压力变送器及预测压力变送器误差值的方法 【技术领域】
本发明涉及一种压力变送器，它能感知过程压力并显示或发送一个表示过程压力大小的输出。背景技术
压力变送器常被安装在苛刻的环境，这种环境会影响传感器输出的精度。常常利用所谓补偿的处理，由一被嵌入变送器中的控制器，对当前环境条件下的传感器输出进行修正。还提出过多种安排，用以存储过压峰值的大小和持续时间、温度、湿度，以及振动，以便在压力传感器受到的损伤，即如在日本公告2,712,701(特开平3[1991]-229124)中所示的接近使用寿命终结时，发出警告。
然而，人们发现，作为以往长时间过压的结果，在变送器的寿命终结之前，压力变送器中的压力传感器经历多种物理变化。这些物理变化尤其容易发生在压力传感器上，包括因过压而使金属部件反复变形受损。这些物理变化会造成传感器输出精度变差，但这种变差可能不被注意，导致处理性能下降并增加费用。仅只调整当前的环境条件，利用已知的补偿安排，是不能修正这种变差的。也不能通过寿命终结的警告识别这种变差，因为这样的变差可能出现在变送器使用寿命的早期。
所以需要变送器能够预测因以往的过压所致当前传感器输出误差地大小。随着这种被预测的值的可能，服务人员就可以评估所述误差的值，并及时采取行动，以便重新校准压力传感器，否则误差会过大。发明内容
可以在压力变送器的控制器中计算因以往过压所致变送器输出当前误差值的预测。作为累积在存储器中的记录的函数，控制器计算预测的变送器输出误差的当前值，所述记录，包括存储器中所存的过量传感器输出电平和预定的数据；作为累积的过量传感器输出电平的函数，预测变送器输出误差的值。控制器产生预测输出，可由服务人员或控制系统读取它，用来安排压力变送器的重新校准。
压力变送器包括适于感知过程压力的压力传感器，它与控制器连接。控制器产生压力变送器的输出，表示过程压力的大小。
当因以往过压所致压力变送器的输出可能有很大的变化时，预测输出对服务人员发出信号，服务人员可以采取步骤，重新校准压力变送器的输出。附图说明
图1表示环路供电工业压力变送器的典型工业环境；
图2表示具有预测输出的环路供电工业压差压力变送器的实施例，预测因过压损伤在变送器的压力输出中的误差值；
图3表示压力变送器第一实施例的方框图，它能够预测在压力变送器的压力输出中的误差值的输出；
图4表示压力传感器第二实施例的方框图，它能够预测在压力变送器的压力输出中的误差值的输出；
图5表示压力传感器第三实施例的方框图，它能够预测在压力变送器的压力输出中的误差值的输出；
图6表示产生输出的过程流程图，预测压力变送器输出的误差值；
图7表示当前误差的值，误差预测的输出，以及对变送器的特定误差限制，所述变送器具有预测压力变送器输出误差大小的输出，它们都作为时间的函数；
图8是表示一个被简化的神经中枢网络的示意图；
图9A是表示用于提供剩余寿命时间估计的神经中枢网络的示意图；
图9B是传感器剩余寿命与时间关系的曲线图；
图10是表示压力传感器输出的曲线图，所述传感器包括正常的压力范围和几个由于传感器经历过压的峰值信号；
图11是以百分比表示总受力范围的与在各个保持时间失效周期次数的关系曲线图；
图12是因过压所致压力传感器预期寿命与时间的关系曲线图。具体实施方式
在图1中，以标号20表示一种工业压力传感器的典型环境。图1中示出诸如在过程流程线23上的流量计22、在桶28上的料位传感器24和26、过程线31上的一体式孔速流量计30等过程变量变送器，都与控制系统32电连接。可将这些过程变量变送器配置成用以监控一个或多个与处理设备中流体有关的过程变量，所述处理设备譬如泥浆、液体、蒸气、化学气体、纸浆、石油、气体、药液、食品，以及其它流体的处理设备。所监控的过程变量可以是压力、温度、流量、料位、pH值、电导率、混浊度、密度、浓度、化学成分或其它流体特性。过程变量变送器包括一个或多个传感器，根据处理设备的安装需要，既可能内置所述传感器，又可外置所述传感器。过程变量变送器产生一个或多个变送器输出，这种输出表示所感知到的过程变量。通过通信总线34，使变送器的输出被配置成，用于对控制器或指示器长距传输。在典型的流体处理设备中，通信总线34可以是4-20mA的电流环供电传感器，或是局域总线连接、HART(高速可寻址远距传送)协议通信、或是光纤连接至控制器、控制系统、或读出器。在双线环路供电的传感器中，必须保持较低的功率，以便在裸露的环境下提供固有的安全性。
图1中的一体式孔速流量计30包括；沿着与之相连的通信总线34连接的压力变送器36。料位变送器24、26也包括压力变送器。可使控制系统32编程，以将过程条件显示给操作员；也以使其被编程，以感知过程条件并通过输出设备，如压力转换器38和控制阀40的电流控制所述的过程。
图1中的压力变送器24、26和36都具有压力传感器，由于故障或瞬时现象等原因，在各种管道和容器中，它们可能会受到过大的压力，称为过压。这些瞬时现象发生在各种泵和阀的启动或关闭期间，常常不为操作员所注意，但却能使处理设备的部件过压。压力变送器24、26和36内的压力传感器的精度会因这样的过压而降低，但是所述降低的值通常是很小的，以致小到它不会被控制系统32的操作员所注意，而且各样的测量会因这种损伤而永远不会精确。
图2中一般性地示出本发明的典型压力变送器50的分解透视图。变送器50包括用于接收差压的法兰52，以及一个或多个压力传感器54(未示出)。变送器50用螺栓固定在法兰适配器58上，法兰适配器58连到各压力脉动管，所述压力脉动管与法兰适配器的结合器60或其它结合硬件相连。
图2中的变送器50中的电路56与传感器54电连接，并且包括控制器和存储器，用于预测在变送器的压力输出57的误差值。本申请中所用的术语“控制器”意思是任何电路或电路的结合，它们可以执行逻辑功能或记数功能，以控制变送器的工作，并执行预测误差值所需的步骤。控制器可以包括，比如微处理器系统、特定用途集成电路(ASIC)、可编程门阵、精简指令集计算机(RISC)、或者其它已知的能执行这些功能的电路。为完成控制器的各项任务而在控制器内执行的步骤包括：神经中枢网络、模糊逻辑、子波、自回归、回归滤波、自适应调谐、任何其它公知的信号处理算法和控制函数，此外还包括那些步骤的任意结合。控制器可以利用已知的信号处理技术在时域或频域方面处理压力传感器输出，这些技术包括Z变换和快速傅立叶变换(FFT)技术、子波分析和离散子波变换(DWT)，其中离散子波变换是在《振动的子波分析》中提出的，参见“振动与声学月刊” 1994年10月第116卷第417页D.E.Newland的第二部分：子波图。也可以利用其它公知的技术。
子波分析是用于将时域信号转换为频域信号的技术，它象傅立叶变换一样，允许识别频率成分。但与傅立叶变换不同的是，在子波转换中，输出包含与时间有关的信息。可以三维图线的形式表示这一点，一个轴表示时间，第二个轴表示频率，第三个轴表示信号幅值。在《智能制造月刊》，L.Xiaoli等人的《利用子波模糊神经网络在线工具状况监控系统》(1997)8第271-276页中，给出有关子波分析的讨论。在进行连续子波变换时，部分传感器信号被开窗并与子波函数卷积。通过在采样开始时叠加子波函数、使子波函数与信号相乘，然后对整个采样周期积分所述结果，使这种卷积步骤得以被实现。标定此积分结果，并给出第一个值，用以在时间等于零时的连续子波变换。可将此点映射在三维平面上。然后右移子波函数(朝向时间方向)，重复乘法步骤和卷积步骤，获得另一组数据点，将它们映射到3-D空间。重复这个过程，并通过整个信号移动子波(被卷积的)。然后标定子波函数，这将改变所述变换的频率分辨能力，再重复上面的步骤。
上述连续子波变换要求大量的计算。因此，按照一种实施例，控制器执行离散子波变换(DWT)，这种变换很适合在微处理器系统中实现。一种有效的离散子波变换采用马拉特(Mallat)算法，这是一种双道次频编码器。马拉特算法提供一系列分离的或分解的信号，它们是原始信号各个频率成分的表示。在这种系统的举例中，利用马拉特算法的次频编码器分解其中的传感器原始信号S。信号S的频率范围从0到最大值fmax。信号同时通过频率范围在1/2fmax到fmax的第一高通滤波器和频率范围在0到1/2fmax的低通滤波器，这个过程称之为分解。高通滤波器输出给出“1级”离散子波变换系数。这个1级系数表示幅值作为在1/2fmax到fmax之间的输入信号的时间函数。所述0～1/2fmax的低通滤波器的输出随后通过高通滤波器(1/4fmax～1/2fmax)和低通滤波器(0～1/4fmax)，正如所希望的那样，给出离散子波变换系数的附加级(过1级)。可对每个低通滤波器输出做进一步的分解，给出所需的离散子波变换系数的附加级。继续这一过程直至达到所需的分辨率，或者直至分解后的剩余采样数据的数量不再产生附加的信息。选择子波变换分辨率，使与信号峰值的分辨率近似相相同。每一级DWT系数是信号幅值的代表，它是给定频率范围的时间函数。在各实施例中，一级DWT系数与传感器信号中的过压相关。
按照某些实施例，子波分析中所用的填充技术，是通过对靠近窗口边缘的传感器信号附加数据，加给信号这种。数据填充可以减少频域输出的失真。此技术可被用于连续子波变换或离散子波变换。“数据填充”被定义为在当前激活数据窗的任一方添加额外数据，比如添加额外数据点，这使得任一窗边缘上延伸当前窗的25％。按照一种实施例，通过重复当前窗的部分数据产生填充数据，以便将添加的数据“填充”到任一方的现存信号中。然后将全部数据组代入一个二次方程式，所述方程式被用于将信号外推超限激活数据窗的25％。
可将快速傅立叶变换(FFT)或其它信号处理技术或滤波技术应用于识别传感器信号的峰值或过压，包括的规则是，简单的阈值比较，或者诸如信号均值或标准偏差等统计参数的比较。也可以利用神经中枢网络模型(下面讨论)建立系统，以及比较实际传感器输出。可将剩余的信号用于检测传感器信号中的过压。
也可以采用一种规则、一种统计值、一种成序列的值以及灵敏度参数检测峰值。当信号瞬时达到一个非常大的值时，即出现峰值事件。通过调整存储器80中所存的灵敏度参数δ，控制传感器信号中灵敏度峰值。δ是两个连续数据点之间可接受的排序的最大变化速率(ΔPMAX)。例如，为了相对于所述排序值检测任何峰值，其中来自方框84的变化率(ROC)是30％，这大于来自方框78的变化率ΔrMAX，于是应将来自方框80的δ应设定为1.3。一种举例的规则是：
“如果”ROC＞δ·ΔrMAX，“那麽”测得峰值事件。
本申请中所用术语“存储器”意指任何能够存储可重新获得之信息的电路或电路组合，包括RAM、ROM、EEPROM、易失性和非易失性存储器、移位寄存器、锁存器；或者任何能够存储信息并兼能重新获得信息，或存储利用存储器选择控制器之功能的其它器件。
图3示出压力变送器70一种实施例的方框图。压力传感器72适用于感知过程压力74。把控制器76连接到压力传感器72，并产生表示过程压力值的变送器输出78。变速器输出78具有任何公知的过程控制输出形式，例如，固有安全的4～20mA模拟电流，这个电流以叠加在所述模拟电流上的数字HART或局域总线信号为所述变送器提供全部电能。连接到控制器76的存储器80，存储用于预测变送器输出误差的预定数据82，所述误差作为以标号84表示的累积的超限传感器输出电平的函数。存储器80还存储累积的超限的传感器输出电平的记录86。通常，所述记录86被累加在读/写存储器上，这个存储器是比如EEPROM等非易失性存储器，同时，将预定数据存储在只读存储器(ROM)上。作为累积记录86和预定数据82的函数，控制器76计算当前的变送器输出误差值，并产生预测输出88。所述记录86是因过压引起传感器物理变化的典型代表。所述记录包括幅值数据和指示传感器输出的过压持续时间。所述过压的幅值和持续时间的电平将会引起校准变化，这是传感器72的设计的函数，既可以通过在实验室测试可比的传感器以实验的方式被确定，或者可以通过诸如有限元分析和压力分析等计算机模拟技术得以被确定。预测误差值的预测数据82也可以通过实验的方式来确定，或者通过计算机模拟确定，具有代表性的方式是取一个方程或函数“F(过 压)”，或者与过压电平的预测误差有关的检查表。预测输出88通常表示预测校准变化，比如误差的上限和下限。
预测输出88可以与当前的过程压力无关，或者所述预测输出可以是当前过程压力的函数。预测输出88也可以同时包括传感器偏移误差(与当前的过程压力无关)和传感器增益误差(正比于当前的过程压力)。
预先确定的预测误差值和累积超限的传感器输出的数据是有助于可以用公知的数字技术或统计技术比较的数据，所述数字技术用于处理大量数据，比如神经中枢网络、模糊逻辑、子波分析、自回归分析、回归滤波、自适应调谐，任何其它公知的信号处理算法和控制函数，也包括那些步骤的任意结合。
图4示出压力变送器90另一实施例的方框图，其中，用与图3中所用的参考标号也用于标识图4的相同或类似部分。在图4中，变送器90还包括与控制器相连的温度传感器92；作为累积的超限的的温度值的函数，也作为超限的压力值的函数，预定数据82预测变送器输出误差的值。在图4中，压力变送器90还包括与控制器相连的湿度传感器94，变送器输出误差的预测值还可以是湿度的函数。
在图4中，记录86是超限的传感器输出电平的时间和值的函数，也是温度和湿度电平的函数。存储器80还存储用于预测压力传感器剩余使用寿命的预定数据82。
图5示出压力变送器100一种实施例的方框图。在变送器100中，微处理器系统102包括与时钟源106相连的中央处理单元(CPU)104。CPU 104地址和控制总线108，该总线连接到模/数转换器110、只读存储器(ROM)112、EEPROM114、随机存储器116、通信电路118。变送器100沿着线124被分成两个模块120、122。被分的两个模块能够具有交互能力。模块120包括：差压传感器126，它提供压力传感器输出128；温度传感器130；湿度传感器132；存储压力传感器126、温度传感器130及湿度传感器132特征数据的小存储器134。存储器134连接到总线108。压力传感器输出128、温度传感器130和湿度传感器132连接到多路传输模/数转换器110。作为传感器126、130、132的累积输出电平的函数，ROM112存储用于预测误差值的预定数据。EEPROM114存储来自传感器126、130、132的累积的超限的传感器输出电平的记录。微处理器系统为变送器提供控制器和存储器。各种程序存储在存储器112中，用于比较预测误差值的预定数据和累积的超限的传感器输出电平的记录。这些程序包括神经中枢网络、模糊逻辑、子波分析、自回归分析、回归滤波、自适应调谐，任何其它公知的信号处理算法和控制函数，也包括那些步骤的任意组合。如上面联系图3和4所解释的那样，通信电路118提供变送器输出134和预测输出136。电源电路从与变送器输出134相连的电路接受电能，并为变送器100提供能量。所述变送器通常与为变送器提供能量的双线环路连接。在所述双线环路中，当HART或局域总线信号叠加在能量电流上时，也可将该双线环路用于传送变送器输出134和预测输出136。
在图6中，标号150表示一种预测变送器误差的方法。在步骤152，开始预测过程，并在接收所加给的过程压力并有嵌入的控制器的压力变送器中继续预测变送器输出误差的当前值。在步骤154，控制器访问感知的来自压力传感器的过程压力。在步骤156，控制器产生代表过程压力值的变送器输出。在步骤158，控制器访问存储器中所存的预定数据，变送器输出误差数据作为累积的超限的过程压力的函数。在步骤160，控制器将累积的超限的过程压力的记录存储在存储器中。在步骤162，控制器产生预测输出，作为所存储的记录和所访问的数据的函数，所述控制器预测变送器输出误差的当前值。在步骤164，过程返回，开始重复此过程。
可将图6所示的过程作为指令存储在计算机可读介质中，并由嵌入在压力变送器中的控制器执行，使压力变送器产生预测输出，即预测由于超限的过程压力和指令引起的传感器误差。
图7示出几种变送器误差值的典型值作为时间函数的曲线。变送器具有线180和182之间所示的额定变送器输出误差范围。由于线186所示的过压，变送器的实际当前输出误差随时间变化。线186所示的当前误差，在变送器服务寿命期间，服务人员是不知道的，除非变送器被取出，终止服务并做校准检查。线184所示的预测输出，对服务人员是可行的，并且根据控制器完成的计算预测误差的上、下限。结果，当变送器需要重新校准时，服务人员得到警告。服务人员执行完重新校准之后，将累积的超限的传感器输出电平重置到零，可使变送器回到服务状态。
控制器利用测得的脉冲尖峰执行有关压力传感器72操作的故障诊断。脉冲尖峰的时刻、幅值、宽度、波形、或其它的有关参数都可用于故障诊断。故障诊断的输出可用于修正所感知的压力，并给出传感器状况或所预期的寿命时间的指示。这就使传感器能够在最终失效之前得以被更换。不过，在中间时期，在更换传感器之前，可以对传感器输出进行补偿，这样可得到更精确的测量。
下面描述一些用于认识控制器76故障诊断电路的实施例。剩余寿命评估可以代表一个即将发生的故障。在一实施例中，正常输出的状态指明传感器的剩余寿命，以便可以适当地确定更换传感器的时间。还可以在传感器故障之前将警告信号送到控制系统32。A.多项式曲线拟合
本发明一个优选实施例的控制器76采用实验模型或多项式曲线拟合。多项式方程是六个作为多项式变量元的二次信号与存储器80中所存常数的组合，用于剩余寿命评估的计算。如果变送器的存储器受到限制，则可越过双线回路将各常数和/或方程式送到传感器70。B.神经中枢网络
可以用多层神经中枢网络实现一个故障诊断电路。尽管有很多排序的算法可用于开发不同目的的神经中枢网络。一种实施例包括，用公知的回递网络(BPN)开发神经中枢网络模块，这种模块将取得一组输入和输出中间的非线性关系。图8示出一个在控制器76和存储器80中实现的三层神经中枢网络结构的布局。第一层通常被称为输入缓冲器，用于接受信息，并将这些信息送到内部各层。三层神经中枢网络中的第二层一般称为隐蔽层，接受来自输入层的信息，通过连接加权修改向前传递这些信息。这说明所述隐蔽层被用于所分析的系统的非线形特性。最后一层是输出层，所计算的输出(估计)表示的是所述的环境。
图9A示出采用神经中枢网络模型对压力传感器剩余寿命估计的示意图。提供与脉冲尖峰有关的数据作为对所述神经中枢网络的输入。提供剩余受命估计或补偿值作为神经中枢网络的输出。进入所述神经中枢网络的特殊脉冲尖峰数据可以是尖峰的个数、它们的大小、幅值、宽度、形状、频率，和与比如尖峰的均值、平均、变化率等有关的统计值，或者是多个脉冲尖峰的比较或函数。根据系统的复杂程度，进入所述神经中枢网络的多个输入可以不同，而且可以采用多个输入当中之一或者它们的组合。温度和湿度也可以用作输入。图9B是表示压力传感器剩余寿命与时间关系的曲线图。利用来自图9A的神经中枢网络的输出，从传感器输出能够产生这个曲线图。在第一阈值门限电平处，可在传感器最终失效之前就提供警告信号。相对于估计的最终失效时间可使警告信号得以被校准。C.阈值电路
在完成控制器76故障诊断电路的本实施例中，使用一组“如果-那麽(if-then)”的规则，得到关于压力传感器72状态的结论。这些规则既可以用数字电路也可以用模拟电路实现。监控前述的脉冲尖峰数据，并将当前值与上、下边界比较。通过大量的压力传感器72测试，以实验的方式设定所述上、下边界。根据这种比较，作出决定。
在数字电路类型的实施例中，监控脉冲尖峰数据，并由微处理器与可以接受的范围相比较。
下面是一个“如果-那麽(if-then)”规则的应用实例，该规则用于压力传感器72的传感器输出84中的脉冲尖峰。
如果：任务开始后测得的脉冲尖峰数与存储器80中的一个值相乘大于上限阈值，那麽：压力传感器72的剩余寿命是n天。
当然，这是对规则的一个简单的说明，按照本发明可以完成更为复杂的规则。各种规则可以是相互依赖地完成，而且可以作为输入或从神经中枢网络接受的输出的函数，并可以使用与传感器的输出有关的(温度、湿度等信息)其它数据。D.模糊逻辑
也可以利用模糊逻辑技术处理脉冲尖峰数据。采用模糊逻辑，将成员关系函数作为一个函数来处理输入数据，其中根据输入数据的值选择成员关系函数。这样的模糊逻辑技术很好地适合于对非线形或非二进制方式失效的传感器。可将诸如脉冲尖峰总数量这样的脉冲尖峰数据，作为输入提供给模糊逻辑，所述模糊逻辑能够给出连续的输出，这种输出指示所需寿命时间或一个用于修正传感器72输出的修正值。在本发明的另一方面，在脉冲尖峰或过压出现期间，变送器估计或预测测量过程的变量。可以通过曲线拟合、线性近似、神经中枢网络、模糊逻辑、最小平方曲线拟合、多项式拟合、回归算法，或者它们的组合等产生这种估计。提供估计的过程变量，作为输出或者用于计算其它过程变量(如流量、料位等)。
一般地说，本发明提供一种设备和方法，用以通过计数和监视传感器周期性的和连续的过压，检测压力变送器中的受力传感器的校准的变化。这些校准的变化可能是起因于包括连续拉力、周期受力、温度、湿度等几个因素。采用上述方法，由于传感器材料的机械特性，这些因素的全部或部分可能与传感器的校准和传感器的寿命范围有关。图10是压力传感器输出幅值与时间关系的曲线图。如图10所示，传感器的输出有一个正常区段或操作范围。几个偶然的脉冲尖峰趋向大大超出压力传感器的输出。图11是不锈钢的总受力范围的百分比与故障周期的曲线图。图中的各条曲线是对于不同受力保持时间而言的。如图11所示，故障周期的次数随着受力的增长和受力保持时间的增长而减小(例如：传感器寿命缩短)。本发明的一个方面是如下面那样识别若干个故障周期(N)：
N＝f(t，P，T，h) 式1其中t是压力峰值的持续时间，P是在所述峰值期间的压力，T是介质的温度，h是介质的湿度。
通过材料的特性，或者通过更高级的在此提出的学习技术可以确定所述函数关系和故障周期的值。采用这种信息，本发明的变送器能够连续监控传感器经受的压力，以评估压力传感器所经历的全部周期次数。然后通过故障诊断技术，可将这个数与传感器材料的理论失效极限相比，并在故障之前的时间即发出警告。这种变送器能够监控峰值压力和峰的宽度，并将这种数据存在存储器中。在过压期间，可用二次曲线拟合将波峰检测技术评估所述峰值压力。这个数据可被用来修正传感器输出的误差。最后，传感器终将发生故障，可在最终失效之前即给出警告。如这里所述者，回归模块、模糊逻辑系统、神经中枢网络模型是一些能够评估传感器剩余寿命的技术。如图12所示那样，输出可以是所预期的寿命与时间关系的形式。在传感器最终失效之前，可以利用阈值给出一个输出。
与本领域典型的现有技术相比，本发明使用传感器经历的决定校准变化的过压次数和传感器的压力测量将寿命时间之间的关系。典型的现有技术仅能识别过压的发生，而不涉及过压的次数。另外，现有技术通常不能在传感器最终失效之前提供警告。
虽然已参照优选实施例描述了本发明，但本领域的技术人员可以认识到，在不脱离本发明的精神和范围的情况下，可以在形式和细节上改变本发明。一般地说，本发明使用压力峰或温度峰有关数据和/或湿度数据实现有关压力传感器的诊断。