王佳，李宏光

（北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院，北京 100029）

過(guò)程參數(shù)滋擾報(bào)警的一類(lèi)自適應(yīng)管理策略

王佳，李宏光

（北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院，北京 100029）

滋擾報(bào)警是過(guò)程工業(yè)報(bào)警系統(tǒng)的主要問(wèn)題，然而，目前報(bào)警優(yōu)化方法一般敏感度低、可靠性差，根據(jù)報(bào)警變量之間的時(shí)間間隔和報(bào)警持續(xù)時(shí)間確定滋擾報(bào)警的形式，提出了自適應(yīng)報(bào)警死區(qū)和報(bào)警延時(shí)器的計(jì)算方法，利用時(shí)間序列ARMA模型預(yù)測(cè)報(bào)警死區(qū)來(lái)處理高頻報(bào)警，并利用報(bào)警間隔時(shí)間更新報(bào)警延時(shí)器參數(shù)n來(lái)處理低頻報(bào)警。通過(guò)工業(yè)實(shí)例數(shù)據(jù)驗(yàn)證表明，所提出的方法能夠有效減少滋擾報(bào)警的數(shù)量、提高報(bào)警系統(tǒng)的性能。

報(bào)警管理；報(bào)警死區(qū)；延時(shí)器； 滋擾報(bào)警

引 言

工業(yè)過(guò)程報(bào)警數(shù)量眾多一方面是由于實(shí)際過(guò)程參數(shù)關(guān)聯(lián)造成的，不正常狀態(tài)會(huì)從報(bào)警源向相關(guān)聯(lián)的環(huán)節(jié)傳播引發(fā)多處報(bào)警；另一方面由于受到隨機(jī)擾動(dòng)使得過(guò)程變量在報(bào)警限附近振蕩，或者由于報(bào)警參數(shù)設(shè)置不合理導(dǎo)致某一參數(shù)的報(bào)警重復(fù)出現(xiàn)，此類(lèi)報(bào)警稱(chēng)為滋擾報(bào)警。滋擾報(bào)警通常不代表出現(xiàn)故障，振蕩報(bào)警和重復(fù)報(bào)警是其主要形式[1-4]。

近年來(lái)，對(duì)于振蕩報(bào)警和重復(fù)報(bào)警的處理受到了廣泛的關(guān)注。Burnell等[5]提出用自動(dòng)擱置技術(shù)來(lái)處理重復(fù)報(bào)警，但是在不正常狀況下，自動(dòng)擱置不會(huì)產(chǎn)生報(bào)警將給工業(yè)過(guò)程帶來(lái)嚴(yán)重的危害。此外，EEMUA指出處理滋擾報(bào)警的主要措施有包括濾波器、報(bào)警死區(qū)和報(bào)警延時(shí)器措施。為了定量化描述滋擾報(bào)警情況，Kondaveeti等[6]提出了利用報(bào)警的運(yùn)行長(zhǎng)度來(lái)量化振蕩報(bào)警的程度。由于不存在設(shè)計(jì)參數(shù)和滋擾報(bào)警之間的相連特性，Naghoosi等[7]加入了報(bào)警變量統(tǒng)計(jì)分布特征來(lái)分析報(bào)警延時(shí)器和死區(qū)對(duì)振蕩指數(shù)的影響。Wang等[8-9]提出了一種在線監(jiān)測(cè)并且通過(guò)閾值和延時(shí)器的方法減少由于振蕩產(chǎn)生的報(bào)警，但是并沒(méi)有區(qū)分不同的報(bào)警信號(hào)形式和不同報(bào)警優(yōu)化方法的優(yōu)缺點(diǎn)。趙勁松等[10]提出了在報(bào)警自動(dòng)抑制不足的基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行過(guò)濾，來(lái)優(yōu)化報(bào)警限，其主要是對(duì)歷史數(shù)據(jù)進(jìn)行分析，不能實(shí)現(xiàn)在線的實(shí)時(shí)管理，并且報(bào)警限的優(yōu)化方法并不是對(duì)所有的重復(fù)報(bào)警都有效，不同的重復(fù)報(bào)警形式應(yīng)采取不同的報(bào)警優(yōu)化手段。

由于過(guò)程參數(shù)的動(dòng)態(tài)性質(zhì)，其報(bào)警狀態(tài)也是動(dòng)態(tài)變化的，并且產(chǎn)生報(bào)警的形式多種多樣。本文為了提高對(duì)滋擾報(bào)警的在線自適應(yīng)處理能力，提出對(duì)不同的報(bào)警信號(hào)區(qū)別對(duì)待。通過(guò)報(bào)警的持續(xù)時(shí)間和報(bào)警的間隔可以確定滋擾報(bào)警的形式，其中，報(bào)警死區(qū)對(duì)于高頻噪聲的抑制有很好的效果，而對(duì)于低頻或慢時(shí)變特征的信號(hào)采用報(bào)警延時(shí)器。論文利用時(shí)間序列對(duì)采集到的數(shù)據(jù)進(jìn)行動(dòng)態(tài)建模并識(shí)別模型中的隨機(jī)成分，利用時(shí)間序列ARMA模型實(shí)現(xiàn)對(duì)報(bào)警死區(qū)的預(yù)測(cè)估計(jì)；通過(guò)檢測(cè)報(bào)警間隔時(shí)間的變化，利用時(shí)間間隔的均方差模型實(shí)現(xiàn)報(bào)警延時(shí)階次的實(shí)時(shí)更新。對(duì)不同報(bào)警產(chǎn)生形式結(jié)合報(bào)警死區(qū)和報(bào)警延時(shí)器的優(yōu)化方法來(lái)達(dá)到減少或者消除滋擾報(bào)警的目的。

1 滋擾報(bào)警檢測(cè)

工業(yè)標(biāo)準(zhǔn)ISA-18.2將1min內(nèi)超過(guò)3次報(bào)警的情況認(rèn)為是滋擾報(bào)警，即滋擾報(bào)警的最大周期為20 s，可以通過(guò)式（1）來(lái)判斷是否存在滋擾報(bào)警[6]

其中，η稱(chēng)為滋擾報(bào)警指數(shù)；運(yùn)行長(zhǎng)度r指針對(duì)同一報(bào)警，時(shí)間戳上2個(gè)連續(xù)報(bào)警之間的時(shí)間間隔內(nèi)的采樣點(diǎn)；ACr為一段時(shí)間內(nèi)r的個(gè)數(shù)。一般情況下，如果滋擾報(bào)警指數(shù)大于0.05，就認(rèn)為這一段報(bào)警數(shù)據(jù)包含滋擾報(bào)警。

滋擾報(bào)警指數(shù)可以判斷是否存在振蕩報(bào)警，但并不能區(qū)分振蕩報(bào)警產(chǎn)生機(jī)制。為了確定振蕩報(bào)警的類(lèi)型，可以從報(bào)警持續(xù)時(shí)間和報(bào)警間隔兩方面對(duì)振蕩報(bào)警進(jìn)行分析。

定義1：報(bào)警持續(xù)時(shí)間指從報(bào)警產(chǎn)生到報(bào)警清除之間的間隔，即

其中，xa(t(i?1)act)=0，xa(t(i)act)=1或者?1；xa(t(i)ret)=1或者?1，xa(t(i+1)ret)=0,t(i+1)＞t(i),xa(t)為報(bào)警數(shù)據(jù)，xa(t(i)act)為報(bào)警觸發(fā)時(shí)刻，xa(t(i)ret)為報(bào)警清除時(shí)刻。

定義2：報(bào)警間隔時(shí)間指從報(bào)警清除到下一次報(bào)警產(chǎn)生之間的間隔，即

其中，xa(t(i)ret)=1或者?1，xa(t(i+1)ret)=0；或者?1。

在滋擾報(bào)警范圍時(shí)間段內(nèi)，如果報(bào)警持續(xù)時(shí)間與間隔時(shí)間相等并且小于ISA-18.2規(guī)定的閾值20 s，并且在一段時(shí)間內(nèi)，報(bào)警持續(xù)時(shí)間與間隔時(shí)間不變，稱(chēng)為快時(shí)變特征的振蕩報(bào)警。如果報(bào)警持續(xù)時(shí)間與間隔時(shí)間隨著時(shí)間變化并且大于ISA-18.2規(guī)定的閾值20 s，稱(chēng)為慢時(shí)變特征的振蕩報(bào)警。

2 滋擾報(bào)警管理策略

合理設(shè)置報(bào)警死區(qū)和報(bào)警延時(shí)器是滋擾報(bào)警的主要管理策略，當(dāng)振蕩報(bào)警信號(hào)具有快時(shí)變特征時(shí)，在報(bào)警優(yōu)化設(shè)計(jì)過(guò)程中采用報(bào)警死區(qū)方法。當(dāng)振蕩報(bào)警信號(hào)具有慢時(shí)變特征時(shí)，采用報(bào)警延時(shí)器比采用報(bào)警死區(qū)來(lái)消除滋擾報(bào)警更加合適。

（1）報(bào)警死區(qū)

過(guò)程參數(shù)()x t的概率密度函數(shù)在正常和不正常條件下由()p x和()q x表示，如圖1所示，其中，()x t是獨(dú)立同分布的函數(shù)。報(bào)警死區(qū)可以通過(guò)設(shè)置高閾值XHtp、低閾值XLtp來(lái)實(shí)現(xiàn)，高閾值產(chǎn)生報(bào)警，低閾值清除報(bào)警。在報(bào)警系統(tǒng)設(shè)計(jì)時(shí)需要滿足誤報(bào)警率和漏報(bào)警率兩個(gè)性能指標(biāo)。假設(shè)過(guò)程變量服從獨(dú)立同分布，利用馬爾科夫過(guò)程得到報(bào)警器的誤報(bào)率（FAR）和漏報(bào)率（MAR）為

其中，，p1為正常狀態(tài)下x超過(guò)閾值的概率，p2為正常狀態(tài)下x小于閾值的概率。

當(dāng)在異常狀態(tài)下的，對(duì)應(yīng)的漏報(bào)警率（MAR）為

圖1 過(guò)程參數(shù)概率密度Fig.1 Process probability density

其中，q1為異常狀態(tài)下小于閾值的概率，q2為異常狀態(tài)下大于閾值的概率。

可以看出，報(bào)警死區(qū)是為初始報(bào)警閾值設(shè)定的一個(gè)上下范圍，相比于傳統(tǒng)的閾值設(shè)置方法，能有效地降低誤報(bào)率和漏報(bào)率，提高報(bào)警準(zhǔn)確性。

自適應(yīng)報(bào)警死區(qū)的設(shè)計(jì)應(yīng)該大于期望的噪聲信號(hào)，死區(qū)被認(rèn)為是噪聲方差的函數(shù)，噪聲越大，方差范圍越大，因此可以通過(guò)對(duì)噪聲的估計(jì)來(lái)改變死區(qū)的范圍。時(shí)間序列分析能夠把過(guò)程變量的測(cè)量值和噪聲信號(hào)進(jìn)行分離，對(duì)采集的數(shù)據(jù)進(jìn)行實(shí)時(shí)建模，預(yù)測(cè)報(bào)警的實(shí)時(shí)變化狀態(tài)。因此可以根據(jù)報(bào)警發(fā)生時(shí)的過(guò)程信號(hào)的時(shí)間序列來(lái)確定報(bào)警死區(qū)的范圍，利用報(bào)警時(shí)間序列建立過(guò)程參數(shù)的自回歸滑動(dòng)平均模型ARMA[11]，即

其中，ta是白噪聲信號(hào)，方差為，()Bθ為移動(dòng)平均系數(shù)，()Bψ為自回歸函數(shù)系數(shù)，()tB aθ代表過(guò)程信號(hào)的高頻噪聲信號(hào)。tz是過(guò)程的測(cè)量信號(hào)，由此可得將來(lái)的L時(shí)間段的信號(hào)范圍為

其中，uε/2是偏差值，標(biāo)準(zhǔn)正態(tài)分布以概率ε/2超過(guò)該值，sa是過(guò)程實(shí)際信號(hào)方差的估計(jì)，令ψ(B)(1+?1B+?2B2+…)=θ(B)系數(shù)相等，求得?權(quán)值。

對(duì)于可逆的移動(dòng)平均過(guò)程，最大的報(bào)警范圍為

對(duì)于建立的MA過(guò)程，可得預(yù)報(bào)誤差的方差as為

其中，λ=1?θ。

（2）報(bào)警延時(shí)器

報(bào)警延時(shí)器的作用是通過(guò)對(duì)n個(gè)連續(xù)的報(bào)警采樣信號(hào)均為同類(lèi)報(bào)警的判斷來(lái)清除滋擾報(bào)警，分為延時(shí)開(kāi)和延時(shí)關(guān)兩種方式。其中延時(shí)開(kāi)主要是指n個(gè)連續(xù)的信號(hào)超過(guò)報(bào)警限才產(chǎn)生報(bào)警，延時(shí)關(guān)主要是指n個(gè)連續(xù)的信號(hào)低于報(bào)警限才清除報(bào)警。

自適應(yīng)報(bào)警延時(shí)器參數(shù)n的更新根據(jù)在線監(jiān)測(cè)報(bào)警持續(xù)時(shí)間和報(bào)警間隔進(jìn)行設(shè)計(jì)。如圖2所示，隨著參數(shù)n的增大，F(xiàn)AR，MAR會(huì)單調(diào)遞減。根據(jù)馬爾科夫過(guò)程的相關(guān)性質(zhì)，報(bào)警延遲方法中誤報(bào)率的計(jì)算公式為

同理，當(dāng)運(yùn)行在異常狀態(tài)時(shí)，漏報(bào)率的計(jì)算公式為

圖2 報(bào)警延時(shí)器階次和FAR、MAR關(guān)系Fig.2 Relationship among alarm delay-timer orders, FAR and MAR

滑動(dòng)窗口和整個(gè)報(bào)警序列的報(bào)警間隔時(shí)間可以描述為

其中，tact為報(bào)警觸發(fā)時(shí)刻，tret為報(bào)警清除時(shí)刻，s為整個(gè)報(bào)警序列，用報(bào)警間隔時(shí)間公式(2)定義的滑動(dòng)窗口將整個(gè)報(bào)警序列分成L個(gè)報(bào)警間隔時(shí)間值。

固定報(bào)警延時(shí)器對(duì)減少工業(yè)過(guò)程的報(bào)警數(shù)量效果并不理想, 時(shí)間參數(shù)設(shè)置過(guò)大會(huì)導(dǎo)致漏報(bào)警,時(shí)間參數(shù)過(guò)小會(huì)導(dǎo)致誤報(bào)警。對(duì)于不同的報(bào)警延時(shí)器參數(shù)n可以根據(jù)已經(jīng)運(yùn)行的時(shí)間T的變化趨勢(shì)進(jìn)行估計(jì)，根據(jù)均值、方差、給定置信水平的置信下限隨T的變化趨勢(shì)，進(jìn)行動(dòng)態(tài)確定[12-13]。

其中，Ti(0)是第i個(gè)報(bào)警產(chǎn)生的時(shí)間間隔（i=1,2,…,L），Tavg為時(shí)間間隔的平均值，ST為時(shí)間間隔的均方差。

CV=ST/Tavg服從自由度為L(zhǎng)?1，置信區(qū)間(1?α)*100%的開(kāi)方分布，其中α=0.05。利用假設(shè)檢驗(yàn)公式（15）對(duì)報(bào)警持續(xù)時(shí)間是否穩(wěn)定進(jìn)行檢驗(yàn)，如果公式（15）成立，CV發(fā)生變化，報(bào)警延時(shí)器滯后參數(shù)n需要更新。

報(bào)警延時(shí)器階次參數(shù)n更新公式如下

其中，CV為時(shí)間間隔的變異系數(shù)；T為初始延時(shí)時(shí)間閾值；n為動(dòng)態(tài)延時(shí)器參數(shù)，AAD為過(guò)程中規(guī)定的平均延時(shí)時(shí)間。該方法根據(jù)報(bào)警時(shí)間序列的時(shí)間間隔波動(dòng)程度來(lái)調(diào)整延時(shí)器參數(shù)n, 對(duì)于報(bào)警時(shí)間序列波動(dòng)程度大的情況，增加延時(shí)器參數(shù)n能得到較好的報(bào)警效果。

3 自適應(yīng)滋擾報(bào)警管理

由于報(bào)警信息的不確定性，采用預(yù)測(cè)需要做兩方面的假設(shè)條件：

（1）歷史數(shù)據(jù)中能夠提取報(bào)警信號(hào)的正常和不正常數(shù)據(jù)。

（2）報(bào)警信號(hào)具有獨(dú)立同分布特征。噪聲服從正態(tài)分布具有獨(dú)立同分布特征。其測(cè)量值可以用公式X(t)=xd(t)+e(t)表示。其中，xd(t)是確定形式可以測(cè)量的值，e(t)為IID高斯白噪聲。

針對(duì)由于擾動(dòng)使得過(guò)程變量出現(xiàn)高頻和低頻兩種類(lèi)型的滋擾報(bào)警，綜合應(yīng)用報(bào)警死區(qū)預(yù)測(cè)和報(bào)警延時(shí)器給出自適應(yīng)滋擾報(bào)警管理策略[14-15]，如圖3所示，具體實(shí)現(xiàn)步驟如下：

（1）采集的包含正常和不正常情況的歷史數(shù)據(jù)，對(duì)其進(jìn)行歸一化處理，即

圖3 基于自適應(yīng)機(jī)制滋擾報(bào)警抑制流程Fig.3 Flow chart of nuisance alarm suppression based on adaptive mechanisms

其中，xmin,xmax分別為原始數(shù)據(jù)的最小值和最大值，i=1,2,…,m。

（3）將預(yù)先設(shè)定的報(bào)警死區(qū)范圍和延時(shí)器參數(shù)，分別應(yīng)用誤報(bào)警率和漏報(bào)警率的計(jì)算方法，見(jiàn)式（4）、式（5）和式（10）、式（11），得到誤報(bào)警率和漏報(bào)警率。

（4）對(duì)采集的時(shí)間序列利用滑動(dòng)時(shí)間窗函數(shù)進(jìn)行分割，得到一系列子序列。時(shí)間窗的大小L由歷史數(shù)據(jù)訓(xùn)練得到。

（5）對(duì)于分割的子序列，由已經(jīng)確定的報(bào)警閾值轉(zhuǎn)化為報(bào)警數(shù)據(jù)，采用式（1）定義的滋擾報(bào)警率，判斷是否存在滋擾報(bào)警；如果存在轉(zhuǎn)到步驟（6），否則轉(zhuǎn)到步驟（7）。

（6）利用公式（2）、公式（3）判斷子報(bào)警序列的報(bào)警持續(xù)時(shí)間和報(bào)警間隔是否相等，當(dāng)有高頻滋擾報(bào)警發(fā)生時(shí)啟動(dòng)報(bào)警死區(qū)優(yōu)化，利用公式(8)得到最大的死區(qū)范圍；否則采用報(bào)警延時(shí)器的優(yōu)化方法，其最大的延時(shí)時(shí)間由公式（17）決定。利用上述滋擾報(bào)警優(yōu)化方法, 可以有效減少由于不確定性干擾和測(cè)量噪聲導(dǎo)致的誤報(bào)警。

（7）轉(zhuǎn)到下一個(gè)滑動(dòng)時(shí)間窗口，重復(fù)步驟（5）、（6）。

4 仿真研究

采用某工業(yè)DMF雙塔回收過(guò)程的實(shí)際數(shù)據(jù)[16-17]進(jìn)行分析研究，其中包含了28個(gè)操作變量、62個(gè)模擬變量和36個(gè)數(shù)字變量。選取DMF回收過(guò)程中鍋爐蒸汽進(jìn)氣壓力數(shù)據(jù)，采樣周期為1 s，過(guò)程變量的運(yùn)行曲線如圖4所示。

設(shè)定高報(bào)警觸發(fā)點(diǎn)為x=0.9，低報(bào)警觸發(fā)點(diǎn)為x=0.5，報(bào)警數(shù)據(jù)xa(t)如圖5所示。

圖4 鍋爐蒸汽進(jìn)氣壓力Fig.4 Boiler steam inlet pressure

圖5 鍋爐蒸汽進(jìn)氣壓力報(bào)警信號(hào)xa(t)Fig.5 Alarm signalsxa(t) of boiler steam inlet pressure

當(dāng)在一個(gè)時(shí)間窗范圍內(nèi)振蕩指數(shù)小于最小的閾值0.05時(shí)，報(bào)警死區(qū)和報(bào)警延時(shí)器的值保持原來(lái)的數(shù)值；當(dāng)振蕩指數(shù)大于0.05時(shí)，得出由于噪聲和不合理的報(bào)警配置導(dǎo)致滋擾報(bào)警出現(xiàn)，需要通過(guò)報(bào)警優(yōu)化死區(qū)和延時(shí)器方法減小報(bào)警數(shù)量?？梢钥闯?，壓力測(cè)量值x(t)在時(shí)間段100～200 s, 1000～2000 s, 10500～11500 s時(shí)存在滋擾報(bào)警情況。利用100～200 s的時(shí)間段時(shí)間建立ARIMA模型，進(jìn)行報(bào)警死區(qū)的估計(jì)，采用95%的置信限值為1.96，方差的估計(jì)值為0.0405。因此可得死區(qū)的范圍為

當(dāng)采用自適應(yīng)報(bào)警死區(qū)技術(shù)進(jìn)行優(yōu)化時(shí)，在此時(shí)間段內(nèi)由原來(lái)的60個(gè)報(bào)警減小到10個(gè)報(bào)警，優(yōu)化后報(bào)警系統(tǒng)減少了由于不確定性干擾和測(cè)量噪聲導(dǎo)致的誤報(bào)警。如果不采用自適應(yīng)更新機(jī)制，采用固定的報(bào)警死區(qū)值時(shí)報(bào)警數(shù)量保持在45個(gè)。

另外，在2240～2280 s，3500～4000 s，4700～5200 s，6500～7200 s, 9300～9400 s時(shí)出現(xiàn)了間斷性報(bào)警和慢時(shí)變特征的振蕩報(bào)警。需要通過(guò)檢測(cè)報(bào)警間隔時(shí)間來(lái)對(duì)報(bào)警滯后時(shí)間數(shù)進(jìn)行更新。根據(jù)時(shí)間序列的均值和標(biāo)準(zhǔn)差變化可得到報(bào)警間隔時(shí)間的變化如圖6所示。參數(shù)n可以依據(jù)檢測(cè)值的進(jìn)行更新。在3500～4000 s時(shí)，圖7（a）給出自適應(yīng)報(bào)警延時(shí)器n=28的情況，報(bào)警數(shù)量從400下降到25。相反如果不采用自適應(yīng)更新機(jī)制，采用固定的報(bào)警參數(shù)n值，報(bào)警數(shù)量將會(huì)保持在45，如圖7（b）所示。

當(dāng)報(bào)警間隔序列沒(méi)有通過(guò)報(bào)警持續(xù)時(shí)間進(jìn)行檢驗(yàn)，參數(shù)n保持在默認(rèn)值n=20 s。相應(yīng)的誤報(bào)警和漏報(bào)警次數(shù)對(duì)比如表1所示。

表1x(t)的自適應(yīng)方法仿真結(jié)果Table 1 Results using proposed method forx(t)

圖6 報(bào)警間隔時(shí)間圖Fig.6 Histograms of alarm interval

通過(guò)采用本文提出的自適應(yīng)設(shè)置方法，可以大大減少誤報(bào)警的數(shù)量，并且抑制了漏報(bào)警的數(shù)量。優(yōu)化結(jié)果對(duì)比如表2所示，處理后變量的誤報(bào)漏報(bào)率明顯下降。

表2 優(yōu)化結(jié)果對(duì)比Table 2 Evaluation results of optimization methods

圖7 自適應(yīng)報(bào)警延時(shí)器（a）和固定報(bào)警延時(shí)器（b）Fig.7 Adaptive alarm delay-timers (a) and fixed alarm delay-timers (b)

5 結(jié) 論

論文針對(duì)工業(yè)過(guò)程報(bào)警系統(tǒng)中的滋擾報(bào)警問(wèn)題進(jìn)行了研究，根據(jù)滋擾報(bào)警的表現(xiàn)形式不同，提出一種自適應(yīng)的滋擾報(bào)警消除方法，該方法通過(guò)結(jié)合報(bào)警死區(qū)和報(bào)警延時(shí)器優(yōu)缺點(diǎn)對(duì)信號(hào)進(jìn)行處理。仿真結(jié)果表明，自適應(yīng)報(bào)警死區(qū)適用于持續(xù)性發(fā)生報(bào)警的情況；對(duì)慢時(shí)變特征的報(bào)警時(shí)間間隔的波動(dòng)引入自適應(yīng)延時(shí)時(shí)間優(yōu)化方法，簡(jiǎn)化時(shí)間間隔參數(shù)的設(shè)定。通過(guò)兩種方法的結(jié)合，減少滋擾報(bào)警產(chǎn)生的誤報(bào)警和漏報(bào)警，同時(shí)又避免因信息缺失影響報(bào)警系統(tǒng)的準(zhǔn)確性。

但是，當(dāng)報(bào)警誤差范圍大于3倍標(biāo)準(zhǔn)差時(shí)，通過(guò)調(diào)整死區(qū)范圍不能有效地減小震蕩，更好的方法就是進(jìn)一步研究報(bào)警閾值、滋擾報(bào)警率和報(bào)警死區(qū)之間的關(guān)系。自適應(yīng)延時(shí)器技術(shù)對(duì)慢時(shí)變特征的報(bào)警表現(xiàn)出較好的效果，但是初始的延時(shí)參數(shù)太小，自適應(yīng)延時(shí)方法的仿真效果就不會(huì)很明顯。

符 號(hào) 說(shuō) 明

AAD ——最大延時(shí)時(shí)間

ACr——報(bào)警次數(shù)

CV ——時(shí)間間隔的變異系數(shù)

FAR ——誤報(bào)率

MAR ——漏報(bào)率

n——?jiǎng)討B(tài)延時(shí)器參數(shù)

r——運(yùn)行長(zhǎng)度

sa——方差

T——報(bào)警時(shí)間間隔

η——滋擾報(bào)警指數(shù)

[1] Yang Fan (楊帆), Xiao Deyun (蕭德云). Research topic of intelligent alarm management [J].Computers and Applied Chemistry(計(jì)算機(jī)與應(yīng)用化學(xué)),2011, 28 (12):1485-1491.

[2] Zhu Qunxiong (朱群雄). Research progress of alarm systems in the process industries [J].Computers and Applied Chemistry(計(jì)算機(jī)與應(yīng)用化學(xué)), 2014, (02):129-134.

[3] Cheng Y, Izadi I, Chen T. Pattern matching of alarm flood sequences by a modified Smith-Waterman algorithm [J].Chemical Engineering Research and Design, 2013, 91 (6): 1085-1094.

[4] Xu J,et al. Performance assessment and design for univariate alarm systems based on FAR, MAR, and AAD [J].IEEE Transactions on Automation Science and Engineering, 2012, 9 (2): 296-307.

[5] Burnell E, Dicken C R. Handling of repeating alarms [C]. London: IEE Colloquium on Stemming the Alarm Flood, 1997.

[6] Kondaveeti S R,et al. Quantification of alarm chatter based on run length distributions [J].Chemical Engineering Research and Design, 2013, 91 (12): 2550-2558.

[7] Naghoosi E, Izadi I, Chen T. Estimation of alarm chattering [J].Journal of Process Control, 2011, 21 (9): 1243-1249.

[8] Wang J, Chen T. An online method for detection and reduction of chattering alarms due to oscillation [J].Computers & Chemical Engineering, 2013, 54: 140-150.

[9] Wang J, Chen T. An online method to remove chattering and repeating alarms based on alarm durations and intervals [J].Computers & Chemical Engineering, 2014, 67: 43-52.

[10] Zhao Jinsong (趙勁松), Zhu Jianfeng (朱劍鋒). Date filtering based on alarm processing strategy for repeating alarms [J].Journal of Tsinghua Univ. (Sci &Tech) (清華大學(xué)學(xué)報(bào): 自然科學(xué)版), 2012,52 (3): 277-281.

[11] Wang Feng (王峰), Li Hongguang (李宏光), Zang Hao (臧灝). Process alarm prognosis based on logistic and ARMA models [J].CIESC Journal(化工學(xué)報(bào)), 2012, 63 (9): 2941-2947.

[12] Gong Jian (龔儉), Mei Haibin (梅海彬). Multi-feature correlation redundance elimination of intrusion event [J].Journal of South East University(Natural Science Edition) (東南大學(xué)學(xué)報(bào)：自然科學(xué)版), 2005,35 (3): 366-371.

[13] Yan Shaohua (晏少華) , Xu Lei (徐蕾). Alert aggregation method research based on dynamic time threshold [J].Journal of Shen yang Institute of Aeronautical Engineering(沈陽(yáng)航空工業(yè)學(xué)院學(xué)報(bào)), 2010, 27 (5): 68-72.

[14] Liu Heng (劉恒), Liu Zhenjuan (劉振娟), Li Hongguang (李宏光). A data-driven approach to chemical process alarm threshold optimization [J].CIESC Journal(化工學(xué)報(bào)), 2012, 63 (9): 2733-2738.

[15] Xu J,et al.Performance assessment and design for univariate alarm systems based on FAR, MAR, and AAD [J].IEEE Transactions on Automation Science and Engineering, 2012, 9 (2): 296-307.

[16] Zang Hao (臧灝), Li Hongguang (李宏光), Yang Fan (楊帆), Huang Dexian (黃德先). Analysis and improvement of process industrial alarm systems traditional assessment methods [J].CIESC Journal(化工學(xué)報(bào)), 2014, 65 (11): 4459-4464.

[17] Zang H, Li H. Optimization of process alarm thresholds: a multidimensional kernel density estimation approach [J].Process Safety Progress, 2014, 33 (3): 292-298.

A class of adaptive management strategies of nuisance alarms associated with industrial process parameters

WANG Jia, LI Hongguang
(College of Information Science & Technology,Beijing University of Chemical Technology,Beijing100029,China)

Nuisance alarms are recognized as the major problem in the process industry. However, current alarm optimization methods usually suffer difficulties such as low sensitivity and poor reliability. In this paper, based on alarm interval and alarm duration of alarm data, the types of nuisance alarms are determined before an adaptive method to effectively determine the delay timers and alarm deadbands. An ARMA model is established to forecast adaptive alarm deadbands which are employed to deal with high frequency alarms, while the alarm delays updated by adaptively adjusting alarm time intervals are used to deal with low frequency alarms. Experiments with industrial process data are carried out, illustrating that the proposed method can reduce the numbers of false and missed alarms as well as improve the performance of alarm systems.

alarm managements; alarm deadbands; delay-timers; nuisance alarms

LI Hongguang,lihg@mail.buct.edu.cn

10.11949/j.issn.0438-1157.20150206

TP 277

：A

：0438—1157（2015）10—4085—07

2015-02-09收到初稿，2015-04-29收到修改稿。

聯(lián)系人：李宏光。

：王佳（1986—），男，博士研究生。

中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金項(xiàng)目（YS1404）。

Received date: 2015-02-09.

Foundation item: supported by the Foundamental Research Funds for the Central Universities of Ministry of Education of China (YS1404).