控制系统仿真课程设计-报警算法的设计和应用参考.doc

控制系统仿真课程设计 （2012届） 题 目 报警算法的设计和应用 学 院 自动化 专 业 自动化 班 级 学 号 学生姓名 指导教师 完成日期 2015.9.14 控制系统仿真课程设计 本课程设计的目的着重于DCS中报警算法的基本原理与设计方法的综合实际应用。主要内容包括报警器性能指标MAR、FAR和AAD的求取方法，基于MAR和FAR的最优报警器设计方法，直接门限报警器设计方法、滑动平均滤波报警器设计方法、基于ROC曲线的最优门限选取等Matlab仿真算法的设计。 通过本课程设计的实践，掌握自动控制理论工程设计的基本方法和工具。 工业报警器设计中的主要性能指标 报警器对于保证现代工业设备安全有效的运行是至关重要的，那么如何评价报警器的性能使之发挥不可替代的作用，成为信息与控制领域以及工业应用领域中，研究者和工程技术人员普遍关注和研究的问题。通常来说，报警器的性能可以用多种指标来衡量，比如“单位时间警报数量”、“单位时间峰值警报数”、“单位时间高（低）优先级警报数”，“警报识别率”等等。其中，被公认为最基本和重要的性能指标就是其中的误报率(FAR)、漏报率(MAR)、平均报警延迟(AAD)三个性能指标。 1.1 三个主要性能指标(FAR/MAR/AAD)的概念与意义 首先令所研究的过程变量记为x，对它的观测为一个离散的采样信号x(t)，采样周期为h，与其相关的阈值为xtp。报警器设计实际上可归结为模式分类问题，即x具有“正常(Normal)”和“异常(Abnormal)”两种模式，它们分别对应设备“无故障”和“故障”两种运行状态，x(t)经过报警算法处理后会被映射到“警报(Alarm)”和“未警报(No-alarm)”两种模式，亦即x(t)超过阈值xtp则发出警报，反之则不发出警报。然而，由于x(t)变化的不确定性或xtp的选取不当，都会引起报警器给出两种错误的警报。一种是误报，即在x(t)真实处于正常状态时而报警器错误的发出警报；二种是漏报，即在x(t)真实处于异常状态时而报警器未曾发出警报。假设对于x的一个采样序列为{x(0h), x(1h), x(2h),?}，在此次采样过程中x经历了一次从正常状态到异常状态的变化，则可以给出一个混淆矩阵来描述x的两个模式和报警器的两个模式之间的关系，如表1所示。 表1 报警器设计中的混淆矩阵 过程变量x的模式 异常状态 正常状态 报警器模式 警报(A) 警报（正确） 个数TA 误报（错误） 个数FA 未警报(NA) 漏报（错误） 个数MNA 未警报（正确） 个数TNA个 当xtp变化时该矩阵中的每个元素取值都会发生变化，并且它们之和为采样序列{x(0h), x(1h), x(2h),?}的长度。根据该矩阵可以给出误报率(FAR)和漏报率(MAR)的定义如下： FAR=(FA/(FA+TNA))?100% (1) MAR=(MNA/(MNA+TNA)) ?100% (2) FAR和MAR是两个最重要也是最基本的性能指标。报警器设计的最直接也是最简单的标准就是找到一个最优阈值，其对应的FAR和MAR都取最小值。这一寻优过程可以在接收操作特性(ROC)曲线上进行，它描述了当阈值取不同数值时，相应FAR和MAR的变化情况。最优阈值通常是指ROC曲线上离原点（FAR=0%,MAR=0%）最近的那个点所对应的阈值。这里举例说明求取最优阈值的过程。 若令设备发生异常的时间为t0=1000h ，发生警报的时间ta=1001h，则该组样本序列下的延迟时间Td=ta-t0=1h。若有N组如此形式的采样序列，则可以得到N个延迟时间Td1,Td2, ?,TdN，那么平均报警延迟可定义为 AAD=(Td1+ Td2+?+TdN)/N (3) 1.2 三个主要性能指标的概率表达式 当过程变量x概率分布或密度函数精确已知的情况下，不再需要基于样本数据用式(1)-(3)给出三个性能指标，而是可以给出FAR、MAR和AAD的概率表达式，这里将给予详细介绍。假设过程变量x处于正常状态的概率密度函数为p(x)，处于异常状态的概率密度函数为q(x)。 在给定阈值xtp时，误报率FAR定义为： (4) 简记FAR为p1，令p2=1-p1，即，它表示正常状态下无报警的概率。 同理，漏报率MAR定义为： (5) 简记MAR为q1，令q2=1-q1，即，它表示异常状态下发生报警的概率。 当过程变量的统计特性精确已知时，显然报警