曲俊瀟， 王建東， 王 振

(山東科技大學(xué)電氣與自動(dòng)化工程學(xué)院，青島 266590)

報(bào)警系統(tǒng)是一種監(jiān)視設(shè)備運(yùn)行工況并提醒工作人員及時(shí)處理異常狀況的系統(tǒng)，工業(yè)設(shè)備安全高效運(yùn)行的首道保護(hù)層及核心組成[1-2]，其性能優(yōu)劣至關(guān)重要，甚至直接關(guān)系到環(huán)境污染、產(chǎn)品質(zhì)量、設(shè)備損失、經(jīng)濟(jì)效益甚至人員傷亡等問題[3-4]。對(duì)于性能較差的報(bào)警系統(tǒng)，極易存在報(bào)警延遲過長(zhǎng)的問題，從而導(dǎo)致操作人員不能及時(shí)有效地處理關(guān)鍵報(bào)警信息。此外，不合理的報(bào)警系統(tǒng)可能會(huì)造成報(bào)警泛濫等問題，大大超出操作人員的處理能力。

現(xiàn)如今, 報(bào)警系統(tǒng)的性能優(yōu)劣越來越受到工業(yè)界和學(xué)術(shù)界的關(guān)注[5-6]，EEMUA-191(工程設(shè)備和材料用戶協(xié)會(huì))指出了報(bào)警系統(tǒng)的意義和現(xiàn)狀，同時(shí)對(duì)報(bào)警系統(tǒng)提出了許多要求和指標(biāo)，是報(bào)警系統(tǒng)管理最重要的標(biāo)準(zhǔn)之一[7]。目前，報(bào)警系統(tǒng)常用濾波(filtering)、延時(shí) (delay-timers)和死區(qū)(deadbands)三種方法來減少漏報(bào)率、誤報(bào)率以提高報(bào)警系統(tǒng)性能。目前，國(guó)外學(xué)者對(duì)報(bào)警系統(tǒng)做了大量研究；Rothenberg對(duì)過程變量的噪聲進(jìn)行研究，將報(bào)警死區(qū)寬度設(shè)置為 20%的正常信號(hào)噪聲[8]；Hugo[9]為了提高報(bào)警系統(tǒng)性能，設(shè)置了一種類似于卡爾曼濾波的自適應(yīng)的報(bào)警死區(qū)；Hollifield等[10]指出在當(dāng)代工業(yè)報(bào)警系統(tǒng)中，大部分報(bào)警死區(qū)都設(shè)置為零；Adnan等[11]使用馬爾可夫過程計(jì)算報(bào)警死區(qū)和報(bào)警延時(shí)器的延遲時(shí)間，并設(shè)計(jì)了一種權(quán)衡誤報(bào)率和漏報(bào)率以獲得最佳配置的程序；Naghoosi等[12]估計(jì)報(bào)警抖動(dòng)指數(shù)的方法以設(shè)計(jì)最佳報(bào)警參數(shù)；Xu等[13]提出了一種基于均值變化檢測(cè)的新方法來估計(jì)誤報(bào)率和漏報(bào)率的概率密度函數(shù)的報(bào)警延時(shí)器設(shè)計(jì)方法；Adnan等[14]使用馬爾可夫過程計(jì)算誤報(bào)率、漏報(bào)率和平均報(bào)警延遲，將廣義報(bào)警延時(shí)器的性能和靈敏度與傳統(tǒng)的報(bào)警延時(shí)器進(jìn)行比較，并提出了廣義報(bào)警延時(shí)器的概念及其性能指標(biāo)計(jì)算和設(shè)計(jì)方法；Cheng等[15]在給出報(bào)警正常、異常數(shù)據(jù)統(tǒng)計(jì)分布情況下，設(shè)計(jì)了最優(yōu)線性FIR報(bào)警濾波器；Zang等[16]采用了一種改進(jìn)的延遲定時(shí)器觸發(fā)和清除方法來提高報(bào)警系統(tǒng)性能，使用馬爾科夫鏈計(jì)算改進(jìn)后的性能指數(shù)；Tan等[17]在單變量報(bào)警系統(tǒng)中采用秩次濾波器(rank order filters)的方法，給出了報(bào)警系統(tǒng)性能指標(biāo)的計(jì)算過程；Chen[18]提出了一種基于相關(guān)過程變量的變化方向的多變量報(bào)警系統(tǒng)設(shè)計(jì)方法；Afzal等[19]基于馬爾科夫過程設(shè)計(jì)了報(bào)警死區(qū)，并推導(dǎo)出報(bào)警死區(qū)性能指標(biāo)的解析表達(dá)式。

在中國(guó)，報(bào)警系統(tǒng)的研究也受到廣泛關(guān)注。顧祥柏等[20]提出了基于物元的報(bào)警系統(tǒng)可拓重構(gòu)，并通過基于關(guān)聯(lián)函數(shù)的聚類算法簡(jiǎn)化其復(fù)雜性。趙勁松等[21]通過數(shù)據(jù)過濾優(yōu)化了報(bào)警限的設(shè)計(jì)，大大減少了重復(fù)和無效報(bào)警。朱群雄[22]對(duì)報(bào)警系統(tǒng)的監(jiān)控、優(yōu)化設(shè)計(jì)和性能評(píng)估等方面的研究進(jìn)行總結(jié)，指出未來報(bào)警系統(tǒng)的研究方向，并且通過可視化報(bào)警圖解決報(bào)警泛濫的問題[23]。付蓉等[24]為控制輸液速度和溫度等信息，提出了一種基于輸液速度與溫度監(jiān)控輸液的設(shè)計(jì)。王佳等[25-26]利用時(shí)間序列的ARMA(自回歸移動(dòng)平均模型)模型和時(shí)間間隔的均方差模型設(shè)計(jì)了報(bào)警死區(qū)和報(bào)警延時(shí)器，并提出了一個(gè)基于模糊理論和數(shù)據(jù)挖掘算法得到的模糊加權(quán)關(guān)聯(lián)規(guī)則挖掘算法用來快速識(shí)別報(bào)警根源。何乃翹等[27]通過報(bào)警系統(tǒng)評(píng)估關(guān)鍵指標(biāo)得出報(bào)警系統(tǒng)操作員響應(yīng)性能評(píng)價(jià)指標(biāo)。朱群雄等[28]分析了造成報(bào)警泛濫的主要原因，總結(jié)了報(bào)警管理的研究進(jìn)展。耿雪梅等[29]通過核密度估計(jì)法建立考慮人因指標(biāo)的優(yōu)化目標(biāo)函數(shù)，設(shè)計(jì)得到一種報(bào)警閾值的自適應(yīng)優(yōu)化方法。陳斌等[30]通過多元回歸分析建立了了眼動(dòng)指標(biāo)與疲勞的預(yù)測(cè)模型，通過瞳孔直徑檢測(cè)疲勞并報(bào)警。徐蕾等[31]提出一種識(shí)別人群異常行為的方法，通過人群分布和運(yùn)動(dòng)信息加以檢測(cè)異常行為而更好的預(yù)警。龔安等[32]對(duì)單維狀態(tài)數(shù)據(jù)通過時(shí)間序列自回歸模型對(duì)主泵的異常狀態(tài)進(jìn)行檢測(cè)。蔡郁等[33]提出了基于模糊推理和核密度估計(jì)來優(yōu)化報(bào)警閾值的自適應(yīng)調(diào)整方法。李俊杰等[34]通過區(qū)塊匹配度的關(guān)聯(lián)分析法解決報(bào)警泛濫問題。

對(duì)于傳統(tǒng)的單變量報(bào)警系統(tǒng)而言，其監(jiān)控對(duì)象是模擬信號(hào)的變化幅值，在設(shè)計(jì)報(bào)警死區(qū)和報(bào)警延時(shí)器來優(yōu)化系統(tǒng)性能時(shí)，一般要求過程變量的正常和異常數(shù)據(jù)段統(tǒng)計(jì)分布已知且分布穩(wěn)定。由于現(xiàn)代工業(yè)現(xiàn)場(chǎng)的需要，對(duì)變化速率較為平穩(wěn)的信號(hào)可以對(duì)其速率進(jìn)行監(jiān)控。針對(duì)上述問題，提出了一種單變量速率變化的報(bào)警系統(tǒng)設(shè)計(jì)方法，首先通過基于時(shí)間序列的線性分段表示法，計(jì)算歷史數(shù)據(jù)模擬信號(hào)的歷史變化速率集合時(shí)間序列，其次判斷歷史變化速率集合分布是否穩(wěn)定，然后確定變化速率的報(bào)警閾值，最后將在線運(yùn)行的數(shù)據(jù)速率與速率報(bào)警閾值比較，從而判斷過程信號(hào)是否發(fā)生異常，若發(fā)生異常則應(yīng)觸發(fā)報(bào)警，提醒操作人員進(jìn)行處理。 本文關(guān)鍵技術(shù)是通過分段線性表示法對(duì)模擬信號(hào)進(jìn)行分段減小噪聲干擾和基于貝葉斯估計(jì)法判斷歷史變化速率集合的分布穩(wěn)定性，如何對(duì)過程變量進(jìn)行線性數(shù)據(jù)段的劃分和如何判斷分布穩(wěn)定性是本文需要解決的主要重點(diǎn)和難點(diǎn)。

1 問題描述

在現(xiàn)代工業(yè)中，傳統(tǒng)的報(bào)警系統(tǒng)報(bào)警方式如圖 1所示，當(dāng)過程信號(hào)超過上報(bào)警閾值或低于下報(bào)警閾值時(shí)，應(yīng)觸發(fā)報(bào)警，即報(bào)警信號(hào)xa=1；當(dāng)信號(hào)低于上報(bào)警閾值且高于下報(bào)警閾值時(shí)，應(yīng)消除報(bào)警，即報(bào)警信號(hào)xa=0。但傳統(tǒng)的越限報(bào)警方式存在較多的缺點(diǎn)，如監(jiān)控幅值變化受噪聲干擾較大、報(bào)警延遲時(shí)間較長(zhǎng)、誤報(bào)警和漏報(bào)警較多等，通常會(huì)利用報(bào)警死區(qū)、濾波器和報(bào)警延時(shí)器等方法來解決報(bào)警泛濫等問題。但對(duì)于變化速率較平穩(wěn)的變量，監(jiān)測(cè)信號(hào)幅值的變化往往不能及時(shí)發(fā)現(xiàn)系統(tǒng)的異常狀態(tài)，并且可能會(huì)因噪聲的干擾而導(dǎo)致誤報(bào)警過多等問題，會(huì)浪費(fèi)大量的人力物力財(cái)力，嚴(yán)重時(shí)會(huì)導(dǎo)致重大事故的發(fā)生。

圖1 傳統(tǒng)報(bào)警方式示意圖Fig.1 Schematic diagram of traditional alarm mode

由于現(xiàn)有的方法并未解決如何判斷所選取的歷史數(shù)據(jù)分布不再發(fā)生變化，導(dǎo)致通過歷史數(shù)據(jù)所計(jì)算的報(bào)警系統(tǒng)參數(shù)不一定正確；并且對(duì)于未發(fā)生過報(bào)警的變量，無法獲得該變量的異常數(shù)據(jù)段。針對(duì)變化較為平穩(wěn)的變量，根據(jù)監(jiān)測(cè)信號(hào)的變化速率設(shè)計(jì)一種新的報(bào)警系統(tǒng)，通過穩(wěn)定的分布來確定報(bào)警系統(tǒng)的參數(shù)，以此來提高報(bào)警系統(tǒng)的性能。 對(duì)于較為平穩(wěn)的信號(hào)如圖2所示，由于存在噪聲干擾，傳統(tǒng)的報(bào)警系統(tǒng)僅監(jiān)控模擬信號(hào)的幅值變化，其方式較為單一；并且極易產(chǎn)生誤報(bào)警和漏報(bào)警，會(huì)存在較長(zhǎng)時(shí)間的報(bào)警延遲。

圖2 平穩(wěn)信號(hào)的噪聲干擾Fig.2 Noise interference of stationary signal

研究最終的目的是設(shè)計(jì)一種基于變化速率的單變量報(bào)警系統(tǒng)，具體需要解決的問題如下：①根據(jù)數(shù)據(jù)分布的穩(wěn)定性確定選取歷史數(shù)據(jù)的數(shù)量并計(jì)算速率報(bào)警閾值；②計(jì)算模擬信號(hào)的變化速率，并判斷速率報(bào)警器應(yīng)何時(shí)觸發(fā)報(bào)警。

2 主要方法

主要方法是根據(jù)有限的歷史數(shù)據(jù)，利用基于貝葉斯估計(jì)的方法，判斷過程變量的歷史速率集合的分布穩(wěn)定性，并通過穩(wěn)定的速率集合計(jì)算速率報(bào)警閾值。利用等長(zhǎng)時(shí)間窗口，對(duì)窗口內(nèi)的數(shù)據(jù)進(jìn)行線性分段表示，計(jì)算窗口內(nèi)數(shù)據(jù)的最小二乘擬合結(jié)果及斜率的置信區(qū)間，并與速率報(bào)警閾值相比較，判斷信號(hào)的速率變化是否超出正常的速率變化范圍。在當(dāng)前窗口內(nèi)的數(shù)據(jù)完成計(jì)算后，將時(shí)間窗口滑動(dòng)一個(gè)采樣時(shí)間，以達(dá)到在線監(jiān)測(cè)過程信號(hào)速率變化是否異常的目的。

2.1 訓(xùn)練數(shù)據(jù)確定參數(shù)

對(duì)于速率報(bào)警器而言，首先應(yīng)判斷待測(cè)變量的正常運(yùn)行狀態(tài)下歷史數(shù)據(jù)所獲得的歷史變化速率集合分布是否穩(wěn)定，即速率樣本的統(tǒng)計(jì)分布是否不再改變，然后通過穩(wěn)定的速率集合確定信號(hào)的速率報(bào)警閾值。

2.1.1 歷史數(shù)據(jù)計(jì)算斜率

(1)

故式(1)經(jīng)過計(jì)算，解得系數(shù)為

(2)

(3)

(4)

(5)

式(5)中：NR為數(shù)據(jù)個(gè)數(shù)；σ2為擬合誤差。

(6)

(7)

(8)

(9)

Kmax可由操作人員視情況確定。

2.1.2 確定速率報(bào)警閾值

通過正常狀況下歷史數(shù)據(jù){xtrain}得到的歷史速率集合{ktrain}，記Ktrain:={ktrain}，數(shù)據(jù)長(zhǎng)度為nk。將{ktrain}的最大值和最小值等長(zhǎng)度間隔分為B個(gè)小區(qū)間，設(shè)第b(1≤b≤B)個(gè)小區(qū)間內(nèi)包含m個(gè)數(shù)據(jù)，這里通過貝葉斯估計(jì)法來估計(jì)每個(gè)小區(qū)間的組頻率概率密度，獲得組頻率的置信區(qū)間。此處假設(shè)先驗(yàn)分布為均勻分布。

設(shè)第b個(gè)區(qū)間的組頻率為

(10)

且fb～U(0,1)，即離散概率密度函數(shù)為

(11)

式(11)中：M為離散點(diǎn)的個(gè)數(shù)。則歷史速率集合{ktrain}在fb的條件分布下，似然函數(shù)為

(12)

故聯(lián)合分布的概率密度函數(shù)為

pKtrain,Fb=pKtrain|Fb(k|fb)pFb(fb)

(13)

所以，在k=m時(shí)，根據(jù)貝葉斯公式，后驗(yàn)分布的概率密度函數(shù)為

(14)

(15)

定義組頻率穩(wěn)定指標(biāo)：

(16)

選取穩(wěn)定分布S0的99.5%和0.5%分位數(shù)ktp,H、ktp,L作為速率報(bào)警閾值，以確保速率報(bào)警器的誤報(bào)率不超過1%。

2.2 在線運(yùn)行

步驟1通過式(7)，計(jì)算窗口w內(nèi)最優(yōu)分段數(shù)損失函數(shù)，并根據(jù)式(9)求出窗口內(nèi)數(shù)據(jù)的最優(yōu)分段數(shù)，將窗口w內(nèi)第q段分段結(jié)果用式(3)線性模型表示：

(17)

(18)

(19)

步驟3定義報(bào)警信號(hào)為xa，當(dāng)系統(tǒng)未發(fā)生異常時(shí)，xa=0；當(dāng)系統(tǒng)發(fā)生異常時(shí)，xa=1。在速率報(bào)警器中表示為

(20)

3 現(xiàn)有方法

Savitzky-Golay濾波器[40]是一種常用的濾波算法，廣泛應(yīng)用于工業(yè)中數(shù)據(jù)的降噪處理。Savitzky-Golay濾波的效果隨著選取窗寬和擬合階次的變化而有所差異，可以滿足多種場(chǎng)合的需求。設(shè)濾波窗口的寬度為G，各測(cè)量點(diǎn)為窗口中心點(diǎn)，即xf={x-(G-1)/2,x-(G-1)/2+1,…,x-1,x0,x1,…,x(G-1)/2-1,x(G-1)/2}，采用mf次多項(xiàng)式對(duì)窗口內(nèi)的數(shù)據(jù)點(diǎn)進(jìn)行擬合，每一個(gè)點(diǎn)可以表示為不同的多項(xiàng)式的結(jié)果，設(shè)：

進(jìn)而得到方程組的最小二乘解估計(jì)值

(21)

式(21)中：Xf=[x(i-(G-1)/2),x(i-(G-2)/2+1),…,x(i0),…,x(i(G-1)/2-1),x(i(G-1)/2)]T。將信號(hào)經(jīng)過S-G濾波處理后，應(yīng)用于報(bào)警系統(tǒng)中，減小噪聲的干擾，以此來提高報(bào)警系統(tǒng)的性能。

4 方法驗(yàn)證

通過仿真案例和工業(yè)案例，對(duì)所提出的速率報(bào)警器進(jìn)行驗(yàn)證，通過與傳統(tǒng)的報(bào)警系統(tǒng)相比較，證明了所提出方法的準(zhǔn)確性，并驗(yàn)證了判斷數(shù)據(jù)分布穩(wěn)定方法的有效性。

4.1 仿真案例

首先通過仿真數(shù)據(jù)驗(yàn)證基于貝葉斯估計(jì)判斷分布穩(wěn)定性方法的準(zhǔn)確性，再利用仿真案例，對(duì)比速率報(bào)警器與經(jīng)過S-G濾波的報(bào)警系統(tǒng)，以此來說明速率報(bào)警器的準(zhǔn)確性。

構(gòu)造數(shù)據(jù)過程如下：

(22)

式(22)中，e(i)服從高斯分布，即e(i)～N(0,1)。系統(tǒng)在i=1 000時(shí)發(fā)生異常，應(yīng)觸發(fā)報(bào)警。這里，假設(shè)該信號(hào)的高報(bào)警閾值xtp=5。根據(jù)正常數(shù)據(jù)段獲得速率集合{ktrain}，且S0={ktrain}。

表1 穩(wěn)定分布組頻率及置信區(qū)間

圖3 仿真案例穩(wěn)定速率分布的組頻率及其置信區(qū)間Fig.3 The group frequency and confidence interval of steady rate distribution of simulation case

繼續(xù)增加樣本nadd得到樣本SN，SN的組頻率與分布S0所得置信區(qū)間展示在圖4中。表2給出SN組頻率，并計(jì)算得出SN的第6～8個(gè)區(qū)間的組頻率在S0的置信區(qū)間內(nèi)。分布SN的組頻率在分布S0所得置信區(qū)間內(nèi)的概率密度函數(shù)面積AN=97.55%，AN>β。

表2 SN的組頻率

圖4 仿真案例S0置信區(qū)間與SN組頻率Fig.4 S0 confidence interval and group SN frequency of simulation case

圖5 仿真案例穩(wěn)定速率分布Fig.5 The simulation case stabilizes the rate distribution

計(jì)算所得的仿真案例結(jié)果如圖6所示，其中圖6(a)為速率報(bào)警器觸發(fā)報(bào)警時(shí)所識(shí)別出的數(shù)據(jù)，圖6(b)為速率報(bào)警器檢測(cè)速率信號(hào)不在正常范圍時(shí)觸發(fā)的報(bào)警信號(hào)，所以速率報(bào)警器的報(bào)警延遲時(shí)間為60 s。

圖6 速率報(bào)警器仿真案例結(jié)果Fig.6 Simulation results of rate alarm

根據(jù)第3節(jié)中S-G濾波器[40]，通過式(21)得出濾波后的信號(hào)如圖7所示。最終，仿真結(jié)果得出傳統(tǒng)報(bào)警系統(tǒng)的報(bào)警延遲時(shí)間為113 s。

圖7 S-G濾波器仿真案例結(jié)果Fig.7 Simulation results of S-G filter

比較兩種方法得出結(jié)論，速率報(bào)警器結(jié)果準(zhǔn)確，受噪聲干擾較小，能及時(shí)檢測(cè)出信號(hào)的異常狀態(tài)，且報(bào)警延遲時(shí)間明顯小于S-G濾波器，整體性能更優(yōu)。

4.2 工業(yè)案例

選取萊城電廠#4機(jī)組2015年6月15日8:30—15:10“C磨非驅(qū)動(dòng)端軸承溫度1”信號(hào)進(jìn)行工業(yè)數(shù)據(jù)驗(yàn)證，該信號(hào)規(guī)定的報(bào)警閾值上限為51。經(jīng)過第3節(jié)所介紹的S-G濾波器計(jì)算，得到濾波后的過程信號(hào)及報(bào)警信號(hào)如圖8所示，圖8(a)表示過程信號(hào)，圖8(b)表示報(bào)警信號(hào)xa，當(dāng)xa=1時(shí)，傳統(tǒng)報(bào)警系統(tǒng)檢測(cè)到異常狀態(tài)，觸發(fā)報(bào)警。

圖8 “C磨非驅(qū)動(dòng)端軸承溫度1”S-G濾波工業(yè)案例結(jié)果Fig.8 “C-mill non-driving end bearing temperature 1” S-G filter industrial case result

速率報(bào)警器的離線計(jì)算部分中，根據(jù)子節(jié)2.1.2中判斷分布穩(wěn)定性的方法，穩(wěn)定分布的組頻率及其置信區(qū)間上下限如圖9所示，其中紅色區(qū)間表示歷史速率穩(wěn)定分布的組頻率置信區(qū)間。

圖9 工業(yè)案例穩(wěn)定速率分布的組頻率及其置信區(qū)間Fig.9 Group frequency and confidence interval of steady rate distribution in industrial cases

根據(jù)式(16)計(jì)算組頻率穩(wěn)定指數(shù)，得到分布SN的組頻率與分布S0所得置信區(qū)間如圖10所示，計(jì)算所得其面積AN>β。

圖10 工業(yè)案例S0置信區(qū)間與SN組頻率Fig.10 Industrial case S0 confidence interval and group frequency of SN

最終得到的穩(wěn)定分布S0的概率密度曲線則如圖11所示。選取穩(wěn)定速率分布S0的0.5%和99.5%分位數(shù)作為速率報(bào)警閾值，分別為ktp,L=-0.002 2、ktp,H=0.003 0，繼而進(jìn)行速率報(bào)警器的在線運(yùn)行。

圖11 工業(yè)案例穩(wěn)定速率分布Fig.11 Steady rate distribution of industrial cases

圖12分別為溫度信號(hào)和速率報(bào)警器所觸發(fā)的報(bào)警信號(hào)，其中在圖12(a)中，紅色實(shí)線表示速率變化異常部分，在圖12(b)中，藍(lán)色針狀圖則表示信號(hào)速率變化超出正常范圍時(shí)所觸發(fā)的報(bào)警信號(hào)。

圖12 “C磨非驅(qū)動(dòng)端軸承溫度1”速率報(bào)警器仿真結(jié)果Fig.12 Simulation results of “C mill non-driving end bearing temperature 1” rate alarm

圖13表示所得到的信號(hào)變化速率，其中紅色虛線為速率報(bào)警閾值的上下限。根據(jù)圖13 能明顯地看出信號(hào)速率的變化與磨煤機(jī)軸承溫度信號(hào)的變化趨勢(shì)大致相同，并且由于引入速率信號(hào)置信區(qū)間的計(jì)算，大大降低了速率報(bào)警器的誤報(bào)率。

圖13 “C磨非驅(qū)動(dòng)端軸承溫度1”的速率信號(hào)Fig.13 Slope of “C mill non-driving end bearing temperature 1”

根據(jù)工業(yè)案例的結(jié)果可知，速率報(bào)警器在i=7 110 s時(shí)觸發(fā)報(bào)警，比傳統(tǒng)的報(bào)警系統(tǒng)在i=10 124 s時(shí)觸發(fā)報(bào)警提前了3 014 s，并且誤報(bào)率明顯低于1%，其性能要優(yōu)于傳統(tǒng)的報(bào)警系統(tǒng)。

5 結(jié)論

提出了一種基于速率變化的報(bào)警器，該報(bào)警裝置作為一個(gè)新型的報(bào)警裝置，通過貝葉斯估計(jì)判斷歷史數(shù)據(jù)所獲得的速率集合分布穩(wěn)定，當(dāng)組頻率基本穩(wěn)定時(shí)，則分布穩(wěn)定。根據(jù)分布穩(wěn)定的數(shù)據(jù)分位數(shù)，可以獲取速率報(bào)警閾值的上下限，并通過滑動(dòng)窗口法選取數(shù)據(jù)，利用自底向上法計(jì)算信號(hào)變化速率，當(dāng)系統(tǒng)在線運(yùn)行時(shí)，計(jì)算窗口內(nèi)信號(hào)速率的置信區(qū)間并與報(bào)警閾值相比較，判斷系統(tǒng)是否發(fā)生異常。最后根據(jù)仿真結(jié)果和工業(yè)案例得出結(jié)論：速率報(bào)警器不再局限于傳統(tǒng)報(bào)警系統(tǒng)只監(jiān)測(cè)模擬信號(hào)幅值變化的模式，對(duì)信號(hào)速率的變化進(jìn)行監(jiān)控，尤其對(duì)于速率變化較為平穩(wěn)的信號(hào)，速率報(bào)警器的性能要明顯優(yōu)于傳統(tǒng)報(bào)警系統(tǒng)，并且可以得到信號(hào)變化趨勢(shì)，對(duì)于操作人員判斷發(fā)生異常的原因有著重要的意義。