用于诊断和监控信息物理系统中的异常的系统和方法技术方案

本发明专利技术涉及用于诊断和监控信息物理系统中的异常的系统和方法。该用于诊断和监控信息物理系统(CPS)中的异常的方法包括获得与在CPS中识别的异常相关的信息。所获得的信息包括一个或多个CPS变量的至少一个值。基于所获得的信息生成在CPS中识别的异常的一个或多个分类特征。基于生成的分类特征，将在CPS中识别的异常分类为两个或更多个异常类别。该两个或更多个异常类别中的每一个都与一个或多个异常特性相关联。通过计算与该两个或更多个异常类别中的每一个相关联的异常特性的值，执行该两个或更多个异常类别的每一个中的异常的诊断。基于与该两个或更多个异常类别中的每一个相关联的异常特性的计算值来监控该两个或更多个异常类别中的每一个的异常。多个异常类别中的每一个的异常。多个异常类别中的每一个的异常。

【技术实现步骤摘要】
用于诊断和监控信息物理系统中的异常的系统和方法


[0001]本专利技术总体上涉及工业安全领域，更具体地，涉及用于诊断和监控信息物理系统(CPS)中的异常的系统和方法。

技术介绍

[0002]工业安全的急切问题之一是技术过程(Technological Process，TP)和操作的安全运行的问题。其中TP的主要威胁是设备和子组件的磨损、撕裂和故障，操作控制的无意错误或恶意动作，对控制系统和信息系统(Information System，IS)的计算机攻击，等等。
[0003]为了抵抗各种威胁，通常可以使用安全系统来保护信息物理系统(CPS)。安全系统可以包括但不限于：应急保护系统(Emergency Protection System，EPS)，基于用于技术过程的自动控制系统(Automated Control System for a TP，ACS TP)的异常检测系统，以及用于特定种类的设备和子组件的专门构建的“外部”监控系统。通常，“外部”监控系统不一定与ACS TP集成在一起。应当注意，由于CPS和TP的发生在其中的某些独特性，可能不能总是部署前述“外部”系统。然而，即使在可以这样装配的最简单的情况下，由于为“外部”监控系统服务的成本和复杂性，部署这种“外部”监控系统通常也只发生在企业的极其重要的节点和子组件处。
[0004]与“外部”系统相比，EPS可以在企业的设计期间进行设计并且可以集成在ACS TP中。这种集成可以防止先前已知的关键过程发生。EPS的一个优点是其简单性、其对特定企业的生产过程的指向性、及其包括该企业所采用的所有设计和技术方案。EPS的缺点可以包括但不限于：在系统中做出决策相当缓慢以及在做出这些决策时存在人为因素。此外，EPS和相关方法通常在假设监控和测量仪器(Monitoring and Measuring Instrument，MMI)正确工作的前提下发挥作用。在实践中，因为MMI周期性发生故障，并具有暂时故障的趋势，因此不可能总是确保MMI完全无故障操作。此外，为所有的MMI提供冗余极其昂贵并且在技术上不会总是可行的。
[0005]异常检测系统通常基于ACS TP的遥测技术。归因于这种遥测数据的完整性，异常检测系统可以具有同时“看见”企业的所有TP彼此之间的相互关系的能力，这使得即使在MMI的故障期间也可以可靠地检测异常。ACS TP中提供的大量数据能够实现监控整个企业—企业的物理(化学或其他)过程以及用于这些过程的所有监控系统的正确工作，其可以包括生产操作者的合适动作。这些系统中使用的机器学习模型可以基于许多输入和特性来训练。这种经训练的模型可以包括用于具有大量被分析的变量的企业的正确工作的高效统计模型。这种经训练的模型甚至能够发现设备的工作中微小的偏差。换句话说，异常检测系统可以在初期检测到异常。
[0006]异常检测系统的特殊架构和接口允许异常检测系统与ACS TP并行工作以发现异常(错误检测)，显示并局部化(错误隔离)所发现的异常，以及将所发现的异常通知给生产操作者，从而例如指示用于确定该异常的特定过程变量。
[0007]然而，使用ACS TP的遥测数据确定和定位安全相关异常和威胁的现有系统没有很
好地配备成处理第三个传统的异常监控问题。更具体地，现有系统没有很好地配备成处理异常诊断本身(错误诊断)、根据异常的类型(类别)对异常进行分类、过滤不重要的异常、确定某些特性异常、预测异常的发展等技术上复杂的问题。通常，生产中最需要的异常分析类型包括评估某些异常的危险性、对异常的发展的回顾分析、对异常的一个或多个特性的预测评估、以及企业经营者制定最具经济效益的有利纠正策略的可能性。在绝大多数情况下，对先前发现的异常进行特定类型的分析是可能的，因为ACS TP的遥测数据包含关于特定企业的运行、其所有物理、化学和其他过程的进程的详尽信息，以及关于控制过程的完整信息。然而，这种遥测信息通常只包含原始、未处理和未标记的数据。
[0008]因此，需要基于遥测数据对CPS中先前发现的异常进行有效诊断和监控的自动化系统。对于包含MMI、执行器或监控系统中的任一者的所有CPS来说，这一需求都是急切的。

技术实现思路

[0009]公开了用于基于遥测数据创建用于诊断和监控在CPS中先前发现的异常的自动化系统的系统和方法。
[0010]有利的是，所公开的方法通过对先前发现的异常进行分类、对每个类别的异常进行诊断、以及随后对CPS进行监控来对CPS中的异常进行自动诊断和监控，以识别每个类别的异常。
[0011]在一个方面，用于诊断和监控信息物理系统(CPS)中的异常的方法包括获得与在CPS中识别的异常相关的信息。所获得的信息包括一个或多个CPS变量的至少一个值。基于所获得的信息生成在CPS中所识别的异常的一个或多个分类特征。基于所生成的分类特征，将CPS中识别的异常分类为两个或更多个异常类别。所述两个或更多个异常类别中的每一个都与一个或多个异常特性相关联。通过计算与所述两个或更多个异常类别中的每一个相关联的异常特性的值，在所述两个或更多个异常类别的每一个中执行异常的诊断。基于与所述两个或更多个异常类别中的每一个相关联的异常特性的计算值来监控所述两个或更多个异常类别的每一个中的异常。
[0012]在一个方面，监控CPS以识别异常还包括：预测一个或多个CPS变量的至少一个值；基于所述一个或多个CPS变量的预测值确定总预测误差；以及如果所确定的预测误差超过预定阈值，则识别出异常。
[0013]在一个方面，监控CPS以识别异常还包括：通过将经训练的机器学习模型应用于所述一个或多个CPS变量的至少一个值来识别异常。
[0014]在一个方面，监控CPS以识别异常还包括：确定所述一个或多个CPS变量的至少一个值是否位于相应CPS变量的先前指定的值范围的界限之外；以及响应于确定所述一个或多个CPS变量中的至少一个CPS变量的值位于相应CPS变量的先前指定的值范围的界限之外，识别出异常。
[0015]在一个方面，所获得的信息还包括以下中的至少一者：观察遂检测到的异常的时间间隔、所述一个或多个CPS变量中的每一个CPS变量对所检测到的异常的贡献、关于所检测到的异常的检测方法的信息、在观察时间间隔的每个时刻所述一个或多个CPS变量的值。
[0016]在一个方面，对于一个或多个CPS变量中的每一个CPS变量，所获得的信息还包括：相应CPS变量值的时间序列；预测的CPS变量值相对实际CPS变量值的偏差的当前大小；预测
的CPS变量值相对实际CPS变量值的偏差的平滑值。
[0017]在一个方面，所述一个或多个CPS变量的值包括以下中的至少一者：数据发射器的测量值；执行机构的操纵变量的值；执行机构的设定点；比例积分微分控制器(PID控制器)的输入信号的一个或多个值；PID控制器的输出信号的值。
[0018]在一个方面，通过为一个或多个分类特征中的每一个分类特征分配一个或多个CPS变量来生成所述一个或多个分类特征。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于诊断和监控信息物理系统(CPS)中的异常的方法，所述方法包括：获得与在所述CPS中识别的异常相关的信息，其中，所获得的信息包括一个或多个CPS变量的至少一个值；基于所获得的信息生成在所述CPS中识别的异常的一个或多个分类特征；基于生成的所述分类特征将在所述CPS中识别的异常分类为两个或更多个异常类别，其中，所述两个或更多个异常类别中的每一个异常类别都与一个或多个异常特性相关联；通过计算与所述两个或更多个异常类别中的每一个异常类别相关联的异常特性的值，执行所述两个或更多个异常类别中的每一个异常类别中的异常的诊断；和基于与所述两个或更多个异常类别中的每一个异常类别相关联的异常特性的计算值，监控所述两个或更多个异常类别中的每一个异常类别的异常。2.根据权利要求1所述的方法，其中，通过执行以下步骤来识别异常：预测所述一个或多个CPS变量的至少一个值；基于预测的所述一个或多个CPS变量的所述至少一个值来确定总预测误差；和如果所确定的总预测误差超过预定阈值，则识别出异常。3.根据权利要求1所述的方法，其中，通过执行以下步骤来识别异常：通过将经训练的机器学习模型应用于所述一个或多个CPS变量的所述至少一个值来识别异常。4.根据权利要求1所述的方法，其中，通过执行以下步骤来识别异常：确定所述一个或多个CPS变量的至少一个值是否位于相应CPS变量的先前指定的值范围的界限之外；和响应于确定所述一个或多个CPS变量中的至少一个CPS变量的值位于所述相应CPS变量的先前指定的值范围的界限之外，识别出异常。5.根据权利要求1所述的方法，其中，所获得的信息还包括以下中的至少一者：观察所检测到的异常的时间间隔、所述一个或多个CPS变量中的每一个CPS变量对所检测到的异常的贡献、关于所检测到的异常的检测方法的信息、在观察时间间隔的每个时刻所述一个或多个CPS变量的至少一个值。6.根据权利要求1所述的方法，其中，对于所述一个或多个CPS变量中的每一个CPS变量，所获得的信息还包括：相应CPS变量值的时间序列；预测的CPS变量值相对实际的CPS变量值的偏差的当前大小；所述预测的CPS变量值相对所述实际的CPS变量值的偏差的平滑值。7.根据权利要求1所述的方法，其中，所述一个或多个CPS变量的所述至少一个值包括以下中的至少一者：数据发射器的测量值；执行机构的操纵变量的值；所述执行机构的设定点；比例积分微分(PID)控制器的输入信号的一个或多个值；所述PID控制器的输出信号的值。8.根据权利要求1所述的方法，其中，监控所述CPS以检测异常包括使用与所述两个或更多个异常类别中的每一个异常类别相关联的异常特性的值，以预定频率执行以下类型的分析中的至少一种类型的分析：对在预定历史时间段内的所述两个或更多个异常类别的附加特性执行回顾分析；执行预测分析，所述预测分析包括与所述两个或更多个异常类别中的每一个异常类别相关联的异常特性的值的预测；对与所述两个或更多个异常类别中的每
一个异常类别相关联的异常特性的值执行流分析。9.根据权利要求8所述的方法，其中，监控所述CPS以检测异常还包括：将所执行的分析的结果与一个或多个临界规则进行比较，以及响应于确定满足所述临界规则中的至少一个临界规则，根据所满足的临界规则生成用于处理所检测到的异常的动作列表。10.根据权利要求1所述的方法，其中，通过将所述一个或多个CPS变量分配给所述一个或多个分类特征中的每一个分类特征来生成所述一个或多个分类特征。11.根据权利要求1所述的方法，其中，所述一个或多个异常特性包括以下中的至少一者：特定异常的临界水平的计算值、特定类别的异常出现的频率、特定类别的异常出现的周期性。12.根据权利要求1所述的方法...

【专利技术属性】
技术研发人员：安德雷，
申请(专利权)人：卡巴斯基实验室股份制公司，
类型：发明
国别省市：