報(bào)警系統(tǒng)是旨在引導(dǎo)操作者注意異常過程狀態(tài)的一類系統(tǒng)。由于報(bào)警系統(tǒng)的不合理設(shè)計(jì),在異常工況下,可能發(fā)生數(shù)以百計(jì)的過程報(bào)警甚至報(bào)警泛濫現(xiàn)象,嚴(yán)重干擾操作者對(duì)當(dāng)前過程狀態(tài)的判斷,從而促成各種工業(yè)事故的發(fā)生。為此,采用先進(jìn)的報(bào)警管理技術(shù)預(yù)報(bào)過程動(dòng)態(tài)、辨識(shí)關(guān)聯(lián)報(bào)警,能夠全面改善報(bào)警系統(tǒng)表現(xiàn),避免報(bào)警泛濫現(xiàn)象的不斷發(fā)生。本文針對(duì)報(bào)警系統(tǒng)中存在的報(bào)警不及時(shí)、關(guān)聯(lián)報(bào)警反復(fù)出現(xiàn)等問題,結(jié)合現(xiàn)有數(shù)據(jù)驅(qū)動(dòng)方法存在的缺乏自適應(yīng)性、可用數(shù)據(jù)信息不足等難點(diǎn),提出了一套基于文本挖掘的過程工業(yè)報(bào)警自適應(yīng)關(guān)聯(lián)分析與預(yù)測(cè)方法,分別針對(duì)過程數(shù)據(jù)和報(bào)警日志信息進(jìn)行報(bào)警關(guān)聯(lián)及預(yù)測(cè)分析,開展了過程趨勢(shì)自適應(yīng)預(yù)警、風(fēng)險(xiǎn)傳播路徑自適應(yīng)辨識(shí)、基于報(bào)警聚類的報(bào)警系統(tǒng)優(yōu)化及基于文本挖掘的過程報(bào)警預(yù)測(cè)四個(gè)方面的研究工作,主要研究?jī)?nèi)容如下:（1）針對(duì)報(bào)警系統(tǒng)預(yù)控及時(shí)性差、現(xiàn)有趨勢(shì)監(jiān)控及預(yù)警方法缺乏自適應(yīng)性和多變量預(yù)警體系等難點(diǎn)問題,提出了一種基于趨勢(shì)監(jiān)控的自適應(yīng)過程預(yù)警方法,自適應(yīng)提取過程數(shù)據(jù)趨勢(shì)特征,對(duì)非平穩(wěn)趨勢(shì)的過程變量進(jìn)行預(yù)警,并研究了多變量預(yù)警情況下的自適應(yīng)權(quán)重計(jì)算及預(yù)警優(yōu)先級(jí)排序方法。以常壓塔及分餾塔異常工況為例對(duì)方法進(jìn)行了應(yīng)用,與... 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：123 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

"max(k)曲線

第4章基于報(bào)警聚類的過程報(bào)警系統(tǒng)優(yōu)化方法研究-74-圖4.10集成聚類結(jié)果系統(tǒng)樹圖Fig.4.10Dendrogramfortheaggregatedclusteringresult（2）采用4.2.3節(jié)引入的MDS方法實(shí)現(xiàn)在二維空間中報(bào)警向量的可視化，如圖4.11，不同的顏色表示不同類內(nèi)的報(bào)警向量（顏色與圖4.10一一對(duì)應(yīng)）。從該散點(diǎn)圖中可以看出聚類結(jié)果較好，從而驗(yàn)證了該報(bào)警聚類方法的可行性和有效性。在圖4.11中，距離十分接近的Alarm(0)（這里將各報(bào)警變量簡(jiǎn)記為Alarm(i)，i用于區(qū)分不同的報(bào)警類型）和Alarm(1)同樣在圖4.10中具有較低的融合距離，表明距離相近的向量會(huì)被聚為一類。此外還可以看出在圖4.11中幾乎重合的Alarm(7)和Alarm(9)的融合距離（如圖4.10）遠(yuǎn)遠(yuǎn)短于Alarm(0)和Alarm(1)，表明向量間的距離越短，其聚類融合距離越短。圖4.11報(bào)警向量MDS散點(diǎn)圖Fig.4.11MDSscatterplotforthealarmvectors

第4章基于報(bào)警聚類的過程報(bào)警系統(tǒng)優(yōu)化方法研究-74-圖4.10集成聚類結(jié)果系統(tǒng)樹圖Fig.4.10Dendrogramfortheaggregatedclusteringresult（2）采用4.2.3節(jié)引入的MDS方法實(shí)現(xiàn)在二維空間中報(bào)警向量的可視化，如圖4.11，不同的顏色表示不同類內(nèi)的報(bào)警向量（顏色與圖4.10一一對(duì)應(yīng)）。從該散點(diǎn)圖中可以看出聚類結(jié)果較好，從而驗(yàn)證了該報(bào)警聚類方法的可行性和有效性。在圖4.11中，距離十分接近的Alarm(0)（這里將各報(bào)警變量簡(jiǎn)記為Alarm(i)，i用于區(qū)分不同的報(bào)警類型）和Alarm(1)同樣在圖4.10中具有較低的融合距離，表明距離相近的向量會(huì)被聚為一類。此外還可以看出在圖4.11中幾乎重合的Alarm(7)和Alarm(9)的融合距離（如圖4.10）遠(yuǎn)遠(yuǎn)短于Alarm(0)和Alarm(1)，表明向量間的距離越短，其聚類融合距離越短。圖4.11報(bào)警向量MDS散點(diǎn)圖Fig.4.11MDSscatterplotforthealarmvectors


本文編號(hào)：3425206