；计算机与化学工程，第27期，第313-326页，2003年。

9、然而这里所引用的所有方法都具有相对较大的复杂性和高建模成本。

10、如果将现有的过程模型用作用于异常识别的辅助，则为此能够在[3]和[4]中找到以下三种方案：

11、·参数估计方法或参数识别方法

12、·基于观察器的方法

13、·奇偶校验方程

14、这些异常识别方法为了故障诊断而被扩展了多个不同的故障模型。如果代替实际模型，故障模型中的一个故障模型与过程数据一致，则能够诊断出故障。在此，故障模型以刚好一个实施方案/故障强度观察已知的问题并且然后作出关于二元故障的结论(例如阀功能正常或者阀功能不正常)。如果多个相似的故障模型又显示正面的诊断结果，则不能作出明确的结论或建议。

15、不同强度中的故障(例如材料污染、过程抑制等)不能用具有恒定参数的模型来描绘，而是只能用大量不同的故障模型来描述。由此产生用于建模故障模型的提高的耗费。此外，产生了不可校验的多个模型。

16、替代地，使用基于观察器的方案，这些方案一起估计故障参数。这些方案的缺点是，观察器仅在高的模型品质的情况下收敛并且仅当例如正确满足所有噪声假定时才提供无偏差的估计。

17、所有解决方案的共同点是，模型品质必须不仅对于正常行为而且对于故障行为都非常好。该要求已经对于在正常运行中的模型不总是被满足。然而，一般而言，缺乏故障数据不能实现对于故障情况的这样精确的建模。

18、[1]：r.isermann，“连续技术过程的基于模型的监控和故障诊断”，2010年6月

19、[2]：s.x.ding，“基于模型的故障诊断技术”，杜伊斯堡，2013

技术实现思路

1、本发明的目的在于，提供一种用于得出在技术设备运行时的异常的原因的方法，该方法能够有效地、以小的耗费并且自动地执行。

2、该目的通过根据权利要求1所述的用于得出在技术设备、尤其制造或过程设备的运行中的异常的原因的方法来解决。此外，该目的通过根据权利要求4所述的具有能够通过计算机实施的程序代码指令的计算机程序来解决。此外，该目的通过根据权利要求5所述的具有能够通过计算机实施的计算机程序的存储介质和根据权利要求6的用于技术设备、尤其制造或过程设备的服务器、尤其操作员站服务器来解决。此外，该目的通过根据权利要求7所述的用于技术设备、尤其制造或过程设备的控制系统来解决。有利的改进方案由从属权利要求得出。

3、根据本发明的方法包括以下方法步骤：

4、a)借助于计算机实现的模拟工具对技术设备的无故障运行进行模拟；

5、b)模拟在该技术设备的运行期间异常的多个单独的发生原因；

6、c)对于异常的多个单独的发生原因，分别比较被模拟的无故障的运行状态与在存在异常的发生原因之一时的被模拟的运行状态，其中，由该比较分别推导出定性征兆，该定性征兆描述该运行状态与无故障的运行状态的定性偏差；

7、d)实际运行该技术设备；

8、e)对于该技术设备的实际运行中发生异常的情况，确定该异常的定性征兆；

9、f)将在该技术设备的实际运行中确定的征兆与之前在存在异常的发生原因之一时在该运行状态的模拟中推导出的每个征兆进行比较；

10、g)识别与在该技术设备的实际运行中确定的征兆具有一定的相似度的征兆，并且将与已识别的征兆相关联的异常的原因存储在该技术设备的数据存储器中和/或显示与已识别的征兆相关联的异常的原因。

11、技术设备能够是过程工业中的设备，例如化学、制药、石油化学或来自食品和酒水工业的设备。这还包括来自生产工业的任何设备，例如生产所有类型的汽车或货物的工厂。适合于执行根据本发明的方法的技术设备也能够来自能量产生的领域。风力发电机、太阳能设备或用于产生能量的发电站同样也被技术设备的概念包括。

12、这些设备通常具有控制系统或至少一个计算机辅助模块，用于控制和调节进行的过程或生产。控制系统或控制模块或技术设备的一部分是至少一个数据库或档案，在该数据库或档案中存储有历史数据。

13、根据本发明的方法基于，通过引入征兆的中间步骤将实际数据和模拟的模型数据相互比较，以便能够推断出在技术设备运行时的异常的原因。术语“征兆”来自技术设备的监控领域并且描述与技术设备的正常运行的偏差。具体地，征兆包括偏差的变量和相应偏差的类型。这种偏差根据本发明仅被定性地考虑。可能征兆的实例是：传感器x的压力值太大或太小，传感器y的温度值太小或太大。定性征兆的量化能够限制为三个级别(较大/无偏差/较小)，但也能够具有更多级别。

14、在执行根据本发明的方法时假设存在用于技术设备的相应的模拟模型。为此假设，模拟模型包括可能的异常和异常原因，其中，能够改变异常的强度，或者其中，异常被构造成二进制的(异常存在/不存在)。

15、将可能的异常的单独的发生原因的所有模拟与被模拟的正常运行进行比较并且形成差值作为征兆。因为模拟正确地反映基本行为，征兆通常也是正确的。在此也能够参考对实施例的描述以及与此相关的对实验的描述。

16、根据本发明的方法的大的优点在于，对模拟模型的要求显著降低，因为不必精确地并且对于所有情况校准模拟模型。因此与许多其他方法不同，该方法完全能够实际应用。

17、在方法步骤g中，仅能够识别与在该技术设备的实际运行中确定的征兆相同的那些征兆，并且该征兆存储和/或显示在该数据存储器中。

18、但是也可行的是，在方法步骤b和c中，对于每个所考虑的异常的原因，异常的原因的强度在确定的范围中变化，其中，在该变化中能够推导出多个征兆，这些征兆在适当的情况下用于在步骤g中识别异常的原因。对此背景是，尤其在技术设备中的非线性的情况下，异常的强度的变化可能导致不同的征兆(根据强度程度)。通过相应改进的方法能够明显改进异常的原因的识别。

19、上述目的还通过一种计算机程序来解决，该计算机程序具有能够由计算机执行的程序代码指令，以用于实施前面所解释的方法。此外，该目的通过一种具有能够由计算机执行的之前阐述的计算机程序的存储介质和一种计算机系统来解决，在该计算机系统上实施如之前阐述的计算机程序。