[发明专利]一种融合多元信息的故障报警阈值确定方法

权利要求书

1.一种融合多元信息的故障报警阈值确定方法，其特征在于：该方法如下：

步骤1：将监测数据x和区间故障阈值[y₁,y₂]转换至同一个区间置信结构中；

步骤2：基于区间证据推理的阈值更新模型的构建；

首先，采用加权的方法将区间置信结构转化为区间概率质量；

其次，采用区间证据推理算法IER依次融合监测数据x和区间故障阈值[y₁,y₂]对应的区间概率质量，得到融合后的区间置信度；

再次，采用基于投影协方差矩阵自适应进化策略P-CMA-ES算法进行阈值优化，利用监测数据x更新得到总体区间置信度

最后，将转换为区间阈值；

步骤3：基于最小误漏报率的故障报警阈值优化；

构建最小误漏报率的阈值优化模型；

阈值优化模型为：

其中，s为故障的误漏报率，w为误报率，l表示漏报率，N为漏报率对系统的影响程度，y₁和y₂分别表示初始区间故障阈值[y₁,y₂]的上下界，通过优化得到目标故障报警阈值[y₁,y₂]'_L。

2.根据权利要求1所述融合多元信息的故障报警阈值确定方法，其特征在于：所述的区间置信结构为：

所述的区间置信结构为：

其中，F为评估等级，F＝{(F₁，正常)，(F₂，故障)，(F₃，严重故障)}；

表示为指标a_i相对于评估等级F_n的区间置信度；

将监测数据x转换至区间置信结构中，表述为：

区间故障阈值[y₁,y₂]转换至区间置信结构中，表述为：

3.根据权利要求2所述融合多元信息的故障报警阈值确定方法，其特征在于：所述的基于区间证据推理的阈值更新模型的构建的具体实现过程为：

在得到如式(1)所示的区间置信结构后，首先将其转化为区间概率质量；

假设监测数据x和区间故障阈值[y₁,y₂]的权重分别为ω_i，其中i＝1,2；且ω₁＝ω₂，区间概率质量可由式(4)-(7)求得：

其中，表示由证据的不重要性引起的剩余概率质量，表示由评估的不完整性引起的剩余概率质量，由于式(1)是完整的，

通过构建下列非线性优化模型并基于IER算法融合监测数据x和区间故障阈值[y₁,y₂]，得到总体区间置信度

基于P-CMA-ES算法求解上述非线性优化模型，结果用表示，基于式(3)求得更新后的区间阈值。