專利名稱：一種基于報(bào)警證據(jù)融合的工業(yè)報(bào)警器設(shè)計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于報(bào)警證據(jù)融合濾波的工業(yè)報(bào)警器設(shè)計(jì)方法，屬于工業(yè)報(bào)警器設(shè)計(jì)技術(shù)領(lǐng)域。
背景技術(shù)：
在石油化工等工業(yè)領(lǐng)域中，對大型設(shè)備主要運(yùn)行過程變量的超限報(bào)警是掌握設(shè)備運(yùn)行情況，及時(shí)發(fā)現(xiàn)設(shè)備異?；蚬收系闹匾侄?。報(bào)警器產(chǎn)生的警報(bào)可以提醒設(shè)備操作者或維護(hù)人員及時(shí)采取停機(jī)或降級運(yùn)行等措施，保證設(shè)備不受到更為嚴(yán)重的損害。報(bào)警器是否報(bào)警取決于所監(jiān)測的過程變量是否觸發(fā)設(shè)定的報(bào)警閾值。然而在實(shí)際應(yīng)用中，當(dāng)報(bào)警器閾值設(shè)計(jì)不當(dāng)時(shí)，常常會出現(xiàn)誤報(bào)甚至警報(bào)泛濫以及漏報(bào)等情況。這都會引起設(shè)備操作者無法準(zhǔn)確判斷設(shè)備真實(shí)的運(yùn)行狀況，從而導(dǎo)致不再信任報(bào)警器提供的警報(bào)信息。所以衡量一個(gè)報(bào)警器性能的基本指標(biāo)為誤報(bào)率和漏報(bào)率。英國工程設(shè)備和材料用戶協(xié)會標(biāo)準(zhǔn)中已經(jīng)·給出了數(shù)字濾波、時(shí)間延遲、設(shè)置死區(qū)等幾類常用的報(bào)警器設(shè)方法，但是這些傳統(tǒng)方法報(bào)警的判別方式都是基于絕對閾值的，即過程變量超過閾值則立即報(bào)警，低于閾值報(bào)警即刻解除。但是，這種絕對閾值的設(shè)計(jì)思路并不能很好的消除設(shè)備運(yùn)行及傳感器信息采集中各種不確定性干擾，從而并不能完全有效地降低誤報(bào)率和漏報(bào)率，最終達(dá)到提高報(bào)警精準(zhǔn)性的目的。為了進(jìn)一步降低報(bào)警器的誤報(bào)率和漏報(bào)率，新興的信息融合技術(shù)，可以將不同時(shí)刻取得的含有不確定性的報(bào)警信息在某種規(guī)則下進(jìn)行融合，從而降低不確定性因素對報(bào)警結(jié)果的影響，以獲得對設(shè)備運(yùn)行狀態(tài)更精準(zhǔn)的一致性解釋與描述，有效提高報(bào)警器警報(bào)的精準(zhǔn)性。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種基于報(bào)警證據(jù)融合的工業(yè)報(bào)警器設(shè)計(jì)方法，與傳統(tǒng)報(bào)警器設(shè)計(jì)方法中采用的絕對閾值報(bào)警判別方式不同，本發(fā)明所提方法基于模糊隸屬度函數(shù)設(shè)計(jì)出模糊閾值，將每個(gè)時(shí)刻過程變量的取值與模糊閾值進(jìn)行比較計(jì)算出報(bào)警證據(jù)，該報(bào)警證據(jù)體現(xiàn)了過程變量取值超過或低于模糊閾值的不確定性程度；然后利用線性加權(quán)證據(jù)更新規(guī)則將當(dāng)前時(shí)刻報(bào)警證據(jù)與以往時(shí)刻報(bào)警證據(jù)進(jìn)行融合，得出當(dāng)前時(shí)刻的全局報(bào)警證據(jù)，在相關(guān)判定準(zhǔn)則下判定是否發(fā)出警報(bào)，融合過程可以有效降低不確定性的影響，提升報(bào)警器的精準(zhǔn)性。本發(fā)明提出的基于報(bào)警證據(jù)融合的工業(yè)報(bào)警器設(shè)計(jì)方法，包括以下各步驟(I)設(shè)定某一設(shè)備報(bào)警器的辨識框架為 = {N，A}，其中N (Normal)表示設(shè)備處于正常運(yùn)行狀態(tài)，A (Abnormal)表示設(shè)備處于異常運(yùn)行狀態(tài)亦即報(bào)警狀態(tài)。(2)設(shè)X為該設(shè)備報(bào)警器需要監(jiān)測的過程變量，令x(k)，k=l, 2，3，…是傳感器對過程變量X的在線測量序列，k為采樣時(shí)刻，采樣個(gè)數(shù)由報(bào)警器的監(jiān)測周期和監(jiān)控計(jì)算機(jī)的存儲空間而定，一般k的最大取值要大于2000，記1，WM和111P(WO)分別為X變化的最小值和最大值，定義Xtp為確定性閾值，并有msin< max(x(/:))，構(gòu)造過程變量x關(guān)
于正常運(yùn)行狀態(tài)N和異常運(yùn)行狀態(tài)A隸屬度函數(shù)形式的模糊閾值分別為yN(X)和Ua(X),如式⑴和式⑵所示
hx<xfp
X-XufJN(x) = ~^,Xfp <x<xlf(I)
xv—xtp
0,x>xl
0,x<xfp·
X —JUi (X) = ^<X<《(2)
Xtp —Xtp
1,X > X1m其中4和4分別表示報(bào)警上下限，上標(biāo)L代表下(low),上標(biāo)U代表上(up)，并有4=x^(1_5%) K=xtp(l+5%)，式(2)表明當(dāng)過程變量X取值超過Xtp并逐步變大時(shí)，則設(shè)備隸屬于異常狀態(tài)的程度逐步加大。(3)將k時(shí)刻過程變量X的測量值x(k)分別帶入上述步驟(2)中關(guān)于正常運(yùn)行狀態(tài)N和異常運(yùn)行狀態(tài)A的模糊閾值Un(X)和Ua(X)中，即可計(jì)算x(k)隸屬于N和A的隸屬程度mk (N)和mk(A)，分別如式(3)和式(4)所示
1,aW X1iimk (N) = < 》，xfp < x(k) < xl(3)
X￥ _xw
0,x(k)>xJlp
0,x(k)<x^x(k)-xfmt(A) =f,x <x(k) <x(4)
Y-Yv ^
P tP
1,x(k)> X^t顯然有mk (N) +mk (A)=I,則稱mk (N)和mk (A)為k時(shí)刻關(guān)于過程變量x的報(bào)警證據(jù)，并令mk = (mk (N)，mk (A))為k時(shí)刻獲得的報(bào)警證據(jù)向量。(4)按照上述步驟(3)獲得當(dāng)前k時(shí)刻及其以往各個(gè)時(shí)刻關(guān)于過程變量X的報(bào)警證據(jù)向量之后，可以利用線性加權(quán)證據(jù)更新規(guī)則將k時(shí)刻報(bào)警證據(jù)向量與其以往時(shí)刻報(bào)警證據(jù)向量進(jìn)行融合，得出當(dāng)前k時(shí)刻的全局報(bào)警證據(jù)向量，記為< =(mf (N),mf(A))，上標(biāo)g代表全局(global),具體步驟如下(4-1)當(dāng) k=l 時(shí),有< =(mf (W),(X)) = #7丨，亦即全局報(bào)警證據(jù)
向量即為該時(shí)刻獲得的報(bào)警證據(jù)向量。(4-2)當(dāng)k = 2時(shí)，有OTf =(mg2 (NlmI(A))，其中的<(#)是如式(5)所示的加權(quán)融合結(jié)果:ml (N) = aLmf (N)+ a2(5)這里的a I = 0. 5是關(guān)于OTf的加權(quán)比例因子，a 2 = 0. 5是關(guān)于Hi2(N)的加權(quán)比例因子t>力關(guān)于m2 (N)的示性因子，當(dāng)m2(N)>m；^A)時(shí)= I，當(dāng)m2 (N) <m2⑷時(shí)O =Ogm2(N)=Hi2(A) =0.5，/^(』)是如式(6)所示的加權(quán)融合結(jié)果rm(A) = a.mf{A) + a, 'S21(6)這里的故為關(guān)于m2(A)的示性因子，當(dāng)m2(N)>m2(A)時(shí)<5 =0，當(dāng)m2 (N) <m2⑷時(shí)d，=1，當(dāng) m2 (N) = m2 (A)時(shí)5/ =0.5，則有(#} + OTf (J) = I。(4-3)當(dāng)k彡3時(shí),有=(mgk(N),mgk(A))，其中的<(W)是如式(7)所示的加權(quán)融·合結(jié)果mgk (N) = OCkJnl1 (N) + ak《(7)這里的a H是關(guān)于 <—游加權(quán)比例因子，a,是關(guān)于mk的加權(quán)比例因子，其求法如以下步驟所示(a)在獲得k時(shí)刻報(bào)警證據(jù)向量mk = (mk (N), mk(A))和k_l時(shí)刻的全局報(bào)警證據(jù)向量= (HiHg(N) ,HiHg(A))以及k-2時(shí)刻的全局報(bào)警證據(jù)向邏n =Hnl^XmlAM之后，分別計(jì)算mk、Hik^g和<_2之間的兩兩余弦相似度為
廣,e、mt (Nyml^g (N)+ mk(A)(8}=
^ / ^ 、 nhnnt-2^h(N)*mf_2(N) + mk(Ayml_,(A)(9)
mfjmk_ts (AQ.mf—2 (N) + m卜產(chǎn)(A)Wtl1 (J)(10)(b)按照上述步驟(a)獲得Cos (mk，Hik^s)2)和廣片―2)后，再分別計(jì)算n^mk^和所|_2中每個(gè)報(bào)警證據(jù)向量被其它兩個(gè)報(bào)警證據(jù)向量的支持度為Sup(mk) = Cos (mk，mk__'g) + Cos(mk, mf_2)(11) Sup(mk^g) = Cos(mk，mk^g) + Cos(mk^g, msk^_)(12)Sup(mf__2) = Cos(mk, mf_2) + Cos{mk_xg，m\_2)(13)(c)按照上述步驟(b)獲得Sup (mk)、Sup (mklg)和如2)后，再分別計(jì)算關(guān)于的+加權(quán)比例因子a k_x和關(guān)于mk的加權(quán)比例因子a k為
Sup(mk_,s ) + Siip(mf_0)/1= e …J rg, 二 g 、(14)
Supimk) + SupimkS ) + Sup{ml_2)
Sup(Wik) i. =----(15)
Sup(mk) + Sup(mk—'g ) + Supimf^2)顯然有a H+ a k = I。<5f為關(guān)于mk (N)的示性因子，當(dāng)mk (N) >mk⑷時(shí)# = I，當(dāng)mk (N) <mk⑷時(shí)= 0，當(dāng)mk(N) =mk(A)時(shí)5f=0.5，wf(j)是如式(16)所示的加權(quán)融合結(jié)果m>!{A)^ak ^n; ,{A) + ah 6；'(16)
這里的<為關(guān)于mk(A)的示性因子，當(dāng)mk(N)>mk(A)時(shí)片=0，當(dāng)mk(N) <mk(A)時(shí)St = I,當(dāng) mk (N) = mk (A)時(shí)貧=0 S 則有(N) + m8k ⑷=I。(5)根據(jù)步驟(4)得到的k時(shí)刻的全局證據(jù)向量< ={mgk (NXmgk (A))，給出報(bào)警準(zhǔn)則若Wf⑷2<(的則報(bào)警，即說明此時(shí)過程變量X的取值x(k)表明設(shè)備處于異常運(yùn)行狀態(tài)，若<04)<吋(#)則不報(bào)警，即說明此時(shí)過程變量X的取值x(k)表明設(shè)備處于正常運(yùn)行狀態(tài)。(6)求取誤報(bào)率和漏報(bào)率最小時(shí)對應(yīng)的最優(yōu)模糊閾值/<(x)和丨(X)，上標(biāo)0代表最優(yōu)(optimal),具體步驟如下(a)事先從步驟(2)所述過程變量X的測量序列的歷史數(shù)據(jù)集合中，選出M個(gè)測量值作為尋找⑴和<⑷的測試樣本，排成序列X' (t)，t = 1，2，3，…M，一般M彡1000，并確知其中有Mn個(gè)測量值是在設(shè)備處于正常運(yùn)行狀態(tài)時(shí)測得的，MaA測量值是在設(shè)備處于異常運(yùn)行狀態(tài)測得的，X'⑴需要覆蓋X的變化區(qū)間[41市⑷Xmp (X⑷)]，且有Mn=O. 5 -M·和 Ma=O. 5 Mo(b)令步驟(2)中的確定性閾值Xtp依次取呼辦㈨州〃-…、,J1=Ij 2，…，20，
max (x{k))-min (x(々)}
其中 A =」，對于每個(gè) xlp=imn(x(k))+(n-iyA,有.^=^,(1-5%)，
<=^0+5%)，則可以構(gòu)造形如式(I)和⑵的模糊閾值Un(X)和UA(x)。(c)對于每個(gè)~IM，n=1，2，…，20，將步驟(a)中給出的測試樣本序列X' (t)，t=l，2，3，…M，代入步驟(3)中給出的報(bào)警證據(jù)求取公式，得到每個(gè)測試樣本的報(bào)警證據(jù)，如式(17)和(18)所示
I，義VX 4
xf(t) - ytL . , mt (N) = j L — J ,xtp < x (/) <xp(17)
xtP ~xtP
Q,x\t)>xl
0,^(0 <x'{t) - xfmt(J) = ] —f-,xv < x ( ) <xtp(18)
xip —xv
UV)>xl并得到報(bào)警證據(jù)向量mt = (mt(N)，mjA)), t=l, 2，3,…M。(d)按照步驟(4)中給出的線性加權(quán)證據(jù)更新規(guī)則對步驟(c)中給出的mt =(mt (N)，mt (A))進(jìn)行融合，得出全局報(bào)警證據(jù)向量= (mf (N), mf⑷)，并按照步驟(5 )中給出的準(zhǔn)則，由= (A0， f⑷)判斷M個(gè)測試樣本給出的報(bào)警結(jié)果。(e)對于每個(gè)\ = min(x(k))+( i-iyA，n=1，2，…，20，根據(jù)步驟(d)中給出的報(bào)警結(jié)果統(tǒng)計(jì)在此Xtp取值時(shí)的虛警率FAR和漏報(bào)率MAR，具體公式如下MfFAR = -—(19)
Mn
\A MAR = —(20)
MA在式(19)中，將表明設(shè)備正常運(yùn)行的Mn個(gè)測試樣本中，按步驟(d)中給出報(bào)警結(jié)果，錯(cuò)誤判斷設(shè)備處于異常運(yùn)行狀態(tài)的次數(shù)記為M'，在式(20)中，將表明設(shè)備異常運(yùn)行的Ma個(gè)測試樣本中，按步驟(d)中給出報(bào)警結(jié)果，錯(cuò)誤判斷設(shè)備處于正常運(yùn)行狀態(tài)的次數(shù)記為M"。(f)對于每個(gè)夂=m^(x(/f))+("-l)*A，n=1，2，…，20，都可按照步驟(e)計(jì)算出相
應(yīng)的20組虛警率FAR和漏報(bào)率MAR，挑選出其中使得(FAR2+MAR2) 5取最小值的那個(gè)Xtp作為最優(yōu)的確定性閾值，記為<，根據(jù)步驟(2)即可構(gòu)造出最優(yōu)的模糊閾值和M(X)。(7)按照步驟(f)獲取過程變量X的最優(yōu)模糊閾值W(X)和Z(X)之后，即可按照步驟(3)至步驟(5)獲得在線測量序列x(k)，k=l, 2，3，…，在每個(gè)時(shí)刻的報(bào)警結(jié)果。本發(fā)明提出的一種基于報(bào)警證據(jù)融合的工業(yè)報(bào)警器設(shè)計(jì)方法，基于模糊隸屬度函數(shù)設(shè)計(jì)出模糊閾值，將每個(gè)時(shí)刻過程變量的測量值與模糊閾值進(jìn)行比較計(jì)算出報(bào)警證據(jù)，該報(bào)警證據(jù)體現(xiàn)了過程變量取值超過或低于模糊閾值的不確定性程度；利用線性加權(quán)證據(jù)更新規(guī)則將當(dāng)前時(shí)刻報(bào)警證據(jù)與以往時(shí)刻報(bào)警證據(jù)進(jìn)行融合，得出當(dāng)前時(shí)刻的全局報(bào)警證據(jù)，在相關(guān)判定準(zhǔn)則下判定是否發(fā)出警報(bào)，融合過程可以有效降低不確定性的影響，提升報(bào)警器的精準(zhǔn)性；并根據(jù)過程變量測量數(shù)據(jù)中提取的測試樣本，給出了尋找誤報(bào)率和漏報(bào)率最低準(zhǔn)則下最優(yōu)模糊閾值的方法。根據(jù)本發(fā)明方法編制的程序(編譯環(huán)境LabVIEW，C++等)可以在監(jiān)控報(bào)警計(jì)算機(jī)上運(yùn)行，并聯(lián)合傳感器、數(shù)據(jù)采集器及數(shù)據(jù)存儲器等硬件組成在線報(bào)警系統(tǒng)，實(shí)現(xiàn)對設(shè)備運(yùn)行狀況的實(shí)時(shí)報(bào)警功能。


圖I是本發(fā)明方法的流程框圖。圖2是本發(fā)明方法的實(shí)施例中過程變量X的在線測量序列。圖3是本發(fā)明方法的實(shí)施例中過程變量X的測試樣本序列。圖4是本發(fā)明方法的實(shí)施例中Xtp = I時(shí)對應(yīng)給出的模糊閾值。圖5是本發(fā)明方法的實(shí)施例中< =0.744時(shí)對應(yīng)給出的最優(yōu)模糊閾值。
具體實(shí)施例方式本發(fā)明提出的一種基于報(bào)警證據(jù)融合的工業(yè)報(bào)警器設(shè)計(jì)方法，其流程框圖如圖I所示，包括以下各步驟(I)設(shè)定某一設(shè)備報(bào)警器的辨識框架為 = {N，A}，其中N (Normal)表示設(shè)備處于正常運(yùn)行狀態(tài)，A (Abnormal)表示設(shè)備處于異常運(yùn)行狀態(tài)亦即報(bào)警狀態(tài)。(2)設(shè)X為該設(shè)備報(bào)警器需要監(jiān)測的過程變量，令x(k)，k=l, 2，3，…是傳感器對過程變量X的在線測量序列，k為采樣時(shí)刻，采樣個(gè)數(shù)由報(bào)警器的監(jiān)測周期和監(jiān)控計(jì)算機(jī)的存儲空間而定，一般k的最大取值要大于2000，記0r(/())和分別為x變化的最小值和最大值，定義Xtp為確定性閾值，并有'inmp(#))，構(gòu)造過程變量x關(guān)于正常運(yùn)行狀態(tài)N和異常運(yùn)行狀態(tài)A隸屬度函數(shù)形式的模糊閾值分別為yN(X)和Ua(X),如式⑴和式⑵所示
lx<xfp x — xuHs(X) = I L _% Xp <x< xI(I)
XtP —Xtp
0,x>x^
0,JC<x^·
Ha (X) = ^ \ , xfp <x< Xxjtp(2)
Xtp ~ Xtp
hx>Xlp其中<和分別表示報(bào)警上下限，上標(biāo)L代表下(low),上標(biāo)U代表上(up)，并有Xi=Xtp(ISVo) ,xl=xtp{\+5%)，式(2)表明當(dāng)過程變量X取值超過Xtp并逐步變大時(shí)，則設(shè)備隸屬于異常狀態(tài)的程度逐步加大。需要說明的是，以上所構(gòu)造的Un(X)和Ua(X)適用于設(shè)備異常運(yùn)行引起過程變量取值變大的情況(情況一)，反之，對于設(shè)備異常運(yùn)行引起過程變量取值變小的情況(情況二)，則情況一中的Un(X)即為情況二中的UA(X)，情況一中的Ua(X)即為情況二中的
y N(X)。(3)將k時(shí)刻過程變量X的測量值x(k)分別帶入上述步驟(2)中關(guān)于正常運(yùn)行狀態(tài)N和異常運(yùn)行狀態(tài)A的模糊閾值yN(k)和yA(X)中，即可計(jì)算x(k)隸屬于N和A的隸屬程度mk (N)和mk(A)，分別如式(3)和式(4)所示
\,x(k)<xfpmk(N) = \ L — ^ ,xl < x(k) <(3)
xtp —xp
0,x(k)>x^p
0,x(k)<xfp x(k) *■-mk(A) = j u _ K < x(k) < xl(4)
xtp —xtP
1,x(k)> X^t 顯然有mk (N) +mk (A)=I,則稱mk (N) mk (A)為k時(shí)刻關(guān)于過程變量x的報(bào)警證據(jù)，并令mk = (mk (N)，mk (A))為k時(shí)刻獲得的報(bào)警證據(jù)向量。需要說明的是，基于所構(gòu)造的模糊閾值，式(3)求解出的mk(N)表示x(k)支持設(shè)備處于“正常運(yùn)行狀態(tài)”的程度，式⑷求解出的mk(A)表示x(k)支持設(shè)備處于“異常運(yùn)行狀態(tài)”的程度。
(4)按照上述步驟(3)獲得當(dāng)前k時(shí)刻及其以往各個(gè)時(shí)刻關(guān)于過程變量X的報(bào)警證據(jù)向量之后，可以利用線性加權(quán)證據(jù)更新規(guī)則將k時(shí)刻報(bào)警證據(jù)向量與其以往時(shí)刻報(bào)警證據(jù)向量進(jìn)行融合，得出當(dāng)前k時(shí)刻的全局報(bào)警證據(jù)向量，記為吋，上標(biāo)g代表全局(global),具體步驟如下(4-1)當(dāng) k=l 時(shí)，有wf = (mf(N),m°(A)) = Ntl= (Jnl (Ar)5W1 (A))，亦即全局報(bào)警證據(jù)向量即為該時(shí)刻獲得的報(bào)警證據(jù)向量。(4-2)當(dāng)k = 2時(shí)，有w_ =(/wf(iV),/wf04))，其中的wf(#)是如式(5)所示的加權(quán)融
合結(jié)果m\ (N) = axmf (N) + a2(5)這里的a i = 0. 5是關(guān)于A的加權(quán)比例因子，a 2 = 0. 5是關(guān)于Hi2(N)的加權(quán)比例因子，為關(guān)于m2 (N)的示性因子，當(dāng)m2 (N) >m2⑷時(shí)< =I，當(dāng)m2 (N) <m2⑷時(shí)= 0，當(dāng)·m2(N)^m2(A)mS^ =0.5煶如式(6)所示的加權(quán)融合結(jié)果(A) = a(A) + or,^d21(6)這里的為關(guān)于m2(A)的示性因子，當(dāng)m2(N)>m2(A)時(shí)故=0，當(dāng)m2 (N) <m2 (A)時(shí) = I,當(dāng) m2 (N) = m2 (A)時(shí)^ = 0.5，則有(N) + mf (A) = I。(4-3)當(dāng)k彡3時(shí),有= Onf(N),m!(A))，其中的 是如式(7)所示的加權(quán)融
合結(jié)果mgk (N) = a^mll (N) + ak .d'f(7)這里的a 是關(guān)于Wl1的加權(quán)比例因子，a k是關(guān)于mk的加權(quán)比例因子，其求法如以下步驟所示(a)在獲得k時(shí)刻報(bào)警證據(jù)向量mk = (mk (N), mk(A))和k_l時(shí)刻的全局報(bào)警證據(jù)向量HiHg = OiiHg(N) ,HiHg(A))以及k-2時(shí)刻的全局報(bào)警證據(jù)向量= 2W,mf_204))之后，分別計(jì)算mk、Hik^和<2之間的兩兩余弦相似度為
廣, 、 ink-ml /mk(N)-IittJ(N)+ mk(AymkJ(A)(8) =
ros(m ...s/mk(Nyml_2(N) + m,(A).ml_2(A)(9) “ IWHlmMl
人-. mkJ(N).ml2(N) + Tn^jAyml1(A)(10)_6]如_士一+(m!_2{A)f(b)按照上述步驟(a)獲得Cos (mk, mj)、0 (%對—2)和2)后，再分別計(jì)算mk、HV18和/^_2中每個(gè)報(bào)警證據(jù)向量被其它兩個(gè)報(bào)警證據(jù)向量的支持度為Snpimk) = Cos (JTik，mk_^) + Cos (mk, )⑴)Sup(m 卜 ) = Cos(mk，) + Cosimk^g，mf_2)(12)Sup{ml_2) = Cos(mt，mf_2) + Cos(mk^s，mf—_:)(13)(c)按照上述步驟(b)獲得Sup(mk) ,Sup(Hik^g)和2)后，再分別計(jì)算關(guān)于wf—t的加權(quán)比例因子a 和關(guān)于mk的加權(quán)比例因子a k為
Sup{mk *) + Supimgk ,)ak_x =- h __廣 k,-2,--(14)
Sup{mk) + Sup(mk—ig ) + Sup(n^—2)__Supj mt)__「I qk Sup(mk、+ Sup(mk—'g、+ Sup(mf—2)顯然有a H+ a k = I。為關(guān)于mk (N)的示性因子，當(dāng)mk (N) >mk⑷時(shí)< =I，當(dāng)mk (N) <mk⑷時(shí)< =0，當(dāng)mk(N) =HIk(A)時(shí)《=0.5，/<04)是如式(16)所示的加權(quán)融合結(jié)果m； {A) = ak ,m; , (A) + ak .(V:( 16)這里的^為關(guān)于mk⑷的示性因子，當(dāng)mk (N) >mk⑷時(shí)& = 0，當(dāng)mk (N) <mk⑷時(shí)8f =1，當(dāng) mk(N) =mk(A)時(shí)5/ =0.5，則有wf (W) +(= I。為了加深對步驟(4)的理解，這里舉例說明。首先假設(shè)已知k=l，2，3，4，5這5個(gè)時(shí)刻關(guān)于過程變量X的報(bào)警證據(jù)向量如表I所示·表I過程變量X的報(bào)警證據(jù)向量
時(shí)亥丨J kk=\k=2k=3k=4^=5
報(bào)警證據(jù)向量
,m / !=(0,1) " 2=(0.2,0.8) / .尸(0.6,0.4) ///4=(0.7,0.3)吧=(0.9，0.1)
mk={mk(N),mk{A))按照步驟(4)可以給出5個(gè)時(shí)刻的全局報(bào)警證據(jù)分別如下當(dāng)k = I 時(shí),根據(jù)步驟(4-1)可得，In1 ^m1= (0, I)。當(dāng)k = 2 時(shí)，根據(jù)步驟(4-2)可得，mRN、= OtlIngl {N、+ oc2《=Q,其中的a J=O. 5 a 2=0. 5,5f =0= (J) +a2.5 =1，其中( * =1，則有 m2g= (0, I)。當(dāng)k = 3時(shí)，根據(jù)步驟(4-3)可得，<(八/) = ^<(八/)十0 < = 0.263，其中Sf =1，根據(jù)步驟(4_3)中的子步驟 a 可得 Cos (m3, m2g) =0. 5547> Cos (m3, Hi1 g) =0. 5547>Cos (m2g, In18) =1,根據(jù)步驟(4-3)中的子步驟 b 可得 Sup (m3) =1. 1094、Sup (m2g) =1. 5547、Sup(IV)=L 5547，根據(jù)步驟(4-3)中的子步驟c可得a =0. 737和a 3=0. 263，并有mf (A) = a2mf (A) + a3 d,i = 0.737，其中 5 =0，最終則有 m/=(0. 263，0. 737)。當(dāng)k = 4 時(shí)，根據(jù)步驟(4-3)可得，wf (JV) = a3/wf(iV) + a4*<54v = 0.459，其中 =1，根據(jù)步驟(4_3)中的子步驟子 a 可得 Cos (m4, m3s) =0. 6799> Cos (m4, m2g) =0. 3939、
Cos (m3g, m2g) =0. 9418,根據(jù)步驟(4-3)中的子步驟 b 可得 Sup (m4) =1. 0738、Sup (m3s) =1. 6217、Sup(m2g)=l. 3358，根據(jù)步驟(4-3)中的子步驟c可得a 3=0. 7336和a 4=0.2664，并有m; (A) = a3m (A) + = 0.541，其中( 1 = 0，最終則有 m4g= (0. 459，0. 541)。當(dāng)k = 5 時(shí)，根據(jù)步驟(4-3)可得，<(A0 = a4/wf(A0 + a5.5, = 0.609,其中 =1，根據(jù)步驟(4-3)中的子步驟 a 可得 Cos (m5, m4s) =0. 7276、Cos (m5, m3g) =0. 438、
Cos (m4g, m3g) =0. 9354,根據(jù)步驟(4-3)中的子步驟 b 可得 Sup (m5) =1. 1656、Sup (m4s) =1. 663、Sup(m3g)=l. 3734，根據(jù)步驟(4-3)中的子步驟c可得a 4=0. 7226和a 5=0.2774，并有< (A) = a4ms4 (A) + a5 .(5/ = 0.391，其中5/ =0，最終則有 m5g= (0. 609，0. 391)。(5)根據(jù)步驟(4)得到的k時(shí)刻的全局證據(jù)向量wf = (mf (NlmI(A))，給出報(bào)警準(zhǔn)則若則報(bào)警，即說明此時(shí)過程變量X的取值x(k)表明設(shè)備處于異常運(yùn)行狀態(tài)，若<(』)<<(#)則不報(bào)警，即說明此時(shí)過程變量X的取值x(k)表明設(shè)備處于正常運(yùn)行狀態(tài)。在上例中，根據(jù)5個(gè)時(shí)刻輸出的全局報(bào)警證據(jù)向量，根據(jù)步驟(5)可以給出報(bào)警結(jié)果如表2所示表2報(bào)警結(jié)果輸出
"7777"~全局報(bào)警證據(jù)向量 ZTTTZ^
時(shí)刻I g/ /m 報(bào)警結(jié)果 _H =(mgk (N),mgk(A))_
k=lmf =(0,1)異常運(yùn)行(J)A=2w/=(0,1)異常運(yùn)行(』)·
*=3 /=(0.263,0.737)異常運(yùn)行(A)
k=4 /W/=(0.459,0.541)異常運(yùn)行(J)
k=5 m "=(0.609,0.391)正常運(yùn)行(AO(6)求取誤報(bào)率和漏報(bào)率最小時(shí)對應(yīng)的最優(yōu)模糊閾值(X)，上標(biāo)0代表最優(yōu)(optimal),具體步驟如下(a)事先從步驟(2)所述過程變量X的測量序列的歷史數(shù)據(jù)集合中，選出M個(gè)測量值作為尋找和的測試樣本，排成序列X' (t)，t = 1，2，3，…M，一般M彡1000，并確知其中有Mn個(gè)測量值是在設(shè)備處于正常運(yùn)行狀態(tài)時(shí)測得的，MaA測量值是在設(shè)備處于異常運(yùn)行狀態(tài)測得的，X'⑴需要覆蓋X的變化區(qū)間[呼屯⑷)#嚴(yán)(難))]，且有Mn=0. 5 -M和 Ma=O. 5 Mo(b)令步驟(2)中的確定性閾值Xtp依次取njnO(幻，n=1，2，…，20，其中 max (x(k))-min (.v(/;))
A=」，對于每個(gè)\ =m{in(雄))+(〃-” A 有;^=xfp(l-5%) ,^=^(1+5%)，
則可以構(gòu)造形如式⑴和⑵的模糊閾值Un(X)和UA(x)。(c)對于旬I =m;in(x(A))+("-IVA，n=1，2，…，20，將步驟(a)中給出的測試樣本序列X' (t)，t=l，2，3，…M，代入步驟(3)中給出的報(bào)警證據(jù)求取公式，得到每個(gè)測試樣本的報(bào)警證據(jù)，如式(17)和(18)所示
xf — Xmt (N) = j ￡ _ ^ , 4 < x'(t) < %1(17)
Xtp — Xtp
0-,(/) > x；p
0,xr(t)<xfp
Xr(t) -X^mt (A) = j ir— ^ ,Xtp < x\t) <x-;p(18)
xtp —x>p
1,x'(t)>x^p并得到報(bào)警證據(jù)向量mt = (mt(N)，mt(A)), t=l, 2，3, ...M。(d)按照步驟(4)中給出的線性加權(quán)證據(jù)更新規(guī)則對步驟(c)中給出的mt =(mt (N), mt (A))進(jìn)行融合，得出全局報(bào)警證據(jù)向量mf =Of (#)，<⑷)，并按照步驟(5)中給出的準(zhǔn)則，由wf = (wf (W)，wf (3))判斷M個(gè)測試樣本給出的報(bào)警結(jié)果。(e)對于每個(gè)\ =n^iii(x伙))+(〃-l>A，n=1，2，…，20，根據(jù)步驟(d)中給出的報(bào)警
結(jié)果統(tǒng)計(jì)在此Xtp取值時(shí)的虛警率FAR和漏報(bào)率MAR，具體公式如下
MfFAR---(19)
Mn
U"·
MAR=-(20)在式(19)中，將表明設(shè)備正常運(yùn)行的Mn個(gè)測試樣本中，按步驟(d)中給出報(bào)警結(jié)果，錯(cuò)誤判斷設(shè)備處于異常運(yùn)行狀態(tài)的次數(shù)記為M'，在式(20)中，將表明設(shè)備異常運(yùn)行的Ma個(gè)測試樣本中，按步驟(d)中給出報(bào)警結(jié)果，錯(cuò)誤判斷設(shè)備處于正常運(yùn)行狀態(tài)的次數(shù)記為M"。(f)對于每個(gè)~ = m^C^))+("-IM，n=1，2，…，20，都可按照步驟(e)計(jì)算出相
應(yīng)的20組虛警率FAR和漏報(bào)率MAR，挑選出其中使得(FAR2+MAR2) 5取最小值的那個(gè)Xtp作為最優(yōu)的確定性閾值，記為 <，根據(jù)步驟(2)即可構(gòu)造出最優(yōu)的模糊閾值/^(X)和。需要說明的是，在以上步驟(6)的子步驟(a)中，在計(jì)算量允許的情況下，用于選擇最優(yōu)模糊閾值和/^㈨的測試樣本個(gè)數(shù)M越大越好，子步驟(b)中Xtp取值個(gè)數(shù)n的最大值越大越好，因?yàn)榇藭r(shí)對于每個(gè)4獲得的虛警率FAR和漏報(bào)率MAR會更加精確，所以本發(fā)明中給出的1000以及n最大取到20是結(jié)合步驟(6)在實(shí)施中節(jié)省計(jì)算量方面的考慮設(shè)定的，實(shí)際中可以適當(dāng)增大M和n的最大值的取值。(7)按照步驟(f)獲取過程變量X的最優(yōu)模糊閾值M(X)和<(x)之后，即可按照步驟(3)至步驟(5)獲得在線測量序列x(k)，k=l, 2，3，…，在每個(gè)時(shí)刻的報(bào)警結(jié)果。以下結(jié)合附圖，詳細(xì)介紹本發(fā)明方法的實(shí)施例本發(fā)明方法的流程框圖如圖I所示，核心部分是在確定需要監(jiān)測的設(shè)備過程變量及其在線測量序列之后，造出關(guān)于該變量的模糊閾值，將每個(gè)時(shí)刻過程變量的測量值與模糊閾值進(jìn)行比較計(jì)算出報(bào)警證據(jù)；利用線性加權(quán)證據(jù)更新規(guī)則將當(dāng)前時(shí)刻報(bào)警證據(jù)與以往時(shí)刻報(bào)警證據(jù)進(jìn)行融合，得出當(dāng)前時(shí)刻的全局報(bào)警證據(jù)，在相關(guān)判定準(zhǔn)則下判定是否發(fā)出警報(bào)，融合過程可以有效降低不確定性的影響，提升報(bào)警器的精準(zhǔn)性；根據(jù)過程變量測量數(shù)據(jù)中提取的測試樣本，給出了尋找誤報(bào)率和漏報(bào)率最低準(zhǔn)則下最優(yōu)模糊閾值的方法。以下結(jié)合圖2中所示的過程變量的在線監(jiān)測數(shù)據(jù)，給出最佳實(shí)施例，詳細(xì)介紹本發(fā)明方法的各個(gè)步驟，并通過實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證在最優(yōu)模糊閾值下得到的誤報(bào)率和漏報(bào)率顯著低于最優(yōu)絕對閾值下傳統(tǒng)時(shí)間延遲方法得到的誤報(bào)率和漏報(bào)率。I、給定設(shè)備過程變量X的在線監(jiān)測數(shù)據(jù)序列x(k)。過程變量X的在線監(jiān)測數(shù)據(jù)序列x(k)如圖2所示，k的最大取值為4000，通過統(tǒng)計(jì)可知X變化的最小值和最大值mp(^》=7'46G2。2、求取誤報(bào)率和漏報(bào)率最小時(shí)對應(yīng)的最優(yōu)的模糊閾值/^(X)和(X)。根據(jù)步驟(6)中的子步驟(a)，若經(jīng)事后分析得出，圖2所示的在線測量序列x(k)中，x(l) IlJ X(500)以及x(lOOl) IlJ X(1500)這1000個(gè)測量值是在設(shè)備處于正常運(yùn)行狀態(tài)(N)下測得的，x(501)到x(lOOO)以及x(1501)到x(2000)這1000個(gè)測量值是在設(shè)備處于異常運(yùn)行狀態(tài)(A)下測得的，則共有Mn = 1000個(gè)測量值是設(shè)備正常運(yùn)行時(shí)所得數(shù)據(jù)，共有Ma=IOOO個(gè)測量值是設(shè)備異常運(yùn)行時(shí)所得數(shù)據(jù)。將這兩組共2000個(gè)測量值排列成測試樣本序列X' (t), t = I, 2, 3,…M,M = MN+MA=2000,如圖3所示,X'⑴覆蓋了 x的變化區(qū)間[niin Cv(A)),max (x(k))}=[-5A 773,7.4602]唭中前1000個(gè)樣本是設(shè)備正常運(yùn)行時(shí)采集的MnA
測量值，后1000個(gè)樣本是設(shè)備異常運(yùn)行時(shí)采集的Ma個(gè)測量值。根據(jù)步驟(6 )中的子步驟(b )，令確定性閾值Xtp依次取呼1 (x(k))+(// - O-A，
max (x(/())-min {x(k))
n-1，2，…，20，其中A =-= 0.6071 ，對于母個(gè)x = min (.y(A))+(//-!)*A
Z\J^ k·
有4=\(1-5%) 4^(1+5%)，則可以構(gòu)造形式⑴和⑵的模糊閾值，圖4中以Xtp=I為例，給出了其相應(yīng)的模糊閾值。根據(jù)步驟(6)中的子步驟(C) - Cf)可得，當(dāng)Xtp=O. 744時(shí)，在其對應(yīng)的模糊閾值(如圖5所示)下獲得最小的(FAR2+MAR2)°-5=0. 0332，其中FAR=O. 9%和MAR=3. 2%。則圖4中的模糊閾值即為最優(yōu)的模糊閾值Z(X)和/^(X)，并記最優(yōu)的確定性閾值為< =0.744，相應(yīng)的有最優(yōu)的報(bào)警上下限分別為<[:=<(1+5%)和<~<(1-5%)。3、在設(shè)計(jì)的最優(yōu)模糊閾值/4(4和Mb)下給出報(bào)警結(jié)果。在得到過程變量X的最優(yōu)模糊閾值/^(X)和(X)之后，即可按照步驟(3)至步驟(5)獲得在線測量序列x(k)，k=l，2，3，…，在每個(gè)時(shí)刻的報(bào)警結(jié)果。若利用傳統(tǒng)的時(shí)間延遲報(bào)警器設(shè)計(jì)方法，即當(dāng)x(k)中有連續(xù)3個(gè)測量值超過絕對閾值義時(shí)就報(bào)警，否則不報(bào)警。通過在區(qū)間
WM-5J773J46O2]中搜索，可選取出令(FAR2+MAR2) .5最小的最優(yōu)絕對=0-7502，而此時(shí)的誤報(bào)率和漏報(bào)率分別為FAR=19. 5%和MAR=14. 4%，兩者的取值都大于本發(fā)明所給出的最優(yōu)模糊閾值/^(X)和下的誤報(bào)率和漏報(bào)率，這說明了本發(fā)明所給出報(bào)警器設(shè)計(jì)方法有更好的精準(zhǔn)性。
權(quán)利要求
1.一種基于報(bào)警證據(jù)融合的工業(yè)報(bào)警器設(shè)計(jì)方法，其特征在于該方法包括以下各步驟 (1)設(shè)定某一設(shè)備報(bào)警器的辨識框架為Θ= {N，A}，其中N表示設(shè)備處于正常運(yùn)行狀態(tài)，A表示設(shè)備處于異常運(yùn)行狀態(tài)亦即報(bào)警狀態(tài)； (2)設(shè)X為該設(shè)備報(bào)警器需要監(jiān)測的過程變量，令x(k)，k=l，2，3，…是傳感器對過程變量X的在線測量序列，k為采樣時(shí)刻，采樣個(gè)數(shù)由報(bào)警器的監(jiān)測周期和監(jiān)控計(jì)算機(jī)的存儲空間而定，k的最大取值要大于分別為X變化的最小值和最大值，定義Xtp為確定性閾值，并有 < max{x{k))，構(gòu)造過程變量x關(guān)于正常運(yùn)行狀態(tài)N和異常運(yùn)行狀態(tài)A隸屬度函數(shù)形式的模糊閾值分別為μΝ(χ)和μΑ(χ)，如式(I)和式⑵所示
全文摘要
本發(fā)明涉及一種基于報(bào)警證據(jù)融合的工業(yè)報(bào)警器設(shè)計(jì)方法，屬于工業(yè)報(bào)警器設(shè)計(jì)技術(shù)領(lǐng)域。該方法基于模糊隸屬度函數(shù)構(gòu)造出模糊閾值，將每個(gè)時(shí)刻過程變量的測量值與模糊閾值進(jìn)行比較計(jì)算出報(bào)警證據(jù)，該報(bào)警證據(jù)體現(xiàn)了過程變量取值超過或低于模糊閾值的不確定性程度；利用線性加權(quán)證據(jù)更新規(guī)則將當(dāng)前時(shí)刻報(bào)警證據(jù)與以往時(shí)刻報(bào)警證據(jù)進(jìn)行融合，得出當(dāng)前時(shí)刻的全局報(bào)警證據(jù)，在相關(guān)判定準(zhǔn)則下判定是否發(fā)出警報(bào)，融合過程可以有效降低不確定性的影響，提升報(bào)警器的精準(zhǔn)性；并根據(jù)過程變量測量數(shù)據(jù)中提取的測試樣本，給出了尋找誤報(bào)率和漏報(bào)率最低準(zhǔn)則下最優(yōu)模糊閾值的方法。
文檔編號G08B21/18GK102789676SQ201210285220
公開日2012年11月21日 申請日期2012年8月10日 優(yōu)先權(quán)日2012年8月10日
發(fā)明者宋曉靜, 徐曉濱, 文成林 申請人:杭州電子科技大學(xué)