基于ARIMA预测修正的工控系统态势理解算法

发布时间：2024-02-14 20:01

　　结合态势感知的概念,重点对工控系统现场控制层数据进行分析,提出一种针对工业控制系统的态势理解算法。该算法利用FCM算法实现系统正常状态空间的建模,度量出实时状态偏离正常状态的程度;此外,利用数据的时序性,通过ARIMA预测出后续时刻系统数据信息;最后使用滑动窗口技术实现对系统过去、当前和未来的数据信息融合,计算出可以表征系统实时态势的二元组,直观地呈现出系统的实时安全状况,实现当前态势理解。通过数据仿真实验,验证了算法的可执行性和有效性,该算法的输出可以为安全管理人员提供可靠的决策信息。

【文章页数】：5 页

【部分图文】：

图3工业控制系统态势感知模型

工业控制系统态势感知模型分为三层:态势要素提取、态势理解、态势预测[19～21];层层递进，每层的输出都是下一层的输入，整个态势感知过程如图3所示。态势要素提取层的作用是从系统中提取出一些能够表征系统状态信息的数据，这些数据也叫做安全态势要素;这个阶段主要包括数据获得和数据预处理....

图4基于ARIMA预测修正的工控系统态势理解流程

态势要素提取层的作用是从系统中提取出一些能够表征系统状态信息的数据，这些数据也叫做安全态势要素;这个阶段主要包括数据获得和数据预处理，该阶段所收集的态势要素的有效性直接决定了整个态势感知最终输出的有效性。本文所获得的数据是工控系统现场控制层数据，每一个时刻的数据由同一时刻系统现场....

图5提馏段温度单回路控制方案

首先对数据进行预处理，因为本文主要为了说明算法的有效性和可执行性，所选用的研究对象和数据较简单，并不存在需要删减的特征维度，所以只需要作数值归一化处理;再使用FCM算法对训练集进行聚类，对系统正常运行空间进行建模，经过多次实验后确定聚类中心的个数等于5时效果最好。确定滑动窗口的长....

图6各时刻点εavg的大小

图6、7为攻击斜率不同的三个测试集通过算法计算出来的各个时刻系统的态势S，由图6、7可知，当系统处于没有被攻击的时段内，所计算出S=(εavg，εs)内的εavg与εs的值都为0，或者都很小，理论上来说只有当进入攻击时段后(t>400)的数据点才会出现态势二元组S中元素大于0的情....

本文编号：3898529