一種數據驅動的工業報警自適應閾值預測方法

摘要：化工過程常常工作在多個穩定狀態。傳統的報警閾值只是針對單個模式而設定,當變量從一個穩定狀態到另一個穩定狀態時,會產生誤報警和漏報警,于是提出了一種報警閾值自適應預測方法。首先,通過歷史數據得到各個階段的帶寬系數和貝葉斯估計的樣本信息。其次,為了更新模型參數,在過渡過程采用基于蒙特卡羅方法的貝葉斯參數參數估計方法,利用后驗分布函數的均值和方差,并在穩定過程采用遞推迭代公式更新均值和方差。針對整個過程得到自適應的報警閾值,以此減小產生誤報警和漏報警的數量。最后,通過一個工業實例數據驗證了方法的有效性。