[發明專利]一種基于歷史數據的工業報警系統有效
| 申請號: | 201610272910.4 | 申請日: | 2016-04-27 |
| 公開(公告)號: | CN105975748B | 公開(公告)日: | 2018-04-10 |
| 發明(設計)人: | 夏浩;楊希珞 | 申請(專利權)人: | 大連理工大學 |
| 主分類號: | G06F19/00 | 分類號: | G06F19/00 |
| 代理公司: | 大連理工大學專利中心21200 | 代理人: | 梅洪玉,侯明遠 |
| 地址: | 116024 遼*** | 國省代碼: | 遼寧;21 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 歷史數據 工業 報警 系統 | ||
技術領域
本發明屬于報警技術運用領域,涉及一種基于歷史數據的工業報警系統。
背景技術
當前,環境問題受到越來越多的關注,任何重大的工廠事故發生都會對周圍的水、空氣和土地環境造成嚴重污染,有效的過程監控和報警管理已經成為工業生產面臨的重要問題。在實際生產過程中,一個故障的發生會引起連鎖反應,監控系統會接收到大量的報警信息,建立能夠有效減少錯報警和漏報警的報警管理系統對提高產能、保證生產安全至關重要。
1998年,Bransty自動化有限公司提出了關于健康與安全生產的研究報告,該報告通過調研化工、能源等行業的報警系統,證明改進報警系統的價值,并且總結了當時最好的改進實踐方法。受這份報告啟發,EEMUA制定了報警系統的指南,2007年的修訂版文檔在工業報警的實踐和設計方面被廣泛接受。該指南的主題涵蓋報警系統的理念,報警系統設計原理,執行問題,績效衡量,管理改進方案,以及新的警報系統采購。由ISA提出的工業過程管理報警系統標準被看作是報警管理領域的一個里程碑。
Izadi I等人在文獻“A Framework for Optimal Design of Alarm Systems.In 7th IFAC,2009”中詳細介紹了誤報率(false alarm rate,FAR)、漏報率(miss alarm rate,MAR)、平均檢測延時(average detect delay,ADD)等評價指標。在報警系統設計時通常加入死區(deadband)、延時定時器(delay timer)和濾波(filter)等環節,來提高報警準確性。根據死區、延時定時器的結構特點,Xu J W等人在總結前人工作的基礎上,在文章“Performance Assessment and Design for Univariate Alarm Systems Based on FAR,MAR,and AAD.In IEEE TASE,2012”中應用馬爾可夫過程推導評價指標FAR、MAR和ADD的表達式,并提出單變量報警系統的設計方法。對于單變量報警系統來說,過程數據濾波是減少報警抖動與錯誤報警最為有效的方法。Cheng Y等人在“Optimal alarm signal processing:Filter design and performance analysis[J].IEEE TASE,2013”中介紹了最優濾波器的設計方法,并根據概率密度函數的特征函提出最佳線性濾波器求法。
目前對于工業報警系統的研究也存在著一些不足:一是,在設計報警系統時過程數據大都假定為高斯分布數據,沒有考慮系統結構對監控變量的影響,對過程數據的描述形式過于單一,不能準確描述系統的運行狀態;二是,應用濾波器法設計報警系統時,目標函數多為多重積分形式,尋優方法復雜。
發明內容
本發明考慮系統結構對監控變量的影響,同時考慮采樣數據中有低頻振蕩和高頻采樣噪聲兩個組成部分對報警系統的影響;在報警系統中加入滑動平均濾波器技術后,錯報率和漏報率的求解方法。
本發明根據故障發生時采樣數據均值和方差的變化,將數據分成“正常”數據和“故障”數據。用小波濾波器分別將正常數據和故障數據都分為高頻與低頻兩個部分。低頻部分受系統結構和變量相互關系影響,高頻部分主要為采樣白噪聲。采用核心平滑密度估計法估計數據低頻部分的概率密度分布情況以此表示采樣數據均值的分布。正常數據和故障數據高頻部分主要為采樣白噪聲,采用核心平滑密度估計法可得正常數據方差σ1和故障數據方差σ2。根據MA濾波器的結構特點,分析濾波后數據的概率分布特性得到FAR和MAR的計算方法。建立關于誤報警概率和漏報警概率的目標函數,提出最優閾值的直接求解方法。分析濾波器窗口階數n與報警指標FAR,MAR及ADD之間的聯系,得到報警系統中濾波器階數n和報警系統閾值xtp。本發明中基于歷史數據的工業報警系統,包括如下步驟:
(1)從工廠分布式控制系統數據庫中選取一段歷史數據,包含系統發生故障前后的采樣信息;根據故障發生時采樣數據均值和方差的變化,將數據分成“正常”數據和“故障”數據;
(2)用小波濾波器分別將正常數據和故障數據都分為高頻與低頻兩個部分;
(3)利用數據低頻部分表示采樣數據均值的分布情況;采用核心平滑密度估計法,得正常數據均值μ1在[a,b]范圍變化,μ1的概率密度函數表示為:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于大連理工大學,未經大連理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201610272910.4/2.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06F 電數字數據處理
G06F19-00 專門適用于特定應用的數字計算或數據處理的設備或方法
G06F19-10 .生物信息學,即計算分子生物學中的遺傳或蛋白質相關的數據處理方法或系統
G06F19-12 ..用于系統生物學的建模或仿真,例如:概率模型或動態模型,遺傳基因管理網絡,蛋白質交互作用網絡或新陳代謝作用網絡
G06F19-14 ..用于發展或進化的,例如:進化的保存區域決定或進化樹結構
G06F19-16 ..用于分子結構的,例如:結構排序,結構或功能關系,蛋白質折疊,結構域拓撲,用結構數據的藥靶,涉及二維或三維結構的
G06F19-18 ..用于功能性基因組學或蛋白質組學的,例如:基因型–表型關聯,不均衡連接,種群遺傳學,結合位置鑒定,變異發生,基因型或染色體組的注釋,蛋白質相互作用或蛋白質核酸的相互作用





