一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法技術(shù)

本發(fā)明專利技術(shù)公開的一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法，本發(fā)明專利技術(shù)通過數(shù)據(jù)采集、數(shù)據(jù)時(shí)間平穩(wěn)性檢查、數(shù)據(jù)預(yù)處理及參數(shù)優(yōu)化設(shè)置步驟，建立變量之間關(guān)系的數(shù)學(xué)模型，然后計(jì)算變量間的NTE及NDTE值，從而判斷系統(tǒng)變量間是否具有直接的因果關(guān)系，該方法不依賴于系統(tǒng)物理模型和先驗(yàn)知識(shí)，僅依靠過程測(cè)量變量就能獲得因果關(guān)系，適用性強(qiáng)，可廣泛應(yīng)用于化工、紡織、冶金等工業(yè)領(lǐng)域，在報(bào)警發(fā)出初期就能尋找根源，以便及時(shí)隔離和排除故障，減少甚至避免事故發(fā)生，提高系統(tǒng)運(yùn)行的安全性和可靠性，同時(shí)也能減少環(huán)境污染。

A method of finding the root of alarm based on data driven

A method for data driven alarm based on source disclosed by the invention, data acquisition, time stability check, data preprocessing and parameter optimization of setting process, mathematical model of the relationship between variables, and then calculate the NTE and NDTE variables, in order to determine whether a direct causal relationship of system variables among the methods do not depend on the physical model and prior knowledge, only rely on the process of measurement variables can obtain the causal relationship, strong applicability, can be widely used in chemical, textile, metallurgy and other industries, can be issued in early warning for the root, to prompt isolation and troubleshooting, reduce or even avoid the accidents and improve safety and the reliability of the system, but also can reduce the pollution of the environment.

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法
本專利技術(shù)屬于安全監(jiān)控
，特別涉及一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法。
技術(shù)介紹
由于對(duì)工業(yè)系統(tǒng)安全性和可靠性要求的不斷提高，在線、實(shí)時(shí)地對(duì)系統(tǒng)運(yùn)行過程進(jìn)行監(jiān)控成為現(xiàn)代工業(yè)系統(tǒng)中必不可少的關(guān)鍵環(huán)節(jié)。考慮到難以獲取系統(tǒng)精確的數(shù)學(xué)模型和先驗(yàn)知識(shí)以及工業(yè)系統(tǒng)產(chǎn)生大量歷史運(yùn)行數(shù)據(jù)等情況，基于數(shù)據(jù)驅(qū)動(dòng)的過程監(jiān)控成為現(xiàn)代工業(yè)安全監(jiān)控的主流技術(shù)。在故障發(fā)生后發(fā)出警報(bào)能幫助工作人員及時(shí)判斷系統(tǒng)運(yùn)行情況，但該方法不能確定警報(bào)發(fā)生原因。報(bào)警根源尋找方法就能夠在警報(bào)發(fā)生時(shí)明確報(bào)警原因，因而受到了普遍重視。報(bào)警根源尋找方法通過一系列措施準(zhǔn)確定位故障，輔助工作人員及時(shí)隔離并排除故障。經(jīng)過多年的發(fā)展，人們已經(jīng)提出了多種報(bào)警根源尋找技術(shù)，主要分為三大類：1)符號(hào)有向圖方法，依賴于系統(tǒng)的物理模型和先驗(yàn)知識(shí)；2)Granger因果分析方法，是基于預(yù)測(cè)的因果關(guān)系；3)轉(zhuǎn)變熵(transferentropy，TE)方法。前兩種方法都只適用于線性系統(tǒng)，通過構(gòu)建模型來獲取變量之間的關(guān)系，并不適用于大型復(fù)雜系統(tǒng)。最后一種方法主要通過計(jì)算過程變量的概率密度函數(shù)來獲取變量之間的因果關(guān)系，能夠應(yīng)用于復(fù)雜的非線性系統(tǒng)，實(shí)用性更強(qiáng)。該類方法的不足在于對(duì)建模數(shù)據(jù)的數(shù)量具有較高的要求，而現(xiàn)代工業(yè)系統(tǒng)產(chǎn)生海量數(shù)據(jù)的特點(diǎn)正好彌補(bǔ)這一不足。因此，本專利技術(shù)人考慮利用轉(zhuǎn)變熵方法確定變量間的因果關(guān)系，為尋找報(bào)警根源奠定堅(jiān)實(shí)的基礎(chǔ)。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于提供一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法，不依賴于系統(tǒng)物理模型和先驗(yàn)知識(shí)，僅依靠過程測(cè)量變量就能獲得因果關(guān)系，就可在報(bào)警發(fā)出初期就能尋找根源，以便及時(shí)隔離和排除故障，減少甚至避免事故發(fā)生，提高系統(tǒng)運(yùn)行的安全性和可靠性。為了實(shí)現(xiàn)上述目的，本專利技術(shù)采用如下技術(shù)方案：一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法，包括以下步驟：步驟一：檢測(cè)工業(yè)系統(tǒng)的工作數(shù)據(jù)并獲得觀測(cè)變量，并將d個(gè)觀測(cè)變量存儲(chǔ)到數(shù)據(jù)矩陣X中，檢查數(shù)據(jù)的時(shí)間平穩(wěn)性并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；所述的工作數(shù)據(jù)包括反應(yīng)系統(tǒng)運(yùn)行情況的參數(shù)；步驟二：對(duì)模型參數(shù)進(jìn)行初始化，并利用Cao準(zhǔn)則或者Ragwitz準(zhǔn)則優(yōu)化模型參數(shù)；步驟三：計(jì)算轉(zhuǎn)變熵矩陣P，包括：A、選取變量：從數(shù)據(jù)矩陣X中任取兩個(gè)變量，標(biāo)記為x、y，共d(d-1)/2種組合；B、計(jì)算兩個(gè)變量間的轉(zhuǎn)變熵：其中，是聯(lián)合概率密度函數(shù)，f(·|·)是條件概率密度函數(shù)，w是隨機(jī)向量假設(shè)w的元素是w1,w2,…,ws，∫(·)dw是和分別是x和y歷史測(cè)量值的嵌入向量，k1和l1分別是y和x的嵌入維數(shù)，h1是預(yù)測(cè)范圍；C、計(jì)算標(biāo)準(zhǔn)轉(zhuǎn)變熵：其中，H表示熵,是條件熵；且Tx→y≠Ty→x；如果大于規(guī)定閾值，則判定兩個(gè)變量x、y具有因果關(guān)系；D、重復(fù)步驟B、C直至計(jì)算d(d-1)，將d(d-1)/2種組合的變量標(biāo)準(zhǔn)轉(zhuǎn)變熵計(jì)算出來，存入矩陣P中，然后將具有因果關(guān)系的變量用流向圖表示；步驟四：基于信息流向圖中變量因果關(guān)系計(jì)算標(biāo)準(zhǔn)直接轉(zhuǎn)變熵：從矩陣P任取x、y、z3個(gè)具有因果關(guān)系的變量，其中z是中間變量，判斷x和y的直接因果關(guān)系，包括：1)、計(jì)算直接轉(zhuǎn)變熵：其中，v表示隨機(jī)向量預(yù)測(cè)范圍h＝max(h1,h3)，嵌入向量是z的歷史值，能夠?yàn)閕+h時(shí)刻的預(yù)測(cè)y提供有效信息，是x的歷史值，若h＝h1，則若h＝h3，則且計(jì)算Tx→z時(shí)，l2和m1是x和z的嵌入維數(shù)，h2是預(yù)測(cè)范圍，τ2是時(shí)間間隔；計(jì)算Tz→y時(shí)，k2和m2是y和z的嵌入維數(shù)，h3是預(yù)測(cè)范圍，τ3是時(shí)間間隔；2)、計(jì)算標(biāo)準(zhǔn)直接轉(zhuǎn)變熵：如果大于規(guī)定閾值，則說明x和y有直接的因果關(guān)系；對(duì)步驟三信息流向圖中的變量進(jìn)行上述1)和2)兩步計(jì)算，驗(yàn)證變量因果關(guān)系的真假性；步驟五，根據(jù)步驟四的驗(yàn)證結(jié)果建立變量直接因果關(guān)系圖。步驟一中，用增廣的富勒檢驗(yàn)方法對(duì)數(shù)據(jù)進(jìn)行時(shí)間平穩(wěn)性檢查。所述步驟一對(duì)數(shù)據(jù)進(jìn)行預(yù)處理包括：利用濾波等方法處理數(shù)據(jù)噪聲。步驟四中，從矩陣P任取x、y、z3個(gè)具有因果關(guān)系的變量，其中變量z可以為空，x、y為相鄰變量。采用上述方案后，本專利技術(shù)具有以下優(yōu)點(diǎn)：僅利用反映系統(tǒng)運(yùn)行的海量數(shù)據(jù)建立模型，不依賴于系統(tǒng)的物理模型和先驗(yàn)知識(shí)，限制條件少，適用性強(qiáng)；此外，在報(bào)警初期進(jìn)行故障定位，能夠快速排出故障，減少重大事故發(fā)生，提高系統(tǒng)的安全性和可靠性，提高經(jīng)濟(jì)效益。下面結(jié)合附圖對(duì)本專利技術(shù)做進(jìn)一步的說明。附圖說明圖1為本專利技術(shù)基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法的流程圖。圖2為變量x、y和z的關(guān)系圖。圖3為變量x、y和z的信息流向圖，其中z到y(tǒng)有直接的因果關(guān)系。圖4為變量x、y和z的信息流向圖，其中z到y(tǒng)沒有因果關(guān)系。圖5為基于標(biāo)準(zhǔn)轉(zhuǎn)變熵的信息流向圖。圖6為標(biāo)準(zhǔn)直接轉(zhuǎn)變熵的計(jì)算步驟。圖7為基于標(biāo)準(zhǔn)直接轉(zhuǎn)變熵的信息流向圖。具體實(shí)施方式實(shí)施例一結(jié)合圖1說明本具體實(shí)施方式，本專利技術(shù)實(shí)施例一揭示的一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法，是按以下步驟進(jìn)行的：步驟一：檢測(cè)工業(yè)系統(tǒng)的工作數(shù)據(jù)并獲得觀測(cè)變量，并將d個(gè)觀測(cè)變量存儲(chǔ)到數(shù)據(jù)矩陣X中，此實(shí)施例利用了增廣的富勒檢驗(yàn)方法檢查數(shù)據(jù)的時(shí)間平穩(wěn)性，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理包括利用濾波等方法處理數(shù)據(jù)噪聲；其中工作數(shù)據(jù)包括反應(yīng)系統(tǒng)運(yùn)行情況的參數(shù)，例如溫度、壓力、水位等；步驟二：對(duì)模型參數(shù)進(jìn)行初始化，并利用Cao準(zhǔn)則優(yōu)化模型參數(shù)；模型是指建立變量因果關(guān)系的模型，模型參數(shù)就是建立模型需要的一些設(shè)置參數(shù)，預(yù)處理后的工作數(shù)據(jù)是模型的輸入；步驟三：計(jì)算轉(zhuǎn)變熵矩陣P：A、從數(shù)據(jù)矩陣X中取3個(gè)變量，標(biāo)記為x、y、z，計(jì)算任意兩個(gè)變量間的標(biāo)準(zhǔn)轉(zhuǎn)變熵值(normalizedTE,NTE)，共d(d-1)/2種組合；以這3個(gè)變量為例說明標(biāo)準(zhǔn)直接轉(zhuǎn)變熵的計(jì)算方法；B、計(jì)算x到y(tǒng)的TE值：其中，是聯(lián)合概率密度函數(shù)，f(·|·)是條件概率密度函數(shù)，w是隨機(jī)向量假設(shè)w的元素是w1,w2,...,ws，∫(·)dw是和分別是x和y歷史測(cè)量值的嵌入向量，k1和l1分別是y和x的維數(shù)，h1是預(yù)測(cè)范圍；如果Tx→y＝0，說明x和y沒有因果關(guān)系；C、計(jì)算x到y(tǒng)的NTE：其中，是條件熵；H表示熵；D、計(jì)算x到z的TE值：其中，和是時(shí)間間隔τ2的嵌入向量，η是隨機(jī)向量h2是預(yù)測(cè)范圍；如果Tx→z＝0，說明x和z沒有因果關(guān)系；E、計(jì)算x到z的NTE值：F、計(jì)算z到y(tǒng)的TE值：其中，和是時(shí)間間隔τ3的嵌入向量，是隨機(jī)向量h3是預(yù)測(cè)范圍；如果Tz→y＝0，說明z和y沒有因果關(guān)系；G、計(jì)算z到y(tǒng)的NTE值：對(duì)數(shù)據(jù)矩陣X的任意兩個(gè)變量都進(jìn)行TE值的計(jì)算，并將該TE值存儲(chǔ)到d×d的矩陣P中；矩陣P的對(duì)角線元素是變量本身的轉(zhuǎn)變熵，其值為NA；當(dāng)NTE值大于規(guī)定的閾值時(shí)，判定兩個(gè)變量具有因果關(guān)系，描述基于NTE的信息流向圖；需要說明的是，通常利用高斯核函數(shù)估計(jì)概率密度函數(shù)對(duì)單變量概率密度函數(shù)可以用下列公式計(jì)算其中，N是樣本數(shù)，γ是減少概率密度函數(shù)估計(jì)的帶寬，c＝(4/3)1/5≈1.06；對(duì)d維多變量情形，概率密度函數(shù)估計(jì)可以用下列公式計(jì)算其中，s＝1,…,d；步驟四：計(jì)算標(biāo)準(zhǔn)直接轉(zhuǎn)變熵值(normalizeddirectTE,NDTE)：A：計(jì)算直接轉(zhuǎn)變熵(directTE,DTE)：如圖2所示，x引起z和y的變化，為了判斷x和y是否具有直接因果關(guān)系，定義DTE：其中，v表示隨機(jī)向量預(yù)測(cè)范圍h＝max(h1,h本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法，其特征在于，包括以下步驟：步驟一：檢測(cè)工業(yè)系統(tǒng)的工作數(shù)據(jù)并獲得觀測(cè)變量，并將d個(gè)觀測(cè)變量存儲(chǔ)到數(shù)據(jù)矩陣X中，檢查數(shù)據(jù)的時(shí)間平穩(wěn)性并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；所述的工作數(shù)據(jù)包括反應(yīng)系統(tǒng)運(yùn)行情況的參數(shù)；步驟二：對(duì)模型參數(shù)進(jìn)行初始化，并利用Cao準(zhǔn)則或者Ragwitz準(zhǔn)則優(yōu)化模型參數(shù)；步驟三：計(jì)算轉(zhuǎn)變熵矩陣P，包括：A、選取變量：從數(shù)據(jù)矩陣X中任取兩個(gè)變量，標(biāo)記為x、y，共d(d?1)/2種組合；B、計(jì)算兩個(gè)變量間的轉(zhuǎn)變熵：公式如下：

【技術(shù)特征摘要】
1.一種基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警根源尋找方法，其特征在于，包括以下步驟：步驟一：檢測(cè)工業(yè)系統(tǒng)的工作數(shù)據(jù)并獲得觀測(cè)變量，并將d個(gè)觀測(cè)變量存儲(chǔ)到數(shù)據(jù)矩陣X中，檢查數(shù)據(jù)的時(shí)間平穩(wěn)性并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；所述的工作數(shù)據(jù)包括反應(yīng)系統(tǒng)運(yùn)行情況的參數(shù)；步驟二：對(duì)模型參數(shù)進(jìn)行初始化，并利用Cao準(zhǔn)則或者Ragwitz準(zhǔn)則優(yōu)化模型參數(shù)；步驟三：計(jì)算轉(zhuǎn)變熵矩陣P，包括：A、選取變量：從數(shù)據(jù)矩陣X中任取兩個(gè)變量，標(biāo)記為x、y，共d(d-1)/2種組合；B、計(jì)算兩個(gè)變量間的轉(zhuǎn)變熵：公式如下：其中，是聯(lián)合概率密度函數(shù)，f(·|·)是條件概率密度函數(shù)，w是隨機(jī)向量假設(shè)w的元素是w1,w2,...,ws，∫(·)dw是和分別是x和y歷史測(cè)量值的嵌入向量，k1和l1分別是y和x的嵌入維數(shù)，h1是預(yù)測(cè)范圍；C、計(jì)算標(biāo)準(zhǔn)轉(zhuǎn)變熵：其中，H表示熵,是條件熵；且Tx→y≠Ty→x；如果大于規(guī)定閾值，則判定兩個(gè)變量x、y具有因果關(guān)系；D、重復(fù)步驟B、C直至計(jì)算d(d-1)，將d(d-1)/2種組合的變量標(biāo)準(zhǔn)轉(zhuǎn)變...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳豪，張景欣，王耀宗，張丹，蔡品隆，
申請(qǐng)(專利權(quán))人：泉州裝備制造研究所，
類型：發(fā)明
國別省市：福建,35