-
公开(公告)号：CN108922139B
公开(公告)日：2019-09-17
申请号：CN201810808869.7
申请日：2018-07-23
Applicant: 山东科技大学
Abstract: 本发明属于信号处理领域，尤其涉及一种工业报警泛滥的在线检测方法，包括以下步骤：(1)获得报警变量的测量数据，计算每个报警变量对应的持续时间和报警间隔，通过延滞定时器对测量数据中的抖动报警进行剔除预处理；(2)根据设定的时间窗口和时间窗口的滑动大小将预处理后的测量数据划分为若干数据集，计算每个数据集的索引集；(3)计算每个索引集的基数，根据索引集的基数判定是否存在报警泛滥，并在判定过程中引入参数为m的延滞定时器消除抖动报警；(4)对所有划分的数据集依次进行迭代运算，通过时间趋势图对检测结果进行分析。本发明能解决采用报警出现次数的统计结果进行报警泛滥的检测的过程中受滋扰报警影响过大的问题。
-
Patent Agency Ranking
公开(公告)号：CN108922139A
公开(公告)日：2018-11-30
申请号：CN201810808869.7
申请日：2018-07-23
Applicant: 山东科技大学
Abstract: 本发明属于信号处理领域，尤其涉及一种工业报警泛滥的在线检测方法，包括以下步骤：(1)获得报警变量的测量数据，计算每个报警变量对应的持续时间和报警间隔，通过延滞定时器对测量数据中的抖动报警进行剔除预处理；(2)根据设定的时间窗口和时间窗口的滑动大小将预处理后的测量数据划分为若干数据集，计算每个数据集的索引集；(3)计算每个索引集的基数，根据索引集的基数判定是否存在报警泛滥，并在判定过程中引入参数为m的延滞定时器消除抖动报警；(4)对所有划分的数据集依次进行迭代运算，通过时间趋势图对检测结果进行分析。本发明能解决采用报警出现次数的统计结果进行报警泛滥的检测的过程中受滋扰报警影响过大的问题。
-
公开(公告)号：CN115909697B
公开(公告)日：2023-05-23
申请号：CN202310112904.2
申请日：2023-02-15
Applicant: 山东科技大学
IPC: G08B31/00
Abstract: 本发明属于工业监测变量的报警状态预测领域，提供了基于幅值变化趋势概率推断的报警状态预测方法及系统，克服了现有报警预测方法存在的局限性，其采样分段线性表示方法，获得历史数据和当前数据的分段线性表示结果；提取分段线性表示结果中幅值上升趋势数据段的幅值初始值和幅值变化量，采用贝叶斯估计得到当前数据段触发报警状态的后验概率；最后，依据Dempster‑Shafer证据理论，融合当前数据段未来处于报警状态、非报警状态和未知状态的概率，得到当前数据段触发报警状态的预测概率及其置信区间。对于提高报警系统在工业生产中的应用效果，减少生产异常造成的经济损失，避免重大生产事故发生具有重要意义。
-
公开(公告)号：CN115909697A
公开(公告)日：2023-04-04
申请号：CN202310112904.2
申请日：2023-02-15
Applicant: 山东科技大学
IPC: G08B31/00
Abstract: 本发明属于工业监测变量的报警状态预测领域，提供了基于幅值变化趋势概率推断的报警状态预测方法及系统，克服了现有报警预测方法存在的局限性，其采样分段线性表示方法，获得历史数据和当前数据的分段线性表示结果；提取分段线性表示结果中幅值上升趋势数据段的幅值初始值和幅值变化量，采用贝叶斯估计得到当前数据段触发报警状态的后验概率；最后，依据Dempster‑Shafer证据理论，融合当前数据段未来处于报警状态、非报警状态和未知状态的概率，得到当前数据段触发报警状态的预测概率及其置信区间。对于提高报警系统在工业生产中的应用效果，减少生产异常造成的经济损失，避免重大生产事故发生具有重要意义。
-
公开(公告)号：CN108922140A
公开(公告)日：2018-11-30
申请号：CN201810889499.4
申请日：2018-08-07
Applicant: 山东科技大学
CPC classification number: G08B29/185 , G06F17/18 , G06K9/6215 , G08B31/00
Abstract: 本发明属于信号处理领域，尤其涉及一种基于N-gram模型的工业报警泛滥预测方法，包括以下步骤：(1)获取历史报警泛滥数据集，统计其中报警变量，计算每个报警变量的区分度并剔除区分度为0的报警变量；(2)将处理后的数据集中的序列与正在出现的序列逐一做相似性对比，并将序列根据相似性分数从高到低排列；(3)设定时间窗口对再次处理后的数据集进行分段，并统计每个数据段的数量，求出利用样本数据集计算下一个可能出现的报警变量及对应的概率；(4)通过贝叶斯概率模型求出预测下一个出现的报警的概率和对应的置信区间；(5)对步骤(3)和(4)进行迭代运算。本发明解决了目前进行报警泛滥预测时预测不准确的问题。
-
公开(公告)号：CN108922140B
公开(公告)日：2019-08-16
申请号：CN201810889499.4
申请日：2018-08-07
Applicant: 山东科技大学
Abstract: 本发明属于信号处理领域，尤其涉及一种基于N‑gram模型的工业报警泛滥预测方法，包括以下步骤：(1)获取历史报警泛滥数据集，统计其中报警变量，计算每个报警变量的区分度并剔除区分度为0的报警变量；(2)将处理后的数据集中的序列与正在出现的序列逐一做相似性对比，并将序列根据相似性分数从高到低排列；(3)设定时间窗口对再次处理后的数据集进行分段，并统计每个数据段的数量，求出利用样本数据集计算下一个可能出现的报警变量及对应的概率；(4)通过贝叶斯概率模型求出预测下一个出现的报警的概率和对应的置信区间；(5)对步骤(3)和(4)进行迭代运算。本发明解决了目前进行报警泛滥预测时预测不准确的问题。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
