一种基于改进贝叶斯网络结构的工业报警网络构造方法技术

本发明专利技术公开一种基于改进贝叶斯网络结构的工业报警网络构造方法，涉及工业报警网络构造技术领域；而本发明专利技术S1：选取TE过程报警数据作为数据集，数据采样间隔为3分钟，并对数据集划分训练集和测试集。将TE过程报警数据进行划分具体为：将前5小时共100个报警数据作为训练集，将第5小时至第48小时共860个报警数据作为测试集，S2、将S1提取的数据集进行排序，如若统计后的数据存在间隔的现象，采用均值法对间断地方进行补值处理；通过该方法所学习到的工业报警网络与原始网络更加接近，这是由于EEMI在计算节点之间关联程度时考虑了自身的信息熵，在正确率上更具优势，且VLL定向规则的准确性更高。更高。更高。

【技术实现步骤摘要】
一种基于改进贝叶斯网络结构的工业报警网络构造方法


[0001]本专利技术涉及工业报警网络构造
，具体为一种基于改进贝叶斯网络结构的工业报警网络构造方法。

技术介绍

[0002]现代流程工业是指一种生产过程长时间连续，生产流程需要严格的过程控制以及安全保障的工业生产行业，其特点是具备大型复杂的工业生产系统和庞大的生产规模。流程工业是国家经济的重要组成部分，对促进经济增长和提高国家经济实力具有重要作用。近年来，国家积极倡导工业化与信息化的深度融合，以更加高效、智能的方式发展流程工业。
[0003]然而，由于流程工业的生产系统极其复杂，生产设备数量众多，相互连接紧密且高度耦合，因此任何设备或单元的故障都可能通过物质流和信息流在不同的系统之间传递，导致生产过程容易受到内外部干扰。即使是微小的故障，也可能会引发连锁反应，演变并影响整个生产过程，从而对生产的安全、稳定性和产品质量造成无法预估的影响；
[0004]贝叶斯网络结构是一种概率图模型，它可以描述变量之间的因果关系，并且可以用于分析和预测事件的概率。传统的贝叶斯网络结构学习的过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进贝叶斯网络结构的工业报警网络构造方法，其特征在于，包括以下步骤：S1、选取TE化工过程数据集，并对数据集划分训练集和测试集；S2、数据预处理：提取TE化工过程数据集，若统计后的数据出现间断的现象，就用均值法进行补值，同时按照工业3δ法则进行阈值设定；S3、基于互信息的不足，对节点之间互信息的计算进行改进，引入了去熵互信息的概念，得到去熵互信息和去熵条件互信息，进而生成无向网络图；S4、将生成的无向网络图利用VLL定向规则进而取得改进后的贝叶斯网络结构(EEMI&VLL)；S5、利用Asia、Car、Child、Alarm四种标准网络数据集对EEMI&VLL进行实验，并对比实验效果评价指标。2.如权利要求1所述的一种基于改进贝叶斯网络结构的工业报警网络构造方法，其特征在于，将TE过程报警数据进行划分具体为：将前5小时的报警数据作为训练集，将第5小时至第48小时的报警数据作为测试集。3.如权利要求1所述的一种基于改进贝叶斯网络结构的工业报警网络构造方法，其特征在于，S2所述数据预处理的过程具体包括：A：提取TE化工过程数据集，并将数据按照时间顺序进行排序；B：对数据按照时间间隔T进行统计，其中T＝3min；C：若统计后的数据出现间断的现象，采用均值法进行补值，具体公式如下所示：其中，S
t
表示时刻的报警数据，S
t+1
、S
t
‑1分别表示t+1、t
‑
1时刻的报警数据；D：同时按照工业3δ法则进行阈值设定，将连续的数据按照高低阈值转化为0、1的离散序列。4.如权利要求1所述的一种基于改进贝叶斯网络结构的工业报警网络构造方法，其特征在于，S3所述改进过程具体包括：A：将节点X和节点Y的互信息分别除以两个节点各自的信息熵来消除自身信息熵对互信息的影响，得到两个比值记为η1和η2，具体公式如下所示：其中η1、η2表示X和Y节点信息熵中互信息的比值，I(X,Y)表示节点X和节点Y的互信息，H(X)表示X节点的熵，H(Y)表示Y节点的熵，两个节点之间的去熵互信息公式如下所示：EEMI
XY...

【专利技术属性】
技术研发人员：屠袁飞，彭雨昂，杨小健，陈雪源，何淑华，丁辉，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：