[发明专利]一种融合多元信息的故障报警阈值确定方法

说明书

本发明适用于工业过程的状态监测和信息融合领域，旨在降低故障报警的误漏报率，提高故障检测精度。一种融合多元信息的故障报警阈值确定方法，包括以下步骤：数据向统一区间置信结构的转换；基于区间证据推理的阈值更新模型的构建；基于最小误漏报率的故障报警阈值优化。本发明创新利用区间证据推理算法融合监测数据和区间故障阈值得到总体区间置信度，基于监测数据和投影协方差矩阵自适应进化策略自适应更新报警阈值，有效解决了环境因素带来的多种不确定性问题。通过阈值优化，得到故障检测误漏报率最低的报警区间阈值。本发明能够有效降低监测系统的误报和漏报次数，提高工业过程的安全性与可靠性，具有很好的工程应用价值。

技术领域

本发明适用于工业过程的状态监测和信息融合领域，旨在降低故障报警的误漏报率，提高监测系统的故障检测精度。涉及一种融合多元信息的故障报警阈值确定方法。

背景技术

在工业过程的状态监测中，故障报警阈值作为系统发生故障的重要判据，其设置的合理性直接影响到故障的监测精度。如附图1所示，蓝色实线代表系统的实际故障阈值，若阈值设置过高(如虚线S₁)，尽管监测值P超过了实际阈值，报警系统也不会进行故障预警，造成故障漏报，进而威胁到工作人员的人身安全和系统安全；若阈值设置过低(如虚线S₂)，当监测值Q低于实际阈值而超过S₂时，报警系统也会频繁报警，造成故障误报，影响工作秩序。因此，设置准确合理的故障报警阈值，对于提高工作效率、确保系统的安全可靠运行来说意义重大。

目前，基于模型、基于统计、基于神经网络和基于模糊推理的报警阈值确定方法在相应的领域能够完成阈值的确定。但工业过程中监测数据受噪声等因素干扰，可能存在数据缺失、信息失真等多种不确定性。此外，对于一个复杂系统而言，监测指标往往复杂多样，特征各异，定量信息和定性知识相互交织，在本发明中称为多元信息。而基于专家系统的方法能够将各种不确定性量化至同一框架下，有效融合多元信息，是一种有效的不确定性下的多属性决策(Mutiple attribute decision making，MADM)方法。因此，在工业过程的状态监测和信息融合领域，基于专家知识的阈值确定方法较其它方法优势更加明显。

工业环境复杂多变，精确的数值型阈值一般难以直接表征干扰作用下的故障信息；而区间阈值能够充分结合专家知识和系统的机理分析，将故障阈值控制在某个合理的范围内，并根据实时监测数据对故障作出更为合理的判断。可见，报警阈值的研究实质上是一个区间不确定性下的MADM问题。因此，本发明提出一种融合多元信息的故障报警阈值确定方法，将数值型报警阈值拓展至区间型，旨在降低故障检测误漏报率，提升监测系统性能。

发明内容

本发明针对工业过程状态监测中的报警阈值确定问题，为有效融合专家知识，解决监测数据缺失、信息失真等多种不确定性，提出一种融合多元信息的故障报警阈值确定方法。

本发明的技术方案在于：

一种融合多元信息的故障报警阈值确定方法，其特征在于：

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；

本发明将监测数据x和区间故障阈值[y₁,y₂]作为两条证据，由于二者具有不同的表达形式和数值单位，IER算法无法直接对其进行融合。考虑到置信结构能够表达任何形式的数据这一优点，在采用IER算法前，首先将监测数据x和区间故障阈值[y₁,y₂]转换至统一的置信结构中。

所述的区间置信结构为：