CN104732232A - 一种基于位图的防危状态快速判断方法 - Google Patents

一种基于位图的防危状态快速判断方法 Download PDF

Info

Publication number
CN104732232A
CN104732232A CN201310692728.0A CN201310692728A CN104732232A CN 104732232 A CN104732232 A CN 104732232A CN 201310692728 A CN201310692728 A CN 201310692728A CN 104732232 A CN104732232 A CN 104732232A
Authority
CN
China
Prior art keywords
state
bitmap
danger
point
pointnum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201310692728.0A
Other languages
English (en)
Inventor
康卫
李林
徐新国
朱廷劭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
No6 Research Institute Of China Electronics Corp
6th Research Institute of China Electronics Corp
Original Assignee
No6 Research Institute Of China Electronics Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by No6 Research Institute Of China Electronics Corp filed Critical No6 Research Institute Of China Electronics Corp
Priority to CN201310692728.0A priority Critical patent/CN104732232A/zh
Publication of CN104732232A publication Critical patent/CN104732232A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于位图的防危状态快速判断方法。为了提高防危系统状态判断的效率,本发明采用位图计算的方法避免了搜索用户状态规则的开销。通过合理的初始化工作,将用户状态规则的信息转换为位图的形式存入状态位图矩阵。位图矩阵数据结构的设计见摘要附图。在状态判断时,只需要根据单点状态向量,从状态位图矩阵中取出每个单点对应的位图,进行按位与运算后即可得到状态判断结果。通过本发明公开的基于位图的防危状态快速判断方法,能有效的提高状态判断的效率。

Description

一种基于位图的防危状态快速判断方法
技术领域
本发明专利属于计算机工程应用软件,应用于工业控制防危安全系统中的防危状态判断。
背景技术
随着信息技术和工业自动化水平的提升,工业控制系统越来越复杂,错误也越来越难检测和避免,且常常引发工业事故,危及工业生产、国家经济安全和人民生命财产安全。针对工控系统存在的安全问题,采用复杂网络分析、数据预测、专家分析、自适应升降级等技术,提出了一种包含全局防危、主动防危、实时防危、自主防危和防危认证的工业控制系统防危机制,实现对工业控制系统的安全防护。
防危核和防危壳是防危系统里最常用的两种技术手段,将防危核与防危壳技术进行比较,可以发现两种方式的基本原理都是相同的,即提供了设备操作与关键设备的隔离。不同点在于,防危核只提出了操作验证的基本功能,而防危壳将防危策略细分为三个子模块,子模块拥有了单独检查设备状态和保证命令时间限制等功能,降低了验证整个防危策略的开销。某种程度上,防危壳可以看作是防危核技术的一种扩展变型和另一种实现方式。
无论防危核还是防危壳,都只是把关键设备进行隔离防危,而实际的工控系统是一个复杂的网络,各设备之间存在着相互依赖关系,对一个设备的操作势必会对其他设备造成影响,针对独立设备的防危往往达不到整体防危的要求。因此,针对整体性防危的要求,提出了利用防危保护态以及有穷状态机实现防危,如图1实线所示。
系统从正常工作状态发展为事故,一般经过多个状态,从警告、临界到危险,直至事故。为了实现防危,借鉴容错理论,引入防危保护状态(E),也就是在系统遇到危险或在临界情况下,通过防危机制进入保护模式,在保护模式下系统可以通过自我调节回归到正常模式。
用状态转化图表示如图1所示。图中,A:正常状态;B:警告状态;C:临界状态;D:危险状态;F:事故状态;E:防危保护态。
危险包括针对工业现场的和工控系统自身的,为了从危险状态(D)转化到防危保护状态(E),针对不同类型的危险,需要通过专家规则实时判断工业现场的危险状况,或者通过降级服务对工控系统实施保护。为了从防危保护态(E)转化为正常态(A),需要通过工控系统的合理调度,实现自身状态的回归,或者利用专家知识库推荐工业现场的补救方案。
为了从临界状态(C)转化为防危保护态(E),一方面需要对关键设备的情况进行主动预测和危险预报;另一方面,通过分析设备之间的相互影响关系,预测系统整体的风险。
针对出现报警(B)的情况,利用专家规则判断危险状况,并根据专家规则中的处理办法进行相应的操作,使得系统转化为正常状态(A)。
系统在正常运行(A)期间,通过对关键设备的情况进行预测,防患于未然,使系统维持在正常状态。
以上防危机制的基础就是判断工控系统的防危状态。防危状态描述了当前系统具体运行情况,防危系统据此做出报警、自适应调整等一系列操作。系统通过检测由单点向量和用户定义的状态规则得出防危状态。单点向量由运行单点规则得出,包括系统关键点的状态,可以描述系统运行状态。状态规则归纳了某一类单点向量表示为一种状态。防危状态判断包括了从采集实时数据到得出系统防危状态的过程。
发明内容
由于工控系统监控数据较多,实时性要求很高,因此运行效率很重要。针对防危系统的状态判断过程我们提出了一种基于位图的防危状态快速判断方法。本方法能够快速判断出防危状态,避免了遍历查找状态规则的时间开销。
本发明的基本思想是将遍历搜索、查找比较的过程转换为按位计算来节省运行时间。通过设计合理的数据结构,可以用位图的形式表征状态规则及系统单点向量。另外将初始化状态位图的过程放在系统防危工作开始前完成。这样借助冗余的数据结构和合理的初始化就可以将用户规则初始化进一个位图结构中,如图2所示,将用户状态规则中的信息转换为状态位图矩阵中的PointNum*7个位序列,将状态判断简化为PointNum个位序列的按位计算,所述的PointNum为点的数量。之后通过单点向量选出可能的n个状态向量进行按位与运算,就可快速的得到系统防危状态。
具体来说明,在基于数据挖掘的防危机制应用实例中,用户状态规则为系统关键点的单点状态集合(我们称为单点向量)到某一防危状态的映射关系。理论上同一时刻系统只能处于一种系统状态。单点状态为该点当前实时值的量化结果,根据单点规则得出,为0到6的某一个值,如图3所示。某一防危状态对应的单点向量可能是归纳的而不是唯一的,例如IF<vector>==*43512THENuserstate=“煅烧区上移警告状态”,即表示该状态只对后5个点的单点状态有依赖关系,符号‘*’表示通配符,由于加入了‘*’,同一时刻的数据有可能满足多种状态规则,所述的状态规则是用户状态,即用户自定义的状态,其有别于系统状态,这样同一时刻系统可能符合多种用户状态。
这样当得到当前的单点向量之后,需要和所有用户状态规则包含的单点向量进行匹配比较,得出防危状态。
为了提高系统运行效率,本发明提出了用位图表示单点状态到防危状态的映射关系。即所有防危状态在位图中有某一位来表示,所述的位为二进制比特位。某一个单点在单点状态下可能处在的防危状态对应的位置1。所有位图中同样的位对应同样的防危状态,其中每一位对应一个状态并且所有的位序列顺序相同,对应的位为1表示该位对应的防危状态可能是当前的有效状态,为0表示该位对应的防危状态不是当前的有效状态。这样,在得到单点向量后,就可以根据所有的单点状态去状态位图表中取出对应的位图,之后将得到的位图进行按位与操作,对应的结果为1的位即表示系统处在该位对应的防危状态。位图通过在系统初始化阶段分析用户状态规则得出。
本发明通过使用设计合理的数据结构以及将用户状态规则等信息初始化成位图表示的形式,将单点向量遍历匹配用户状态规则的过程转换为多个位图的按位与操作。利用本发明可以提高防危系统进行防危状态判断的效率,提高系统的实时性。
附图说明
图1是防危系统状态转化图。
图2是用于用户状态判断的位图矩阵。
图3是单点状态示例图。
图4是具体实施方式中应用实例下用户状态的定义。
图5是根据图3的用户状态的定义,初始化的位图矩阵。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面举具体实例,对本发明作进一步详细的说明。
单点状态规则是通过低危险线、低临界线、低警告线、高警告线、高临界线、高危险线将整个实数域划分成了七个区间,如图3所示。从左到右依次标记为0-6,表示单点状态。系统中所有单点的状态按单点ID顺序排列即为单点向量。运行单点规则即可得到单点状态向量。
图2是用于用户状态判断的位图矩阵。在本应用实例中采用一个7*n的位图矩阵来进行用户状态的判断。其中:7表示模拟量离散化后的七个状态量,分别对应{0、1、2、3、4、5、6)。n表示采集点的个数,或者具体点是参与用户状态判定的采集点的个数。矩阵中的每一个分量为一个位图,每一个二进制比特位代表对应的用户状态是否被定义。如图中的point[0][0]所示,表示第0号采集点的量化值为0时对应的位图。该分量首先声明为void*类型,根据用户定义的状态数量动态申请内存。在本实例中point[0][0]为8位的位图,图中的bit位从左至右表示从高位到低位,从左至右每位分别表示HGFEDCBA八个用户状态。位图矩阵中所有分量中对应的位表示相同的状态。
下面借助附图中的图示说明本实例实施过程。
在本实例中用户定义了ABCDEFGH八个用户状态。具体状态定义规则如图4所示。其中数字代表各点量化后的单点状态量(0-6之间的一个数字),*代表该点没有参与对应用户状态的判定。本图中第一行表示如果单点向量为6*1**5,即为A防危状态。防危状态判断就是已知单点向量,依据用户状态规则,得到防危状态的过程。
根据图4中用户状态规则的定义,按照本发明初始化好的位图矩阵如图5所示。其中,point[i][j]对应图2中的point[i][j],i表示单点ID,j表示第i个单点当前的状态。
在本实例的一个运行过程中,假设某一时刻根据实时数据和单点规则得出用户向量为225410。我们可以据此取出point[0][2],point[1][2],point[2][5],point[3][4],point[4][1],point[5][0]这6个位图,所述的6个位图如下所示:
11110100
01111111
10100100
11111111
11101111
00100000
对上面6个位图进行按位与操作得到结果00100000。即表示从右至左第5位表示的F状态为当前的防危状态。
综上,本发明通过使用状态位图及合理的初始化工作提出了一种基于位图的防危状态快速判断方法。本发明避免了遍历搜索用户状态定义规则的开销,因此能够提高状态判断效率。

Claims (5)

1.一种基于位图的防危状态快速判断方法,其特征是利用设计合理的数据结构及初始化,将用户状态规则中的信息转换为状态位图矩阵中的PointNum*7个位序列,将状态判断简化为PointNum个位序列的按位计算,所述的PointNum为点的数量。
2.根据权利要求1所述的方法,其特征是设计合理的数据结构,即位图矩阵,位图矩阵为PointNum*7的二维矩阵,位图矩阵中的元素为指向一个位序列的void*指针,位序列point[i][j]表示第i个点在第j个状态时对应的状态位图,所述的PointNum为点的数量。
3.根据权利要求1所述的方法,其特征是位图矩阵中的每一个元素指向的位图有n个位,所述的n为防危状态个数,其中每一位对应一个状态并且所有的位序列顺序相同,对应的位为1表示该位对应的防危状态可能是当前的有效状态,为0表示该位对应的防危状态不是当前的有效状态。
4.根据权利要求1所述的方法,其特征是我们设计了合理的初始化过程,将用户状态规则中的信息转换为状态位图矩阵中的PointNum*7个位序列,所述的PointNum为点的数量。
5.根据权利要求1所述的方法,其特征是根据单点向量取出位图进行按位与运算,得出对应为1的位即为当前防危状态判断的结果。
CN201310692728.0A 2013-12-18 2013-12-18 一种基于位图的防危状态快速判断方法 Pending CN104732232A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310692728.0A CN104732232A (zh) 2013-12-18 2013-12-18 一种基于位图的防危状态快速判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310692728.0A CN104732232A (zh) 2013-12-18 2013-12-18 一种基于位图的防危状态快速判断方法

Publications (1)

Publication Number Publication Date
CN104732232A true CN104732232A (zh) 2015-06-24

Family

ID=53456107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310692728.0A Pending CN104732232A (zh) 2013-12-18 2013-12-18 一种基于位图的防危状态快速判断方法

Country Status (1)

Country Link
CN (1) CN104732232A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388085A (zh) * 2007-09-14 2009-03-18 李清东 快速故障诊断推理机
CN103309341A (zh) * 2012-03-15 2013-09-18 华北计算机系统工程研究所 工业控制系统全局防危技术

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388085A (zh) * 2007-09-14 2009-03-18 李清东 快速故障诊断推理机
CN103309341A (zh) * 2012-03-15 2013-09-18 华北计算机系统工程研究所 工业控制系统全局防危技术

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘洪刚等: "基于SDG的只能故障诊断方法研究", 《系统工程与电子技术》 *
李春华等: "基于粗糙集的矿井通风机故障诊断系统的研究", 《自动化与仪器仪表》 *

Similar Documents

Publication Publication Date Title
Zhang et al. A fuzzy Petri net based approach for fault diagnosis in power systems considering temporal constraints
Fu et al. Sensor fault management techniques for wireless smart sensor networks in structural health monitoring
Jiang et al. Spatiotemporal surveillance methods in the presence of spatial correlation
CN104424354A (zh) 使用用户操作生成模型检测异常用户行为的方法和系统
Agudelo et al. Integration of techniques for early fault detection and diagnosis for improving process safety: Application to a fluid catalytic cracking refinery process
Li et al. Connectivity reliability and topological controllability of infrastructure networks: A comparative assessment
Kostogryzov et al. Improvement of existing risks control concept for complex systems by the automatic combination and generation of probabilistic models and forming the storehouse of risks predictions knowledge
Levitin et al. Optimal loading of elements in series systems exposed to external shocks
Xie et al. Internet of Things assisted radio frequency identification based mine safety management platform
KR101810860B1 (ko) 개인정보 보안제품 통합관제 시스템
Guibing et al. Vulnerability evaluation method applied to manufacturing systems
Ellinas et al. Critical infrastructure systems: Basic principles of monitoring, control, and security
CN109413108A (zh) 一种基于安全的waf检测方法和系统
CN104732232A (zh) 一种基于位图的防危状态快速判断方法
CN111159001A (zh) 用于操作系统的检测方法及装置、服务器
Alrumaih et al. Evaluation of industrial network robustness against targeted attacks
Liao et al. Spatial–temporal interrelationships of safety risks with dynamic partition analysis: a mechanical installation case
CN111049685A (zh) 电力系统的网络安全感知系统、网络安全感知方法和装置
CN108509796B (zh) 一种风险性的检测方法及服务器
Ferris et al. The fundamental nature of resilience of engineered systems
Ragab et al. Remaining useful life prognostics using pattern-based machine learning
Gavanelli et al. Genetic algorithms for scheduling devices operation in a water distribution system in response to contamination events
Arnold et al. Machine Learning Models for Cyberattack Detection in Industrial Control Systems
Sharma et al. Attack detection based on machine learning techniques to safe and secure for CPS—A review
CN103281221A (zh) 消防物联网系统测试方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150624

WD01 Invention patent application deemed withdrawn after publication