复杂过程报警系统建模与优化

Alarming is a direct way of promptly detecting abnormal situations in production processes, it is crucial to ensure safety in production. In view of the existing problems of alarm flood and the low disposal efficiency in the alarm systems of industrial processes, this project will study on the unified description method for alarm systems involving alarm data, process data and process knowledge. The theoretical framework of alarm system will be established and the model of hierarchical alarm cause-effect chain for complex processes will be proposed. The criterions of detectability and resolution are given for fault. Combining hierarchical structures of process variables with transmission probability of process fault and alarm information, the choice of alarm variables, the optimal design methods of single and multi-variables alarm threshold as well as the methods of efficient hierarchical visualization for alarm information will be studied. The TE process and the ethylene production process are selected to test the validity of proposed algorithms using process system simulation. The final aim is to form a new theory and methods of system modelling and optimization for alarm system of complex industrial process based on the integration of process knowledge and data-driven. The software prototype systems of hierarchical alarm cause-effect chain model and information visualization of alarm systems will be developed. The research achievements of this project will provide the basis for industrial applications, which will be of great theoretical significance and practical value with broad application prospects.

报警是及时发现生产过程中异常情况的直接手段，对保障生产安全至关重要。针对过程工业报警系统存在的报警泛滥、处置低效等问题，本课题研究报警系统涉及的报警数据、过程数据和工艺知识统一的描述方法，建立报警系统的理论框架，构建复杂过程系统的层次报警因果链图模型；建立故障的可检测性和可分辨性准则，结合过程变量的分层分组结构和过程故障与报警信息的传播概率，研究报警变量选择、单变量和多变量报警阈值的优化设计方法以及报警信息高效的层次可视化的方法；以TE过程和典型石化系统乙烯生产过程为研究应用对象，形成综合过程知识和数据驱动的复杂过程报警系统建模与优化的新理论与新方法，研发报警系统层次因果链图模型生成和报警系统信息可视化的软件原型，为工业应用提供基础。本项目研究成果具有重要的理论意义和实用价值，具有广阔的应用前景。

为有效解决过程工业报警系统存在的报警泛滥、处置低效等问题，本课题从过程复杂本质特征出发，研究基于数据和知识融合的过程工业报警多维层次模型建立方法，提出了一种空间解释结构模型，在宏观时间维度、微观时间维度、宏观空间维度和微观空间维度等四个维度上实现过程拓扑结构可视化，有助于异常传播路径诊断和报警根源分析；为整体把握和分析过程的关联特征，又进一步提出了过程工业报警多维层次稀疏模型——稀疏空间解释结构模型。在此基础上，进行报警阈值优化、报警根源诊断、报警优先级划分等一系列基础研究，构成一套解决“报警泛滥”问题的系统性框架和解决方案。具体地提出了基于多维层次关联一致性的多变量阈值设计方法、多模块融合的报警溯源分析方法和一种基于改进李克特量表的报警优先级划分方法。在工业报警阈值优化设计方面，还提出了一种基于非参数核密度估计法的多变量动态报警阈值优化方法、一种综合考虑误报、漏报和关联一致性的多变量报警阈值优化方法；在工业报警溯源分析方面，还重点研究了基于模块化贝叶斯网络的工业报警根源分析方法，提出了家族传递熵概念和家族传递熵测评评价函数FTET，由此基于简单过程知识和数据分析方法，提出了一种基于FTET和简单过程知识的复合型的贝叶斯网络结构学习方法和模块化贝叶斯网络建模方法，最后提出了报警状态平均后验概率最大化的报警溯源分析方法；在报警泛滥分析方面，还提出了报警泛滥序列聚类分析方法、复杂过程区间预测方法以及一种基于多核独立元分析（MKICA）和自适应顺序形态变换（AROMF）的多维特征分类方法实现故障类型诊断；在智能过程建模方面，还提出了虚拟样本生成技术和基于ELM的结构设计和算法改进方法；最后，研发了具有常规性能评估的报警系统可视化监控工具，该系统不仅可以展示报警全貌原始信息，还可快速识别报警根源、关键报警、滋扰报警以及报警系统性能水平，实现了高效监控，从一定程度上解决了报警泛滥问题。以TE过程和典型石化生产过程为研究与应用对象，验证了所提方法的有效性，为过程工业报警系统优化提供了系列有效方法。在整个项目的研究过程中，按年度计划顺利开展研究工作，超额完成预期目标。组织了多次国际、国内学术会议并做了9次大会邀请报告，发表学术论文29篇，其中SCI收录论文21篇、EI收录论文5篇；授权发明专利6项；两位青年教师晋升为副教授；培养出站博士后2人，毕业博士生3人、硕士生8人。