数据驱动的过程工业报警分析方法研究
发布时间：2021-02-12 11:43
报警系统是通过软、硬件设备与技术的结合帮助操作人员应对过程异常的重要手段,是工业过程安全、高效生产的重要保障。随着“工业4.0”和《中国制造2025》的深度推进,大规模工业过程发展迅速,对与之相匹配的报警系统也有了更高的要求。然而,传统的工业过程报警系统始终难以解决“报警泛滥”问题,其中误报警事件难以处理、报警信息单一和报警阈值设定不合理等问题为工业过程的安全生产埋下了隐患。综合现今报警系统存在的诸多问题,本文以报警前预防、报警时应对和报警后优化为三个基础设计思路,以解决“报警泛滥”问题为主攻点,提出了一套基于数据驱动的过程工业报警分析方案,力求进一步保障工业过程的安全。当今工业过程存在过程变量多、变量关系复杂、各变量分布范围广等诸多特点,为报警系统的设计带来了难度。同时,工业过程中各单元分布清晰、过程知识丰富、过程数据采集便捷,这些都利于设计功能更全面、适应性更广、运行更稳定的报警分析方案。本文将报警前预防、报警时应对和报警后优化三个设计思路落实在五个部分中,分别是:实时关键报警变量分析、报警发生后的快速报警根源区域定位、报警发生后的精准报警根源变量定位、报警发生后的阈值优化与报警发...
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：153 页
【学位级别】：博士
【部分图文】：
图１－２报警传播因果性分析方法分类??Ｆｉｇ．?１－２?Ｔｈｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?ｃａｕｓａｌｉｔｙ?ａｎａｌｙｓｉｓ?ｍｅｔｈｏｄｓ??
?第一章绪论???信息提娶报警溯源分析、报警阈值优化和报警阈值动态预优化五个部分系统地解决??“报警泛滥”问题，并通过工业实例应用来论证各方法的有效性和先进性。本文提出??解决“报警泛滥”问题的主要框架如图１－３所示。??报警发生前报警发生时报警发生后??Ｋ［?ａ＾－＾ｇｔｓａａ?］?变量ｈ?报警溯源分析??报警阈值动态预优化?Ｙ报蝥传播网络构建?Ｉ模块化报警阈值优化??图１－３论文研究框架图??Ｆｉｇ．?１－３?Ｔｈｅ?ｒｅｓｅａｒｃｈ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｔｈｉｓ?ｐａｐｅｒ??其中主要创新点有以下五点：??（１）基于多关联模块ＰＬＳ贡献度的实时报警分析方法??针对工业系统单元分布广，变量间关系复杂，整体过程非线性强等特点。本文结??合过程知识的约束，对复杂工业过程进行预分块处理。并在多模块间构建相关联的ＰＬＳ??模型。当报警发生时，本文提出的基于多关联模块的最小二乘模型（Ｍｕｌｔｉ－ｃｏｒｒｅｌａｔｉｏｎ??Ｂｌｏｃｋｓ?Ｐａｒｔｉａｌ?Ｌｅａｓ．ｔ?Ｓｑｕａｒｅ，简称ＭＣＢ－ＰＬＳ）会首先判定哪些子模块产生了报警，并??进而分析模块内哪些变量需要被关注。此外，本文建立了关键报警变量在线判别策略，??能够在线为操作人员提供关键变量的信息。高效的关键报警提取技术可以在第一时间??帮助操作人员缩小报警变量的关注范围，给予客观的信息指导，保障生产安全。??（２）基于多关联模块传递熵报警传播网络的报警溯源分析??当大量报警同时发生时，准确找到报警根源是处理“报警泛滥”现象最有效的手??段。本文同样结合过程知识的约束，基于多关联模块，建立了基于多关联模块传递熵??（Ｍｕｌｔｉ－Ｂ丨ｏｃｋｓ?Ｔｒａｎｓｆ
?北京化工大学博士学位论文???的有效性和实用性。??２．２基于多变量统计的关键报警信息方法??如２．１节所述，相比较于单变量报警系统，多变量统计方法从整体性上给报警系??统带来诸多优势。本小节首先介绍ＰＣＡ、ＰＬＳ两种传统的多变量报警检测方法，随后??会进一步介绍各方法通用的贡献度计算方法，本章中关于关键报警信息实时分析的研??究将以这些理论为基矗??２．２．１基于ＰＣＡ的报警检测??多变量统计方法的目标是通过更少的变量来表达原有数据的所有信息，常被称为??数据降维［１１４］。ＰＣＡ是最为成熟的一种多变量分析方法，其主要思路是旋转坐标轴指??向数据的方差最大的方向，通过新的坐标系来表示原有数据。由于数据方差大的方向??代表数据离散程度高的方向，因此新的坐标系中的每个坐标轴都可以涵盖原有数据中??最多的信息量。??原始空间??主元空间??主元轴２??獅、誠轉卡ｎ??坐标轴ｙ??主元搬??坐标轴??图２－１?ＰＣＡ原理示意图??Ｆｉｇ．２－１?Ｔｈｅ?ｄｅｓｃｒｉｐｔｉｏｎ?ｏｆ?ＰＣＡ?ｔｒａｎｓｆｅｒ??如图２－１所示，原始数据在左侧的坐标系中使用了三个坐标轴来进行表示，可是??我们仍然无法完全分离出各个颜色的数据。考虑所有数据的最大方差，采用ＰＣＡ方法??１８??
【参考文献】：
期刊论文
[1]工业过程报警管理研究进展[J]. 朱群雄,高慧慧,徐圆. 自动化学报. 2017(06)
[2]流程工业报警系统传统评估方法分析及改进[J]. 臧灏,李宏光,杨帆,黄德先. 化工学报. 2014(11)
[3]过程工业报警系统研究进展[J]. 朱群雄,高慧慧,刘菲菲,彭荻,徐圆,顾祥柏. 计算机与应用化学. 2014(02)
[4]过程控制中的软测量技术[J]. 于静江,周春晖. 控制理论与应用. 1996(02)
本文编号：3030814
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：153 页
【学位级别】：博士
【部分图文】：
图１－２报警传播因果性分析方法分类??Ｆｉｇ．?１－２?Ｔｈｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?ｃａｕｓａｌｉｔｙ?ａｎａｌｙｓｉｓ?ｍｅｔｈｏｄｓ??
?第一章绪论???信息提娶报警溯源分析、报警阈值优化和报警阈值动态预优化五个部分系统地解决??“报警泛滥”问题，并通过工业实例应用来论证各方法的有效性和先进性。本文提出??解决“报警泛滥”问题的主要框架如图１－３所示。??报警发生前报警发生时报警发生后??Ｋ［?ａ＾－＾ｇｔｓａａ?］?变量ｈ?报警溯源分析??报警阈值动态预优化?Ｙ报蝥传播网络构建?Ｉ模块化报警阈值优化??图１－３论文研究框架图??Ｆｉｇ．?１－３?Ｔｈｅ?ｒｅｓｅａｒｃｈ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｔｈｉｓ?ｐａｐｅｒ??其中主要创新点有以下五点：??（１）基于多关联模块ＰＬＳ贡献度的实时报警分析方法??针对工业系统单元分布广，变量间关系复杂，整体过程非线性强等特点。本文结??合过程知识的约束，对复杂工业过程进行预分块处理。并在多模块间构建相关联的ＰＬＳ??模型。当报警发生时，本文提出的基于多关联模块的最小二乘模型（Ｍｕｌｔｉ－ｃｏｒｒｅｌａｔｉｏｎ??Ｂｌｏｃｋｓ?Ｐａｒｔｉａｌ?Ｌｅａｓ．ｔ?Ｓｑｕａｒｅ，简称ＭＣＢ－ＰＬＳ）会首先判定哪些子模块产生了报警，并??进而分析模块内哪些变量需要被关注。此外，本文建立了关键报警变量在线判别策略，??能够在线为操作人员提供关键变量的信息。高效的关键报警提取技术可以在第一时间??帮助操作人员缩小报警变量的关注范围，给予客观的信息指导，保障生产安全。??（２）基于多关联模块传递熵报警传播网络的报警溯源分析??当大量报警同时发生时，准确找到报警根源是处理“报警泛滥”现象最有效的手??段。本文同样结合过程知识的约束，基于多关联模块，建立了基于多关联模块传递熵??（Ｍｕｌｔｉ－Ｂ丨ｏｃｋｓ?Ｔｒａｎｓｆ
?北京化工大学博士学位论文???的有效性和实用性。??２．２基于多变量统计的关键报警信息方法??如２．１节所述，相比较于单变量报警系统，多变量统计方法从整体性上给报警系??统带来诸多优势。本小节首先介绍ＰＣＡ、ＰＬＳ两种传统的多变量报警检测方法，随后??会进一步介绍各方法通用的贡献度计算方法，本章中关于关键报警信息实时分析的研??究将以这些理论为基矗??２．２．１基于ＰＣＡ的报警检测??多变量统计方法的目标是通过更少的变量来表达原有数据的所有信息，常被称为??数据降维［１１４］。ＰＣＡ是最为成熟的一种多变量分析方法，其主要思路是旋转坐标轴指??向数据的方差最大的方向，通过新的坐标系来表示原有数据。由于数据方差大的方向??代表数据离散程度高的方向，因此新的坐标系中的每个坐标轴都可以涵盖原有数据中??最多的信息量。??原始空间??主元空间??主元轴２??獅、誠轉卡ｎ??坐标轴ｙ??主元搬??坐标轴??图２－１?ＰＣＡ原理示意图??Ｆｉｇ．２－１?Ｔｈｅ?ｄｅｓｃｒｉｐｔｉｏｎ?ｏｆ?ＰＣＡ?ｔｒａｎｓｆｅｒ??如图２－１所示，原始数据在左侧的坐标系中使用了三个坐标轴来进行表示，可是??我们仍然无法完全分离出各个颜色的数据。考虑所有数据的最大方差，采用ＰＣＡ方法??１８??
【参考文献】：
期刊论文
[1]工业过程报警管理研究进展[J]. 朱群雄,高慧慧,徐圆. 自动化学报. 2017(06)
[2]流程工业报警系统传统评估方法分析及改进[J]. 臧灏,李宏光,杨帆,黄德先. 化工学报. 2014(11)
[3]过程工业报警系统研究进展[J]. 朱群雄,高慧慧,刘菲菲,彭荻,徐圆,顾祥柏. 计算机与应用化学. 2014(02)
[4]过程控制中的软测量技术[J]. 于静江,周春晖. 控制理论与应用. 1996(02)
本文编号：3030814
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3030814.html
