[發明專利]一種基于概率圖模型的工業過程報警根源識別方法

在審

• 申請號: 201811233927.4
• 申請日: 2018-10-23
• 公開（公告）號: CN109446629A
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 王建東;楊子江;周東華
• 申請（專利權）人: 山東科技大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G08B21/00
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 朱昀

本發明屬于工業報警系統管理技術領域，尤其涉及一種基于概率圖模型的工業報警根源識別方法，包括獲取報警變量和報警根源變量，計算每個報警根源變量為1和0時的概率；獲得給定條件下報警變量為0和1時的概率，組成先驗條件概率參數集θ；采用當前數據樣本X(t)對θ的先驗條件概率θ(t)，在線迭代更新；計算報警變量為x_a時，其報警根源變量來源于給定條件的后驗條件概率計算報警變量為1時的后驗概率矢量，將該矢量的元素降序分類，第一行元素即為報警根源；判斷報警變量的報警根源不是已知根源的情況。本發明能解決目前報警根源識別中沒有考慮漏報警和誤報警、多報警根源同時存在和已知報警根源的不完整性等因素而導致報警根源識別不精確的問題。

技術領域

本發明屬于工業報警系統管理技術領域，尤其涉及一種基于概率圖模型的工業報警根源識別方法。

背景技術

目前工業報警系統的現實問題是短時間內產生大量的報警，干擾操作員的判斷，即報警泛濫成為當前工業報警系統最棘手的問題。處理報警泛濫首要的任務是確定報警根源，及時辨識根源，才能根據報警根源及時制定應對措施，消除報警，以免操作員花費大量時間處理次要報警而忽視關鍵報警。目前針對報警根源識別的研究工作主要是針對單報警根源的分析方面，而針對工業過程中多根源同時存在的問題和已知根源的不完整性方面的研究還是一片空白。

報警根源的識別是指對于已出現的報警，系統能夠識別出可能發生報警的變量，從而使操作人員能夠及時識別異常根源，消除報警。目前關于報警根源識別主要存在的問題有：1)沒有考慮漏報警和誤報警的負面效應，把所有的報警均視為有效報警進行分析、識別，降低了報警識別的精度；(2)沒有考慮報警變量的多根源同時存在問題，容易出現忽略了某些重要報警，導致異常風險進一步提升的可能；(3)沒有考慮已知根源是否完整，是否存在根源的未知性，導致報警根源識別失效，影響操作人員的判斷。

以上三個問題為報警根源的識別造成了障礙，如果不解決將會可能造成不精確的報警根源識別結果，影響操作人員的判斷，造成工業生產過程中的安全和經濟損失。

發明內容

根據以上現有技術的不足，本發明提供了一種基于概率圖模型的工業報警根源識別方法，其能解決目前報警根源識別中因沒有考慮到漏報警和誤報警、多報警根源同時存在以及已知報警根源的不完整性等因素而導致報警根源識別不精確的問題。

本發明解決的技術問題采用的技術方案為：

所述基于概率圖模型的工業過程報警根源識別方法，包括如下步驟：

步驟1，獲取歷史報警變量X_a(t)和報警變量的父節點集計算每個報警根源變量為報警狀態即時的概率以及為非報警狀態即時的概率其中θ_i,0(t)+θ_i,1(t)＝1,i∈[1,n]；

步驟2，獲得第j組由報警變量X_a(t)的父節點所產生的可能值的集合定義報警變量X_a(t)＝0為報警變量處于非報警狀態，報警變量X_a(t)＝1為報警變量處于報警狀態；

計算給定報警變量父節點集R取報警根源變量的第j組可能值的條件下，報警變量X_a(t)＝0的先驗條件概率的參數θ_a,0|j(t)和報警變量X_a(t)＝1的先驗條件概率的參數θ_a,1|j(t)，其中θ_a,0|j(t):＝P(X_a(t)＝0|R＝r_j)，θ_a,1|j(t):＝P(X_a(t)＝1|R＝r_j)，