最新新闻
我要投稿
联系电话:027-87592219/20/21转188
投稿邮箱:tb@e-works.net.cn
您所在的位置:首页 > 智库 > 智能生产

基于PLC的故障诊断及处理

发布时间:2013-11-20 作者:王海 巩亚东 王宛山  来源:万方数据
关键字:PLC 故障诊断 
现场层诊断技术在以往智能诊断研究中往往被忽视。现场控制器迅速发展,在完成对设备和生产过程监控任务的同时,完全具备能力完成必要的诊断工作,并具有快速准确、简化诊断过程的特点。文章对于在智能诊断中最底层的智能设备PLC的诊断功能和处理方法加以阐述,指出处理及设计中的基本原则。并对基于PLC的模糊融合智能诊断进行深入探讨。

3 模糊融合诊断

  目前复杂控制系统采用了许多较新控制方法:如模糊控制、神经网络控制、专家控制等等,恰好可以相应地开发出配套的高性能故障诊断部分,并与之融为一体。高档PLC都提供了高级语言开发环境,也可实现自行开发的诊断算法。

  基于信息融合原理的智能故障诊断方法,是通过多路传感器信号进行有效多层面的关联组合及提取,获得对诊断对象故障信息更可靠的认识,从而最大限度地提高对故障的诊断和预知能力。在智能推理中FUZZY技术较为成熟且简单,本文给出基于FUZZY规则的诊断推理过程。

  3.1 基于FUZZY规则的推理过程

  在直积空间X*Y={(z,,,)|x∈X,Y∈Y}上的模糊关系Y=X·R是X*Y上的一个模糊子集尺,尺的隶属度函数屁(x,y)表示X中x素省与y中元素Y具有的这种关系的程度。

  “如果菇是A则y是曰”中,“如果”部分(x is A)被称作前提部分(前项条件),“那么”部分(y is B)被称作结论部分。这种模糊推理表示了A与曰的一种关系,A、B都是模糊语言变量,这种关系就是一种特殊的模糊关系,称作模糊蕴含关系,记作A→B,它不是普通逻辑中的A→B的推广。当x,y的论域为离散时,模糊蕴含关系R可用相应的矩阵表示。

  推理过程如下:x 菇is A’

  模糊规则:IF x is A THEN Y is B

  推理输出:Y is B’

  即:B’=A’·(A→B)=A’·R

  可将其扩展为具有多条模糊规则、多重条件的推理过程,即第K条规则表示为:

  Rule(K):IF x1 is Fx1i And...ANDxn is Fnj THEN Y is Bi

  同样,模糊规则的获取是建立模糊规则推理系统的关键,也是主要的瓶颈所在。一般而言,可以根据来自专家的知识和经验建立模糊规则。如果专家提供的知识和经验充足,建立的模糊规则库就较为完备。

  在建立模糊规则库后,要将输入信息模糊化,进行模糊推理,此时结构为模糊集,还要进行解模糊处理。如图2所示。

基于规则诊断推理过程
图2基于规则诊断推理过程 

  3.2 在PLC中的实现

  上述模糊诊断方法,在Quantum PLC的开发环境Concept软件中利用其类PASCAL语言STL(StatementLanguage)自行开发,对于基于规则的模糊推理,Concept提供了隶属度函数为三角形的各种功能函数,可实现推理过程。其中FUZ—ATERM—Real为模糊集定义函数;FUZ_MIN_Real为模糊取小函数;FUZ MAX_REAL为模糊取大函数;DEFUZ—REAL为解模糊功能;下面给出具体STL实现过程:

  VAR

  Symptonl:FUZ—ATERM—Real;Sympton2:FUZ—ATERM—Real;Sympton3:FUZ_ATERM—Real;’模糊集定义END—VAR
  Symptonl(X:=Sympton,S1:=1.36,S2:=1.38,s3:=1.40,S4:=1.42,S5:=1.44);
  Toolowl:=Symptonl.MDl;Lowl:=Symptonl.MD2;Goodl:=Symptonl.MD3;Highl:=Symptonl.MIM;TooHighl:=Syruptonl.MD5;’模糊化输入
  Symptort2,(X:=SymptonC,S1:=-0.01,S2:=0.0,s3:=0.01);Low2:=Sympton2.MDl;Good2:=Sympton2.MD2;High2:=Sympton2.MD3;
  mydl:=FUZ—MIN—Real(INl:=Toolowl,IN2:=bw2);
  myd2:=FUZ—MIN—Real(INl:=Toolowl,IN2:=Good2);
  mydfl:=FUZ—MAX—REAL(INl:=mydl,IN2:=myd2,IN3:=myd4);’根据推理规则,按照M(^,V)进行模糊推理...
  Conclusionl:=DEFUZ—REAL(ZERO—Y:=FALSE,MDiSil:=mydfl.MDiSi2:=4095.0,MDiSi3:=mydf2,MDiSi4:=3000.0,MDiSi5:=mydf3,MDiSi6:=1000.0,MDiSi7:=mydf4,MDiSi8:=0.0);’按重心法解模糊,并寻找最大隶属度故障原因。

  当征兆集能够直接从传感器得到或处理后得到,即可应用上述方法在原因集中寻找原因。调过实际调试,在征兆、原因、规则都较为有限的情况下,对PLC扫描时间影响较小,是可行的。

  模糊逻辑较好地利用语言知识,知识表达形式易于理解,但却存在自学习能力弱的不足。对于故障诊断矩阵R和故障诊断规则Rule及隶属度函数需要不断修正的场合,基于PLC的方法不适用。

4 结论

  在以往进行设计时,通常把控制器和故障诊断系统分开设计,但在设计控制器的同时考虑故障诊断,可以提高故障的可诊断性及故障诊断的可靠性,而且便于将故障诊断系统化。随着PLC功能不断增强,它在故障诊断领域将有更广阔的应用前景。实践中应注意如下原则:设备及工艺过程诊断维护的困难很大程度是因为PLC的诊断能力不足,设计时充分考虑可能的故障。充分考虑控制功能与故障监控诊断的平衡,分清轻重缓急,并与远程AI诊断取长补短。运用中,采用各种措施,确保诊断工作不会影响PLC的正常监控工作。

2
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。