一种数据驱动的工业报警自适应阈值预测方法

摘要

化工过程常常工作在多个稳定状态。传统的报警阈值只是针对单个模式而设定,当变量从一个稳定状态到另一个稳定状态时,会产生误报警和漏报警,于是提出了一种报警阈值自适应预测方法。首先,通过历史数据得到各个阶段的带宽系数和贝叶斯估计的样本信息。其次,为了更新模型参数,在过渡过程采用基于蒙特卡罗方法的贝叶斯参数参数估计方法,利用后验分布函数的均值和方差,并在稳定过程采用递推迭代公式更新均值和方差。针对整个过程得到自适应的报警阈值,以此减小产生误报警和漏报警的数量。最后,通过一个工业实例数据验证了方法的有效性。