自动化仪表数据漂移在线校准技术

作者简介：张丹丹（1986-），工程师，从事自控设计相关工作，1223843631@qq.com。

引用本文：张丹丹.自动化仪表数据漂移在线校准技术［J］.化工自动化及仪表，2024，51（2）：333-337.

DOI：10.20030/j.cnki.1000-3932.202402024

摘 要 针对仪表故障中数据漂移引起的失真问题，从基站、信息采集器和软件平台3方面设計了程序流程，优选小波变换作为数据分析处理函数，实现自动化仪表的数据校准与优化。现场分别在载荷传感器、温压一体传感器、流量计和压力传感器4种仪表上进行了应用试验，结果表明：在20次试验中，基于Mexican Hat小波变换所形成的在线校准程序能够实现准确识别并且自动响应校准，校准时间基本都在5 min以内。

关键词 自动化仪表 数据漂移 小波变换 数据校准

中图分类号 TP216    文献标志码 B   文章编号 1000-3932（2024）02-0333-05

在油气输送过程中，管输油品的计量是评价管输经济性的重要指标。在智能智慧管网的建设过程中，管输油品的计量是通过自动化计量仪表实现的。自动化计量仪表不仅能够用于准确计算出入口处的输差，还能够用于监测、记录输送过程中的油品损耗，从而指导管输工艺的优化［1，2］。然而，在运行过程中，自动化计量仪表不可避免地会出现故障，导致其提供错误的监控信息，使调控失败，无法基于度量做出正确决策。因此，及时识别、发现故障，找到传感器故障位置，恢复传感器故障，对油气输送的安全高效运行和准确管理至关重要。

在传感器故障检测和诊断方面，学者们已经提出了许多先进方法。其中，基于模型的方法［3～6］是现代故障检测和诊断方案中最常用的方法，它在处理突变方面具有很强的能力。USORO P B等使用这种方法检测了室温传感器中的突然偏差［7］。另外，HENRY M P和CLARKE D W提出了一种传感器验证方法来检测和诊断传感器的不同故障［8］。该方法仅考虑了少数变量，并且不需要考虑变量之间的关联关系，模型简单，精度较低。但是，实际上影响石油石化行业自动化计量仪表精度的因素较多，在排除机械故障等无法实现自动校准的因素后，同时还需对校准程序和模型进行优选。

1 数据失真校准

自动化计量仪表校准主要有两个途径：现场校准和实验室校准［8］。现场校准中，需要将输送管线停产，通过标准表对被校表进行校准，这种校准方式受校准技术人员自身经验的限制，要求校准技术人员能够准确判断被校表是否达到要求。实验室校准中，需要通过无线网络将数据远传到实验室中通过标准表进行校准。与现场校准不同的是，实验室中的标准表在不同端口设置相关程序进行校准，这样得到的现场被校表更加准确［9，10］。因此，笔者着重针对实验室校准方式，从信息采集、基站和软件平台3个方面设定程序进行仪表校准，从而实现气体流量计远程校准系统-标准表法远程校准系统的联合使用［11］。校准流程如下：

a. 溯源标准表，建立被校表（现场）-标准传递表-标准装置的量值溯源链，形成现场被校表数据的有效传递路径；

b. 当需要校准流量计时，将被校表转移到校准现场进行校准实验，然后将获得的数据经互联网发送回软件平台（置于校准实验室内）进行处理；

c. 软件平台对数据进行分析处理，得到校准结果；

d. 将标准表转移回校准实验室。

以某现场实例开展最优校准程序分析。现场共有5条支线汇流到1条集输管线中，根据质量守恒定律，集输管线中的总流量M为：

M=I M     （1）

式中 I——支线阀门状态，I=1为开，I=0为关；

M——第j条支线的流量。

假设5条支线的流量计是准确的，当集输管线流量计由于偏差、漂移、精度退化或完全失效产生误差δ时，则真实的总流量为：

M-δ=I M     （2）

当某支线流量计发生故障时总流量为：

M=I M+（M-（-δ））    （3）

在某一流量计中发生的故障可以看作是在其他流量计中发生的相同量级的故障，这种流量计之间的故障现象称为故障共线性。

2 流量计故障识别方法

小波变换（Wavelet Transform，WT）可以用较短的时间间隔分析信号的高频分量，用较长的时间间隔分析信号的低频分量［12］。WT克服了傅里叶变换的缺点，具有良好的局部时频特性，适用于分析瞬时信号或时变信号。

当传感器发生故障时，传感器的输出信号是瞬时信号或时变信号，因此，采用WT能够对流量计故障进行校准。

L2（R）表示由平方积分函数组成的集合。如果WT的基本方程ψ（t）∈L2（R），且满足：

C=dω<∞   （4）

其中，C为傅里叶级数；（ω）是ψ（t）的FT变换，（0）=0；ω为角频率。则有：

ψ（t）dt=0      （5）

ψ（t）=ψ     （6）

其中，ψ（t）是基函数ψ（t）通过平移和缩放得到的小波函数；传输参数τ与小波函数偏移信号的位置有关，表示时域信息；尺度参数s定义为频率的倒数，与频域信息有关。

用于生成所有小波函数的母小波是基于与该函数相关的一些所需特性设计的。由于母小波通过平移和缩放产生变换中使用的所有小波函数，因此它决定了结果小波变换的特征。可见，为了有效利用小波变换，应考虑到具体应用的细节，选择合适的母小波［13］。

在小波变换中，Haar小波是最古老、最简单的小波之一，Daubechies小波是最受欢迎的小波，它们是小波信号处理的基础，同时由于它们的频率响应在0和π处具有最大的平坦度，因此也被称为最大平坦小波。Haar、Daubechies、Symlet和Coiflet是正交小波形式強关联，Meyer、Morlet和Mexican Hat小波在形状上是对称的。在实际应用中，需根据小波形状和它们在特定应用中分析信号的能力来选择合适的小波及其组合。

根据现场实际管道，综合信息采集器、基站和软件系统设计了现场自动化流量仪表校准程序流程，如图1所示。基站向信息采集器发送接收指令，开始采集流量数据，基站将采集后的数据发送至软件平台，根据原数据库中的标准流量数据判断其是否满足精度要求。如果满足，则数据校准结束；如果不满足，则通过小波变换进行数据分析处理，反馈数据并对仪表进行校准，直到采集数据满足精度要求。

图1 现场自动化流量仪表校准程序流程

通过随机数生成的3条支线的流量在400～700 m3/d之间，并保证总流量在1 000～2 000 m3/d之间，设置集输总线流量计采样频率为0.02 s，得到不同小波变换的流量校准结果如图2所示。可以看出，Mexican Hat小波变换对现场仪表修订具有最好的效果。

3 现场试验与验证

现场分别对载荷传感器、温压一体传感器、流量计和压力传感器4种仪表进行数据漂移在线校准试验，结果列于表1。可以看出，采用笔者所提方法均能够实现自动化仪表数据漂移校准，识别准确且自动响应，校准时间基本控制在5 min以内，证明了笔者所提方法的有效性。

4 结束语

针对自动化计量仪表漂移等精度不准问题，通过对基站、信息采集器和软件平台进行程序设计，实现了数据漂移的自动校准。测试了7类小波变换方法对流量校准的适用性，结果表明，Mexican Hat小波对现场仪表修订具有最好的效果。基于现场实际应用，采用笔者所建立的模型对4种仪表进行了20次数据漂移校准试验，结果表明，该模型具有准备识别仪表故障的功能，且基本能够在5 min内完成数据漂移自动校准，具有一定的推广应用价值。

参 考 文 献

［1］ 谢吉航.基于机器视觉的工业仪表自动测度方法与应用［D］.成都：电子科技大学，2018.

［2］ 陈佳永.基于短信的GSM网络工业仪表监测系统的研究与应用［D］.沈阳：东北大学，2009.

［3］ 马永洁，李栋.工业化中的温度检测仪表自动化控制分析及应用策略［J］.现代工业经济和信息化，2022，12（4）：174-175；260.

［4］ 李军.基于LabVIEW的自动化仪表检测工装的设计［J］.中国仪器仪表，2021（5）：35-39.

［5］ 张灵聪.温度仪表批量自动化检测方法探讨［J］.中国计量，2020（10）：118-121.

［6］ 王瑞雪.自动化仪表的检测与维护探讨［J］.科技创新与应用，2018（9）：98-99.

［7］ USORO P B，SCHICK L C，NEGAHDARIPOUR S.An innovation-based methodology for HVAC system fault detection［J］.Journal of Dynamic Systems Measurement and Control-Transactions of the ASME，1985，107：284-285.

［8］ HENRY M P，CLARKE D W.The self-validating sensor：Rationale，definitions and examples［J］.Control Engineering Practice，1993，1（4）：585-610.

［9］ 储开建.仪表风系统故障分析及优化［D］.西安：西安工业大学，2013.

［10］ SIVARAJAH U，KAMAL M M，IRANI Z，et al.Critical analysis of Big Data challenges and analytical methods［J］.Journal of Business Research，2017，70：263-286.

［11］ WEN L，LI X Y，GAO L，et al.A new convolutional ne- ural network-based data-driven fault diagnosis method［J］.IEEE Transactions on Industrial Electronics，2018，65（7）：5990-5998.

［12］ FOO G H B，ZHANG X，VILATHGAMUWA D M.A sensor fault detection and isolation method in interior permanent-magnet synchronous motor drives based on an extended Kalman filter［J］.IEEE Transactions on Industrial Electronics，2013，60（8）：3485-3495.

［13］ SASSANI F，SEPASI M.On-line fault diagnosis of hydraulic systems using unscented Kalman filter［J］.International Journal of Control，Automation and Systems，2010，8（1）：149-156.

（收稿日期：2023-03-24，修回日期：2024-01-23）