CN111915858B - 一种融合模拟量与数字量相关信息的报警方法及系统 - Google Patents

Abstract

本发明属于工业大数据分析技术领域，提供了一种融合模拟量与数字量相关信息的报警方法及系统。其中，融合模拟量与数字量相关信息的报警方法，包括：获取至少两个传感器实时监测同一变量的报警信息；其中至少一个传感器监测的报警信息为数字量信号，至少一个传感器监测的报警信息为模拟量信号；将所有传感器监测的报警信息分别转换成相应的高斯型时间序列；量化任意两个高斯型时间序列之间的相关水平；筛选出相关系数最大的两个高斯型时间序列，根据可信度将筛选的两个高斯型时间序列融合成一条报警信息并转换成对应数字量信号进行报警。

Description

一种融合模拟量与数字量相关信息的报警方法及系统

技术领域

本发明属于工业大数据分析技术领域，尤其涉及一种融合模拟量与数字量相关信息的报警方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

报警系统是一种监视设备运行工况并提醒工作人员及时处理异常状况的系统。发明人发现，对于监视设备运行工况时，往往采用单个报警信息进行报警，但是单个信息具有随机性和不确定性，这导致报警信息不准确，从而降低报警系统的可靠性。

发明内容

为了解决上述问题，本发明提供一种融合模拟量与数字量相关信息的报警方法及系统，其通过多个传感器实时监测同一变量的报警信息，量化报警信息的相关性，基于可信度融合相关系数最大的数字量信号和模拟量信号，获得最终的报警信息，从而提高报警系统的可靠性。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种融合模拟量与数字量相关信息的报警方法。

一种融合模拟量与数字量相关信息的报警方法，包括：

获取至少两个传感器实时监测同一变量的报警信息；其中至少一个传感器监测的报警信息为数字量信号，至少一个传感器监测的报警信息为模拟量信号；

将所有传感器监测的报警信息分别转换成相应的高斯型时间序列；

量化任意两个高斯型时间序列之间的相关水平；

筛选出相关系数最大的两个高斯型时间序列，根据可信度将筛选的两个高斯型时间序列融合成一条报警信息并转换成对应数字量信号进行报警。

本发明的第二个方面提供一种融合模拟量与数字量相关信息的报警系统。

一种融合模拟量与数字量相关信息的报警系统，包括：

报警信号获取模块，其用于获取至少两个传感器实时监测同一变量的报警信息；其中至少一个传感器监测的报警信息为数字量信号，至少一个传感器监测的报警信息为模拟量信号；

高斯型时间序列转化模块，其用于将所有传感器监测的报警信息分别转换成相应的高斯型时间序列；

相关水平量化模块，其用于量化任意两个高斯型时间序列之间的相关水平；

报警信息融合模块，其用于筛选出相关系数最大的两个高斯型时间序列，根据可信度将筛选的两个高斯型时间序列融合成一条报警信息并转换成对应数字量信号进行报警。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述的融合模拟量与数字量相关信息的报警方法中的步骤。

本发明的第四个方面提供一种计算机设备。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述的融合模拟量与数字量相关信息的报警方法中的步骤。

与现有技术相比，本发明的有益效果是：

(1)本发明通过多个传感器实时监测同一变量的报警信息，并量化多条报警信息的相关性，基于可信度融合相关性较高的报警信息，获得最终的报警信息，从而提高报警系统的可靠性。

(2)本发明将基于可信度融合筛选出的相关系数最大的两个高斯型时间序列为一条报警信息，作为最终的报警信息，克服了单个报警信息的随机性和不确定性。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明实施例的融合模拟量与数字量相关信息的报警方法流程图；

图2(a)为本发明实施例的传感器监测的报警信息为数字量信号示意图；

图2(b)为本发明实施例的数字量信号对应的高斯型时间序列；

图3(a)为本发明实施例的过程信号与报警阈值示意图；

图3(b)为本发明实施例的报警信息Ya(t)；

图3(c)为本发明实施例的报警信息Ya(t)对应的高斯型时间序列；

图3(d)为本发明实施例的报警信息Xa(t)；

图3(e)为本发明实施例的报警信息Xa(t)对应的高斯型时间序列；

图4(a)为本发明实施例的最终的高斯型时间序列对应报警信息；

图4(b)为本发明实施例的最终的报警信息对应的数字量信号。

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，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明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发明的示例性实施方式。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。

实施例一

参照图1，给出了本实施例提供了一种融合模拟量与数字量相关信息的报警方法，其包括：

S101：获取至少两个传感器实时监测同一变量的报警信息；其中至少一个传感器监测的报警信息为数字量信号，至少一个传感器监测的报警信息为模拟量信号。

S102：将所有传感器监测的报警信息分别转换成相应的高斯型时间序列。

对于数字量信号来说：

如图2(a)-图2(b)所示，提取报警信号Y_a(t)中每次报警的开始时间和持续时间，根据公式(1)将报警信号转化为高斯型时间序列；

其中，t_j为第j次报警的开始时间，h为带宽；

另外，h的选定将对生成的伪时间序列y_a(t)产生巨大影响。本实施例将每次报警的开始时间t_s确定为t_j，将持续时间t_d确定为h，即：t_j＝t_s，h＝t_d，因此公式(1)改写成：

其中，t_s,j和t_d,j分别为报警信号Y_a(t)中第j(j＝1,2,…,n)次发生报警的开始时间和持续时间，N_y为报警信号Y_a(t)中报警发生的次数。

对应模拟量信号来说：

给定报警阈值范围[a:b]，步进时长为0.1，分析模拟量信号，每条报警限对应一组报警信号X_a,i(t)，共产生n＝(b-a)/0.1组报警信号组成报警信号集X_a,:(t)＝{X_a,1(t),X_a,2(t),…,X_a,n(t)}。

根据下列公式估计相关延迟时间，当S最大时获得实际延迟时间τ生成新的报警信号集X_a,:(t+τ)＝{X_a,1(t+τ),X_a,2(t+τ),…,X_a,n(t+τ)}。

其中，C：报警信号的长度，：N₁：中‘1’的个数，N₂：X_a,i(t)中‘1’的个数；

提取报警信号集中每次报警信号的开始时间和持续时间，根据公式(3)将报警信号转化成高斯型时间序列集x_a,:(t+τ)＝{x_a,1(t+τ),x_a,2(t+τ),…,x_a,n(t+τ)}：

S103：量化任意两个高斯型时间序列之间的相关水平。

在具体实施中，当传感器数量超过两个时，得到的任意两个高斯型时间序列之间进行量化相关水平。

如图3(a)-图3(e)所示，以任意两个传感器对应的高斯型时间序列x_a,i(t+τ)和y_a(t)为例：

其中，

分别为x_a,i(t)和y_a(t)的平均值；S_x，S_y分别为x_a,i(t)和y_a(t)的标准差；N为数据长度；r_xy是高斯型时间序列x_a,i(t+τ)和y_a(t)的相关系数。

通过假设检验方法判定基于上述方法找到相关系数最大时所对应的报警信号X_a,i(t)与事先给定的报警信号Y_a(t)是否具有相关性。

欲检验原假设H₀:ρ＝0，ρ为相关系数；备择假设H₁:ρ≠0。根据

L表示近似服从，相当于无限趋近；当原假设H₀成立时，有

将

作为检验统计量，那么对于给定的显著性水平α，查N(0,1)表，有阈值U_1-α/2，使得

若

否定H₀认为信号间具有相关性。

S104：筛选出相关系数最大的两个高斯型时间序列，根据可信度将筛选的两个高斯型时间序列融合成一条报警信息并转换成对应数字量信号进行报警。

在具体实施中，设测量系统有n个传感器，分别对某一研究对象进行测量。设第i个传感器k时刻的测量值为s_i(k)＝x+v_i(i＝1,2,…,n)。其中x为采样数据的真值，v_i为s_i在k时刻的测量噪声。

将各传感器测量值视为一个模糊集合。根据模糊数学理论，两个模糊集合之间的相近程度可以用贴近度来度量。现采用模糊数学中的最大最小贴近度来度量，k时刻传感器i与传感器j测量值的贴近度为：

计算k时刻各传感器之间的贴近度，进一步构成可信度矩阵：

可信度矩阵的第i行表示传感器测量值s_i与其它传感器测量值之间的相互支持程度。第i行的均值表示s_i与其他传感器的相互平均支持程度，方差表示与其他传感器偏离程度：

计算时k刻第i个传感器测量值所占权重，并将其进行归一化：

基于可信度的数据融合，它较好地避免了主观因素的影响，从而能更加真实地刻画各采样序列所占的重要程度。因此利用可信度进行数据融合，计算得到k时刻两个最相关的传感器测量值的融合数据，进一步得到整个系统的融合数据：

其中，x_f(k)为每一个采样时刻的准确值；x_f为整个采样时刻的报警信息；N为总采样点数量。

在本实施例中，将传感器采集到的报警信号根据高斯核密度函数转化为高斯型时间序列，如果条件允许，基于可信度将具有一定相关性的报警信息进行融合，作为最终的报警信息；

允许融合报警信息的条件为：

根据历史样本给出报警阈值范围[a:b]，步进时长为0.1，对采集到的过程信号进行分析，每条报警限对应一组报警信号X_a,i(t)，共产生n＝(b-a)/0.1组报警信号组成报警信号；

给出一种估计报警信号之间相关延迟的方法，以获得实际延迟时间，产生新的一组报警信号，同时根据高斯核密度函数将其转化为高斯型时间序列，采用皮尔逊相关系数方法量化其相关性；

找到相关系数最大的两组报警信息，根据可信度融合成一条更为精确的报警信号，结果如图4(a)-4(b)所示；

以下是本实施例所述方法在具体示例中的应用：

所有工业实例都基于过程变量x(t)，报警信号Y_a(t)作为来自大型发电厂的低压加热器低加水位值和低报警器报警信号。

(a)提取报警信号Y_a(t)中每个报警信号的开始时间和持续时间，将其转化为高斯型时间序列；

(b)分析过程信号，x(t)给定报警阈值范围[-40:-10]，以0.1步进，生成300组报警信号。估计延迟时间，生成300组新的报警信号。然后将这300组报警信号转化为300组高斯型时间序列。最后通过皮尔逊相关系数量化相关水平，找到相关系数最大时对应的报警阈值和报警信号X_a(t)；

(c)通过假设检验方法得出当相关系数最大时所对应报警信号X_a(t)与事先给定的报警信号Y_a(t)具有强相关性。进一步根据一致可靠性测度融合两报警信号生成的高斯型时间序列，获得最终的报警信息。

实施例二

本实施例提供了一种融合模拟量与数字量相关信息的报警系统，其包括：

(1)报警信号获取模块，其用于获取至少两个传感器实时监测同一变量的报警信息；其中至少一个传感器监测的报警信息为数字量信号，至少一个传感器监测的报警信息为模拟量信号。

(2)高斯型时间序列转化模块，其用于将所有传感器监测的报警信息分别转换成相应的高斯型时间序列。

对于数字量信号来说：提取报警信号Y_a(t)中每次报警的开始时间和持续时间，根据公式(1)将报警信号转化为高斯型时间序列；

其中，t_j为第j次报警的开始时间，h为带宽；

另外，h的选定将对生成的伪时间序列y_a(t)产生巨大影响。本实施例将每次报警的开始时间t_s确定为t_j，将持续时间t_d确定为h，即：t_j＝t_s，h＝t_d，因此公式(1)改写成：

其中，t_s,j和t_d,j分别为报警信号Y_a(t)中第j(j＝1,2,…,n)次发生报警的开始时间和持续时间，N_y为报警信号Y_a(t)中报警发生的次数。

对应模拟量信号来说：

给定报警阈值范围[a:b]，步进时长为0.1，分析模拟量信号，每条报警限对应一组报警信号X_a,i(t)，共产生n＝(b-a)/0.1组报警信号组成报警信号集X_a,:(t)＝{X_a,1(t),X_a,2(t),…,X_a,n(t)}。

根据下列公式估计相关延迟时间，当S最大时获得实际延迟时间τ生成新的报警信号集X_a,:(t+τ)＝{X_a,1(t+τ),X_a,2(t+τ),…,X_a,n(t+τ)}。

其中，C：报警信号的长度，：N₁：中‘1’的个数，N₂：X_a,i(t)中‘1’的个数；

提取报警信号集中每次报警信号的开始时间和持续时间，根据公式(3)将报警信号转化成高斯型时间序列集x_a,:(t+τ)＝{x_a,1(t+τ),x_a,2(t+τ),…,x_a,n(t+τ)}：

(3)相关水平量化模块，其用于量化任意两个高斯型时间序列之间的相关水平。

在具体实施中，当传感器数量超过两个时，得到的任意两个高斯型时间序列之间进行量化相关水平。

以任意两个传感器对应的高斯型时间序列x_a,i(t+τ)和y_a(t)为例：

其中，

分别为x_a,i(t)和y_a(t)的平均值；S_x，S_y分别为x_a,i(t)和y_a(t)的标准差；N为数据长度；r_xy是高斯型时间序列x_a,i(t+τ)和y_a(t)的相关系数。

通过假设检验方法判定基于上述方法找到相关系数最大时所对应的报警信号X_a,i(t)与事先给定的报警信号Y_a(t)是否具有相关性。

欲检验原假设H₀:ρ＝0，ρ为相关系数；备择假设H₁:ρ≠0。根据

L表示近似服从，相当于无限趋近；当原假设H₀成立时，有

将

作为检验统计量，那么对于给定的显著性水平α，查N(0,1)表，有阈值U_1-α/2，使得

若

否定H₀认为信号间具有相关性。

(4)报警信息融合模块，其用于筛选出相关系数最大的两个高斯型时间序列，根据可信度将筛选的两个高斯型时间序列融合成一条报警信息并转换成对应数字量信号进行报警。

在具体实施中，设测量系统有n个传感器，分别对某一研究对象进行测量。设第i个传感器k时刻的测量值为s_i(k)＝x+v_i(i＝1,2,…,n)。其中x为采样数据的真值，v_i为s_i在k时刻的测量噪声。

将各传感器测量值视为一个模糊集合。根据模糊数学理论，两个模糊集合之间的相近程度可以用贴近度来度量。现采用模糊数学中的最大最小贴近度来度量，k时刻传感器i与传感器j测量值的贴近度为：

计算k时刻各传感器之间的贴近度，进一步构成可信度矩阵：

可信度矩阵的第i行表示传感器测量值s_i与其它传感器测量值之间的相互支持程度。第i行的均值表示s_i与其他传感器的相互平均支持程度，方差表示与其他传感器偏离程度：

计算时k刻第i个传感器测量值所占权重，并将其进行归一化：

基于可信度的数据融合，它较好地避免了主观因素的影响，从而能更加真实地刻画各采样序列所占的重要程度。因此利用可信度进行数据融合，计算得到k时刻两个最相关的传感器测量值的融合数据，进一步得到整个系统的融合数据：

其中，x_f(k)为每一个采样时刻的准确值；x_f为整个采样时刻的报警信息；N为总采样点数量。

实施例三

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一所述的融合模拟量与数字量相关信息的报警方法中的步骤。

实施例四

本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例一所述的融合模拟量与数字量相关信息的报警方法中的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种融合模拟量与数字量相关信息的报警方法，其特征在于，包括：

获取至少两个传感器实时监测同一变量的报警信息；其中至少一个传感器监测的报警信息为数字量信号，至少一个传感器监测的报警信息为模拟量信号；

将所有传感器监测的报警信息分别转换成相应的高斯型时间序列；具体地，当传感器监测的报警信息为模拟量信号时，将模拟量信号转换成高斯型时间序列的过程为：给定模拟量信号报警阈值范围及步进时长，产生多组模拟量信号；估计模拟量信号之间相关延迟时间，得到包含实际延迟时间的所有组模拟量信号并转换成高斯型时间序列；

量化任意两个高斯型时间序列之间的相关水平；

筛选出相关系数最大的两个高斯型时间序列，根据可信度将筛选的两个高斯型时间序列融合成一条报警信息并转换成对应数字量信号进行报警。

2.如权利要求1所述的融合模拟量与数字量相关信息的报警方法，其特征在于，当传感器监测的报警信息为数字量信号时，根据高斯核密度函数将数字量信号转换成高斯型时间序列。

3.如权利要求1所述的融合模拟量与数字量相关信息的报警方法，其特征在于，根据高斯核密度函数将包含实际延迟时间的所有组模拟量信号换成相应高斯型时间序列。

4.如权利要求1所述的融合模拟量与数字量相关信息的报警方法，其特征在于，采用皮尔逊相关系数方法来量化任意两个高斯型时间序列之间的相关水平。

5.如权利要求1所述的融合模拟量与数字量相关信息的报警方法，其特征在于，通过假设检验方法判定筛选出的相关系数最大时所对应的其中一个高斯型时间序列与事先给定的另一高斯型时间序列是否具有相关性。

6.如权利要求1所述的融合模拟量与数字量相关信息的报警方法，其特征在于，将筛选的两个高斯型时间序列分别与相应传感器测量值所占权重相乘后累加，得到融合后的报警信息；其中，传感器测量值所占权重是相应传感器测量值与其他传感器的相互支持程度的均值与对应方差的比值的归一化值。

7.一种融合模拟量与数字量相关信息的报警系统，其特征在于，包括：

报警信号获取模块，其用于获取至少两个传感器实时监测同一变量的报警信息；其中至少一个传感器监测的报警信息为数字量信号，至少一个传感器监测的报警信息为模拟量信号；

高斯型时间序列转化模块，其用于将所有传感器监测的报警信息分别转换成相应的高斯型时间序列；具体地，当传感器监测的报警信息为模拟量信号时，将模拟量信号转换成高斯型时间序列的过程为：给定模拟量信号报警阈值范围及步进时长，产生多组模拟量信号；估计模拟量信号之间相关延迟时间，得到包含实际延迟时间的所有组模拟量信号并转换成高斯型时间序列；

相关水平量化模块，其用于量化任意两个高斯型时间序列之间的相关水平；

报警信息融合模块，其用于筛选出相关系数最大的两个高斯型时间序列，根据可信度将筛选的两个高斯型时间序列融合成一条报警信息并转换成对应数字量信号进行报警。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的融合模拟量与数字量相关信息的报警方法中的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的融合模拟量与数字量相关信息的报警方法中的步骤。

Images