CN108615340A - 一种动态报警阈值设计和报警消除的方法与系统 - Google Patents
一种动态报警阈值设计和报警消除的方法与系统 Download PDFInfo
- Publication number
- CN108615340A CN108615340A CN201810427685.6A CN201810427685A CN108615340A CN 108615340 A CN108615340 A CN 108615340A CN 201810427685 A CN201810427685 A CN 201810427685A CN 108615340 A CN108615340 A CN 108615340A
- Authority
- CN
- China
- Prior art keywords
- variable
- alarm
- point
- operation area
- steady operation
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/20—Calibration, including self-calibrating arrangements
- G08B29/24—Self-calibration, e.g. compensating for environmental drift or ageing of components
- G08B29/26—Self-calibration, e.g. compensating for environmental drift or ageing of components by updating and storing reference thresholds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种动态报警阈值设计和报警消除的方法与系统,本发明通过根据各个样本点的不同动态设置相应的报警阈值,并确定相应异常点的调整变量,能够减少工业报警系统中的误报警和漏报警,使得操作人员不至于淹没于大量的干扰报警中,方便操作人员及时发现真正有用的报警,并且本发明有益于帮助操作人员对已经发生的报警做出反应,指导他们如何消除报警。
Description
技术领域
本发明涉及工业报警系统等自动化技术领域,尤其涉及一种动态报警阈值设计和报警消除的方法与系统。
背景技术
报警系统是现代工业系统的重要组成部分,对生产过程的安全高效运行有着至关重要的作用。因此,工业报警系统的研究受到了工业界和学术界越来越广泛的关注。然而由于噪声等外部干扰的影响,以及没有考虑变量之间的相关性,工业报警系统会产生大量的误报警和漏报警,误报警和漏报警会严重影响工业报警系统的性能表现,不仅导致有用的报警信息被淹没,更因“狼来了”效应造成操作人员长期忽视报警信息,不信任甚至关闭工业报警系统。
因此,如何提高报警的准确度和防止报警信息被忽视、被遗漏,是目前急需解决的问题。
发明内容
本发明为了解决上述问题,提出了一种动态报警阈值设计和报警消除的方法与系统。
首先,本发明提供一种动态报警阈值设计和报警消除的方法,该方法可以有效降低工业报警系统的误报率和漏报率,同时指导操作人员做出反应来消除已经发生的报警,以有效提高报警的准确度,并防止报警信息被忽视。
其次,本发明基于上述方法提供一种动态报警阈值设计和报警消除的系统,以从系统或软件方面提供上述方法的可实现性。
为了实现上述目的,本发明采用如下技术方案:
一种动态报警阈值设计和报警消除的方法,包括:
将正常历史数据标准化,使得各个变量的取值落在0到1之间;
利用标准化后的正常历史数据建立稳态工作区,稳态工作区之内的点被视为正常点,否则被视为异常点;
为每个新来的样本点,利用沿着其各个坐标轴方向在稳态工作区表面上的投影动态设置报警阈值;
稳态工作区在平行坐标系中被表示为一系列的双曲线,异常点在平行坐标系中被表示为折线,利用折线与双曲线的位置关系来确定异常点的调整变量,利用双曲线的切线来确定调整变量的调整范围;
不断接收调整信息,直至各个异常点的变量调整至对应的调整范围内,消除报警。
进一步的,计算各个变量的最大值和最小值,计算每个变量最大值与最小值之间的差值,将每个样本点的各个变量的取值减去各个变量的最小值,然后除以对应的最大值和最小值的差值,从而将样本点的各个变量的取值标准化到0到1之间。
进一步的,利用聚类算法从m个正常历史数据中选取r个样本来构建稳态工作区,且正常历史数据与样本的比值根据设定的报警误报率来设置。
进一步的,所述聚类算法包括但不限于K均值聚类算法、BIRCH算法、CURE算法、MDS_CLUSTER、DBSCAN算法、OPTICS算法、DENCLUE算法等。
作为一种优选方式,可以选择k均值聚类算法,具体过程包括:
(1)从m个正常历史数据中随机选取r个样本,计算这r个样本的均值μr和协方差矩阵Wr。
(2)计算每个样本点X(t)到样本中心的马氏距离d(t),其中d(t)的计算公式为:
(3)将每个样本点的马氏距离d(t)按照从小到大的顺序排列,选出距离较小的r个样本,然后计算这r个样本的均值μ'r和协方差矩阵W'r。
(4)如果协方差矩阵Wr的行列式等于协方差矩阵W'r的行列式,聚类算法就终止。否则将μ'r和W'r的值分别赋给μr和Wr,聚类算法跳转到步骤(2)。
进一步的,利用超椭球体作为稳态工作区的数学模型,超椭球体的方程为
[X(t)-C]TP[X(t)-C]=1
其中,X(t)为超椭球体表面上的点,C为超椭球体的中心向量,即各个样本的均值,P为超椭球体的特征矩阵,即各个样本的协方差矩阵。
进一步的,如果新来的样本点在超椭球体内,该样本点就被视为正常的样本点,否则就被视为异常的样本点。
进一步的,对于一个正常的样本点,沿着各个坐标轴方向,在超椭球体稳态工作区表面上的投影被定义为该样本点的动态报警阈值。
进一步的,当正常的样本点的各个变量的取值远离对应的动态报警阈值,该样本点就有较大的调整裕度,生产过程较为安全;否则,如果样本点的某个或者某些变量的取值靠近对应的动态报警阈值,接下来可能会有报警产生。
进一步的,对于异常的样本点,其与稳态工作区的中心的连线与稳态工作区的交点所对应的动态报警阈值被定义为该异常样本点的动态报警阈值。
进一步的,对于异常的样本点,只需要将其调整到所述异常的样本点和稳态工作区的中心的连线与稳态工作区的交点处,就能让该异常点回到稳态工作区内,从而消除报警。
进一步的,利用平行坐标系来确定调整变量的过程中,将所有变量分为两大类,不可操纵变量和可操纵变量,对于一个新来的异常样本点,将它的不可操纵变量的值代入到稳态工作区的数学模型中,得到稳态工作区的降维缩减空间的数学模型;同时将降维缩减空间的数学模型在平行坐标系中表示出来,利用新来的异常样本点在平行坐标系中的表示与降维缩减空间在平行坐标系中表示的相对位置来确定调整变量。
进一步的,如果调整某些变量的值到某个范围内可以使得异常的样本点回到稳态工作区内,这些变量就被称为调整变量,并且这些范围就被称为调整变量对应的调整范围;调整变量通过对应的样本点在平行坐标系中的表示与n-g维的超椭球体在平行坐标系中的表示,也就是n-g-1对双曲线的相对位置来判断,其中,对于含有n个变量的报警系统,前g个变量是不可操纵变量,后n-g个变量是可操纵变量。
本发明还提供一种动态报警阈值设计和报警消除的系统,包括:
数据标准化模块,用于将正常历史数据标准化,使得各个变量的取值位于0到1之间;
稳态工作区构建模块,用于利用标准化后的正常历史数据构建稳态工作区,从而用来判断新来的样本点是否是正常的,以及用来计算动态报警阈值和消除报警;
动态报警阈值计算模块,用于为每个新来的样本点,利用沿着其各个坐标轴方向在稳态工作区表面上的投影动态设置报警阈值;
变量调整模块,用来确定异常点的调整变量和调整变量对应的调整范围,用来指导操作人员做出反应消除报警;
报警消除模块,用于将各个异常点的调整变量的值调整到对应的调整范围内,从而消除报警。
与现有技术相比,本发明的有益效果为:
本发明利用正常的历史数据建立稳态工作区,将稳态工作区之内的点视为正常的样本点,否则视为异常的样本点。对于每个新来的样本点,利用稳态工作区来设计动态报警阈值,动态报警阈值可以反映系统的运行状态并且可以帮助操作人员对发生的报警做出反应。
本发明通过将稳态工作区可视化在平行坐标系中,可以确定调整变量和调整变量对应的调整范围。将调整变量的值调整到他们对应的调整范围内,就可以消除报警。
综上,本发明有益于减少工业报警系统中的误报警和漏报警,使得操作人员不至于淹没于大量的干扰报警中,方便操作人员及时发现真正有用的报警。并且本发明有益于帮助生产操作人员对已经发生的报警做出正确反应,指导他们如采取有效措施消除报警。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明实施例所述设计动态报警阈值和消除报警的系统流程图;
图2为正常点的动态报警阈值的计算示意图;
图3为异常点的动态报警阈值的计算示意图;
图4为调整变量的确定示意图;
图5为调整范围的计算示意图;
图6为本发明实施例的过程变量的时间序列图;
图7为本发明实施例的动态报警阈值示意图;
图8为本发明实施例的变量的调整示意图;
图9为本发明实施例所述设计动态报警阈值和消除报警的系统框图。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本发明中,术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,只是为了便于叙述本发明各部件或元件结构关系而确定的关系词,并非特指本发明中任一部件或元件,不能理解为对本发明的限制。
本发明中,术语如“固接”、“相连”、“连接”等应做广义理解,表示可以是固定连接,也可以是一体地连接或可拆卸连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员,可以根据具体情况确定上述术语在本发明中的具体含义,不能理解为对本发明的限制。
如图1所示,本发明的一种典型实施例是:
一种设计动态报警阈值和消除报警的方法,包括以下步骤:
步骤S1,将正常历史数据标准化,使得各个变量的取值落在0到1之间;
步骤S2,利用标准化后的正常历史数据建立稳态工作区,稳态工作区之内的点被视为正常点,否则被视为异常点;
步骤S3,为每个新来的样本点设计动态报警阈值;
步骤S4,利用平行坐标系来确定调整变量,利用切线来确定调整变量的调整范围;
步骤S5,将各个调整变量调整到他们对应的调整范围内,从而消除报警。
步骤S1中:计算n维的正常历史数据的每一维的最小值和最大值其中i=1,2,…,n。对于每一个样本点利用公式:
将该样本点标准化,使它的各个变量的取值位于0到1之间。
步骤S2中:从m个正常历史数据中选取r个数据来构建稳态工作区,其中m为样本总数。稳态工作区包含的样本数r根据误报率来选取,如果报警系统的误报率为σ,那么r=m(1-σ)。
这是因为远离样本中心的样本点分布的很稀疏,如果稳态工作区要包含所有样本的话,稳态工作区就会过大,从而导致大量的漏报警。反之,如果稳态工作区包含的样本很少的话,稳态工作区就会过小,从而导致大量的误报警。
从m个正常历史数据中选取r个样本来构建稳态工作区是通过k均值聚类算法来实现。
进一步的,所述k均值聚类算法包括以下步骤:
(1)从m个正常历史数据中随机选取r个样本,计算这r个样本的均值μr和协方差矩阵Wr。
(2)计算每个样本点X(t)到样本中心的马氏距离d(t),其中d(t)的计算公式为:
(3)将每个样本点的马氏距离d(t)按照从小到大的顺序排列,选出距离较小的r个样本,然后计算这r个样本的均值μ'r和协方差矩阵W'r。
(4)如果协方差矩阵Wr的行列式等于协方差矩阵W'r的行列式,聚类算法就终止。否则将μ'r和W'r的值分别赋给μr和Wr,聚类算法跳转到步骤(2)。
进一步的,所述步骤S2中用超椭球体作为稳态工作区的数学模型,超椭球体的方程为:
[X(t)-C]TP[X(t)-C]=1
其中,X(t)为超椭球体表面上的点,C为超椭球体的中心向量,P为超椭球体的特征矩阵。在实际应用过程中,中心向量C和特征矩阵P用样本均值和协方差矩阵来代替。也就是说,C=μr和P=Wr。
进一步的,步骤S2中,如果新来的样本点在超椭球体内,该样本点就是正常的,否则就是异常的。也就是说,对于新来的样本点X(t),如果:
[X(t)-C]TP[X(t)-C]≤1。样本点X(t)就是正常的,否则就是异常的。
S3中:对于一个正常的样本点X(t),它沿着各个坐标轴方向,在稳态工作区表面上的投影被定义为它的动态报警阈值。如图2所示,蓝色的椭圆表示稳态工作区的边界,红色的星号表示一个正常的样本点X(t),红色的圆圈表示样本点在稳态工作区上的投影。那么变量x1的动态报警阈值为-0.8和0.8,变量x2的动态报警阈值为-0.56和0.56。
对于正常的样本点X(t)=[x1(t),x2(t),…,xn(t)],它沿着xi轴方向在稳态工作区表面上的投影分别为:
其中,
公式(2)中,U(t)和V(t)的计算公式为:
和的计算公式为:
在公式(3)中,表示由矩阵的第i1,i1+1,…,i2行,第j1,j1+1,…,j2列的元素组成的矩阵。其中矩阵的计算公式为:
公式(4)中,C和P分别表示超椭球体的中心向量和特征矩阵。
因此,正常点X(t)对应的动态报警阈值为其中li(t)表示动态低报警阈值,hi(t)表示动态高报警阈值。
对于一个异常的样本点X(t),它和稳态工作区中心的连线与稳态工作区的交点X'(t)对应的动态报警阈值被定义为X(t)的动态报警阈值。如图3所示,蓝色的椭圆表示稳态工作区的边界,红色的星号表示异常点X(t),绿色的点画线L表示稳态工作区中心和样本点X(t)的连线,红色的五角星X'(t)表示线段L和稳态工作区的交点。点X'(t)的动态报警阈值被定义为异常的样本点X(t)的动态报警阈值。点X'(t)位于稳态工作区上,它是一个正常的样本点,可以用公式(1)来计算它的动态报警阈值。
对于一个异常点X(t),它对应的X'(t)的计算公式为:
X'(t)=θX(t)+(1-θ)C,0≤θ≤1 (5)
在公式(4)中,θ的计算公式为:
S4中:将所有的变量分为两大类,不可操纵变量和可操纵变量。对于一个新来的异常样本点X(t),将它的不可操纵变量的值代入到稳态工作区的数学模型中,得到降维缩减空间的数学模型。如果样本点在稳态工作区内,它也应该在降维缩减空间内。因此,将异常的样本点调整到稳态工作区内等价于调整可操纵变量的值将该样本点调整到降维缩减空间内。在本发明中,平行坐标系被用来将异常点调整到它的降维缩减空间内。
进一步的,对于含有n个变量的报警系统,如果它的前g个变量是不可操纵变量,后n-g个变量是可操纵变量,对于异常点X(t),它的降维缩减空间的数学模型为:
在公式(6)中,
以及
在公式(7)中,
以及
W(t)=[x1(t),x2(t),…,xg(t)]
公式(6)表示一个n-g维的超椭球体,我们将其投影到n-g-1个二维平面,也就是xg+1xg+2平面,xg+2xg+3平面,…,xn-1xn平面,得到n-g-1个椭圆。然后将这n-g-1个椭圆映射到平行坐标系中,得到n-g-1对双曲线。将这n-g-1对双曲线按照坐标轴顺序依次连接起来,就得到了公式(6)中所示的n-g维的超椭球体在平行坐标系中的表示。
进一步的,n-g维超椭球体在xixi+1平面内的投影为椭圆,并且投影得到的椭圆的数学模型为:
其中
以及
进一步的,公式(8)中所示的xixi+1平面内的椭圆对应平行坐标系中的双曲线,该双曲线在xy平面内的数学模型为:
其中
以及
进一步的,调整变量通过样本点X(t)在平行坐标系中的表示与n-g维的超椭球体在平行坐标系中的表示,也就是n-g-1对双曲线的相对位置来判断。如图4(a)所示,如果
那么变量xi和变量xi+1都是调整变量;如图4(b)所示,如果
那么变量xi是调整变量。如图4(c)所示,如果
那么变量xi+1是调整变量。如图4(d)所示,如果
那么要么变量xi是调整变量,要么变量xi+1是调整变量,具体哪一个变量是调整变量由操作人员来确定。在公式(10),(11),(12)和(13)中
进一步的,调整变量的调整范围可以通过双曲线的切线来判断。如图5所示,如果变量xi+1是调整变量,并且变量xi不是调整变量,那么调整变量xi+1的调整范围为其中:
在公式(14)中
以及
如果变量xi+1是调整变量,并且变量xi也是调整变量,那么调整变量xi+1的调整范围为其中:
在公式(15)中,其中和ri h(t)分别为调整变量xi的调整范围的上下限。
S5中:利用公式(10),(11),(12)和(13)来确定调整变量,然后利用公式(14)和(15)计算各个调整变量的调整范围,将各个调整变量的值调整到他们对应的调整范围内,就可以将异常的样本点调整到稳态工作区内,从而消除报警。
如图9所示:本发明的再一实施例是一种设计动态报警阈值和消除报警的系统,包括:
数据标准化模块,用于将正常历史数据标准化,使得各个变量的取值位于0到1之间;
稳态工作区构建模块,用于利用标准化后的正常历史数据构建稳态工作区,从而用来判断新来的样本点是否是正常的,以及用来计算动态报警阈值和消除报警;
动态报警阈值计算模块,用于计算新来的样本点的动态报警阈值;
变量调整模块,用来确定调整变量和调整变量对应的调整范围,有益于指导操作人员做出反应消除报警;
报警消除模块,用于将各个调整变量的值调整到他们对应的调整范围内,从而消除报警。
一个实例被用来具体说明如何设计动态报警阈值和消除报警。报警系统包含6个过程变量,分别是机组实际负荷x1,主蒸汽压力x2,主蒸汽流量x3,主给水流量x4,总风量x5和总给煤量x6。图6是这6个过程变量的时间序列图。对于一个新来的样本点X(t)=[0.60,0.30,0.27,0.72,0.90,0.40],它的动态报警阈值如图7所示,它是一个异常点。如图8所示,变量x4,x5和x6是调整变量,它们的调整范围分别是[0.58,0.66],[0.45,0.85]和[0.50,0.90]。
消除报警时,默认将调整变量的值调整到它们的调整范围的中间值。将调整变量x4,x5和x6的值调整到0.62,0.65和0.70,可以使异常点X(t)回到稳态工作区内,从而消除报警。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种动态报警阈值设计和报警消除的方法,其特征是:包括:
将正常历史数据标准化,使得各个变量的取值落在0到1之间;
利用标准化后的正常历史数据建立稳态工作区,稳态工作区之内的点被视为正常点,否则被视为异常点;
为每个新来的样本点,利用沿着其各个坐标轴方向在稳态工作区表面上的投影动态设置报警阈值;
稳态工作区在平行坐标系中被表示为一系列的双曲线,异常点在平行坐标系中被表示为折线,利用折线与双曲线的位置关系来确定异常点的调整变量,利用双曲线的切线来确定调整变量的调整范围;
不断接收调整信息,直至各个异常点的变量调整至对应的调整范围内,消除报警。
2.如权利要求1所述的一种动态报警阈值设计和报警消除的方法,其特征是:计算各个变量的最大值和最小值,计算每个变量最大值与最小值之间的差值,将每个样本点的各个变量的取值减去各个变量的最小值,然后除以对应的最大值和最小值的差值,从而将样本点的各个变量的取值标准化到0到1之间。
3.如权利要求1所述的一种动态报警阈值设计和报警消除的方法,其特征是:利用聚类算法从m个正常历史数据中选取r个样本来构建稳态工作区,且正常历史数据与样本的比值根据设定的报警误报率来设置。
4.如权利要求1所述的一种动态报警阈值设计和报警消除的方法,其特征是:利用超椭球体作为稳态工作区的数学模型,超椭球体的方程为:
[X(t)-C]TP[X(t)-C]=1
其中,X(t)为超椭球体表面上的点,C为超椭球体的中心向量,即各个样本的均值,P为超椭球体的特征矩阵,即各个样本的协方差矩阵;
如果新来的样本点在超椭球体内,该样本点就被视为正常的样本点,否则就被视为异常的样本点。
5.如权利要求1所述的一种动态报警阈值设计和报警消除的方法,其特征是:对于一个正常的样本点,沿着各个坐标轴方向,在超椭球体稳态工作区表面上的投影被定义为该样本点的动态报警阈值。
6.如权利要求1所述的一种动态报警阈值设计和报警消除的方法,其特征是:对于异常的样本点,其与稳态工作区的中心的连线与稳态工作区的交点所对应的动态报警阈值被定义为该异常样本点的动态报警阈值。
7.如权利要求1所述的一种动态报警阈值设计和报警消除的方法,其特征是:对于异常的样本点,只需要将其调整到所述异常的样本点和稳态工作区的中心的连线与稳态工作区的交点处,就能让该异常点回到稳态工作区内,从而消除报警。
8.如权利要求1或7所述的一种动态报警阈值设计和报警消除的方法,其特征是:利用平行坐标系来确定调整变量的过程中,将所有变量分为两大类,不可操纵变量和可操纵变量,对于一个新来的异常样本点,将它的不可操纵变量的值代入到稳态工作区的数学模型中,得到稳态工作区的降维缩减空间的数学模型;同时将降维缩减空间的数学模型在平行坐标系中表示出来,利用新来的异常样本点在平行坐标系中的表示与降维缩减空间在平行坐标系中表示的相对位置来确定调整变量。
9.如权利要求1或7所述的一种动态报警阈值设计和报警消除的方法,其特征是:如果调整某些变量的值到某个范围内可以使得异常的样本点回到稳态工作区内,这些变量就被称为调整变量,并且这些范围就被称为调整变量对应的调整范围;调整变量通过对应的样本点在平行坐标系中的表示与n-g维的超椭球体在平行坐标系中的表示,也就是n-g-1对双曲线的相对位置来判断,其中,对于含有n个变量的报警系统,前g个变量是不可操纵变量,后n-g个变量是可操纵变量。
10.一种动态报警阈值设计和报警消除的系统,其特征是:包括:
数据标准化模块,用于将正常历史数据标准化,使得各个变量的取值位于0到1之间;
稳态工作区构建模块,用于利用标准化后的正常历史数据构建稳态工作区,从而用来判断新来的样本点是否是正常的,以及用来计算动态报警阈值和消除报警;
动态报警阈值计算模块,用于对每个新来的样本点,利用沿着其各个坐标轴方向在稳态工作区表面上的投影动态设置报警阈值;
变量调整模块,用来确定调整变量和调整变量对应的调整范围,用来指导操作人员做出反应消除报警;
报警消除模块,用于将各个异常点的调整变量的值调整到对应的调整范围内,从而消除报警。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810427685.6A CN108615340B (zh) | 2018-05-07 | 2018-05-07 | 一种动态报警阈值设计和报警消除的方法与系统 |
PCT/CN2019/080501 WO2019214367A1 (zh) | 2018-05-07 | 2019-03-29 | 一种动态报警阈值设计和报警消除的方法与系统 |
KR1020197033568A KR102160202B1 (ko) | 2018-05-07 | 2019-03-29 | 동적 경보 임계치 설계와 경보 제거의 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810427685.6A CN108615340B (zh) | 2018-05-07 | 2018-05-07 | 一种动态报警阈值设计和报警消除的方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108615340A true CN108615340A (zh) | 2018-10-02 |
CN108615340B CN108615340B (zh) | 2019-04-02 |
Family
ID=63662330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810427685.6A Active CN108615340B (zh) | 2018-05-07 | 2018-05-07 | 一种动态报警阈值设计和报警消除的方法与系统 |
Country Status (3)
Country | Link |
---|---|
KR (1) | KR102160202B1 (zh) |
CN (1) | CN108615340B (zh) |
WO (1) | WO2019214367A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738368A (zh) * | 2019-02-25 | 2019-05-10 | 浙江省检验检疫科学技术研究院 | 一种毒蛾危害检测的特征光谱指数及检测系统及方法 |
WO2019214367A1 (zh) * | 2018-05-07 | 2019-11-14 | 山东科技大学 | 一种动态报警阈值设计和报警消除的方法与系统 |
CN110703721A (zh) * | 2019-11-27 | 2020-01-17 | 英特尔产品(成都)有限公司 | 用于监控生产过程的方法和装置 |
CN111024120A (zh) * | 2019-11-25 | 2020-04-17 | 国网上海市电力公司 | 一种智能电力井盖倾角监测装置的检验方法 |
CN112912941A (zh) * | 2018-10-31 | 2021-06-04 | 亚萨合莱有限公司 | 控制用于闯入检测的传感器装置的操作状态 |
CN116206427A (zh) * | 2023-05-06 | 2023-06-02 | 安徽智寰科技有限公司 | 一种基于通用指标自适应阈值的分级报警方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781758A (zh) * | 2021-09-07 | 2021-12-10 | 浙江大学 | 面向高端燃煤发电装备的变量协同动态报警阈值优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1803088A (zh) * | 2006-01-20 | 2006-07-19 | 华南理工大学 | 一种智能化监护系统报警方法 |
CN201438379U (zh) * | 2009-09-01 | 2010-04-14 | 中广核工程有限公司 | 一种远程报警阈值修改系统 |
WO2016064562A2 (en) * | 2014-10-24 | 2016-04-28 | Nest Labs, Inc. | Adaptive threshold manipulation for movement detecting sensors |
CN105933681A (zh) * | 2016-07-08 | 2016-09-07 | 中国人民解放军国防科学技术大学 | 面向行为识别的灵敏度自适应调整方法 |
CN206725647U (zh) * | 2017-04-12 | 2017-12-08 | 北京海博智恒电气防火科技有限公司 | 随动报警阈值剩余电流探测装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100995615B1 (ko) * | 2006-03-31 | 2010-11-22 | 후지쯔 가부시끼가이샤 | 임계치 보정 회로, 임계치 보정 기능을 갖는 집적 회로 및 임계치 보정 기능을 갖는 회로 기판 |
KR100982034B1 (ko) | 2010-05-11 | 2010-09-13 | 주식회사 이피아이솔루션즈 | 데이터베이스 성능 모니터링 방법 및 시스템 |
CN105718754B (zh) * | 2016-03-09 | 2018-03-13 | 中国石油大学(北京) | 一种炼化过程参数动态报警阈值的生成方法及装置 |
CN107784799B (zh) * | 2016-08-26 | 2019-07-19 | 北京协同创新智能电网技术有限公司 | 一种基于在线变化方向的多变量报警方法及系统 |
CN106368813B (zh) * | 2016-08-30 | 2018-09-25 | 北京协同创新智能电网技术有限公司 | 一种基于多元时间序列的异常报警数据检测方法 |
CN106407082B (zh) * | 2016-09-30 | 2019-06-14 | 国家电网公司 | 一种信息系统告警方法和装置 |
CN106778053B (zh) * | 2017-03-31 | 2019-04-09 | 国网山东省电力公司电力科学研究院 | 一种基于相关性的报警关联变量检测方法及系统 |
CN108615340B (zh) * | 2018-05-07 | 2019-04-02 | 山东科技大学 | 一种动态报警阈值设计和报警消除的方法与系统 |
-
2018
- 2018-05-07 CN CN201810427685.6A patent/CN108615340B/zh active Active
-
2019
- 2019-03-29 WO PCT/CN2019/080501 patent/WO2019214367A1/zh active Application Filing
- 2019-03-29 KR KR1020197033568A patent/KR102160202B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1803088A (zh) * | 2006-01-20 | 2006-07-19 | 华南理工大学 | 一种智能化监护系统报警方法 |
CN201438379U (zh) * | 2009-09-01 | 2010-04-14 | 中广核工程有限公司 | 一种远程报警阈值修改系统 |
WO2016064562A2 (en) * | 2014-10-24 | 2016-04-28 | Nest Labs, Inc. | Adaptive threshold manipulation for movement detecting sensors |
CN105933681A (zh) * | 2016-07-08 | 2016-09-07 | 中国人民解放军国防科学技术大学 | 面向行为识别的灵敏度自适应调整方法 |
CN206725647U (zh) * | 2017-04-12 | 2017-12-08 | 北京海博智恒电气防火科技有限公司 | 随动报警阈值剩余电流探测装置 |
Non-Patent Citations (1)
Title |
---|
张帆等: "基于状态概率与回归拟合的机械设备告警阈值研究", 《2011 INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTATION AND INDUSTRIAL APPLICATION(ICIA2011)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019214367A1 (zh) * | 2018-05-07 | 2019-11-14 | 山东科技大学 | 一种动态报警阈值设计和报警消除的方法与系统 |
CN112912941A (zh) * | 2018-10-31 | 2021-06-04 | 亚萨合莱有限公司 | 控制用于闯入检测的传感器装置的操作状态 |
US11430324B2 (en) | 2018-10-31 | 2022-08-30 | Assa Abloy Ab | Controlling operational state of a sensor device for break-in detection |
CN109738368A (zh) * | 2019-02-25 | 2019-05-10 | 浙江省检验检疫科学技术研究院 | 一种毒蛾危害检测的特征光谱指数及检测系统及方法 |
CN111024120A (zh) * | 2019-11-25 | 2020-04-17 | 国网上海市电力公司 | 一种智能电力井盖倾角监测装置的检验方法 |
CN111024120B (zh) * | 2019-11-25 | 2021-06-08 | 国网上海市电力公司 | 一种智能电力井盖倾角监测装置的检验方法 |
CN110703721A (zh) * | 2019-11-27 | 2020-01-17 | 英特尔产品(成都)有限公司 | 用于监控生产过程的方法和装置 |
CN110703721B (zh) * | 2019-11-27 | 2021-10-29 | 英特尔产品(成都)有限公司 | 用于监控生产过程的方法和装置 |
CN116206427A (zh) * | 2023-05-06 | 2023-06-02 | 安徽智寰科技有限公司 | 一种基于通用指标自适应阈值的分级报警方法 |
CN116206427B (zh) * | 2023-05-06 | 2023-06-30 | 安徽智寰科技有限公司 | 一种基于通用指标自适应阈值的分级报警方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019214367A1 (zh) | 2019-11-14 |
CN108615340B (zh) | 2019-04-02 |
KR102160202B1 (ko) | 2020-09-25 |
KR20200011416A (ko) | 2020-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108615340B (zh) | 一种动态报警阈值设计和报警消除的方法与系统 | |
CN105260279B (zh) | 基于smart数据动态诊断硬盘故障的方法和装置 | |
CN105095747B (zh) | 一种Java应用健康度评估方法及系统 | |
US20200329063A1 (en) | Method and device for determining data anomaly | |
CN109578816B (zh) | 给水管网爆管检测方法及装置、控制方法及装置 | |
CN106407052B (zh) | 一种检测磁盘的方法及装置 | |
CN108549220A (zh) | 燃煤机组运行状态实时评估方法及其系统 | |
US11340592B2 (en) | Industrial control system with machine learning for compressors | |
CN105204438A (zh) | 一种面向缸盖零件的加工质量控制方法 | |
EP2927131A1 (en) | Aircraft control device, aircraft, and method for controlling aircraft | |
US20240175734A1 (en) | Method and internet of things (iot) system for managing and controlling risk in smart gas pipeline network by combining ultrasonic flowmeter | |
CN113076338A (zh) | 一种基于规则的智能船舶避碰自动测试场景生成方法及系统 | |
CN115755954B (zh) | 巡检路径规划方法、系统、计算机设备及存储介质 | |
CN108197254B (zh) | 一种基于近邻的数据修复方法 | |
CN107909194A (zh) | 系统级测试性设计多目标优化方法 | |
CN110146845A (zh) | 一种事件驱动的固定时间电磁源定位方法 | |
WO2022242231A1 (zh) | 用于检测室内温度的方法、装置和智能空调 | |
US11640534B2 (en) | Threshold triggered back propagation of an artificial neural network | |
KR20120070299A (ko) | 적응형 보안 모델 생성 장치 및 방법 | |
EP1421552A2 (en) | Performance assessment of data classifiers | |
CN107122586A (zh) | 基于单一模拟量和报警延迟器的报警系统优化方法及装置 | |
WO2022233159A1 (zh) | 用于检测室内温度的方法、装置和智能空调 | |
WO2022227523A1 (zh) | 用于检测室内温度的方法、装置和智能空调 | |
CN109657577A (zh) | 一种基于熵和运动偏移量的动物检测方法 | |
WO2022197606A3 (en) | Alert actioning and machine learning feedback |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |