Nghiên cứu đánh giá tình trạng hoạt động của van điều khiển

ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
----------------------

TRỊNH VĂN KIỀU

NGHIÊN CỨU ĐÁNH GIÁ
TÌNH TRẠNG HOẠT ĐỘNG CỦA VAN ĐIỀU KHIỂN

A STUDY ON THE DESIGN OF CONTROL VALVE
PERFORMANCE EVALUATION SYSTEM

Chuyên ngành: Kỹ Thuật Cơ Điện Tử
Mã số: 8520114

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 6 năm 2022


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI:
TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM

Cán bộ hướng dẫn khoa học: PGS.TS. Võ Tường Quân
Cán bộ chấm nhận xét 1: PGS.TS. Lê Mỹ Hà
Cán bộ chấm nhận xét 2: PGS.TS. Nguyễn Thanh Phương

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. HCM
ngày 27 tháng 06 năm 2022.

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

1. PGS.TS. Nguyễn Duy Anh

– Chủ tịch

2. TS. Phùng Trí Cơng

– Thư ký

3. PGS.TS. Lê Mỹ Hà

– Phản biện 1

4. PGS.TS. Nguyễn Thanh Phương

– Phản biện 2

5. TS. Lê Đức Hạnh

– Ủy viên

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên
ngành sau khi luận văn thạc sĩ được sửa chữa (nếu có).
CHỦ TỊCH HỘI ĐỒNG

TRƯỞNG KHOA CƠ KHÍ

Trang i


ĐẠI HỌC QUỐC GIA TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: TRỊNH VĂN KIỀU

MSHV: 1870229

Ngày, tháng, năm sinh: 27/07/1983

Nơi sinh: Cà Mau

Chuyên ngành: Kỹ thuật cơ điện tử

Mã số: 8520114

I. TÊN ĐỀ TÀI: Nghiên cứu đánh giá tình trạng hoạt động của van điều khiển
(A study on the design of control valve performance evaluation system)
II. NHIỆM VỤ VÀ NỘI DUNG:
1. Nghiên cứu các lỗi thường gặp của hệ thống van và cách phát hiện các lỗi này.
2. Thu thập dữ liệu và xây dựng hàm truyền của van.
3. Nghiên cứu đề xuất phương án nhận biết lỗi của van và đánh giá hoạt động của
van.
4. Thực nghiệm kiểm chứng kết quả trên Kít thực nghiệm.
III.

NGÀY GIAO NHIỆM VỤ: 14/02/2022

IV.

NGÀY HỒN THÀNH NHIỆM VỤ: 06/06/2022

V. CÁN BỘ HƯỚNG DẪN: PGS.TS. VÕ TƯỜNG QUÂN

Tp. HCM, ngày . . . . tháng .. . . năm 20....
CÁN BỘ HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

TRƯỞNG KHOA CƠ KHÍ

Trang ii


LỜI CẢM ƠN
Luận văn Thạc sĩ này được thực hiện tại trường Đại Học Bách Khoa TP. Hồ
Chí Minh.
Để hồn thành luận văn này, tơi xin tỏ lịng biết ơn sâu sắc và gửi lời cảm ơn
chân thành đến THẦY PGS.TS VÕ TƯỜNG QUÂN, đã tận tình hướng dẫn, giúp
đỡ cho tơi trong suốt q trình thực hiện luận văn tốt nghiệp.
Tôi xin chân thành cảm ơn quý thầy, cô trong Bộ mơn Cơ Điện Tử đã tận tình
truyền đạt kiến thức, tạo điều kiện thuận lợi cho hoạt động học tập, nghiên cứu và
thực hiện luận văn của tôi.
Tôi cũng xin gửi lời cảm ơn tới các bạn lớp cao học khóa 2018 đã giúp tơi rất
nhiều trong q trình học tập cũng như hồn thành luận văn.
Cuối cùng, tơi xin được bày tỏ lịng biết ơn sâu sắc tới gia đình, bạn bè đã ln

động viên, khích lệ tinh thần để tơi có đủ nghị lực hồn thành luận văn thạc sĩ.

Tp.Hồ Chí Minh, tháng 06 năm 2022

TRỊNH VĂN KIỀU

Trang iii


TÓM TẮT LUẬN VĂN

Các hư hỏng hoặc các lỗi xảy ra trên van điều khiển thường gây dừng một phần
quá trình cơng nghệ hoặc gây dừng cả nhà máy nếu xảy ra trên các hệ thống quan
trọng. Việc phát hiện các hư hỏng này thường phụ thuộc vào việc giám sát và kinh
nghiệm của người vận hành. Qua đó, đề tài nghiên cứu các phương pháp để phát hiện
lỗi trên van điều khiển, nhằm cảnh báo sớm đến đơn vị kỹ thuật để có các phương
pháp bảo dưỡng khắc phục, ngăn ngừa kịp thời.
Đề tài nghiên cứu thực hiện việc xây dựng một cấu trúc để giả lập các lỗi xảy
ra đối tượng Van điều khiển Điện -Khí nén, là Van Fisher sử dụng Positioner
DVC6200 trên KIT thực nghiệm Thiết bị - Hệ thống điều khiển tại Nhà máy Đạm Cà
Mau, với hai lỗi điển hình trên Van điều khiển là rị rỉ khí nén (Fail air) và bị kẹt cơ
khí do ma sát (Fail friction). Các thơng số vận hành của van được thu thập bởi hệ
thống DCS và kết nối về MATLAB/SIMULINK thông qua giao tiếp OPC.
Cùng với đó, đề tài nghiên cứu cũng đề xuất ba phương pháp để phát hiện lỗi
trên van điều khiển bao gồm: phương pháp sử dụng đường đặc tuyến van, giải thuật
sử dụng mơ hình tham chiếu và giải thuật sử dụng machine learning. Trong đó, các
giải thuật khơng chỉ dừng lại ở việc kiểm chứng mơ phỏng mà cịn được áp thực thực
tế, bằng cách chạy thực nghiệm real-time (thời gian thực) trên mơ hình đã xây dựng
để đánh giá khả năng phát hiện lỗi sớm ở đối tượng van điều khiển trên.
Kết quả thực nghiệm cho thấy khả năng phát hiện lỗi trên van của các phương

pháp được đề xuất đều đạt tiêu chí yêu cầu của đầu bài.

Trang iv


ABSTRACT
Failures on control valves often stop a part of the process or stop the whole
plant if it occurs on critical systems. The detection of these failures is often dependent
on operator supervision and experience. Thereby, the topic studies methods to detect
errors on control valves, in order to warn the technical unit early to have timely
corrective and preventive maintenance methods.
The research topic is to build a structure to simulate the errors that occur in
the Electro-Pneumatic Control Valve object, which is Van Fisher using Positioner
DVC6200 on experimental KIT Equipment - Control system at the Factory Dam Ca
Mau, with two typical errors on the control valve are compressed air leakage (Fail
air) and mechanical jam due to friction (Fail friction). Valve operating parameters are
collected by DCS system and connected to MATLAB/SIMULINK via OPC
communication.
Along with that, the research project also proposes three methods to detect
errors on control valves including: method using valve curve, algorithm using
reference model and algorithm using machine learning. In particular, the algorithms
not only stop at simulation verification but are also applied in practice, by running
real-time experiments on the built model to evaluate the detection ability. Early
failure in upper control valve object.
The experimental results show that the valve failure detection ability of the proposed
methods all meet the requirements of the first post.

Trang v

LỜI CAM ĐOAN

Tôi cam đoan các kết quả nghiên cứu đưa ra trong luận văn này dựa trên các
kết quả thu được trong q trình nghiên cứu của riêng tơi.
Nội dung của luận văn có tham khảo và sử dụng một số thông tin, tài liệu từ
các nguồn sách, tạp chí, website được liệt kê trong danh mục các tài liệu tham khảo.
Nếu phát hiện có bất kỳ sự gian lận nào tơi xin hồn tồn chịu trách nhiệm về
nội dung luận văn của mình. Trường đại học Bách Khoa TP.HCM khơng liên quan
đến những vi phạm (nếu có) về tác quyền, bản quyền do tôi gây ra trong quá trình
thực hiện.

Tp.Hồ Chí Minh, tháng 06 năm 2022

TRỊNH VĂN KIỀU

Trang vi


MỤC LỤC

TÓM TẮT LUẬN VĂN ......................................................................................... iv
ABSTRACT ............................................................................................................ v
LỜI CAM ĐOAN ................................................................................................... vi
MỤC LỤC ............................................................................................................ vii
DANH MỤC BẢNG BIỂU .................................................................................... xi
DANH MỤC HÌNH ẢNH ..................................................................................... xii
CHƯƠNG 1 TỔNG QUAN .................................................................................... 1
1.1 GIỚI THIỆU ĐỀ TÀI .................................................................................... 1
1.2 TÌNH HÌNH NGHIÊN CỨU TRONG NƯỚC ............................................... 4
1.3 TÌNH HÌNH NGHIÊN CỨU NGỒI NƯỚC................................................ 4

1.4 MƠ TẢ Q TRÌNH THU THẬP VÀ XỬ LÝ DỮ LIỆU ............................ 8
1.5 MỤC TIÊU CHÍNH ...................................................................................... 9
1.6 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU ................................................ 9
1.6.1 Đối tượng nghiên cứu ............................................................................. 9
1.6.2 Phạm vi nghiên cứu................................................................................. 9
1.7 NỘI DUNG NGHIÊN CỨU .......................................................................... 9
1.8 TIÊU CHI ĐÁNH GIÁ ................................................................................ 10
1.9 Các từ viết tắt được sử dụng trong đề tài ...................................................... 10
CHƯƠNG 2 CƠ SỞ LÝ THUYẾT ....................................................................... 11
2.1 TRÌNH BÀY VỀ CÁC VAN ĐIỀU KHIỂN CỦA HÃNG FISHER ............ 11
2.1.1 Giới thiệu về van điều khiển hãng FISHER ........................................... 11

Trang vii


2.1.2 Mô tả hoạt động của bộ định vị (Positioner) DVC6000/6200 ................ 15
2.2 TRÌNH BÀY LÝ THUYẾT VỀ NHẬN DẠNG HỆ THỐNG...................... 16
2.2.1 Nhận dạng mơ hình hệ thống ................................................................ 17
2.2.2 Mơ hình q trình ................................................................................. 19
2.2.3 Giải thuật MRAC .................................................................................. 20
2.3 TRÌNH BÀY VỀ CÁC GIẢI THUẬT ĐỂ KIỂM TRA VAN BỊ LỖI CƠ KHÍ
VÀ LỖI ĐIỀU KHIỂN ...................................................................................... 24
2.3.1 Các lỗi thường gặp trên van điều khiển ................................................. 24
2.3.2 Dùng phương pháp so sánh giá trị chuẩn và giá trị hoạt động thực tế của
van.....................................................................................................................25
2.3.3 Phương pháp sử dụng Machine Learning sử dụng giải thuật cây quyết định
(Ensemble Bagging Tree) [27] ....................................................................... 25
2.4 TRÌNH BÀY VỀ HỆ THỐNG THU THẬP DỮ LIỆU CHUẨN ĐOÁN
TRẠNG THÁI VALVE .................................................................................... 40
2.4.1 Hệ quá trình điều khiển lưu lượng 16FV002 ......................................... 40

2.4.2 Thu thập dữ liệu của van từ hệ thống DCS ............................................ 40
2.4.3 Khái quát về OPC và OPC DA.............................................................. 41
2.4.4 Exa OPC Yokogawa ............................................................................. 43
2.4.5 Thiết kế giao tiếp Matlab với hệ thống DCS qua OPC server ................ 47
CHƯƠNG 3 NỘI DUNG THỰC HIỆN ................................................................ 53
3.1 NGHIÊN CỨU VÀ XÂY DỰNG PHẦN CỨNG HỆ THỐNG LẤY MẪU
TRÊN MƠ HÌNH VAN ..................................................................................... 53
3.1.1 Xây dựng mơ hình thí nghiệm để giả lập các lỗi trên van ...................... 53
3.1.2 Xây dựng hệ thống thu thập dữ liệu theo thực gian thực........................ 55

Trang viii


3.2 NGHIÊN CỨU VÀ XÂY DỰNG PHƯƠNG PHÁP DỰ ĐOÁN DỰA TRÊN
ĐƯỜNG ĐẶC TUYẾN VAN ........................................................................... 58
3.3 NGHIÊN CỨU VÀ XÂY DỰNG GIẢI THUẬT PHÁT HIỆN LỖI VAN
DỰA TRÊN MÔ HÌNH THAM CHIẾU CHUẨN............................................. 62
3.3.1 Nhận dạng mơ hình và kiểm tra độ phù hợp của mơ hình ...................... 62
3.3.2 Áp dụng mơ hình được nhận dạng cho việc phát hiện lỗi ...................... 74
3.4 NGHIÊN CỨU VÀ XÂY DỰNG GIẢI THUẬT PHÁT HIỆN LỖI VAN
DỰA TRÊN MƠ HÌNH MACHINE LEARNING ............................................. 77
3.4.1 Thiết kế kịch bản thí nghiệm bố trí các trạng thái lỗi trên van ............... 77
3.4.2 Xử lý dữ liệu cho việc huấn luyện mơ hình ........................................... 80
3.4.3 Huấn luyện mơ hình dự đốn ................................................................ 81
3.4.4 Áp dụng mơ hình huấn luyện vào thực nghiệm realtime ........................ 83
CHƯƠNG 4 KẾT QUẢ THỰC NGHIỆM ............................................................ 85
4.1 KẾT QUẢ THỰC NGHIỆM PHÁT HIỆN LỖI TRÊN VAN DỰA TRÊN
PHƯƠNG PHÁP XÂY DỰNG ĐƯỜNG ĐẶC TUYẾN ................................... 85
4.2 KẾT QUẢ THỰC NGHIỆM PHÁT HIỆN LỖI TRÊN VAN DỰA TRÊN
GIẢI THUẬT MƠ HÌNH THAM CHIẾU CHUẨN .......................................... 89

4.3 KẾT QUẢ THỰC NGHIỆM PHÁT HIỆN LỖI TRÊN VAN DỰA TRÊN
GIẢI THUẬT MACHINE LEARNING ............................................................ 91
4.4 TỔNG KẾT, PHÂN TÍCH VÀ ĐÁNH GIÁ CÁC KẾT QUẢ THỰC
NGHIỆM .......................................................................................................... 94
CHƯƠNG 5 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ......................................... 96
5.1 KẾT LUẬN ................................................................................................. 96
5.2 HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI ........................................................ 96
TÀI LIỆU THAM KHẢO ..................................................................................... 97

Trang ix


PHỤ LỤC 01 ....................................................................................................... 101
PHỤ LỤC 02 ....................................................................................................... 111

Trang x


DANH MỤC BẢNG BIỂU
Bảng 1.1 Bảng tiêu chí đánh giá ............................................................................ 10
Bảng 1.2 Các từ viết tắt được sử dụng trong đề tài ................................................. 10
Bảng 2.1 Những điểm nội dung quan trọng đáng chú ý các phiên bản OPC DA .... 43
Bảng 2.2 Cấu trúc biến dữ liệu Matlab từ đọc từ DCS ........................................... 51
Bảng 2.3 Cấu trúc biến dữ liệu từ Matlab ghi sang DCS ........................................ 52
Bảng 3.1 các thông số của van điều khiển trên Kit thực nghiệm ............................ 55
Bảng 4.1 Kết quả thực nghiệm của các phương pháp phát hiện lỗi trên van ........... 95

Trang xi

DANH MỤC HÌNH ẢNH

Hình 1.1 Seat của van bị ăn mịn ............................................................................. 1
Hình 1.2 Lỗi van bị dao động .................................................................................. 2
Hình 1.3 Sơ đồ đánh giá tình trạng hoạt động của van lấy dữ liệu qua OPC............. 4
Hình 1.4 Sơ đồ kiể m tra tın
̀ h tra ̣ng hoa ̣t đơ ̣ng của van điề u khiể n ............................ 5
Hình 1.5 Sơ đồ kiể m tra phát hiện áp suất thấp của van điều khiển .......................... 6
Hình 1.6 Sơ đờ kiể m tra phát hiện lỗi trên van điều khiển dùng Mạng Noron .......... 7
Hình 1.7 Các bước thực hiện của đề tài ................................................................... 8
Hình 2.1 Van điều khiển trong một vịng điều khiển .............................................. 12
Hình 2.2 Các thành phần cơ bản của một van điều khiển ....................................... 13
Hình 2.3 Tác động thuận ....................................................................................... 14
Hình 2.4 Tác động nghịch ..................................................................................... 14
Hình 2.5 Actuator với nhiều lị xo.......................................................................... 14
Hình 2.6 Van quay................................................................................................. 14
Hình 2.7 Dead band của van điều khiển ................................................................. 15
Hình 2.8 Sơ đồ khối bộ định vị DVC 6200 ............................................................ 16
Hình 2.9 Các thành phần trong bộ định vị DVC6200 ............................................. 16
Hình 2.10 Model Reference Adaptive Control ....................................................... 22
Hình 2.11 Model identification Adaptive Control (MIAC) .................................... 23
Hình 2.12 Điều khiển đa mơ hình .......................................................................... 23
Hình 2.13 Lỗi van bị kẹt thực tế trên hệ thống ....................................................... 24
Hình 2.14 Dữ liệu Hitters ...................................................................................... 26
Hình 2.15 Phân vùng ba vùng cho tập dữ liệu Hitters từ cây hồi quy được minh họa
trong Hình 2.14. .................................................................................................... 27
Hình 2.16 Một số ví dụ minh họa cho việc cắt chia nhánh cây ............................... 30
Hình 2.17 Phân tích cây hồi quy cho dữ liệu Hitters. Cây chưa được cắt tỉa là kết quả
của việc phân tách từ trên xuống trên dữ liệu huấn luyện được hiển thị. ................ 32
Hình 2.18 Phân tích cây hồi quy cho dữ liệu Hitters. MSE đào tạo, xác nhận chéo và

kiểm tra được hiển thị dưới dạng một hàm của số lượng các nút đầu cuối trong cây

Trang xii


đã được lược bớt. Các dải lỗi tiêu chuẩn được hiển thị. Lỗi xác thực chéo tối thiểu
xảy ra ở kích thước cây là ba. ................................................................................ 33
Hình 2.19 Dữ liệu nhịp tim. ................................................................................... 35
Hình 2.20. Các quyết định đối với việc ranh giới một cách tuyến tính ................... 37
Hình 2.21 Đóng túi và kết quả rừng ngẫu nhiên cho dữ liệu điện tim. .................... 39
Hình 2.14 Đối tượng valve được sử dụng để thực hiện nghiên cứu chuẩn đoán trạng
thái ........................................................................................................................ 40
Hình 2.15 Hệ thống OPC [19] ............................................................................... 41
Hình 2.16 Sơ đồ kết nối Exa OPC với hệ thống DCS [18] ..................................... 44
Hình 2.17 Cấu trúc tổng quan hệ thống DCS Control & Instrument KIT, PVCFC . 45
Hình 2.18 Thiết lập địa chỉ kết nối giữa DCS và OPC Server (Matlab local host) .. 47
Hình 2.19 Kết quả thiết kế giao tiếp hệ thống trên DCS ......................................... 48
Hình 2.20 Cơng cụ OPC Data Access Explorer trên Matlab .................................. 49
Hình 2.21 Kết nối OPC server trên Matlab ............................................................ 49
Hình 2.22 Truy xuất các thẻ dữ liệu (data item) từ DCS ........................................ 50
Hình 2.23 Giá trị các thẻ dữ liệu ghi nhận được ..................................................... 50
Hình 3.1 Bố trí các thiết bị để tạo các lỗi trên van.................................................. 54
Hình 3.2 Van điều khiển trên Kit thực nghiệm có gắn các bộ phận tạo lỗi ............. 54
Hình 3.3 Sơ đồ hệ thống điều khiển của Kít thực nghiệm ...................................... 55
Hình 3.4 Các thiết bị điều khiển trên Kít thực nghiệm ........................................... 57
Hình 3.5 Tủ điều khiển hệ thống DCS ................................................................... 57
Hình 3.6 Sử dụng cơng cụ Curve Fitting Tool để tìm hàm tuyến tính cho đường đặc
tuyến (đường tăng, mở van) ................................................................................... 58
Hình 3.7 Sử dụng cơng cụ Curve Fitting Tool để tìm hàm tuyến tính cho đường đặc
tuyến (đường giảm, đóng van) ............................................................................... 59

Hình 3.8 Biểu đồ quá trình thu thập dữ liệu để tìm đặc tuyến valve ....................... 59
Hình 3.9 Kết quả đường đặc tuyến cơ sở của valve (trục tung: Traval Feedback % độ
mở valve, trục hồnh: áp suất) ............................................................................... 60
Hình 3.10 Kết quả thể hiện đường đặc tuyến valve tìm được ................................. 61
Hình 3.11 Mơ tả tổng quan quy trình nghiên cứu và xây dựng giải thuật phát hiện lỗi
van dựa trên mơ hình tham chiếu chuẩn ................................................................. 62

Trang xiii


Hình 3.12. Hàm truyền mơ tả đặc trưng van Gv(s) điều khiển ................................ 63
Hình 3.13 Chương trình thực thi được thiết kế trên Simulink để lấy mẫu dữ liệu trạng
thái chuẩn của van theo thời gian thực ................................................................... 64
Hình 3.14 Bảng dữ liệu thu thập các biến giá trị của van, thu được từ đáp ứng hàm
nấc bước 10-25% và hàm Ramp ............................................................................ 64
Hình 3.15 Các thiết lập trên Simulink để lấy mẫu dữ liệu (Items) của van được thu
thập từ hệ thống DCS thơng qua OPC (a): Cấu hình OPC, (b): Thiết lập các biến đọc
về từ van, (c): Thiết lập các biến ghi đến hệ thống điều khiển van ......................... 65
Hình 3.16 Dữ liệu trạng thái của van ..................................................................... 66
Hình 3.17 Nhận dạng hệ thống sử dụng System Identification Tools (a): Công cụ
System Identification, (b): Thiết lập các đầu vào cho cộng cụ nhận dạng............... 67
Hình 3.18 Nhận dạng hàm truyền MV - Current trên Simulink .............................. 67
Hình 3.19 Hàm truyền của hệ thống sau khi nhận dạng ......................................... 68
Hình 3.20 Triển khai hàm truyền MV-Current trên Simulink................................. 68
Hình 3.21 Kết quả ngõ ra ước lượng được hàm truyền G1(s) đã nhận dạng ............ 69
Hình 3.22 Nhận dạng hàm truyền Current - Setpoint trên Simulink ....................... 69
Hình 3.23 Triển khai hàm truyền Current - Setpoint trên Simulink ........................ 70
Hình 3.24 Kết quả ngõ ra ước lượng được hàm truyền G2(s) đã nhận dạng ............ 71
Hình 3.25 Nhận dạng hàm truyền Setpoint - Pressure trên Simulink ...................... 71
Hình 3.26 Triển khai hàm truyền Setpoint - Pressure trên Simulink ....................... 72

Hình 3.27 Kết quả ngõ ra ước lượng được hàm truyền G3(s) đã nhận dạng ............ 73
Hình 3.28 Nhận dạng hàm truyền Pressure – Feedback(ZI) trên Simulink ............. 73
Hình 3.29 Triển khai hàm truyền Pressure – Feedback (ZI) trên Simulink ............. 73
Hình 3.30 Kết quả ngõ ra ước lượng được hàm truyền G4(s) đã nhận dạng ............ 74
Hình 3.31 Chương trình thiết kế cho việc sử dụng mơ hình chuẩn để phát hiện lỗi trên
van (với phần bên trong khối mơ hình chuẩn) ........................................................ 75
Hình 3.32 Chương trình thiết kế cho việc sử dụng mơ hình chuẩn để phát hiện lỗi trên
van (với phần bên trong khối cơ chế phát hiện lỗi) ................................................ 76
Hình 3.33 Quy trình thí nghiệm được đề xuất để xây dựng cho giải thuật phát hiện lỗi
van dựa trên mơ hình machine learning ................................................................. 77
Hình 3.34 Loop điều khiển 16FIC02 điều khiển lưu lượng thông qua van ............. 78

Trang xiv


Hình 3.35 Tập dữ liệu kịch bản để lấy mẫu (trial_1) phục vụ cho q trình training
cho mơ hình Machine Learning ............................................................................. 78
Hình 3.36 Tập dữ liệu lấy mẫu (trial_2) phục vụ cho q trình training cho mơ hình
Machine Learning.................................................................................................. 79
Hình 3.37 Tập dữ liệu lấy mẫu (trial_3) phục vụ cho q trình training cho mơ hình
Machine Learning.................................................................................................. 79
Hình 3.38 Chương trình thu thập mẫu dữ liệu từ kịch bản để huấn luyện ............... 80
Hình 3.39 Dữ liệu được xử lý gộp lại và chuyển đổi sang dạng table để chuẩn bị cho
việc huấn luyện mơ hình Machine Learning .......................................................... 80
Hình 3.40 Cơng cụ trình học phân loại (Classification Learner) trên Matlab .......... 81
Hình 3.41 Thêm dữ liệu trainData dạng Table cần huấn luyện vào cơng cụ
Classification Learner ............................................................................................ 81
Hình 3.42 Biểu đồ Scatter thể hiện sự phân bố khác biệt giữa các trạng thái van dựa
trên đặc trưng Áp suất – Travel, (Trạng thái valve, 1: Bình thường, 2: Fail Air, 3: Fail
Friction) ................................................................................................................ 82

Hình 3.43 Kết quả huấn luyện mơ hình Machine Learning với giải thuật Ensembles Bagged Trees, cho kết quả phân loại chính xác nhất. ............................................. 82
Hình 3.44 Kết quả ma trận đánh giá sự nhầm lẫn Validation Confusion Matrix, trong
dự đốn của mơ hình Machine Learning ................................................................ 83
Hình 3.45 Xuất mơ hình ra workspace để sử dụng cho việc áp dụng thực tế .......... 83
Hình 3.46 Chương trình để truy xuất giải thuật và lưu lại mơ hình đã được huấn luyện
từ Classification Learner để áp dụng thực tế .......................................................... 84
Hình 4.1 Chương trình xây dựng trên SIMULINK để áp dụng phương pháp phát hiện
lỗi trên van dựa trên đường đặc tuyến theo thời gian thực ...................................... 85
Hình 4.2 Chương trình tính tốn bên trong khối (a): dectionFailByCharLine, (b)
Interpreted MATLAB Function ............................................................................. 86
Hình 4.3 Lưu đồ giải thuật phát hiện lỗi trên van dựa trên đường đặt tuyến ........... 87
Hình 4.4 Kết quả thực nghiệm nghiệm phát hiện lỗi trên van dựa trên phương pháp
dựa trên đường đặc tuyến (chạy lần 1) ................................................................... 88
Hình 4.5 Kết quả thực nghiệm nghiệm phát hiện lỗi trên van dựa trên phương pháp
dựa trên đường đặc tuyến (chạy lần 2) ................................................................... 88
Hình 4.6 Chương trình được xây dựng trên SIMULINK để áp dụng giải thuật mơ
hình tham chiếu chuẩn để pháp hiện lỗi trên van theo thời gian thực ..................... 89

Trang xv


Hình 4.7 Lưu đồ giải thuật phát hiện lỗi trên van dựa trên mơ hình tham chiếu chuẩn
.............................................................................................................................. 89
Hình 4.8 Kết quả thực nghiệm nghiệm phát hiện lỗi trên van dựa trên phương pháp
mơ hình chuẩn (chạy lần 1).................................................................................... 90
Hình 4.9 Kết quả thực nghiệm nghiệm phát hiện lỗi trên van dựa trên phương pháp
mơ hình chuẩn (chạy lần 2).................................................................................... 91
Hình 4.10 Chương trình được xây dựng trên SIMULINK để áp dụng giải thuật
Machine Learning để pháp hiện lỗi trên van theo thời gian thực ............................ 92
Hình 4.11 Lưu đồ giải thuật phát hiện lỗi trên van sử dụng Machine Learning ...... 92

Hình 4.12 Chương trình bên trong khối “predictVavleStatus”, dung cho tải mơ hình
Machine Learning chạy runtime ............................................................................ 93
Hình 4.13 Bên trong khối tính tốn quy đổi trạng thái valve tương ứng ................. 93
Hình 4.14 Kết quả thực nghiệm nghiệm phát hiện lỗi trên van dựa trên giải thuật
Machine Learning (chạy lần 1) .............................................................................. 93
Hình 4.15 Kết quả thực nghiệm nghiệm phát hiện lỗi trên van dựa trên giải thuật
Machine Learning (chạy lần 2) .............................................................................. 94

Trang xvi


LUẬN VĂN THẠC SĨ

CHƯƠNG 1 TỔNG QUAN
1.1 GIỚI THIỆU ĐỀ TÀI
Các van điều khiển khí nén trong các q trình cơng nghệ của nhà máy lọc dầu,
hóa chất, phát điện… đóng vai trị đặc biệt quan trọng trong q trình cơng nghệ tuy
nhiên do nhiều yếu tố như ăn mịn, điều kiện môi trường hoạt động, thời gian hoạt
động, hoặc việc sử dụng van không phù hợp, hoặc lỗi do nhà sản xuất chế tạo, dẫn
đến van điều khiển được sử dụng trong các q trình cơng nghệ có thể hoạt động
khơng chính xác hoặc bị lỗi. Khi van hoạt động khơng chính xác hoặc bị lỗi sẽ làm
giảm năng suất của q trình cơng nghệ. Nếu van bị lỗi sẽ làm dừng q trình cơng
nghệ, dừng nhà máy. Đối với các nhà máy lọc dầu hoặc nhà máy hóa chất hoặc nhà
máy phát điện thì chi phí cho mỗi lần dừng máy và chạy lại rất cao gây tốn kém khơng
mong muốn.

Hình 1.1 Seat của van bị ăn mịn
Vì vậy việc phát hiện sớm các vấn đề trong hoạt động của van trước khi van
bị lỗi nghiêm trọng gây ảnh hưởng đến q trình cơng nghệ là rất quan trọng.
Một số vấn đề thường xảy ra đối với van điều khiển như: “Seat” bị mòn hoặc

hư hỏng, “Stem” bị hư hỏng, “Stem” bị mòn hoặc bị ăn mòn, vật liệu làm kín bị mịn,

Trang 1


LUẬN VĂN THẠC SĨ
các phần ghép nối bị lỏng, màng van bị lão hóa do bị nước ngưng tụ. Đa phần các
vấn đề này thường không thể phát hiện được nếu không tháo van ra để kiểm tra. Việc
tháo van ra để kiểm tra là phương pháp được sử dụng phổ biến nhất, và gây tổn thất
chi phí rất nhiều.

Hình 1.2 Lỗi van bị dao động
Có thể sử dụng nhiều phương pháp để phát hiện các vấn đề thường gặp bằng
các hệ thống kiểm tra van giúp hạn chế việc phải tháo van ra để kiểm tra. Tuy nhiên
cần phải lắp thêm thiết bị hỗ trợ kiểm tra van được thực hiện bằng cách lắp thêm các
cảm biến trên van và đo các thông số cần thiết. Các thông số quan trọng thường được
thu thập bao gồm bộ định vị bị lỗi, độ chính xác của vị trí van, hành trình của van, và
ma sát hoặc kẹt van. Để thực hiện kiểm tra được các thông số này, phải thực hiện lắp
thêm các cảm biến vào van và phải kiểm tra hết hành trình hoạt động của van. Tuy
nhiên việc này không thể thực hiện được khi van đang điều khiển q trình cơng nghệ.
Việc thu thập dữ liệu hoạt động của van đã được sử dụng rộng rãi tuy nhiên sử
dụng để chuẩn đốn tình trạng của van thì còn hạn chế. Ngày càng nhiều hệ thống
giúp thu thập dữ liệu được sử dụng để đánh giá tổng quan hoạt động của van và điều

Trang 2


LUẬN VĂN THẠC SĨ
chỉnh q trình cơng nghệ. Giá trị cài đặt (Setpoint) của van và vị trí của van cũng
được thu thập qua hệ thống giám sát và thu thập dữ liệu (SCADA).

Trong khoảng thời gian gần đây, dữ liệu hoạt động của van đã được thu thập
bởi chính các bộ định vị thơng minh (Smart positioner). Thay vì giá trị cài đặt của
van và vị trí của van được đo đạc và gửi qua tín hiệu tương tự về phịng điều khiển,
các tín hiệu này sẽ được gửi về phịng điều khiển trung tâm qua tín hiệu số dưới một
số dạng truyền thơng nhất định (Ví dụ truyền thơng HART). Một số bộ định vị thơng
minh đã tích hợp phần hỗ trợ chuẩn đoán van vào Firmware, bao gồm kiểm tra đáp
ứng của van, phân tích kẹt van, dao động trên van. Tuy nhiên để có thể thực hiện
kiểm tra vẫn cần phải dừng q trình cơng nghệ để thực hiện.
Thực tế tại Nhà máy Đạm Cà mau chưa có hệ thống để chuẩn đốn phát hiện
sớm các lỗi xảy ra trên van giúp ngăn ngừa các sự cố của van điều khiển. Rất nhiều
van điều khiển cần được theo dõi và chuẩn đoán liên tục, việc theo dõi dựa vào người
vận hành không thể giám sát liên tục được tình trạng của van. Việc sử dụng các phần
mềm chuẩn đốn của các hãng sản xuất van khơng giúp tích hợp được vào hệ thống
điều khiển DCS Yokogawa hiện tại của Nhà máy, để tạo ra các cảnh báo đồng thời
chi phí để xây dựng cũng rất cao.
Dựa trên các vấn đề trên, đề tài nghiên cứu tập trung vào việc phát hiện lỗi
trên van điều khiển.
Để thực hiện mục tiêu trên, tác giả đề xuất phương pháp thực hiện nghiên cứu
mơ hình hóa các đường đặc tuyến của van điều khiển trên Kit thực nghiệm, sau đó
dùng các giải thuật toán học cơ bản và ứng dụng Machine learning để phát hiện lỗi
trên van điều khiển qua phần mềm Matlab, giao tiếp giữa Matlab và DCS sẽ qua hệ
thống OPC của nhà máy. Các cảnh báo sẽ được gửi về hệ thống DCS giúp người vận
hành dự đoán được các lỗi trên van điều khiển và khắc phục.

Trang 3


LUẬN VĂN THẠC SĨ
Pneumatic Signal

Process
Controller

Control Signal
HART Signal

Position
Feedback
Postitioner

Control Valve
OPC System
- Setpoint
- Position
- Actuator Pressure

Matlab
Calculated Results
- Fail Friction
- Fail Air
- Normal

Display to user
- Alarms
- Reports

Hình 1.3 Sơ đồ đánh giá tình trạng hoạt động của van lấy dữ liệu qua OPC
1.2 TÌNH HÌNH NGHIÊN CỨU TRONG NƯỚC
Chưa ghi nhận các nghiên cứu về việc chuẩn đốn tình trạng hoạt động của các van
điều khiển ngay trong quá trình vận hành bình thường của Nhà máy.

1.3 TÌNH HÌNH NGHIÊN CỨU NGỒI NƯỚC
Tài liệu [6] tác giả Henry W. Boger, Foxboro, MA (US) và Sandro Esposito,
Bridgewater,

MA (US);

2011, CONTROL VALVE AND POSITIONER

DIAGNOSTIC) (Hình 1.4)
Hệ thống định vị van có thể tự chẩn đốn. Ví dụ, hệ thống định vị van có khả năng
xác định tình trạng của các thành phần khác nhau của hệ thống. Sử dụng khả năng tự
chẩn đoán trong hệ thống định vị van có thể cho phép phát hiện các hư hỏng trước
khi phát sinh. Các vấn đề có thể là cơ học hoặc hỏng hóc với các phần của bộ phận
(ví dụ: van, đường dây, kết nối và bộ điều chỉnh), sự cố hoặc lỗi với các thành phần
điện của bộ điều khiển, sự thay đổi trong thiết bị điện tử chẳng hạn như sự cố phần
mềm hoặc sự cố với bộ lọc được áp dụng trong điện tử.

Trang 4


LUẬN VĂN THẠC SĨ
Các thành phần của hệ thống định vị van có thể bao gồm bộ chuyển đổi, cảm biến, rơ
le, đường cấp khí, hoặc bộ truyền động. Bộ chuyển đổi có thể chuyển đổi một tín hiệu
nhận được từ một bộ điều khiển. Ví dụ, bộ chuyển đổi đầu ra điện/áp suất (Bộ chuyển
đổi E / P) có thể chuyển đổi tín hiệu điện từ bộ điều khiển thành tín hiệu áp suất,
chẳng hạn như khí nén. Cảm biến có thể là bất kỳ thiết bị nào có khả năng đo một tín
hiệu (ví dụ, điện hoặc áp suất) được tạo ra hoặc nhận được bằng hệ thống định vị van.
Ví dụ, một cảm biến có thể đo các thông số như áp suất, lưu lượng tỷ lệ, dịng điện,
điện áp hoặc vị trí van. Rơle có thể truyền hoặc khuếch đại tín hiệu nhận được. Rơle
có thể bao gồm van ống đệm hoặc bộ khuếch đại khí nén. Một bộ truyền động có thể

đáp ứng tín hiệu từ bộ chuyển đổi. Ví dụ, một thiết bị truyền động có thể bao gồm
một pít-tơng chịu sự chênh lệch áp suất.

Hình 1.4 Sơ đờ kiểm tra tı̀nh trạng hoạt động của van điề u khiển

Trang 5


LUẬN VĂN THẠC SĨ
Ưu điểm

Nhược điểm

Có thể phát hiện được hư hỏng xảy

Phải lắp thêm nhiều cảm biến để đo áp

ra trên các bộ phận riêng biệt của

suất và dòng điện ở trên bộ định vị trên

van.

van để kiểm tra lỗi
Tài liệu [4] tác giả G. D. Wilke, Galen Dale, US và sở hữu sáng kiến là Fisher

Controls international LLC, US (Hình 1.5) (Sáng chế: DIAGNOSTIC METHOD
FOR DETECTING CONTROL VALVE COMPONENT FAILURE).
Phương pháp phân tích phát hiện các thành phần của van bị hư hỏng. Để chỉ ra các
vấn đề tiềm ẩn về tính tồn vẹn của thành phần. Đặc biệt, hệ thống có thể phát hiện

ra sự hư hỏng hoặc lỗi tiềm ẩn trong lò xo truyền động, đường ống và ống dẫn khí
nén. Hệ thống có thể được kết hợp thơng tin với mạng điều khiển q trình để cung
cấp các cảnh báo phức tạp. Hơn nữa, các phương pháp thống kê bổ sung có thể được
sử dụng để tinh chỉnh độ chính xác phát hiện của hệ thống.

Hình 1.5 Sơ đờ kiểm tra phát hiện áp suất thấp của van điều khiển

Trang 6


LUẬN VĂN THẠC SĨ
Ưu điểm

Nhược điểm

Có thể phát hiện được hư hỏng xảy

Phải lắp thêm nhiều cảm biến để đo áp

ra trên van dựa vào các thuật tốn

suất và dịng điện ở trên bộ định vị.

cơ bản.
Tài liệu [2] tác giả Hafaifa, Ahmed Hafaifa, Ahmed Zohair Djeddi, Attia
Daoudi, Ziane Achour University of Djelfa, với đề tài là “Fault detection and isolation
in industrial control valve based on artificial neural networks diagnosis”.
Bài báo này sử dụng hệ thống giám sát dựa trên phương pháp sử dụng mạng
Nơ-ron nhân tạo để tạo ra các chỉ báo lỗi cho van điều khiển công nghiệp và các kiểm
chứng.

Hình 1.6 Sơ đờ kiểm tra phát hiện lỗi trên van điều khiển dùng Mạng Noron
Ưu điểm

Nhược điểm

Linh hoạt trong việc phát hiện lỗi
trên van. Không phụ thuộc vào đặc

Phụ thuộc vào kinh nghiệm của chuyên

tính của van là tuyến tính hay phi

gia.

tuyến.

Trang 7


LUẬN VĂN THẠC SĨ
Tài liệu [1] tác giả L. Choonover, North Attleboro, MA (US) đề tài là “Method,
system and storage medium for performing online valve diagnostics”.
1.4 MƠ TẢ Q TRÌNH THU THẬP VÀ XỬ LÝ DỮ LIỆU
Một quy trình dùng mơ tả q trình tiếp cận và thực hiện cho nghiên cứu này
bao gồm các tiến trình được trình bày như Hình 1.7.

Hình 1.7 Các bước thực hiện của đề tài

Trang 8