基于多元线性回归模型的工业报警根源分析

摘要

工业报警系统对于保障现代工业安全生产与高效运行有着至关重要的作用，其中报警根源分析是工业报警系统研究领域的一个重要课题。报警根源分析可以帮助操作人员识别工业系统发生异常时的报警根源变量，避免造成重大的安全事故。因此，如何正确找到报警根源对于保证工业系统的安全运行具有非常重要的意义。　　本文从监控变量的增减趋势特征角度出发，提出了一种基于多元线性回归模型的报警根源分析方法。首先采用分段线性表示方法提取监控变量的定性趋势，设计了一种基于拟合优度的确定定性趋势最优分段数目的方法，使得监控变量的每段数据只包含一种趋势关系，以便现场操作人员根据数据信息确定监控变量各数据段的特征关系，为后续报警根源分析提供监控变量准确的定性趋势。其次将分段线性表示方法与皮尔逊相关系数相结合，通过分析历史数据中主变量发生显著性变化时变量之间的相关性，筛选出与主变量关联性较强的变量，排除无关变量的影响，为后续报警根源分析提供准确的关联变量。最后建立多个关联变量与主变量之间的多元线性回归模型，推导出贡献量的计算公式，通过计算关联变量对主变量的贡献量，并根据贡献量的大小确定根源变量。　　本文通过数值仿真案例验证了所提方法的有效性，并将所提方法应用于火电机组的凝汽器真空等工业报警的根源分析，分析结果表明本文所提方法能够正确的找到报警根源，进一步验证了本文所提报警根源分析方法的有效性。

目录

声明

变量注释表

1 绪论

1.1 课题来源（Topic source）

1.2 研究背景与意义（Research background and significance）

1.3 国内外研究现状（Domestic and foreign research status）

1.4 论文的主要研究内容及结构安排（ The main research content and structure of the paper）

2 报警根源分析的变量定性趋势提取

2.1 引言（Introduction）

2.2分段线性表示方法介绍（Introduction of piecewise linear representation method）

2.3 确定最优分段数目（Determining the number of segments）

2.4 趋势特征提取（Extraction of trend characteristic）

2.5 本章小结（Summary）

3 报警根源分析的关联变量确定

3.1 引言（Introduction）

3.2 变量的相关性分析（The correlation analysis of variables）

3.3 基于拟合优度确定关联变量（Determination for the associated variables based on goodness of fit）

3.4 案例分析（Case study）

3.5 本章小结（Summary）

4 多元线性回归模型的根源分析方法设计

4.1 引言（Introduction）

4.2 多元线性回归模型的介绍（Introduction of multiple linear regression model）

4.3 贡献量的概念及其计算（Calculation of contribution）

4.4 离线根源分析方法设计（Design of the offline root-cause analysis）

4.5 数值分析（Numerical simulation）

4.6 在线根源分析方法设计（Design of the online root-cause analysis）

4.7 本章小结（Summary）

5 工业案例分析

5.1 引言（Introduction）

5.2 算法流程介绍（Algorithm flow introduction）

5.3 工业案例（Industrial case）

5.4 本章小结（Summary）

6 总结与展望

6.1 总结（Conclusion）

6.2 展望（Prospect）

参考文献

作者简历

致谢

学位论文数据集