結(jié)合態(tài)勢感知的概念,重點對工控系統(tǒng)現(xiàn)場控制層數(shù)據(jù)進(jìn)行分析,提出一種針對工業(yè)控制系統(tǒng)的態(tài)勢理解算法。該算法利用FCM算法實現(xiàn)系統(tǒng)正常狀態(tài)空間的建模,度量出實時狀態(tài)偏離正常狀態(tài)的程度;此外,利用數(shù)據(jù)的時序性,通過ARIMA預(yù)測出后續(xù)時刻系統(tǒng)數(shù)據(jù)信息;最后使用滑動窗口技術(shù)實現(xiàn)對系統(tǒng)過去、當(dāng)前和未來的數(shù)據(jù)信息融合,計算出可以表征系統(tǒng)實時態(tài)勢的二元組,直觀地呈現(xiàn)出系統(tǒng)的實時安全狀況,實現(xiàn)當(dāng)前態(tài)勢理解。通過數(shù)據(jù)仿真實驗,驗證了算法的可執(zhí)行性和有效性,該算法的輸出可以為安全管理人員提供可靠的決策信息。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖3工業(yè)控制系統(tǒng)態(tài)勢感知模型

工業(yè)控制系統(tǒng)態(tài)勢感知模型分為三層:態(tài)勢要素提取、態(tài)勢理解、態(tài)勢預(yù)測[19～21];層層遞進(jìn)，每層的輸出都是下一層的輸入，整個態(tài)勢感知過程如圖3所示。態(tài)勢要素提取層的作用是從系統(tǒng)中提取出一些能夠表征系統(tǒng)狀態(tài)信息的數(shù)據(jù)，這些數(shù)據(jù)也叫做安全態(tài)勢要素;這個階段主要包括數(shù)據(jù)獲得和數(shù)據(jù)預(yù)處理....

圖4基于ARIMA預(yù)測修正的工控系統(tǒng)態(tài)勢理解流程

態(tài)勢要素提取層的作用是從系統(tǒng)中提取出一些能夠表征系統(tǒng)狀態(tài)信息的數(shù)據(jù)，這些數(shù)據(jù)也叫做安全態(tài)勢要素;這個階段主要包括數(shù)據(jù)獲得和數(shù)據(jù)預(yù)處理，該階段所收集的態(tài)勢要素的有效性直接決定了整個態(tài)勢感知最終輸出的有效性。本文所獲得的數(shù)據(jù)是工控系統(tǒng)現(xiàn)場控制層數(shù)據(jù)，每一個時刻的數(shù)據(jù)由同一時刻系統(tǒng)現(xiàn)場....

圖5提餾段溫度單回路控制方案

首先對數(shù)據(jù)進(jìn)行預(yù)處理，因為本文主要為了說明算法的有效性和可執(zhí)行性，所選用的研究對象和數(shù)據(jù)較簡單，并不存在需要刪減的特征維度，所以只需要作數(shù)值歸一化處理;再使用FCM算法對訓(xùn)練集進(jìn)行聚類，對系統(tǒng)正常運行空間進(jìn)行建模，經(jīng)過多次實驗后確定聚類中心的個數(shù)等于5時效果最好。確定滑動窗口的長....

圖6各時刻點εavg的大小

圖6、7為攻擊斜率不同的三個測試集通過算法計算出來的各個時刻系統(tǒng)的態(tài)勢S，由圖6、7可知，當(dāng)系統(tǒng)處于沒有被攻擊的時段內(nèi)，所計算出S=(εavg，εs)內(nèi)的εavg與εs的值都為0，或者都很小，理論上來說只有當(dāng)進(jìn)入攻擊時段后(t>400)的數(shù)據(jù)點才會出現(xiàn)態(tài)勢二元組S中元素大于0的情....

本文編號：3898529