一种基于历史数据的工业报警系统的制作方法
【专利摘要】本发明属于报警技术运用领域，涉及基于历史数据的工业报警系统。根据故障发生时采样数据均值和方差的变化，将数据分成“正常”数据和“故障”数据；用小波滤波器分别将数据分为高频与低频两个部分，估计数据的概率密度分布；分析滤波后数据的概率分布特性得到FAR和MAR的计算方法，建立关于误报警概率和漏报警概率的目标函数；最后，分析滤波器窗口阶数n与报警指标FAR，MAR及ADD之间的联系，得到报警系统中滤波器阶数n和报警系统阈值xtp。本发明的方法计算量小，减少了大量的误报警，同时对漏报警的次数进行了抑制，大大减轻了操作员的工作负荷，保证了系统运行的安全性和可靠性。
【专利说明】
一种基于历史数据的工业报警系统
技术领域
[0001] 本发明属于报警技术运用领域，涉及一种基于历史数据的工业报警系统。
【背景技术】
[0002] 当前，环境问题受到越来越多的关注，任何重大的工厂事故发生都会对周围的水、 空气和土地环境造成严重污染，有效的过程监控和报警管理已经成为工业生产面临的重要 问题。在实际生产过程中，一个故障的发生会引起连锁反应，监控系统会接收到大量的报警 信息，建立能够有效减少错报警和漏报警的报警管理系统对提高产能、保证生产安全至关 重要。
[0003] 1998年，Bransty自动化有限公司提出了关于健康与安全生产的研究报告，该报告 通过调研化工、能源等行业的报警系统，证明改进报警系统的价值，并且总结了当时最好的 改进实践方法。受这份报告启发，EEMUA制定了报警系统的指南，2007年的修订版文档在工 业报警的实践和设计方面被广泛接受。该指南的主题涵盖报警系统的理念，报警系统设计 原理，执行问题，绩效衡量，管理改进方案，以及新的警报系统采购。由ISA提出的工业过程 管理报警系统标准被看作是报警管理领域的一个里程碑。
[0004] Izadi I等人在文南犬 "A Framework for Optimal Design of Alarm Systems. In 7th IFAC, 2009" 中详细介绍了误报率（false alarm rate，FAR)、漏报率（miss alarm rate，MAR)、平均检测延时(average detect delay，ADD)等评价指标。在报警系统设计时通 常加入死区（deadband)、延时定时器(delay timer)和滤波(filter)等环节，来提高报警准 确性。根据死区、延时定时器的结构特点，Xu J W等人在总结前人工作的基础上，在文章 "Performance Assessment and Design for Univariate Alarm Systems Based on FAR, MAR，and AAD.In IEEE TASE，2012"中应用马尔可夫过程推导评价指标FAR、MAR和ADD的表 达式，并提出单变量报警系统的设计方法。对于单变量报警系统来说，过程数据滤波是减少 报警抖动与错误报警最为有效的方法。Cheng Y等人在"Optimal alarm signal processing:Filter design and performance analysis[J]. IEEE TASE，2013" 中介绍了 最优滤波器的设计方法，并根据概率密度函数的特征函提出最佳线性滤波器求法。
[0005] 目前对于工业报警系统的研究也存在着一些不足:一是，在设计报警系统时过程 数据大都假定为高斯分布数据，没有考虑系统结构对监控变量的影响，对过程数据的描述 形式过于单一，不能准确描述系统的运行状态;二是，应用滤波器法设计报警系统时，目标 函数多为多重积分形式，寻优方法复杂。
【发明内容】
[0006] 本发明考虑系统结构对监控变量的影响，同时考虑采用数据中有低频振荡和高频 采样噪声两个组成部分对报警系统的影响；在报警系统中加入滑动平均滤波器技术后，错 报率和漏报率的求解方法。
[0007] 本发明根据故障发生时采样数据均值和方差的变化，将数据分成"正常"数据和 "故障"数据。用小波滤波器分别将正常数据和故障数据都分为高频与低频两个部分。低频 部分受系统结构和变量相互关系影响，高频部分主要为采样白噪声。采用核心平滑密度估 计法估计数据低频部分的概率密度分布情况以此表示采样数据均值的分布。正常数据和故 障数据高频部分主要为采样白噪声，采用核心平滑密度估计法可得正常数据方差σ:和故障 数据方差〇 2。根据ΜΑ滤波器的结构特点，分析滤波后数据的概率分布特性得到FAR和MAR的 计算方法。建立关于误报警概率和漏报警概率的目标函数，提出最优阈值的直接求解方法。 分析滤波器窗口阶数η与报警指标FAR，MAR及ADD之间的联系，得到报警系统中滤波器阶数η 和报警系统阈值xtP。本发明中基于历史数据的工业报警系统，包括如下步骤：
[0008] (1)从工厂分布式控制系统数据库中选取一段历史数据，包含系统发生故障前后 的采样信息；根据故障发生时采样数据均值和方差的变化，将数据分成"正常"数据和"故 障"数据；
[0009] (2)用小波滤波器分别将正常数据和故障数据都分为高频与低频两个部分；
[0010] (3)利用数据低频部分表示采样数据均值的分布情况;采用核心平滑密度估计法， 得正常数据均值m在[a，b]范围变化，讲的概率密度函数表示为：
[0011]
[0012] 故障数据组均值此在[(：，(1]范围变化，叱的概率密度函数表示为：
[0013]
[0014] (4)正常数据和故障数据高频部分主要为采样白噪声，采用核心平滑密度估计法 得正常数据方差 〇1和故障数据方差〇2;正常数据和故障数据的高频部分概率密度函数分别 表示为：PIU.v)和(x) ;
[0015] (5)利用阶数为η的滑动平均滤波器对采用数据高频部分滤波;滤波只改变了数据 方差，且新的方差与原来方差之间的关系为：
[0016]
[0017] (6)利用数据的概率统计特性，推导评价指标报警系统误报率（FAR)和漏报率 (MAR)的表达式 u Α[σ·
[0018]
[0019] 其中Xtp为报警阈值表示，l〈n〈8;
[0020] (7)报警系统设计目标是使系统的FAR与MAR之和达到最小；当滑动平均滤波器阶 数取不同值时，求使FAR+MAR最小的报警系统最优报警阈值x tp;
[0021] (8)在滤波器阶数取不同值，报警阈值取最优Xtp时，利用蒙特卡洛模拟，求不同情 况下报警系统的平均检测延时ADD的值；
[0022] (9)报警系统要求?六1^，1^1?〈04〇〇〈11，根据步骤7)计算结果，得到满足要求的滤 波器阶数η和报警系统阈值xtp。
[0023]本发明的效果和益处是在报警系统设计时考虑实际数据受系统结构影响，提出过 程数据新的描述方法，克服了应用滤波器法设计报警系统时，目标函数多为多重积分形式， 寻优方法复杂的问题。本发明中的设计方法计算量小，减少了大量的误报警，同时对漏报警 的次数进行了抑制，大大减轻了操作员的工作负荷，保证了系统运行的安全性和可靠性。
【具体实施方式】
[0024]以下结合技术方案详细叙述本发明的具体实施例。
[0025] 本发明的基于历史数据的工业报警系统，采用的步骤如下述的实施例中所例，但 不限于下述的实施例。
[0026] (1)数据分类
[0027] 从工厂分布式控制系统数据库中选取一段具有系统发生故障前后采样信息的历 史数据{40}^。根据故障发生时采样数据均值和方差的变化，将数据分成"正常"数据和 "故障"数据。数据分类步骤如表1所示。
[0028]表1数据分类步骤
[0029]
[0030]
[0031] (2)小波滤波
[0032]用小波滤波器分别将正常数据和故障数据都分为高频与低频两个部分。低频部分 受系统结构和变量相互关系影响，高频部分主要为采样白噪声。
[0033] (3)评估均值概率密度分布
[0034] 利用数据低频部分表示采样数据均值的分布情况。采用核心平滑密度估计法，可 得正常数据均值m在[a，b]范围变化，讲的概率密度函数表示为：
[0035]
[0036] 故障数据组均值此在[(：，(1]范围变化，叱的概率密度函数表示为：
[0037]
[0038] 在设计过程中我们假设均值在一定范围内均匀分布。
[0039] (4)评估采样噪声概率密度分布
[0040]正常数据和故障数据高频部分主要为采样白噪声，采用核心平滑密度估计法可得 正常数据方差和故障数据方差〇2。正常数据和故障数据的高频部分概率密度函数分别表 示为：/)Ζ)Κλ.)和 PDU.y 卜
[0041 ] (5)滑动平均滤波
[0042] 滑动平均(moving aVerage，MA)滤波器设计报警系统。滑动平均滤波器的表达式 为：
[0043]
( 1)
[0044] 其中η为滤波器窗口阶数。利用阶数为η的滑动平均滤波器对采用数据高频部分滤 波。滤波只改变了数据的方差，且新的方差与原来方差之间的关系为
[0045]
⑵
[0046] 利用数据的概率统计特性，推到评价指标报警系统误报率(FAR)和漏报率(MAR)的 表达式：
[0047] .(3).
[0048] (4)
[0049] 其中Xtp为报警阈值表示。
[0050] (6)最优阈值求解
[0051 ]报警系统设计目标是使系统的FAR与MAR之和达到最小，则最优阈值求解的目标函 数为:J = FAR+MAR( 5)由式(5)导数，当报警阈值Xtp满足：
[0052]
[0053]则目标函数取值最小，xtP为最优阈值。
[0054]函数积累分布函数CDFyU)是概率密度分布函数的积分函数PDFmU)，可表示 为，其中μ，σ为随机变量的X均值与方差。值得注意的是，式(6)中积累分布函数CDF没有解析 表达式，在实际运算时，我们用高斯误差函数的基本初等函数近似形式来表示积累分布函 数。
[0055]
(7)
[0056] 其中 z ，ai = 0.278393，a2 = 0.230389，a3 = 0.000972，a4 = 〇. 078108,最大误 差为 5 ΧΙΟ-4。
[0057] 求当滑动平均滤波器阶数取不同值时（1〈η〈8)，使目标函数（5)最小的报警阈值 xtp，求解最优阈值的过程如表2所示。
[0058]表2最优阈值的求解过程
[0059]
[0060] (7)滤波器参数确定
[0061]进行5000次蒙特卡洛模拟，求不同情况下，报警系统平均检测延时(ADD)的值，步 骤如表3所示ADD的统计过程。
[0062]
[0063] (8)滤波器参数确定
[0064] 报警系统要求?六1^，1^〈|^00〈11，根据(6)(7)计算结果，可求得满足要求的滤波 器阶数η和报警系统阈值xtp。
【主权项】
1. 一种基于历史数据的工业报警系统，其特征包括如下步骤： (1) 从工厂分布式控制系统数据库中选取一段历史数据，包含系统发生故障前后的采 样信息;根据故障发生时采样数据均值和方差的变化，将数据分成"正常"数据和"故障"数 据； (2) 用小波滤波器分别将正常数据和故障数据都分为高频与低频两个部分； (3) 利用数据低频部分表示采样数据均值的分布情况;采用核屯、平滑密度估计法，得正 常数据均值μι在[a, b]范围变化，μι的概率密度函数表示为：故障数据组均值μ2在[c，d]范围变化，化的概率密度函数表示为：(4) 正常数据和故障数据高频部分主要为采样白噪声，采用核屯、平滑密度估计法得正 常数据方差01和故障数据方差02;正常数据和故障数据的高频部分概率密度函数分别表示 为：尸〇6':|.。（.、〇 和化； (5) 利用阶数为η的滑动平均滤波器对采用数据高频部分滤波；滤波只改变了数据方 差，且新的方差与原来方差之间的关系为：(6) 利用数据的概率统计特性，推导评价指标报警系统误报率(FAR)和漏报率(MAR)的 表达式：其中X化为报警阔值表示，Κη<8; (7) 报警系统设计目标是使系统的FAR与MAR之和达到最小；当滑动平均滤波器阶数取 不同值时，求使FAR+MR最小的报警系统最优报警阔值xtp; (8) 在滤波器阶数取不同值，报警阔值取最优xtp时，利用蒙特卡洛模拟，求不同情况下 报警系统的平均检测延时ADD的值； (9) 报警系统要求。43<〇，141?作，400<11，根据步骤7)计算结果，得到满足要求的滤波器 阶数η和报警系统阔值xtp。
【文档编号】G06F19/00GK105975748SQ201610272910
【公开日】2016年9月28日
【申请日】2016年4月27日
【发明人】夏浩, 杨希珞
【申请人】大连理工大学