發(fā)布時間：2021-12-19 09:42

　　工業(yè)報警器是現(xiàn)代工業(yè)系統(tǒng)的重要組成部分,其作用是監(jiān)測生產(chǎn)過程中的過程變量,通過對過程變量的處理來判斷系統(tǒng)是否處于異常狀態(tài)并生成警報。業(yè)界通常把誤報率（FAR）、漏報率（MAR）和平均報警延遲（AAD）作為評價工業(yè)報警器性能的指標。傳統(tǒng)的報警器設(shè)計方法是在假設(shè)已知過程變量概率特征的前提下,以誤報率和漏報率最小化為目標來優(yōu)化閾值等參數(shù),實現(xiàn)最優(yōu)設(shè)計。但在實際應(yīng)用中,由于過程變量的樣本數(shù)據(jù)會不可避免地受到監(jiān)測及工作環(huán)境中的不確定因素干擾,故難以構(gòu)建精確的概率分布模型描述其隨機不確定性,此時再基于概率理論設(shè)計報警器將存在一定的局限性。在對不確定性信息的描述、推理和綜合處理方面,相較于傳統(tǒng)概率理論,Dempster-Shafer（DS）證據(jù)理論更具有優(yōu)勢。在過程變量的精確概率模型未知的情況下,已有學者將該理論中的證據(jù)組合和更新規(guī)則應(yīng)用于報警器設(shè)計,并取得了顯著效果。在此基礎(chǔ)上,本文引入證據(jù)推理理論設(shè)計一類單/多變量報警器,來提高此類報警器的性能,主要工作如下:（1）基于證據(jù)推理的單變量報警器設(shè)計方法。針對過程變量的隨機不確定性和混合（隨機/認知）不確定性,分別構(gòu)造樣本區(qū)間投點表和樣本參考值投點表... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 工業(yè)報警器設(shè)計方法的研究現(xiàn)狀
    1.3 本文研究內(nèi)容及其結(jié)構(gòu)安排
第2章 工業(yè)報警器主要評價指標
    2.1 引言
    2.2 三個主要評價指標的概念與意義
        2.2.1 誤報率/漏報率/平均報警延遲的定義與一般性表達式
        2.2.2 誤報率/漏報率/平均報警延遲的概率表達式
    2.3 一般報警器設(shè)計方法中三個評價指標的概率表示
        2.3.1 濾波方法中三個評價指標的概率表示
        2.3.2 設(shè)置死區(qū)方法中三個評價指標的概率表示
        2.3.3 時間延遲方法中三個評價指標的概率表示
    2.4 本章小結(jié)
第3章 證據(jù)推理(ER)的基礎(chǔ)理論
    3.1 引言
    3.2 Dempster-Shafer證據(jù)理論基礎(chǔ)
        3.2.1 證據(jù)理論的基本概念
        3.2.2 Jousselme證據(jù)距離
    3.3 證據(jù)推理(ER)組合規(guī)則
    3.4 本章小結(jié)
第4章 基于證據(jù)推理的單變量報警器設(shè)計方法
    4.1 引言
    4.2 基于證據(jù)推理的單變量報警器報警決策方法
        4.2.1 隨機不確定性樣本下的報警證據(jù)獲取方法
        4.2.2 混合(隨機/認知)不確定性樣本下的報警證據(jù)獲取方法
        4.2.3 基于證據(jù)推理的報警證據(jù)遞歸更新融合
    4.3 仿真實驗對比分析
        4.3.1 隨機不確定性樣本下的仿真實驗
        4.3.2 混合不確定性樣本下的仿真實驗
    4.4 本章小結(jié)
第5章 基于多目標優(yōu)化的證據(jù)推理單變量報警器設(shè)計方法
    5.1 引言
    5.2 遺忘策略(FS)的理論基礎(chǔ)
    5.3 基于多目標優(yōu)化的證據(jù)推理單變量報警器報警決策方法
        5.3.1 基于遺忘策略的報警證據(jù)可靠性因子在線優(yōu)化
        5.3.2 基于目標優(yōu)化模型的報警證據(jù)重要性權(quán)重離線優(yōu)化
    5.4 報警實驗對比分析
        5.4.1 混合不確定性樣本下的仿真實驗
        5.4.2 管道泄漏檢測實例
    5.5 本章小結(jié)
第6章 基于多源證據(jù)可靠性度量的多變量報警器設(shè)計方法
    6.1 引言
    6.2 基于多源證據(jù)可靠性度量的多變量報警器報警決策方法
        6.2.1 基于證據(jù)推理的多變量報警證據(jù)在線融合
        6.2.2 基于報警性能評估指標的多源證據(jù)可靠性度量方法
    6.3 報警實驗對比分析
        6.3.1 多過程變量仿真實驗
        6.3.2 管道泄漏檢測實例
    6.4 本章小結(jié)
第7章 總結(jié)與展望
    7.1 全文總結(jié)
    7.2 研究展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]船舶中壓電網(wǎng)弧光接地過電壓的研究[J]. 張亞明,劉以建,陳文秀,孫磊.  新型工業(yè)化. 2017(01)
[2]融合經(jīng)濟性能和約束優(yōu)先級的多變量報警閾值調(diào)整策略[J]. 李宏光,王佳,宿翀.  北京工業(yè)大學學報. 2016(08)
[3]基于診斷證據(jù)靜態(tài)融合與動態(tài)更新的故障診斷方法[J]. 徐曉濱,張鎮(zhèn),李世寶,文成林.  自動化學報. 2016(01)
[4]基于證據(jù)推理規(guī)則的信息融合故障診斷方法[J]. 徐曉濱,鄭進,徐冬玲,楊劍波.  控制理論與應(yīng)用. 2015(09)
[5]過程工業(yè)報警系統(tǒng)可視化監(jiān)控技術(shù)及應(yīng)用[J]. 高慧慧,徐圓,朱群雄.  化工學報. 2015(01)
[6]基于案例推理的認知自學習引擎[J]. 劉怡靜,汪李峰,魏勝群.  電子技術(shù)應(yīng)用. 2011(12)
[7]多源信息融合能力評估關(guān)鍵技術(shù)綜述[J]. 鄒偉,劉兵,孫倩.  計算機與數(shù)字工程. 2010(03)
[8]一種求解多峰函數(shù)優(yōu)化問題的量子行為粒子群算法[J]. 趙吉,孫俊,須文波.  計算機應(yīng)用. 2006(12)
[9]蟻群聚類算法綜述[J]. 張建華,江賀,張憲超.  計算機工程與應(yīng)用. 2006(16)
[10]可編程控制器選型研究[J]. 陳通海.  煤炭技術(shù). 2006(01)

博士論文
[1]案例推理的認知改進策略及學習性能研究[D]. 張春曉.北京工業(yè)大學 2014
[2]不確定性信息處理的隨機集方法及在系統(tǒng)可靠性評估與故障診斷中的應(yīng)用[D]. 徐曉濱.上海海事大學 2009

碩士論文
[1]基于條件化證據(jù)線性組合更新規(guī)則的工業(yè)報警器優(yōu)化設(shè)計方法[D]. 李世寶.杭州電子科技大學 2017
[2]流程工業(yè)多變量報警閾值設(shè)計方法[D]. 韓柳.北京化工大學 2016
[3]石化裝置事故統(tǒng)計及風險控制系統(tǒng)開發(fā)[D]. 呂艷艷.中國石油大學（華東） 2013
[4]基于證據(jù)理論的工業(yè)報警器設(shè)計方法研究[D]. 宋曉靜.杭州電子科技大學 2013



本文編號：3544192