基于變化趨勢的閉環(huán)控制系統(tǒng)報警監(jiān)控方法

劉冰琪， 王建東， 解 初， 王 振

(山東科技大學電氣與自動化工程學院， 青島 266590)

隨著科技的不斷發(fā)展，現(xiàn)代工業(yè)系統(tǒng)中設(shè)備的安全性能越來越引起人們的重視，但是，由于工業(yè)設(shè)備復(fù)雜多樣，運行要求不盡相同，單純靠人工目測無法對設(shè)備運行工況進行實時檢測，因此就需要科學、高效、準確的報警系統(tǒng)對設(shè)備的運行情況進行監(jiān)控，以保證工業(yè)系統(tǒng)的安全運行。

近年來，報警系統(tǒng)性能的優(yōu)劣已成為中外工業(yè)界及學術(shù)界廣泛關(guān)注的熱點問題[1-2]，為實現(xiàn)報警系統(tǒng)的高效管理，各行業(yè)紛紛發(fā)布報警指南及行業(yè)標準[3-4]，其中，EEMUA發(fā)布的報警系統(tǒng)指南EEMUA-191[5]以及ISA發(fā)布的流程工業(yè)報警管理標準ANSI/ISA-18.2[6]具有較高的權(quán)威且被廣泛應(yīng)用。據(jù)此，國內(nèi)外研究者采用死區(qū)、延時、濾波三種方法對報警系統(tǒng)進行優(yōu)化設(shè)計，以提高系統(tǒng)性能，降低漏報率和誤報率。Hugo[7]根據(jù)卡爾曼濾波器的設(shè)計，確定最優(yōu)報警死區(qū)，以減少抖動報警的數(shù)量。胡智宏等[8]基于小波系數(shù)能量，提出了一種動態(tài)自適應(yīng)閾值計算方法。Zhu等[9]基于貝葉斯估計提出動態(tài)報警管理策略，確定動態(tài)報警閾值，以緩解報警泛濫的現(xiàn)象。Afzal等[10]對時滯的單變量報警系統(tǒng)進行了分析，并根據(jù)馬爾科夫過程確定了報警死區(qū)。蔡郁等[11]根據(jù)傳統(tǒng)報警閾值優(yōu)化中存在的問題，基于報警處理能力和報警恢復(fù)能力的滿意度提出過程報警閾值的自適應(yīng)調(diào)整算法。上述方法均是基于報警死區(qū)對報警系統(tǒng)進行優(yōu)化設(shè)計。延時和濾波也是提高報警系統(tǒng)性能的重要方法，Xu等[12]通過估計正常和異常條件下變量的概率密度函數(shù)，基于變量的均值變化，提出延時器的設(shè)計方法，以提高報警系統(tǒng)的性能指標。Adnan等[13]基于馬爾可夫過程提出通用的延遲計時器的設(shè)計方法，并基于報警性能及靈敏度將通用延遲計時器與常規(guī)延遲計時器進行了比較。Cheng等[14]根據(jù)正常及異常數(shù)據(jù)的統(tǒng)計分布，基于數(shù)值優(yōu)化提出最優(yōu)線性FIR報警濾波器的設(shè)計方法，并指出移動平均濾波器的最佳使用條件。Tan等[15]基于等級排序濾波器提出一種秩次濾波器的設(shè)計方法，以提高報警系統(tǒng)的性能。此外，Chen等[16]基于相關(guān)過程變量的變化方向，提出多變量報警系統(tǒng)的設(shè)計方法，在線計算時間信號的變化方向，以減輕報警過載的現(xiàn)象。在基于數(shù)據(jù)處理的研究方法中，吳林等[17]通過建立歷史趨勢分析性能數(shù)據(jù)的正常模型進行性能檢測。陳鵬等[18]通過基于距離和的孤立點挖掘方法分析報警時間序列的異常特征。以上方法雖然在某種程度上提升了報警系統(tǒng)的性能，然而對于閉環(huán)控制系統(tǒng)而言，控制信號與過程輸出信號之間存在相互關(guān)系，過程輸出信號的變化必然會引起控制信號的響應(yīng)，而上述報警檢測方法均忽略了此種作用效果，使得這些方法應(yīng)用于閉環(huán)控制系統(tǒng)的報警性能降低，大大增大了閉環(huán)控制系統(tǒng)報警檢測的漏報率和誤報率。

為提高報警系統(tǒng)的有效性，在上述研究的基礎(chǔ)上，創(chuàng)新性地提出一種基于變化趨勢的閉環(huán)控制系統(tǒng)報警監(jiān)控方法。以準確檢測系統(tǒng)的運行情況，減少干擾報警。首先確定控制信號滯后于過程輸出信號的延遲時間，并作為報警持續(xù)時間的閾值，其次采用固定長度的滑動窗口分別提取過程輸出及控制信號的子序列，并對最優(yōu)擬合后的子序列進行定性趨勢分析，用特征字符表示趨勢變化的特征，最后對比兩個信號的特征字符，當特征字符不一致的持續(xù)時間超過閾值時觸發(fā)報警。用火電機組的工業(yè)數(shù)據(jù)驗證所提方法的有效性。

1 問題描述

在現(xiàn)代工業(yè)報警系統(tǒng)中，報警檢測大多采用閾值檢測法，通過對被監(jiān)控變量設(shè)置高、低報警閾值，以檢測被監(jiān)控變量的運行工況，當被監(jiān)控變量高于高報警閾值或低于低報警閾值時，觸發(fā)報警；當?shù)陀诟邎缶撝登腋哂诘蛨缶撝禃r，消除報警。但對于圖1所示的閉環(huán)控制系統(tǒng)，單純采用閾值檢測的方式會產(chǎn)生干擾報警的情況。

r(t)為系統(tǒng)的設(shè)定值；e(t)為控制偏差；C(s)為控制器；u(t)為控制信號；P(s)為被控對象；D(s)為干擾；y(t)為過程輸出信號圖1 閉環(huán)控制系統(tǒng)結(jié)構(gòu)框圖Fig.1 Block diagram of closed-loop control system

閉環(huán)控制系統(tǒng)正常運行情況下，過程輸出信號y(t)的變化會引起控制信號u(t)的響應(yīng)，從而實現(xiàn)控制效果，以獲得預(yù)期的系統(tǒng)性能。閾值檢測法如圖2所示，當y(t)超過報警閾值時觸發(fā)報警，但由于u(t)跟隨y(t)的變化是動態(tài)響應(yīng)過程，且控制效果的實現(xiàn)需要一定時間，使得y(t)無法迅速恢復(fù)到正常范圍，導致報警持續(xù)存在，但此時u(t)正確響應(yīng)y(t)的變化，因此，此時出現(xiàn)的報警為干擾報警，其中，此處高低報警閾值yh、yl分別設(shè)為+5、-5 mm。

圖2 閾值法檢測結(jié)果Fig.2 Threshold method detection result

2 所提方法

2.1 整體思路

在現(xiàn)代工業(yè)系統(tǒng)中，檢測報警的方法眾多，這些方法大多通過設(shè)置死區(qū)、延時、濾波等方法對被監(jiān)控變量本身進行報警檢測，進而掌握系統(tǒng)的運行情況。這些傳統(tǒng)的報警檢測方法僅從被監(jiān)控變量本身進行檢測，并未考慮被監(jiān)控變量與相關(guān)變量之間的相互關(guān)系，而對于工業(yè)系統(tǒng)中占比較大的閉環(huán)控制系統(tǒng)而言，過程輸出信號與控制信號之間存在相互作用，過程輸出信號的變化會引起控制信號的響應(yīng)，使得此類方法在閉環(huán)控制系統(tǒng)的報警檢測中存在局限性，可能導致干擾報警過多的情況發(fā)生。因此，為彌補傳統(tǒng)報警檢測法的不足，根據(jù)過程輸出信號與控制信號的變化關(guān)系，提出一種新的基于變化趨勢的閉環(huán)控制系統(tǒng)報警監(jiān)控方法，更準確地檢測閉環(huán)控制系統(tǒng)下設(shè)備的運行情況。

2.2 報警閾值的確定

圖3 報警閾值計算圖Fig.3 Alarm threshold calculation chart

皮爾遜相關(guān)系數(shù)的計算公式如式(1)所示：

(1)

2.3 子序列的定性趨勢分析

(2)

若為線性擬合，則

(3)

Δyi(t)=0

(4)

式(4)中：t∈[ti,ti+1-2]，因此計算第i個數(shù)據(jù)段的一階差分:

Δyi(t)=yi(t+1)-yi(t)

(5)

對滿足式(5)的數(shù)據(jù)段用原數(shù)據(jù)表示，得到數(shù)據(jù)段的最優(yōu)擬合結(jié)果。

(6)

或

(7)

式中：dti和d(ti+1-1)分別為始末兩端的斜率。根據(jù)dti與d(ti+1-1)乘積的計算結(jié)果判斷第i段的趨勢變化，從而給出其特征字符表示結(jié)果，具體如下。

若滿足式(8)：

dtid(ti+1-1)≥0

(8)

(9)

(10)

若滿足式(11)：

dtid(ti+1-1)<0

(11)

則證明第i段為組合趨勢，尋找駐點t0，即一階導數(shù)dti 0滿足：

dti 0=0

(12)

對時間序列進行分段前，需要確定最優(yōu)分段數(shù)。根據(jù)文獻[22]中的方法，得到最優(yōu)分段數(shù)M*：

(13)

式(13)中：F(M)為最優(yōu)分段數(shù)的決定函數(shù)。

2.4 報警檢測

(14)

式(14)中：ts、te分別為特征字符表示結(jié)果不一致的開始、結(jié)束時間點。

否則：

(15)

3 方法驗證

利用MATLAB編寫本文設(shè)計的報警系統(tǒng)的核心算法，通過工業(yè)案例驗證并與傳統(tǒng)報警閾值檢測法比較，從而證明了本文方法的有效性。

為證明本文所提方法的有效性，利用所提方法和傳統(tǒng)的閾值檢測法分別對同一工業(yè)數(shù)據(jù)進行檢測。工業(yè)數(shù)據(jù)選用某電廠#4機組6號低壓加熱器水位y(t)與低壓加熱器正常疏水調(diào)節(jié)閥指令u(t)，由低壓加熱器的工藝知識及現(xiàn)場經(jīng)驗知：低壓加熱器水位的高低報警閾值yh、yl分別為38、-50 mm，傳統(tǒng)的閾值檢測法即被監(jiān)控變量(低壓加熱器水位)的幅值超過報警閾值yh、yl就觸發(fā)報警。另外，u(t)的飽和上限值為100%，即達到上限值時出現(xiàn)飽和現(xiàn)象，不能繼續(xù)增加。

由于工業(yè)數(shù)據(jù)中存在外部干擾情況，使得不同時刻下y(t)與u(t)的相關(guān)性并不完全一致，即報警持續(xù)時間的閾值t1不盡相同，因此，為進一步保證本文算法的準確性，正確識別真實報警，消除干擾報警，根據(jù)2.1節(jié)所述算法，對#4機組6號低壓加熱器2015年11、12月中550組正常運行情況下的y(t)與u(t)的工業(yè)數(shù)據(jù)分別確定報警持續(xù)時間的閾值t1，記為tx1，x∈[1,550]，并且tx1服從正態(tài)分布，其中μ=41.638 7，σ=9.885 6，根據(jù)正態(tài)分布的3σ準則可知：

P(μ-2σ

(16)

圖4 工業(yè)數(shù)據(jù)閾值決定圖Fig.4 Threshold decision chart for industrial data

因此選取tx1的上97.7%分位數(shù)值作為該工業(yè)數(shù)據(jù)的報警持續(xù)時間的閾值t1，即

t1=μ+2σ

(17)

則t1=61.409 9 s，此數(shù)值為計算結(jié)果，圖4為離散數(shù)據(jù)tx1下的真實取值，即P(X≤61)=97.672%，與計算結(jié)果基本一致，因此取t1=61.409 9 s，使得在保證誤報率及漏報率允許的情況下，準確區(qū)分真實報警及干擾報警。

對閾值檢測法中存在干擾誤報警情況的數(shù)據(jù)段進行檢測。選取2015-11-16-15(2015年11月16日15時1 h)的低壓加熱器的水位y(t)與低壓加熱器正常疏水調(diào)節(jié)閥指令u(t)的工業(yè)數(shù)據(jù)，并根據(jù)低壓加熱器水位的高低報警閾值yh、yl，得到圖5所示的傳統(tǒng)閾值法報警檢測結(jié)果。由圖5可得閾值法檢測到多處觸發(fā)報警的情況。

圖5 工業(yè)數(shù)據(jù)Fig.5 Industrial data

圖6 子序列報警檢測結(jié)果Fig.6 Subsequence alarm detection result

對閾值檢測法中正確識別報警情況的數(shù)據(jù)段進行檢測。選取電廠#4機組2015-11-24-07#6號(2015年11月24日7時編號為6號)低壓加熱器的水位y(t)與低壓加熱器正常疏水調(diào)節(jié)閥指令u(t)的工業(yè)數(shù)據(jù)，如圖7所示。由圖7可知，傳統(tǒng)閾值法檢測出多處觸發(fā)報警的情況，此報警數(shù)據(jù)段中y(t)幅值均超過高報警閾值yh，觸發(fā)報警。另外，在此觸發(fā)報警的時間段內(nèi)u(t)均達到飽和上限值100%，當y(t)變化時，u(t)無法跟隨y(t)的變化做出正確響應(yīng)，出現(xiàn)兩者變化趨勢不一致的現(xiàn)象。

圖7 工業(yè)數(shù)據(jù)Fig.7 Industrial data

圖8 子序列報警檢測結(jié)果Fig.8 Subsequence alarm detection result

4 結(jié)論

提出了一種基于變化趨勢的閉環(huán)控制系統(tǒng)報警監(jiān)控方法，可以有效地檢測信號的運行工況，輔助現(xiàn)場工作人員及時處理系統(tǒng)的異常情況。采用皮爾遜相關(guān)系數(shù)計算閉環(huán)控制系統(tǒng)中積分作用帶來的延遲時間，從而獲得更準確的報警閾值；采用分段最優(yōu)擬合及定性趨勢分析，可以準確提取趨勢特征；基于持續(xù)時間閾值檢測是否觸發(fā)報警，能夠有效地檢測閉環(huán)控制系統(tǒng)中的異常。基于變化趨勢檢測報警，后續(xù)可以將本文算法運用于閉環(huán)控制系統(tǒng)運行狀況的在線監(jiān)測，可以實時自動檢測運行情況，以降低現(xiàn)場工作人員檢測系統(tǒng)的復(fù)雜度。